声发射检测技术在材料断裂损伤中的研究进展与展望

唐婷婷 赵 博 刘晓迪 续宏毅 王立贤 代 强

（1.中国特种设备检测研究院 北京 100029）

（2.中国石油大学（北京）克拉玛依校区 克拉玛依 834000）

现代材料主要包括金属材料、高分子材料和非金属复合材料等，是构成航空航天、能源、交通、化工等各工业领域的基础。工程材料在长期服役过程中极易由疲劳、蠕变、腐蚀等损伤行为引发断裂，是目前造成设备失效的最主要模式之一。为保证使用的安全性和可靠性，减少灾难性事故，对材料损伤与断裂的检测和识别与定位是确保工业设备安全服役的重要环节。

材料在发生损伤时会释放能量并产生应力波，该过程被称为声发射（Acoustic Emission）现象[1]。通过采集材料损伤时释放的声发射信号实现材料状态的无损检测即为声发射检测技术。声发射检测技术的特点是能够实时采集由材料内部发出的声能信号，无须外部激励，它的信号来源于材料缺陷本身，属于动态无损检测技术中的一种。材料在非弹性形变、马氏体相变、应力腐蚀和加工过程产生裂纹等损伤时均存在声发射现象，因此，声发射检测技术被广泛应用于材料断裂损伤的检测[2]。声发射技术可以通过捕捉材料的全周期声能信号对材料的损伤状况进行详细分析，并根据其声能信号的差异对材料发生的损伤类型进行判断，同时能够结合不同的工况对材料的损伤状态进行更深入的分析。

目前，材料损坏的表征或评估主要通过样品分析和无损检测方法进行。样品分析方法是从工程构件上切割部分材料，并分析机械性能[3]、化学成分等，以评估损坏状态和剩余寿命。无损检测方法是指使用声发射[4]、红外光谱[5]、太赫兹[6]和超声波[7]技术来检测和评估工程材料的缺陷和损坏状态。与样品分析方法相比，无损检测方法更适用于工业设备的快速和大规模测试。

传统的无损检测方法无法识别材料损伤早期形成的微尺度和纳米尺度缺陷。它们只检测宏观缺陷，如裂缝、夹杂物和孔隙。对于设计良好的工程构件，材料早期的微观损伤很大部分决定了工程构件的使用寿命。声发射检测技术可以克服传统无损检测方法的缺点，有效地表征材料微观结构的变化，如位错演化和微裂纹萌生。本文对近年来声发射检测技术在材料断裂损伤中的相关研究进行了综述。

1 声发射检测技术原理

声发射检测技术作为无损检测方法的一种，简单、高效、快速，不需要复杂的制样过程，可以接收材料或零件内部的声发射源产生的声波信号，是工业发展进程中必不可少的高效工具。声发射检测方法与其他无损检测方法的特点相比所具有的优点[8]：1）动态监测，声发射检测到的能量来源于被测物体本身，可根据采集的特征信号分析材料的损伤类型、损伤程度以及在线监控，在发生灾难性破坏之前，及时地对损伤进行预警；2）检测区域范围较大，可用于对材料结构整体探测；3）应用广泛，不受材料外观影响，可以对不同形状构件进行检测，适用于大部分材料；4）被动检测，监测过程中材料发生的信号不会对仪器本身产生不利影响；5）对环境要求不高，很多恶劣环境下都可以进行检测，如高低温、强紫外线、有毒、易燃易爆等环境。

声发射是指在外力或内力的作用下，材料或部件的局部缺陷由于应力集中而释放能量，导致变形、材料内部结构断裂，或内部张力超过弹性极限并进入不可逆塑性变形阶段，快速释放能量的局部现象发射瞬时弹性波[7-8]，表示材料内部积蓄的能量以机械波的形式快速释放的过程，声发射技术检测原理如图1所示。

图1 声发射技术检测原理

声发射检测的一般原理：材料、器件或构件的声发射源产生弹性波以应力波的形式传播，弹性波经过微短的时间从材料内部传播至材料表面，其表面产生机械振动，机械振动产生的位移信号由声发射传感器探测到，通过具有压电晶片的声发射传感器的耦合转变为电信号，对采集的信号源进行定位、定性、判断分析，从而解释被检件内部缺陷情况如裂纹、夹杂物、气泡或气孔等有效信息，在此基础上人们再对材料内声发射源的特征参数做主成分分析和聚类分析确定材料的损伤类型。

2 数据处理与分析

从目前的研究现状来看，基于声发射技术的材料损伤机理研究中广泛应用参数分析、波形分析和模式识别等方法。

2.1 参数分析法

参数分析法主要是根据采集的声发射信号的特征进行分析，如图2所示，声发射信号发出的参数包括振铃计数、振幅、能量、持续时间和上升时间等[9]，可以分析这些参数的2种组合之间的相关性，例如声发射事件及其振幅之间的相关图，以及声发射参数及其持续时间之间的相关图。

图2 声发射信号简化波形参数的定义

参数分析法分析速度快，在当前应用中相对成熟，但其假设有局限性[10]。假设声发射信号以一定的固定速度传播，实验的可重复性低，接收信号受外部环境影响。不同材料的声波传播模式不同，声发射参数只描述了一些波形特征，因此用参数分析法来表征和分析声发射源特性是不准确的。

2.2 波形分析法

波形分析指的是处理通过时域波形或频谱特征获得信号的信息。由于声发射信号的随机性，在时域上进行观察分析很难取得与声发射源相关的重要信息，图3为声发射信号的时域图和频域转换图[11]。在进行小波分析之前，需要首先采用快速傅里叶变换（Fast Fourier Transform，以下简称FFT）得到信号的各个特征。FFT的原理如下：

图3 声发射突发型信号

式中：

X（k）——离散频谱的第k个值；

x(n)——时域采样的第n个值。

近年来基于小波变换的信号分析研究颇多，小波分析具有良好的时频局部化特性，可实现信噪分离，时域-频域结合的信号分析方法可以实现同时对声发射信号的时域和频域特性进行提取，从而获得声发射源的信息与特征，以下为小波变换理论。图4为声发射信号的小波变换思路。

图4 声发射信号的小波变换思路

设x(t)∈L2(R),L2(R)表示平方可积的实数空间[11]，φ（t）为基本小波，则x(t)的小波变换定义为：

式中：

WTx（a,b）——函数x（t）的连续小波变换表达式；

φa,b（t）——基本母小波位移与尺度伸缩，称为一个小波序列；

a——尺度因子（a≠0）；

b——位移。

注：上标*代表取共轭

2.3 模式识别法

模式识别法是借助计算机技术在已经提取样本特征的基础上对样本进行分类。主要步骤有数据预处理、提取并选择特征频率，然后选择适当的分类器[12]。模式识别法可以帮助确定声波（声发射）信号和损伤之间的关系，并确定损伤类型，但样本的特性有限，无法确定复杂环境下的干扰源。模式识别流程如图5所示。

图5 模式识别流程图

3 研究进展与应用现状

3.1 金属材料

金属材料损伤产生的声发射信号容易受到外界因素的影响，因此接收到的金属材料损伤的声发射信号成分异常且非常复杂，在处理原始信号的工序上也会更加困难。大多数金属材料的塑性变形、裂纹的产生与扩展、断裂、马氏体相变等动态过程中均伴随着声发射现象[13]。通过对声发射信号的采集、处理、分析和研究，可以推断出材料内部的形态变化、逆转失效机理，从而根据声发射规律开展灾害预测等工程应用[14]。结构失效始于一系列变形，包括弹性和塑性区域，并贯穿裂纹扩展的整个过程。裂纹扩展通常发生在单调向上加载（脆性和韧性断裂）、循环加载（疲劳裂纹扩展）或应力腐蚀期间[15]。对材料疲劳断裂产生的声发射源的研究发现，声发射源包括位错引起晶粒屈服的塑性变形，包括屈服应力附近和屈服前的位错运动、滑移变形和晶界滑移、屈服应力下的微裂纹、颗粒断裂、塑性变形和裂纹扩展[16]。其中，典型的声发射源为位错运动和塑性变形、裂纹形成和扩展、塑性断裂、脆性断裂和疲劳断裂。断裂失效是金属结构件失效的主要类型，迫切需要一种在线监测结构件裂纹的方法。研究证实，根据声发射信号的振幅分布或频谱斜率变化以及断裂力学参数如裂尖张开位移（CTOD）、应力强度因子K等参数，可评估材料的断裂韧性[17]。

Zhang等人[18]使用声发射在线监测燃气轮机叶片的工作状态，对燃气轮机叶片和TC11钛合金板进行了基于声发射监测的疲劳裂纹扩展实验。利用声发射参数确定裂纹扩展阶段的方法，建立了累积声发射命中率与疲劳裂纹长度之间的关系，提出了一种基于声发射能量预测裂纹扩展程度和残余疲劳寿命的方法。门进杰等人[19]通过声发射经历图分析探讨了2205双相不锈钢声发射振铃计数及能量与试件裂缝发展程度的关系。图6为燃气轮机发动机叶片试样的几何形状，图7为燃气轮机发动机叶片样本采集的声发射信号的波形和频谱，分析可知，由于试件出现宏观微裂纹，在微裂纹萌生阶段会有少量声发射振铃计数和能量产生；在裂纹稳定扩展阶段，裂纹端口不断张开和闭合导致内部孔洞累积变大，释放大量能量；在裂纹扩展至断裂阶段，试件应力集中严重，失稳断裂瞬间声发射活跃度迅速上升，释放出大量能量。

图6 燃气轮机发动机叶片试样的几何形状

图7 燃气轮机发动机叶片样本采集的声发射信号的波形和频谱

3.2 高分子材料

高分子材料结构具有多样性，赋予其良好的物理/化学性能，但复杂的结构特征带来的微观不均匀性也导致聚合物材料中声发射信号的巨大差异。在声发射技术对高分子材料断裂的检测应用中存在2个核心问题：1）研究聚合物材料中声发射信号传播特性，进而通过数学处理获取噪声发射源的位置；2）在高分子材料失效破坏的过程中屏蔽冗杂的无关变量，对其非线性的断裂过程进行识别，进而建立精确的数学模型进行失效预测。有研究表明：对于高分子材料断裂，声发射技术可以成为识别断裂行为和认知断裂过程的有效检测手段，并结合断裂力学开展应用。

张秘等人[20]研究了在高分子材料中的声发射信号传播特性。利用门限值和小波分析的阈值去噪法对声发射信号进行噪音处理。以亚克力板为研究对象，通过破铅实验对声发射源进行了模拟，并对声发射信号进行了阈值和小波分析去噪。分析了声发射信号在聚合物材料中的衰减规律，得到了声发射波在不同角度下的传播速度变化规律。然后通过线性定位实验验证了声波速度的有效性。为聚合物材料声发射故障源的准确定位奠定了基础。张陆佳等人[21]提出一种声发射信号特征提取及纤维种类诊断的模型。首先对信号进行预处理，对声发射信号作小波分析降噪后利用经验模态分解方法（EEMD）分解信号；主成分分析（PCA）法提取信号的频率特征，最后最小二乘支持向量机法（LSSⅤM）分类识别断裂类型，提出了一种声发射信号特征提取和纤维类型诊断模型，用于识别纤维拉伸断裂的类型，为进一步研究混纺纱拉伸断裂过程中纤维断裂的时间提供依据。李涛等人[22]验证了基于声发射信号的PE塑料失效，主成分分析法模糊预测的可行性。采用主成分分析模糊预测技术对PE拉伸失效情况进行模糊预测，为PE失效类型和PE管道监测方法的研究提供参考。

3.3 非金属复合材料

复合材料有着比强度高、比刚度高、模量大、可设计性强、减震性能好、耐腐蚀等出色的性能优点[23]，是性能优越的工程材料，近年来广泛应用于航空航天、能源、交通、化工等各领域并飞速发展。复合材料的多种损伤机制，导致材料的机械性能退化和结构的最终失效[24]。增强相和界面的存在是非金属复合材料区别于传统非金属材料的明显特征，同时常带来材料明显的各向异性，导致非金属复合材料的损伤和断裂机制异常复杂。从宏观损伤破坏模式看，目前学术界公认的非金属复合材料损伤可以分为基体开裂、增强相断裂、界面开裂以及界面分层4种[25]，各种损伤破坏模式可能单独发生，也可能结合在一起发生。对于声发射检测技术在复合材料中的应用，目前存在2个问题：1）各向异性造成声信号在材料中传播的复杂性，影响损伤定位的精确性；2）基体、界面和增强相的相互作用造成断裂信号的复杂性，难以准确识别断裂特征。现有研究多针对以上2个问题开展。

林松等人[26]研究高性能国产聚酞亚胺纤维在复合气瓶上的使用，并表征其与进口碳纤维的性能差异。分别采用聚酞亚胺纤维、进口T300、T700和T800碳纤维缠绕成型复合气瓶，做静水压爆破压力试验进行对比试验，并引入声发射检测技术监测和分析静水压过程中的损伤信号。探索高强度PI纤维在缠绕航空航天压力容器中的应用。李伟等人[27]通过宽带传感器记录指向不同纤维的复合材料拉伸断裂时发出的声信号，对FRP复合材料试件拉伸破坏过程的声发射全程进行监测，结合力-位移曲线、声发射撞击累计数-时间变化曲线和声发射三维参数图，分析FRP复合材料拉伸损伤的声发射特性，并统计分析复合材料声发射信号的幅度，实现及时检测复合材料的有害活动性缺陷，并确定发生损伤的载荷、部位及其严重程度。陶进等人[28]研究声发射信号来判断ACCC损伤类型。对试件进行了三点弯曲试验，并通过声发射同时检测损伤情况。在生产线圈的过程中，ACCC线-碳纤维复合芯可能会产生纤维体积分布不均、纤维与树脂基体界面结合不良、树脂基体固化不良等缺陷。利用三点弯曲试验使碳ACCC导线纤维复合芯在三点弯曲损伤条件下进行声发射监测。对ACCC导线碳纤维复合芯弯曲监测、电力运输的保障有一定积极作用。

李昕等人[29]使用声发射技术实时跟踪含有预定义断裂、低粘附性或剥离缺陷的玻璃纤维复合试样的破坏过程，为预测GFRP复合材料缺陷的发生和发展提供有力证据。林松等人[30]研究材料的损伤演化机理，为深入研究3D-NC/SiC复合材料损伤断裂行为提供依据。刘哲军等人[31]在4种C/E复合材料NOL环试样的拉伸试验过程中研究其声发射特性得出材料强度、模量和缠绕过程都对材料损伤过程的声发射次数、信号幅度和持续时间有显著影响。沈书乾等人[32]通过波分解获得信号的波频谱。不同频带中的能量分布可以有效区分不同的损伤信号，并实现不同损伤信号的特征提取，以确定碳纤维复合材料的损伤类型。张勇祯等人[33]基于改进遗传算法的无监督聚类方法对声发射信号进行识别，通过监测纤维在不同拉伸破坏强度下所产生的声发射信号，统计分析不同的声发射模式的特征及其演化过程，结合断口分析损伤机制与声发射的关系，得出纤维断裂事件所产生的声发射信号聚类中心能量参数能反映纤维/基体界面的结合强度。邢广怀等人[34]基于概率熵统计分析方法研究了材料损伤演化产生的声发射信号的动态响应行为，准确评价了碳纤维三维编织复合材料的力学行为和损伤特性，为该复合材料的无损检测和寿命评估提供了技术支持。

4 结论与未来展望

声发射检测技术已经成为分析材料断裂损伤的有效手段，在构件损伤监测与维修辅助方面具有广阔的研究前景，它在线监控材料损坏程度，实时向系统发出警报，并标记材料内部缺陷的位置。材料的损伤类型会受应用场合的影响，在目前的研究状态下，模式识别是一种有前景的方法，主要是因为声发射技术记录的数据包含太多参数，如上升时间、振幅、持续时间、峰值频率等，使参数和损伤模式之间难以直接关联。因此，通过模式识别技术，采用计算方法根据声信号样本的特征将样本进行归类划分，是目前声发射检测技术对材料断裂损伤认知的研究重点。

模式识别技术关键在于特征设计、特征提取和模型训练3部分，传统的模式识别技术主要方法为声特征信号与材料断裂的机理对偶解析。近年来由于全波形采集功能的实现，声信号数据样本大量增加，模式识别技术开始由人工学习逐渐转向机器学习，因此带来以下几个问题，亟须解决：1）需要大量的人为干预来发现和建立特征设计，以表征损伤信号的损伤；2）现有的基于浅层机器学习的模型训练方法，如k-means聚类分析，需要分析师具有丰富的经验；3）特征设计、特征提取和模型训练这3个阶段不能同时优化。

深度学习[35]可以很好地克服上述问题，它可以提供一种在多个抽象级别自动学习特征的有效方法，由于其强大的非线性映射能力、自学习能力、自适应能力、信息并行处理能力等特点，深度学习必将成为声发射技术检测材料损伤问题的有力辅助工具，并在现有技术的挑战突破和材料非线性复杂的微观损伤问题的探索上发挥重要作用。人工智能的发展有助于提高损伤识别率与诊断性能，声发射检测技术对材料的损伤识别可以从不同算法中受益。