木材损伤断裂过程声发射信号小波析取

申珂楠，赵海龙，丁馨曾，李 明

(西南林业大学 机械与交通学院，云南 昆明 653224)



木材损伤断裂过程声发射信号小波析取

申珂楠，赵海龙，丁馨曾，李 明

(西南林业大学 机械与交通学院，云南 昆明 653224)

为了获取木材声发射信号波形，采用高速数据采集设备构建了一种多通道声发射信号采集系统，同时，基于LabVIEW软件设计了相应的信号小波包分析与处理系统。通过三点弯矩试验实际测量多种木材试样损伤与断裂信号，最后，针对不同种类信号的频谱特性得出木材在损伤断裂过程中的特点，实现了对木材损伤断裂过程的在线监控。研究结果表明：三点弯矩试验过程中信号呈现3种形态，可根据不同形态信号分析得出木材具体损伤断裂过程的阶段。

木材；声发射；LabVIEW；信号分析

0 引言

声发射(AE)是指当材料受到外力或内力作用产生变形或断裂时，以瞬态弹性波形式释放出应变能的现象，也称为应力波发射。声发射信号以主动方式动态反应材料内部应力应变的产生和发展状况。木材作为唯一可再生天然材料，一直以来都受到广泛的关注和应用。然而，由于木材内部结构复杂且受环境影响明显，在加工处理过程中，极易受内力或外力影响产生形变及开裂，进而导致物理性能下降。虽然木材表面的应变可以通过常规应变片方式检测，但是这些常规检测手段无法实时监测木材内部形变与开裂。无论木材表面还是内部发生变形或开裂时，都会产生相应的声发射信号，所以声发射技术成为极具潜力的木材动态损伤检测方法。通过AE技术对波形信号析取处理，可以分析材料内部结构产生的细观变化、材料变形、变形扩大以及完全变形或断裂的宏观变化。声发射技术以实时监测损伤过程为特点，能够在线监测裂纹的萌生和扩展过程，是一种有效地检查动态缺陷的无损检测方法。

自20世纪80年代以来，声发射技术就被用来检测木材加工、干燥、加载等情况下的应变状况[1-3]。文献[4]应用声发射技术监测在静态疲劳扭转载荷下硬木材和软木材的失效过程，得出木材失效的变化过程。文献[5]利用声发射技术研究了陈旧木材微观破裂过程。文献[6]根据声发射计测值预测木材干燥开裂。文献[7]通过分析云杉试件的静态和动态压缩试验中的声发射信号特征，绘制云杉试件在不同应变率下的动态应力应变曲线。文献[8]建立了胶合板和贴面板在三点弯曲加载时的断裂损伤声发射监测系统。文献[9-10]采用参数分析方法研究山杨在动态载荷下的声发射信号演变过程。文献[11]分析了木材薄切片在干燥过程中的声发射信号特点。

木材损伤与断裂的过程中包含有丰富的声发射信号，可以反映木材内部应力变化以及内部损伤情况。目前，对于木材损伤与断裂的研究多数都在参数分析的层面。本文以云南常见板材滇杨为研究对象，利用声发射信号采集与分析系统对三点弯曲载荷作用下的破坏过程进行在线监测，利用波形分析法与频谱分析法，研究木材在损伤与破坏过程中的声发射信号与损伤断裂之间的关系特性。

1 木材损伤与断裂试验

1.1 测试对象与试验方式

试验选用产于云南本地的常见成材树种滇杨，试验前将试样制成尺寸为300 mm×20 mm×20 mm的试件，试件基本均匀，含水率约10%，两种材质类型的试件分别制作30块。三点弯矩试验在万能力学试验机上完成，采用三点弯曲对试件进行横向加压，加载速度为10 mm/min，每次加载将数据清零，加载力从0 N开始计算，加载试验中跨距为240 mm。为了满足多点监测的需求，本文基于NI高速数据采集卡构建了一套多通道声发射信号采集系统，该系统最多可以同时采集8通道信号，最高采集频率可达2 MHz。整个声发射信号采集平台主要由传感放大、数据采集和数据存储3个部分组成，其中，传感放大部分采用声华SR150N型声发射传感器及相应的PAI前置放大器，该传感器信号采集频率范围为22～220 kHz；数据采集部分由独立的NI USB-6366型8通道高速信号采集设备承担；声发射信号通过对应的基于LabVIEW的软件平台存储在计算机中。试验时，为保证传感器与试件充分耦合，在试件与传感器上涂硅胶作为耦合剂，使采集信号更为准确。

该系统可对木材进行三点弯矩试验。对木材进行均匀加载，使木材由内部损伤到最终断裂完整实现。另外，采集系统可以实时在线采集木材在加载过程中受到应力后的损伤变化过程，将完整的损伤与断裂过程记录下来，便于后续处理。

1.2 基于LabVIEW的声发射采集系统

由于木材声发射信号的频率范围较广，使用传感器有效谐振频率为22～220 kHz，因此，使用采样频率为500 kHz，每秒记录50万个数据，满足传感器的最大采样工作需求，有效的信号为220 kHz，满足对木材声发射信号的采集需求。

采集系统主要由LabVIEW编程实现，木材声发射采集程序图如图1所示。该程序需要设置信号采集的采样率、采样通道数以及采样的正负电压值。本次试验中，设定的采集电压为±5 V。选择通道为单通道采集。

图1 木材声发射采集程序图

试验中，由于木材受载断裂的过程持续较长，数据量较大，因此设计了一种用来调用实际输出的程序，来实现对某一段时间内声发射信号的读取与分析工作，程序如图2所示。通过程序设置可以利用窗口调用某一时间段内的信号，对信号进行放大处理。从而更清晰地观察各个采集到的信号，并可实现对信号的频谱分析。

图2 声发射信号析取子图

2 采集数据处理与分析

2.1 木材受力过程的变化分析

振幅是声发射信号波形的最大峰值幅度，通常用分贝(dB)表示。就力学观点而言，可以用幅值大小表示声发射信号的能量，主要用于评价声发射信号的活动性大小。木材声发射信号的时域图反应了木材在受力过程中随着时间的变化幅值产生的改变量的大小，可以通过读取时域图来实现对声发射信号改变过程的分析。

图3 完整木材断裂信号时域图

由木材弯曲过程中AE信号的完整时域图(见图3)可以看出：木材声发射信号在加载初期，信号微弱，有大量的信号产生，包括小范围的突发信号和一些较短的持续性信号。加载到30 s附近时，出现一系列逐渐增强性质的信号，最强信号的幅值达到2.77 V，当继续加载后，逐渐增强性质的信号消失，继续产生如开始阶段的信号，信号能量较弱，幅值较低，当加载至115 s附近时，出现大量大振幅信号，并持续较长时间。

为了将产生的信号观察的更清楚，分别在多个时间窗口内对信号进行放大，进行了二次观察，信号析取周期为10 s或15 s，共取出4个具有代表性的时间段的信号进行观察，如图4所示。

图4 分窗口截取信号时域图

图4分别对应了不同的截取时间段，图4a为开始加载后的第10～20 s，图4b为第20～30 s，图4c为第30～40 s，图4d为第110～125 s。

在木材加载初期(见图4a)，声发射信号微弱，信号能量较低，信号的幅值不超过0.2 V，信号产生数量相对较少，此时由于木材内部具有孔和间隙，木材内部应力并未集中。随着加载时间的持续 (见图4b)，声发射信号开始出现一些较强信号，信号幅值可达到1.0 V，信号数量也逐渐增加，内部受力效果明显集中，因而开始释放较强烈的信号。当加载时间到达时(见图4c)，木材内部开始出现裂纹，并且随着加载时间的推移，裂纹在不断扩展，信号的强度也随着裂纹的扩展逐步增加。在内部发生断裂之后，声发射信号又呈现一种较低的能量状态。产生信号的情形与开始的情形(见图4a)相近，其持续时间更长(55～110 s)。最后，木材的外部在持续受力作用下产生断裂(见图4d)，释放出大量能量，并持续一段时间，证明在断裂过程中不是某一点的断裂，而是外部内部多区域同时断裂。

根据完整的和窗口内的时域图来看，整个木材的损伤与断裂过程持续时间较长，持续时间根据不同种木材有所区别，该木材断裂发生于110～125 s。而在整个试验过程中，木材损伤与断裂的过程产生的声发射信号数量众多，且种类也各不相同，所反映出木材的特性也各不相同，有噪声信号、木材内部应力集中信号、木材内部断裂信号以及木材断裂信号，该系统完整地监控了木材试样由损伤到断裂的完整过程。

2.2 不同阶段产生的不同种类信号的析取

在实际采集中，信号存在有大量的噪声，如何区分真实的木材损伤信号与噪声信号是研究的一个重点问题，本文提出一种基于LabVIEW的小波包分析降噪与信号频谱分析方法。小波分析具有低频段较好的处理效果，但是对于高频段并没有进行处理，由于木材声发射信号本身集中在高频当中，极其容易将有用信号滤掉，导致无法反映原始信号的有用特性，因此，本文采用小波包方式对信号进行处理。

为了分析木材的损伤及断裂过程，本文分别对不同阶段产生的信号进行了析取，如图5所示。图5中，第1类信号为加载初期的低振幅小能量信号，第2类信号为加载中期木材内部断裂以及损伤信号，第3类信号为木材最终断裂时产生的信号。每个信号都进行了3层小波包分析方式去噪，之后分析了去噪后的信号频谱，对应于图5中的频谱分析图。

图5 木材受力过程中采集的信号及调理后频谱

对信号处理结果进行分析可得：起始阶段信号(见图5a)较为微弱，幅值较低，经过小波包分析后，可以清晰地观察出信号特征(见图5b)。通过频谱分析(见图5c)发现：该信号能量集中在100～180 kHz。在木材受载过程中，一直伴随有大量的微弱声发射信号，该信号为局部受力导致内部形变发出的信号；随着加载时间的增加而基本呈现递增状态，这类信号会出现在整个木材受力过程当中。第2类信号(见图5d和图5e)出现在木材受力持续一段时间之后，该类信号的幅值相对于第1类信号幅值较高，能量较大，这是由于当木材收到的外力与内部力无法进行调节时，内部产生裂纹损伤以及形变而产生的信号。从频谱图(见图5f)中可以看出:由于木材声发射传播过程中包含多路径，出现了多种频谱集中现象，其能量集中在100～150 kHz，较开始的内部受力信号频率较低。第3类信号(见图5g和图5h)出现于木材外部、内部受力集中乃至断裂的过程中，这类信号出现时木材内部以及外表都已产生破坏，出现的过程在整个试验的结尾，出现数量非常多，表明木材在破坏的过程中不是某一点或者某一区域的破坏，而是释放出大量能量的整体性破坏。从频谱图(见图5i)中可看出：这类信号的产生过程有更低频率范围，主要集中在100 kHz附近。

将多次试验的数据进行分析与处理，得出木材声发射信号损伤时产生信号所在频率范围为100～200 kHz。而木材断裂信号产生时频率范围为65～120 kHz。本次试验为木材的无损检测和木材损伤程度的测试提供了一定依据，当木材中大量出现声发射信号时，证明木材内部出现大量内力集中点，当出现如测试2(见图5d和图5e)信号时，证明木材内部已经出现裂纹。当大量出现与信号3(见图5g和图5h)类似的信号时，木材将有整体破坏的可能。

3 结论

为了获取有效的提取木材损伤与断裂过程中的信号与信号的波形，本文建立了一种木材三点弯矩试验与采集分析系统相结合的析取平台。该平台由软硬件两部分构成。硬件部分由三思万能试验设备及NI采集设备构成。软件部分开发则是基于通用的LabVIEW软件实现。试验结果表明：在木材损伤与断裂的过程中，包含有大量的声发射信号。本次试验中，检测出信号共包括3类：第1类信号属于突发性的信号，出现在木材受力损伤断裂的整个过程中，该类信号的频率范围为100～180 kHz；第2类信号为木材内部损伤断裂信号，出现在木材加载受力一定时间之后，该类信号的频率范围为100～150 kHz；第3类信号为木材断裂信号，该类信号的频率为100 kHz左右。本次试验结果表明：木材声发射损伤信号所在的范围为100～200 kHz，而断裂过程信号范围在65～120 kHz。根据以上3类信号间的特性差异，可以为研究木材损伤及木材的断裂过程提供支持。然而，本文仅通过对云南常见树种滇杨的试件进行试验，在未来的研究过程中可针对不同树种的木材试件以及不同含水率、不同碳化程度的木材进行试验。

[1] Satour A,Montrésor S,Bentahar M,et al.Acoustic Emission Signal Denoising to Improve Damage Analysis in Glass Fibre-reinforced Composites[J].Nondestructive Testing and Evaluation,2013,29(1):65-79.

[2] Honorio B C Z,Drummond R D,Vidal A C,et al.Well Log Denoising and Geological Enhancement Based on Discrete Wavelet Transform and Hybrid Thresholding[J].Energy Exploration & Exploitation,2012,30(3):417-433.

[3] Omitaomu O A,Protopopescu V A,Ganguly A R.Empirical Mode Decomposition Technique With Conditional Mutual Information for Denoising Operational Sensor Data[J].IEEE Sensors Journal,2011,11(10):2565-2575.

[4] Chen Z,Gabbitas B,Hunt D.Monitoring the Fracture of Wood in Torsion Using Acoustic Emission[J].Journal of Materials Science,2006,41(12):3645-3655.

[5] Ando K,Hirashima Y,Sugihara M,et al.Microscopic Processes of Shearing Fracture of Old Wood,Examined Using the Acoustic Emission Technique[J].Journal of Wood Science,2006,52(6):483-489.

[6] 谢力生.声发射在木材干燥中的应用[J].林产工业,2001,28(3):38-42.

[7] 钟卫洲,宋顺成,黄西成.三种加载方向下云杉静动态力学性能研究[J].力学学报,2011,43(6):1141-1150.

[8] 郭晓磊,郭勇,胡伟,等.木基复合材料破坏过程中声发射特性的研究[J].南京林业大学学报,2011,35(3):97-100.

[9] 孙建平,王逢湖,朱晓东,等.动态载荷下基于声发射技术等杨木破坏过程检测[J].林业科学,2006,42(9):89-92.

[10] 孙建平,王逢湖,朱晓东,等.基于声发射技术的木材损伤过程监测[J].福建林学院学报,2006,26(4):344-348.

[11] 丁小康,张祥雪,郝燕华,等.木材干燥过程中声发射信号分析[J].木材工业,2012,26(3):40-43.

国家自然科学基金项目(31100424);云南省教育厅科学研究基金项目(2013J018)

申珂楠(1988-),男,河南洛阳人,硕士生;李 明(1977-),男,通信作者,江苏盐城人,副教授,博士,硕士生导师,研究方向为智能控制与算法.

2014-09-29

1672-6871(2015)03-0033-05

TN911.72

A