文摘

声发射(AE)技术是一种常见的方法来识别损伤的耐火材料;然而,这是一个复杂的问题,因为有多达15所涉及的参数,这要求有效的数据处理和分类算法来减少复杂性。本文实验中耐火材料的三点弯曲测试和AE信号进行收集。合并的一种新的数据处理方法的类似的参数描述损伤和减少维度。通过主成分分析(PCA)的降维,15个相关参数可以减少到两个参数。参数的线性组合十五原始参数和损伤分类作为索引。基于该方法,高斯混合模型集成了贝叶斯信息准则组AE信号两类损伤,占99%的伤害。电子显微镜扫描的耐火材料验证了两种类型的损伤。

1。介绍

结构健康监测(SHM)取得了显著的进步在过去的几十年中1- - - - - -8]。监测耐火材料,广泛用于炉,铁,和钢铁行业由于其能力迅速增加力量和积极的环境和高温(9),收到越来越多的关注10- - - - - -13]。温度变化会导致聚合物之间的界面分离和矩阵或微裂隙,同时根据范围的热膨胀系数(CTE)之间的不匹配阶段。这些影响修改所有材料的热力学性质,特别是杨氏模量(E) (10,11,14]。AE技术已经发展在过去二十年中作为无损评价技术和材料研究的有用工具(15- - - - - -17]。它是一种有效的方法来监控,实时,损害增长结构组件和实验室标本。这项技术通常是用来探测杨氏模量,因为它是与AE活动变化考虑CTE失配引起的特定类型的损伤(12,13]。声发射技术和超声波脉冲回波描记术技术,在高温下进行的,都是应用于无损表征方法监控材料内部的损伤扩展提交相关的热应力和遵循的发展弹性(18,19]。有了这个基础,研究可以为热应力分析提供了重要的参考下AE数据处理方法。然而,AE信号生成的复杂结构的耐火材料是极其复杂的甚至在正常温度下,这使得很难损伤分类(20.]。为此,延误的AE信号参数分布、上升时间、能量和峰值振幅被选来区分不同的失效机理的有效功能纤维断裂和分层的两种失效模式可以区分21,22]。相关的参数可以通过生成模型建模,特别是一个高斯混合模型(GMM)领域的维度处理(23,24]。堆积形成的全球特征描述符的参数调整GMM(即。、均值、协方差和重量)所谓supervector [25,26]。此外,一些科学家们更加关注的参数信号能量时刻相比峰值振幅分布在玻璃纤维复合材料的研究和选择它来区分纤维断裂和剥离裂纹。此外,振幅、环数和费利西蒂比被发现更合适的损伤研究B-Al复合(27]。然而,努力提出了总体参数的描述,而不是数据分析的损伤机制。

可选地,特征向量的维数可以减少由一个主成分分析(PCA) (28]。PCA是用于生成一组新的noncorrelated特性去除干扰和避免使用低方差的变量(这几乎是单值变量)。此外,这些新特性选择根据他们的区别的能力。随后,特征空间建模和分类是解决通过概率的自组织映射(SOM)的模糊版经典SOM允许测量每个单元的激活概率(29日,30.]。然而,检测类型不仅一个事件,也不是一个简单的任务,和之前的方法没能获得高每次攻击检测精度值。科学家表明,由此产生的GMM supervector编码产生一个优秀的表示为模糊参数(31日,32]。这个方法是一个杰出的技术来处理多通道数据的描述,使其强劲的高计算效率(26]。此外,科学家采用支持向量机(SVM)来构建每个示例集群个体分类器(33,34]。这样的支持向量机是一个线性分类器的训练,只有一个单一的正样本和多个负样本;这是作为Exemplar-SVM表示。因此,其次,使用AE特征提取,负对数似然是通过使用贝叶斯GMM的一位杰出的技术的多通道分布数据与计算效率高(35,36]。其中,PCA已经成功地用于对象分类和场景分类。主成分分析方法是一种统计来自多个变量的线性变换选择小的(28]。同时,GMM是高斯概率密度模型,它可以用来准确地量化和分类成几个重要模型基于高斯概率密度函数(23]。

采取优势的PCA和GMM方法处理多维模型,特别是减少AE参数和模式的认识,本文打算减少的相关维度的15个参数AE信号发出材料的破坏过程和获取两个新参数可用于描述整体破坏财产无线性相关。然后,采用GMM分类损失分为两大类。最后,实验结果验证了采用基于扫描电镜图像的分类。

2。分析构建新的特征

PCA方法显示出明显的优势的多参数降维问题和施工过程是明确的。样本的观测矩阵讨论了商et al。37), 样本矩阵的行吗代表了AE参数和列对应不同的信号。样本的协方差矩阵 的估计是哪个 。通过计算 ,原始观测矩阵的特征量可以很容易地重建,以方便的特性。

步骤1。样本的协方差矩阵是由如下: 矩阵是一个在哪里 和正定矩阵的特征值不相等,大于零。每个特征值对应于一个单位特征向量。

步骤2。计算功能和它的特征向量。集 的特征值 。与此同时, 是相应的单元特征向量。安排特征值的降序排列

步骤3。定义特征值的贡献率 和累积贡献率

步骤4。原则的基础上积累的贡献 ,前( )主成分选择,这意味着前者相互正交的特征向量矩阵被保留。

第5步。开展新的特征向量间的线性相关性变换矩阵和原之一。通过这种方式,原创维度指数将减少 ,它包含最终相互线性无关的信息。

3所示。与GMM分类

GMM概率密度函数设置如下: 在哪里是混合的模型;是模型的加权系数, ; 是th单高斯概率密度函数,它被描述为

适当的参数进行了评估 这使得最大概率密度函数的极大似然估计量,

为了获得最大似然估计,将评估GMM的最大期望值算法。迭代步骤如下。

步骤1。初始化参数:
(1)设置随机值的平均值。
(2)协方差矩阵单位矩阵。
(3)设置权重系数 每个模型的每个模型的先验概率: 在哪里GMM的数量。

步骤2。计算中的每一项的先验概率模型:

步骤3。更新参数的先验概率:

步骤4。重复步骤2和3直到收敛性: 在哪里和是前面的参数估计和当前步骤是一组阈值,通常设为10吗⁻⁵。

4所示。试验和验证

4.1。标本和实验设置

工业耐火测试由镁总量的研究中,碳粘合剂(酚醛树脂和/或沥青),和其他组件。图1显示了这样一个耐火材料的显微结构没有破坏。微晶的镁总量是由烧结形成弱界面。氧化镁颗粒的大小不同不到半毫米至5毫米。其他颗粒杂质,如二氧化硅和氧化铝,不到5毫米大小,在矩阵,建立分散碳粘合剂。

组件混合,做成砖低温(20 ~ 50°C)和在高压(150 MPa) [12]。然后砖进行热处理(100 ~ 200°C)开始的聚合树脂和消除残余水和酚类12]。在这些烧结条件下,我们直接获取三个标本的矩形截面140 mm×25毫米×25毫米。表1提供热处理后的复合材料。

根据ASTM C1161-13 [38),对三点弯曲形状的样品应该是矩形,样本的大小应该由45至50 3×4毫米的最低40毫米外跨三点弯曲。因此,标本准备140 mm×25毫米×25毫米。三点弯曲测试使用HMOR /应变加载机进行。十字头的速度机器固定在0.05毫米/分钟。每个配置的测试三个标本上执行,以确保结果的准确性(图2)。

AE被定义为现象,瞬态弹性波由快速生成本地化资源释放的能量在物质(或结构)。AE,这代表了一代的瞬态超声波由于负荷下材料内部的损伤发展,结构健康监测是一种有效的技术,讨论了在其他地方(39- - - - - -41]。当材料受到请求(如机械和热)、声发射可以生成各种各样的来源,包括裂纹成核和传播,多个位错滑移、孪生,晶界滑动,在合金相转换,脱胶的粮食在复合材料,或夹杂物在合金的断裂。这种技术已经被用于实验室水平或工业规模。通常,这种技术应用在室温下作为一个实时无损表征技术,以遵循的进化材料承受机械负荷的伤害。在这里,样品的上表面应略抛光去除毛刺为了定位AE传感器。然后偶联剂涂在抛光区和AE传感器固定在偶联剂与胶带表面。通过应力波从样品表面的AE传感器通过偶联剂。AE技术旨在描述材料的应用microdamage在当地一个规模。

收购(图的设备3)是由宽带(175 kHz ~ 1 MHz)传感器(PAC麦克风μ1220年80),前置放大器(EPA),和一个采集卡与计算机(AEDSP-32/16 MISTRAS数字系统从物理声学公司)。AE传感器是一个主要的元素链的收购,因为它收集整个信号引起的弹性波振幅高于的材料中创建一个固定的阈值,以放大并记录他们。该系统记录波形和主要特征参数在AE数等研究,上升时间,持续时间,数到峰值,振幅(dB)。图4提出了不同的AE信号波形特征提取。

4.2。PCA参数减少

的AE伤害信号Mg-O耐火材料在三点弯曲试验收集和15个参数直接获得:上升时间()、数()、能源(),持续时间(),振幅(),平均频率(),RMS (),美国手语(),峰值频率(),逆计算频率(),原来的频率(),信号强度(),绝对的能量(),重心频率(),峰值频率()。样本信号的数目是11168和观测矩阵是11168×15。为了消除无量纲参数的扰动,观察样本矩阵归一化之前,主成分分析和数据值归一化 。协方差矩阵的特征值如表所示2。每个主成分的累积贡献率表所示3。从表中可以看出,前两个主成分的累积贡献率为90%,远远高于85%,这意味着第一个两个主要组件是足够足够的替换整个群集索引。因此,产生新的主成分和参数的数量从15个减少到2。

4.3。信号分类的损害

GMM分类为应用程序的破坏信号的耐火材料,模型的数量增加可以提高模型的精度,然而增加模型的复杂性,讨论了江et al。24]。贝叶斯信息准则(BIC)有能力维护模型的准确性和复杂性之间的平衡;因此,采用分类损失。 在哪里的最大似然函数估计的模型,是观测的数量,和自由参数的数量是每个GMM估计。

当模型的数量增加来 BIC的改变率

BIC反映了不断变化的利率敏感性的BIC值的数量模型。当模型的数量增加来 BIC的变化率很大,这意味着数字不足在原始数据集的描述精度,应该增加 。当BIC的变化率很小,和 没有原始数据的描述和区别足够的描述。

率的变化BIC图所示5。从图可以看出,当模型的数量从1增加到2,BIC的变化显著,达到了7%。与模型的数量的增加,利率的变化BIC逐渐减少(< 3%)。因此,2是选择的型号描述观察到的数据集。

GMM操作结果如图6。它可以从情节的损伤信号分为两类和 ,的权重分别是0.63和0.37。

4.4。验证

500年PSEM飞利浦的扫描电子显微镜(SEM)和能谱仪(公司)是用于扫描分析样本的损害。微观扫描结果表明,破坏形式主要是矩阵和间期损伤,如图7和8,和矩阵损失占较大的比例。能量谱的两种结果microdamage数据所示9和10,分别。从图可以看出9矩阵的主要成分破坏区域是C的质量分数97%,可以视为矩阵裂纹裂纹。从图10,观察界面附近地区的构成是与质量分数为65%,O和C Mg的质量分数为15%和18%,分别,这表明矩阵和粒子相存在于区域和界面裂纹的裂纹。SEM结果表明,MgO-C耐火材料的主要破坏形式是矩阵和界面损伤和矩阵阶段损伤占更大的比例。因此,使用PCA方法和GMM分类结果进行了验证。

5。结论

在这篇文章中,一个新的AE合并相似参数的数据处理方法的描述损伤减少维度开发。在该方法中,AE伤害Mg-O耐火材料在三点弯曲试验信号的收集和15个参数直接获得:上升时间()、数()、能源(),持续时间(),振幅(),平均频率(),RMS (),美国手语(),峰值频率(),逆计算频率(),原来的频率(),信号强度(),绝对的能量(),重心频率(),峰值频率()。首先观察样本矩阵归一化之前,主成分分析和数据值归一化 。每个主成分的累积贡献率计算成功选择前两个主成分90%的贡献。因此,产生的新主成分和参数的数量从15个减少到2。

高斯混合模型是用于耐火材料的损坏进行分类根据2点伤害指标,可以用来描述整体破坏财产无线性相关。后来,损坏是分为两大类和与损失的重量分别为63%和37%。为了验证该方法,飞利浦的扫描电子显微镜和能谱仪是用于扫描分析的样本。扫描结果表明,损伤形式确实观察到2主要损伤形式的矩阵和界面破坏。矩阵的主要成分破坏区域C的质量分数为97%。接口中损伤裂纹区域,C的质量分数为65%,和O和Mg的质量分数为15%和18%,分别表示,矩阵和粒子相存在于区域和界面裂纹的裂纹。最后,扫描电镜结果表明,MgO-C耐火材料的主要破坏形式是矩阵和界面损伤和矩阵阶段损伤占更大的比例。因此,分类结果使用PCA和GMM方法验证。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

王Changming刘翔和中国的构思和设计实验;Changming刘进行实验;丹杨分析数据;Changming刘、徐Zengbing Gangbing歌导致材料/分析工具开发;Changming刘、王中国和Gangbing歌曲写的论文。

确认

作者要感谢中国国家自然科学基金(51505346,51505346,51405353),湖北省自然科学基金(2014 cfb825)和国家重点实验室的开放基金会的耐火材料和冶金金融支持。