Классификация сигналов и идентификация типов источников акустической эмиссии, страница 3

Энергия сигналов АЭ, возбуждаемых импульсами с длительностью t = 5 мкс, подобно возбуждению импульсами с t = 10 мкс, убывает с расстоянием (рис. 4.1.5), чего нельзя сказать по амплитуде импульсов (рис. 4.1.4).

По спектральному Фурье анализу установлено, что существенной трансформации спектра сигналов при изменении расстояния источник АЭ – приемник в пределах от 20 до 100 мм не происходит. Это можно увидеть при сравнении графических линейчатых спектров Фурье для сигналов, зарегистрированных на различных расстояниях (рис. 4.1.2, 4.1.4).

Необходимо также отметить, что выделить на многообразии линейчатых пиков Фурье спектра характерный признак, свойственный одновременно всем спектрам, полученным для сигналов, зарегистрированных на разных расстояниях, затруднительно.

Таким образом, на зарегистрированных частотах, укладывающихся в диапазон сигналов АЭ, регистрируемых при деформации материалов, спектральные характеристики сигналов могут быть применены для анализа типов источников АЭ.

На основании полученных данных об экспериментальном моделировании сигналов АЭ, искусственно возбуждаемых единичным импульсами, установлено, что существенной трансформации энергетического спектра волны не происходит. Однако, изменяются форма и моменты локальных максимумов, характер которых определяется в основном геометрическими характеристиками объекта, как среды распространения волны. В связи с тем, что картина спектра Фурье и рассчитанное СКО вейвлет коэффициентов на различных масштабных уровнях при изменении расстояния от источника до приемника сигналов сохраняется, данные параметры зарегистрированных сигналов АЭ, а именно, энергия E_АЭ, и частотный коэффициент K_f могут быть использованы в качестве индивидуальных параметров источников АЭ. Были поставлены эксперименты по регистрации АЭ при разрушении реальных материалов: малоуглеродистых сталей, титановых и алюминиевых сплавов. На основании проведенных исследований была разработана методика кластерного анализа сигналов АЭ в материалах при различных способах нагружения. При анализе общей картины реального сигналов АЭ при деформации и разрушении сплава 12Х18Н10Т видно, что компоненты FQ испытывают значительные флуктуации во времени (рис. 4.2.1).

Для определения количественной характеристики экспериментальных данных, и разделения сигналов на группы, обладающие некоторым характерным набором признаков, применён один из методов кластерного анализа – метод субтрактивной кластеризации основанный на так называемом вычитающем алгоритме. Основное преимущество выбранного метода в том, что он эффективен в условиях полного отсутствия предположений относительно количества кластеров.

Рабочий алгоритм кластеризации предполагает вычисление некоторой меры способности каждой точки данных представлять центр кластера. Входными данными для алгоритма являлись кодированные значения вейвлет–коэффициентов для каждого зарегистрированного сигнала акустической эмиссии. Кластерный анализ позволил выявить от 2 до 4 различных моделей сигналов АЭ, соответствующих разным типам источников. На основании данной методики была установлена возможность определения моментов активной повреждаемости и зарождения трещин в материалах, испытывающих нагрузки задолго до момента видимого образования трещины и катастрофического степенного роста активности АЭ. Один тип сигналов АЭ при этом сменяется другим. На рис. 4.2.2 представлены некоторые характерные типы сигналов АЭ при одноосном растяжении образца сплава 12Х18Н10Т.