[发明专利]基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法

说明书

本发明提供了一种基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法，解决了现有声发射信号处理缺乏针对性，无法分离同一时刻到达的多种损伤模式信号，以及现有声发射无法对数据分析结果进行预判，不能实现损伤模式的在线识别和评价的问题。该识别方法包括：1)采用已知损伤模式次序的工况对陶瓷基复合材料进行多次重复试验，训练分类器；2)采用分类器对复杂工况下待识别的陶瓷基复合材料进行在线识别。

技术领域

本发明属于材料工程技术领域，具体涉及一种基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法。

背景技术

陶瓷基复合材料以其优越的高温力学性能有望广泛用于燃烧室，涡轮叶片和火箭尾喷管等热端构件中；在其失效过程中，可能发生基体开裂、界面脱粘、纤维断裂等损伤模式，由此，其复杂载荷条件下的在线损伤模式识别十分重要。

声发射技术作为一种动态的无损检测技术，主要于材料工程领域的研究。研究者可借助声发射技术，实现对陶瓷基复合材料损伤模式的在线监测和评价。

目前常用的声发射信号处理方法将每一个声发射事件作为一个整体进行分析,这样并不适合存在多种损伤模式的复合材料，缺乏针对性，且结果和参数的设置关系很大。就陶瓷基复合材料来说，声发射信号的处理方式未考虑其自身结构因素对声发射基本性能的影响，故其难以分离同一时刻到达的基体开裂、纤维断裂等损伤模式的信号。

在声发射监测过程中存在大量数据的采集，非常适合采用大数据算法对其进行分析；然而目前常用的聚类分析等无监督算法分析结果不稳定，容易出现分类类别多分或者少分的情况。同时，对损伤类型的识别依赖于损伤出现的先后次序，只适用于损伤情况较为明确的条件，而这也丧失了损伤识别的初衷。此外，这类方法无法对数据分析结果进行预判，也无法随着使用时间的延长，根据既有经验提升识别准确性，不能实现损伤模式的在线识别和评价。

发明内容

本发明的目的在于解决现有声发射信号处理缺乏针对性，无法分离同一时刻到达的多种损伤模式信号，以及现有声发射无法对数据分析结果进行预判、不能实现损伤模式的在线识别和评价的不足之处，而提供一种基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法。

为实现上述目的，本发明所提供的技术解决方案是：

一种基于机器学习的陶瓷基复合材料声发射在线损伤模式识别方法，其特殊之处在于，包括以下步骤：

1)训练分类器

采用已知损伤模式次序的工况对陶瓷基复合材料进行多次重复试验，采集声发射信号；对采集的声发射信号进行处理，提取每一帧信号频谱图中的包络曲线，获得声发射信号的频谱特征参数；对频谱特征参数进行分类并根据信号出现的时间次序，确定每种信号对应的损伤模式，标记数据，并建立频谱特征库；采用机器学习算法对频谱特征库进行学习，训练分类器；

2)在线识别

对复杂工况下待识别的陶瓷基复合材料进行加载试验，采集声发射信号；实时读取采集的声发射信号，采用与步骤1)相同的处理方式将声发射信号处理成频谱特征参数；并采用步骤1)训练好的分类器实时识别所述频谱特征参数对应的损伤模式。

进一步地，3)确定损伤程度

所述谐波小波包分解与重构算法提取各个损伤模式对应频带的能量，实时显示各类损伤模式的能量累积，以确定损伤程度；

进一步地，所述频谱特征库采用自学习方法进行扩大，将既往已经完成识别的频谱特征参数，由使用者确认以后，添加至所述频谱特征库中，可随着该特征库使用时间的增加，不断扩大频谱特征库中样本容量，提高未来识别的准确性。

进一步地，步骤1)的具体步骤为：

1.1)在常温下，采用已知损伤模式次序的工况对陶瓷基复合材料进行多次重复试验，并采集多组声发射信号；