题目：基于声发射的Q345钢疲劳损伤识别和寿命预测技术研究

 

Q345钢由于其出色的机械性能广泛应用于船舶、建筑、压力容器、桥梁等领域。在许多情况下，由Q345钢构成的钢结构经常受到交变载荷的作用，这会导致微裂纹的萌生与扩展，引起材料的强度与刚度下降甚至断裂。因此对疲劳裂纹扩展的监测非常重要。声发射技术是一种高效的无损检测方法，而疲劳裂纹扩展是材料损伤过程重要的声发射源，因此声发射广泛应用于材料疲劳损伤的监测。

本文首先研究了厚度与组织状态对疲劳裂纹扩展与其声发射行为的影响。随着厚度的增加，疲劳裂纹扩展速率轻微增加，而声发射计数率则明显增加，这表明声发射对于厚度的变化更加敏感。裂纹尖端的微断裂，塑形屈服，二次裂纹的扩展与连接等是主要的声发射源。焊接结构由于其组织具有较粗大的铁素体晶粒及颗粒状夹杂物，使得裂纹更易于萌生和扩展，因此在疲劳裂纹扩展速率和声发射计数率上高于母材。焊后热处理前后，疲劳裂纹扩展速率和声发射计数率变化很小，这可能是焊接残余应力与疲劳试样裂纹尖端所受应力方向平行所致。

基于上述研究，提出一种综合主成分分析，神经网络和信息融合的损伤识别方法对Q345钢结构进行疲劳损伤状态识别。使用主成分分析根据损伤类别构建不同的数据空间，神经网络对各换能器的输入信息在数据空间中进行局部诊断，进而对神经网络的输出结果进行基本概率赋值，最后采用D-S证据理论进行两次信息融合。验证结果表明该损伤识别方法能降低系统的不确定度并具有一定的容错能力，与其他损伤识别方法相比较，损伤识别精度得以提高。同时采用燕尾突变模型，建立基于声发射参数的疲劳损伤状态突变模型，定义突变判断参数x的突变量为Δx=x(u2,v2,w2)-x(u1,v1,w1)。验证结果表明基于燕尾突变的疲劳损伤突变模型能较为准确地判断出声发射累积参数由第二阶段向第三阶段的转变点。

在基于声发射的疲劳寿命预测模型上，在疲劳裂纹扩展特征参数（(ΔK，da/dN）与声发射信号特征参数（dC/dN）在双对数坐标下的线性关系的基础上建立确定性关系和概率性关系两种寿命预测模型。确定性关系模型认为模型参数是恒定常数，通过进行参数拟合获得模型参数的确定值。验证结果表明确定性关系模型的预测值与实验值符合较好。概率性关系模型认为模型参数是服从确定分布的随机变量，通过贝叶斯估计获得模型参数的后验分布。基于ΔK后验预测分布建立基于声发射的风险评估因子，基于da/dN后验预测分布对疲劳裂纹长度进行预测。验证结果表明概率性关系模型在一定预测区间内预测值与实验值符合较好。