CN112100925A - 复合材料层合板准静态压痕过程损伤量化方法 - Google Patents
复合材料层合板准静态压痕过程损伤量化方法 Download PDFInfo
- Publication number
- CN112100925A CN112100925A CN202010998302.8A CN202010998302A CN112100925A CN 112100925 A CN112100925 A CN 112100925A CN 202010998302 A CN202010998302 A CN 202010998302A CN 112100925 A CN112100925 A CN 112100925A
- Authority
- CN
- China
- Prior art keywords
- damage
- energy
- acoustic emission
- quasi
- representing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/26—Composites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明提供了一种复合材料层合板准静态压痕过程损伤量化方法,该方法包括:对复合材料层合板准静态压痕过程进行数值模拟,获取分层损伤和基体开裂损伤的损伤能量和损伤面积变化情况,对复合材料层合板准静态压痕过程进行试验,采用K‑Means聚类分析分层损伤和基体开裂损伤的声发射能量变化情况,构建声发射能量‑损伤能量模型,构建损伤能量‑损伤面积模型,融合构建声发射能量‑损伤面积模型。本发明考虑了复合材料层合板在准静态压痕过程中的不同损伤产生的声发射能量和损伤能量,构建了声发射能量与损伤面积直接关系模型,用于在实际使用中量化分析复合材料层合板损伤情况,工程适用性强。
Description
技术领域
本发明属于检测技术领域,特别是一种复合材料层合板准静态压痕过程损伤量化方法。
背景技术
复合材料层合板因其比刚度高、质量轻等优点而被广泛应用于航空航天领域,在复合材料层合板服役过程中,由于受到冲击等形式的外力破坏,其内部会产生不可见损伤,包括基体开裂损伤、纤维断裂损伤和分层损伤。而其进一步扩展会影响结构安全和使用寿命,如果不及时维修,会造成安全隐患,并造成较高的维修费用。因此,对于复合材料损伤的检测具有重要意义,而传统损伤检测方式如C扫等无损检测方式又因不具有实时性而对损伤检测具有一定的局限性。
当材料内部发生断裂或变形时释放的能量会产生瞬态弹性波,传到材料表面,就会被材料表面的压电传感器由机械信号转换为电信号,通过声发射采集系统,就可以被记录为声发射信号。声发射信号由于其具有实时性、对缺陷敏感等特点,被广泛应用于无损检测领域。当前利用声发射技术对复合材料损伤检测的应用主要在损伤定位和损伤识别,而对损伤的定量检测更加重要,只有知道当前损伤定量情况,才能分析材料的损伤情况,评估剩余寿命,也有助于减少维修费用、降低安全隐患。因此,对于实际使用中基于声发射技术的复合材料层合板损伤定量检测方法的设计是十分必要的。
发明内容
本发明针对上述现有技术中的缺陷,本发明的目的在于基于声发射技术,建立复合材料层合板准静态压痕过程中损伤定量分析的方法,该方法模拟了实际使用过程中复合材料层合板由于受到冲击损伤时内部产生的多种损伤情况,通过建立声发射能量和损伤面积的直接关系,从而对复合材料层合板准静态压痕过程中的损伤量化。
/一种复合材料层合板准静态压痕过程损伤量化方法,其包括以下步骤:
S1,复合材料层合板准静态压痕过程数值模拟:进行复合材料层合板的渐进损伤仿真分析,根据损伤失效准则分别得到分层损伤和基体开裂损伤的损伤能量和损伤面积变化情况,所述损伤失效准则包括Hashin失效准则和Cohesive单元失效准则;
S2,获取准静态压痕过程声发射能量变化情况:对复合材料层合板在准静态压痕过程进行试验,记录声发射时间信号,统计并筛选声发射特征参数,构建声发射数据集并对其进行PCA降维处理,采用K-Means聚类分析并进行损伤识别,得出分层损伤和基体开裂损伤在准静态压痕过程中的声发射能量变化情况;
S3,构建声发射能量-损伤能量模型:根据复合材料层合板在准静态压痕数值模拟得到的分层损伤和基体开裂损伤的损伤能量变化情况,结合分层损伤和基体开裂损伤在准静态压痕过程中的声发射能量变化情况,构建声发射能量-损伤能量模型;
S4,构建损伤能量-损伤面积模型:根据复合材料层合板在准静态压痕数值模拟得到的分层损伤和基体开裂损伤的损伤能量和损伤面积变化情况,构建损伤能量-损伤面积模型;以及
S5,构建声发射能量-损伤面积模型:融合所建立的声发射能量-损伤能量模型和损伤能量-损伤面积模型,构建声发射能量-损伤面积模型,根据声发射能量-损伤面积模型直接通过基体开裂损伤声发射能量和分层损伤声发射能量得到损伤面积,其中声发射能量-损伤面积模型具体为:
其中:A表示损伤面积,aC表示基体开裂损伤面积;aD表示分层损伤面积;EAE(C)表示基体开裂损伤产生的声发射能量;βC1表示基体材料参数;Emc表示单位体积基体开裂损伤能量;EAE(D)表示分层损伤产生的声发射能量;βD1表示分层材料参数;PD表示分层折减系数;GII表示分层损伤II型裂纹应变能释放率;α1、k1表示基体开裂损伤线性关系参数;EC0表示无可观测裂纹时的累积能量;α2、k2表示分层损伤线性关系参数;ED0表示无分层损伤时的累积能量。
更进一步地,所述步骤S2中的所述声发射能量为所述声发射时间信号包络线下的面积,表达式为:
其中:E表示损伤产生的声发射能量,V(t)表示t时刻记录的电压值,T表示声发射时间信号持续时间。
更进一步地,所述步骤S2中的PCA降维包括以下步骤:
S211、对声发射数据集进行标准化处理;
S212、计算声发射数据集的协方差矩阵;
S213、求出协方差矩阵的特征值和特征向量并选取其中最大的三个特征值及其特征向量;
S214、将选取的特征向量左乘声发射数据集得到降维后的声发射数据集;
更进一步地,所述K-Means聚类分析包括以下步骤:
S221、针对PCA降维处理后的声发射数据集,确定其分层损伤、纤维断裂损伤和基体开裂损伤的初始聚类中心;
S222、计算PCA降维处理后的声发射数据集中各数据点到分层损伤、纤维断裂损伤和基体开裂损伤的初始聚类中心的距离,确定各数据点的所属损伤类型;
S223、重新确定PCA降维处理后的声发射数据集的聚类中心。
更进一步地,所述步骤S3具体包括以下步骤:
S31、根据复合材料层合板在准静态压痕数值模拟得到基体开裂损伤的损伤能量变化情况,结合基体开裂损伤在准静态压痕过程中的声发射能量变化情况,构建基体开裂损伤声发射能量-损伤能量模型:
EAE(C)=α1EC+k1 (2)
其中:EAE(C)表示基体开裂损伤产生的声发射能量;α1、k1表示基体开裂损伤线性关系参数;EC表示基体开裂损伤的损伤能量;
S32、根据复合材料层合板在准静态压痕数值模拟得到的分层损伤的损伤能量变化情况,结合分层损伤在准静态压痕过程中的声发射能量变化情况,构建分层损伤声发射能量-损伤能量模型:
EAE(D)=α2ED+k2 (3)
其中:EAE(D)表示分层损伤产生的声发射能量;α2、k2表示分层损伤线性关系参数;ED表示分层损伤能量。
更进一步地,所述步骤S4具体包括以下步骤:
S41、根据复合材料层合板在准静态压痕数值模拟得到基体开裂损伤的损伤能量和损伤面积变化情况,构建基体开裂损伤能量-损伤面积模型:
EC=βC1Emcac+EC0 (4)
其中:Emc表示单位体积基体开裂损伤能量;aC表示基体开裂损伤面积;βC1表示引起基体开裂损伤的材料参数;EC0表示无可观测裂纹时的累积能量;
S42、根据复合材料层合板在准静态压痕数值模拟得到的分层损伤的损伤能量和损伤面积变化情况,构建分层损伤能量-损伤面积模型:
ED=βD1PDGIIaD+ED0 (5)
其中:PD表示分层折减系数;GII表示分层损伤II型裂纹应变能释放率;aD表示分层损伤面积;βD1表示引起分层损伤的材料参数;ED0表示无分层损伤时的累积能量。
与现有技术相比,本发明的技术效果为:
1、本发明利用声发射检测技术检测复合材料层合板内由于受到冲击等形式的外力内部产生的损伤情况,具有实时性,工程适用性强。
2、本发明提供了一种量化复合材料层合板内损伤面积的计算模型,可以通过声发射能量来分析复合材料层合板内部损伤面积大小。为复合材料层合板内部损伤面积大小分析提供了新的思路和方法。
附图说明
图1是本发明的一种复合材料层合板准静态压痕过程损伤量化方法的流程图;
图2是声发射能量-损伤能量结果示意图;以及
图3是损伤能量-损伤面积结果示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了本发明的一种复合材料层合板准静态压痕过程损伤量化方法,该方法包括以下步骤:
S1,复合材料层合板准静态压痕过程数值模拟:准静态压痕过程是用来模拟复合材料层合板受到冲击损伤时的试验,并且模拟复合材料层合板从出现损伤到最终破坏的全过程。复合材料层合板在准静态压痕过程中,会产生多种损伤形式,主要包括:基体开裂损伤、分层损伤和纤维断裂损伤,其中基体开裂损伤与纤维断裂损伤属于面内损伤,分层损伤属于层间损伤。利用ABAQUS软件进行复合材料层合板的渐进损伤仿真分析,可以得到复合材料层合板在准静态压痕过程中的损伤能量以及损伤面积变化情况,其中仿真分析的损伤准则采用:Hashin失效准则用于面内损伤,利用Cohesive单元失效准则模拟层间损伤。
S2,获取准静态压痕过程声发射能量变化情况:声发射信号是由于材料内部断裂或者变形释放能量产生并以应力波形式传播的,因此,复合材料层合板准静态压痕过程中产生的每一种损伤(基体开裂损伤、分层损伤、纤维断裂损伤)都可以作为声发射源产生声发射信号,声发射信号参数包括:振幅、振铃计数、能量、持续时间和上升时间。通过对复合材料层合板进行准静态压痕试验,并记录其中实时产生的声发射时间信号,在试验前,对声发射传感器进行标定并检测周围噪声,设置门槛值以滤去噪声,防止对收集声发射信号造成干扰;之后进行复合材料层合板准静态压痕试验,加载速度为1mm/min,以压痕深度控制。统计并筛选声发射特征参数,声发射特征参数包括幅值、持续时间、能量、振铃计数、持续时间和上升时间,构建声发射数据集,由于复合材料层合板每一种损伤类型都可作为声发射源产生声发射信号,因此可通过聚类分析方法对其进行分类,并达到损伤识别的目的。由于收集到的声发射信号数据集不同参数之间具有一定的相关性,因此在聚类之前,首先进行PCA降维处理,将声发射信号参数进行压缩,降为几个维度,经过PCA降维之后的声发射信号数据集采用K-Means聚类分析,进行损伤的损伤识别并验证聚类算法的有效性,研究各种损伤类型在损伤扩展阶段的演化情况,并对各种损伤类型(基体开裂损伤、分层损伤、纤维断裂损伤)在准静态压痕破坏中所占比例进行分析,得出每种损伤在准静态压痕过程中的声发射能量变化情况。
声发射能量为声发射时间信号包络线下的面积,反映声发射事件的强度,表达式为:
其中,E表示损伤产生的声发射能量,V(t)表示t时刻记录的电压值,T表示声发射时间信号持续时间。
PCA降维处理包括以下步骤流程:
S211、对声发射数据集进行标准化处理;
S212、计算声发射数据集的协方差矩阵;
S213、求出协方差矩阵的特征值和特征向量并选取其中最大的三个特征值及其特征向量;
S214、将选取的特征向量左乘声发射数据集得到降维后的声发射数据集。
K-Means聚类分析包括以下步骤:
S221、针对PCA降维处理后的声发射数据集,确定其分层损伤、纤维断裂损伤和基体开裂损伤的初始聚类中心;
S222、计算PCA降维处理后的声发射数据集中各数据点到分层损伤、纤维断裂损伤和基体开裂损伤的初始聚类中心的距离,确定各数据点的所属损伤类型;
S223、重新确定PCA降维处理后的声发射数据集的聚类中心。
上述的K-Means聚类分析步骤为获取本发明的关键参数声发射能量奠定了基础,同时实现了分层损伤和基体开裂损伤的自动损伤识别。PCA降维和K-Means聚类分析都是现有技术,本实施例中不展开进行描述。
S3,构建声发射能量-损伤能量模型:由于声发射是因材料内部断裂或者变形而释放能量产生的弹性波,因此,声发射信号能量与损伤能量之间呈一定关系。根据复合材料层合板在准静态压痕数值模拟得到的分层损伤和基体开裂损伤的损伤能量变化情况,结合分层损伤和基体开裂损伤在准静态压痕过程中的声发射能量变化情况,构建声发射能量-损伤能量模型。此步骤只需构建基体开裂损伤声发射能量-损伤能量模型和分层损伤声发射能量-损伤能量模型。这是由于发生纤维断裂损伤前一定发生了基体开裂损伤,而且基体开裂损伤会覆盖纤维断裂损伤导致的损伤面积,因此后续不需要计算纤维断裂损伤导致的损伤面积。
本实施例中,将声发射能量作为纵坐标,损伤能量作为横坐标,则基体开裂损伤声发射能量和损伤能量之间的关系,以及分层损伤声发射能量和损伤能量之间的关系如图2所示,可以看出,两者的声发射能量和损伤能量之间关系为一定的线性关系。因此可以构建基体开裂损伤声发射能量-损伤能量模型和分层损伤声发射能量-损伤能量模型。
S31、根据复合材料层合板在准静态压痕数值模拟得到基体开裂损伤的损伤能量变化情况,结合基体开裂损伤在准静态压痕过程中的声发射能量变化情况,构建基体开裂损伤声发射能量-损伤能量模型:
EAE(C)=α1EC+k1 (2)
其中:EAE(C)表示基体开裂损伤产生的声发射能量,可以根据公式(1)获得;α1、k1表示基体开裂损伤线性关系参数;EC表示基体开裂损伤的损伤能量。
本实施例通过数据拟合方式得到α1=1.7741,k1=-17.435,因此公式(2)具体化为:
EAE(C)=1.7741EC-17.435;
S32、根据复合材料层合板在准静态压痕数值模拟得到的分层损伤的损伤能量变化情况,结合分层损伤在准静态压痕过程中的声发射能量变化情况,构建分层损伤声发射能量-损伤能量模型:
EAE(D)=α2ED+k2 (3)
其中:EAE(D)表示分层损伤产生的声发射能量,也可以根据公式(1)获得;α2、k2表示分层损伤线性关系参数;ED表示分层损伤能量。
本实施例通过数据拟合方式得到α2=0.1561,k2=7.6304,因此公式(3)具体化为:
EAE(D)=0.1561ED+7.6304;
S4,由于复合材料层合板受压过程中,随着损伤面积的增加,不断释放能量,因此,两者之间具有一定的关系。构建损伤能量-损伤面积模型:根据复合材料层合板在准静态压痕数值模拟得到的分层损伤和基体开裂损伤的损伤能量和损伤面积变化情况,构建损伤能量-损伤面积模型。
本实施例中,将损伤面积作为纵坐标,损伤能量作为横坐标,则基体开裂损伤能量和损伤面积模型之间的关系,以及分层损伤的损伤能量和损伤面积之间的关系如图3所示,可以看出,两者的损伤能量和损伤面积之间关系为一定的线性关系。因此可以构建基体开裂损伤能量-损伤面积模型和分层损伤能量-损伤面积模型。
S41、根据复合材料层合板在准静态压痕数值模拟得到基体开裂损伤的损伤能量和损伤面积变化情况,构建基体开裂损伤能量-损伤面积模型:
EC=βC1Emcac+EC0 (4)
其中:Emc表示单位体积基体开裂损伤能量;aC表示基体开裂损伤面积;βC1表示引起基体开裂损伤的材料参数;EC0表示无可观测裂纹时的累积能量。
Emc是由材料本身特性决定的,本实施例中复合材料层合板Emc=1.4025MJ/m3,然后通过数据拟合方式得到βC1=1.2492、EC0=-0.1811J,因此公式(4)具体化为:
EC=1.7520ac-0.1811
S42、根据复合材料层合板在准静态压痕数值模拟得到的分层损伤的损伤能量和损伤面积变化情况,构建分层损伤能量-损伤面积模型:
ED=βD1GIIaD+ED0 (5)
其中:GII表示分层损伤II型裂纹应变能释放率;aD表示分层损伤面积;βD1表示引起分层损伤的材料参数;ED0表示无分层损伤时的累积能量。
GII是由材料本身特性决定的,本实施例中复合材料层合板GII=1.4336MJ/m2,然后通过数据拟合方式得到βD1=1.418、ED0=-0.031404J,因此公式(5)具体化为:
ED=2.0328aD-0.031404
上述的声发射能量-损伤能量模型和损伤能量-损伤面积模型,为下一步进行模型融合奠定了基础。
S5,由于复合材料的损伤面积主要由基体开裂损伤和分层损伤构成,所以损伤面积只考虑两者。构建声发射能量-损伤面积模型:融合所建立的声发射能量-损伤能量模型和损伤能量-损伤面积模型,构建声发射能量-损伤面积模型。
损伤面积为基体开裂损伤面积与分层损伤面积之和,因此根据公式(2)-(5)可知,声发射能量-损伤面积模型为:
其中:A表示损伤面积。
在本实例中,将参数代入声发射能量-损伤面积模型(6)中,得到如下公式:
上述的声发射能量-损伤面积模型的构建是本发明的重要发明点,主要体现在:针对材料损伤情况难以分析和剩余寿命难以评估的问题,提供了一种量化复合材料层合板内损伤面积的计算模型,即直接可以通过声发射能量来分析复合材料层合板内部损伤面积大小,具有实时性且工程适用性强。
根据以上结果,复合材料层合板在准静态压痕条件下,内部产生的多种损伤可通过声发射技术进行识别,同时可以通过复合材料损伤过程中的声发射能量对损伤定量情况进行定量分析,达到在线检测复合材料损伤情况的目的,便于及早维修,减少维修费用,延长材料的使用寿命,应用范围较广,适用性强。
最后所应说明的是:以上实施例仅以说明而非限制本发明的技术方案,尽管参照上述实施例对本发明进行了详细说明,本领域的普通技术人员应当理解:依然可以对本发明进行修改或者等同替换,而不脱离本发明的精神和范围的任何修改或局部替换,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种复合材料层合板准静态压痕过程损伤量化方法,其特征在于,其包括以下步骤:
S1,复合材料层合板准静态压痕过程数值模拟:进行复合材料层合板的渐进损伤仿真分析,根据损伤失效准则分别得到分层损伤和基体开裂损伤的损伤能量和损伤面积变化情况,所述损伤失效准则包括Hashin失效准则和Cohesive单元失效准则;
S2,获取准静态压痕过程声发射能量变化情况:对复合材料层合板在准静态压痕过程进行试验,记录声发射时间信号,统计并筛选声发射特征参数,构建声发射数据集并对其进行PCA降维处理,采用K-Means聚类分析并进行损伤识别,得出分层损伤和基体开裂损伤在准静态压痕过程中的声发射能量变化情况;
S3,构建声发射能量-损伤能量模型:根据复合材料层合板在准静态压痕数值模拟得到的分层损伤和基体开裂损伤的损伤能量变化情况,结合分层损伤和基体开裂损伤在准静态压痕过程中的声发射能量变化情况,构建声发射能量-损伤能量模型;
S4,构建损伤能量-损伤面积模型:根据复合材料层合板在准静态压痕数值模拟得到的分层损伤和基体开裂损伤的损伤能量和损伤面积变化情况,构建损伤能量-损伤面积模型;以及
S5,构建声发射能量-损伤面积模型:融合所建立的声发射能量-损伤能量模型和损伤能量-损伤面积模型,构建声发射能量-损伤面积模型,根据声发射能量-损伤面积模型直接通过基体开裂损伤声发射能量和分层损伤声发射能量得到损伤面积,其中声发射能量-损伤面积模型具体为:
其中:A表示损伤面积,aC表示基体开裂损伤面积;aD表示分层损伤面积;EAE(C)表示基体开裂损伤产生的声发射能量;βC1表示基体材料参数;Emc表示单位体积基体开裂损伤能量;EAE(D)表示分层损伤产生的声发射能量;βD1表示分层材料参数;PD表示分层折减系数;GII表示分层损伤II型裂纹应变能释放率;α1、k1表示基体开裂损伤线性关系参数;EC0表示无可观测裂纹时的累积能量;α2、k2表示分层损伤线性关系参数;ED0表示无分层损伤时的累积能量。
3.根据权利要求1所述的复合材料层合板准静态压痕过程损伤量化方法,其特征在于,所述步骤S2中的PCA降维包括以下步骤:
S211、对声发射数据集进行标准化处理;
S212、计算声发射数据集的协方差矩阵;
S213、求出协方差矩阵的特征值和特征向量并选取其中最大的三个特征值及其特征向量;
S214、将选取的特征向量左乘声发射数据集得到降维后的声发射数据集;
所述K-Means聚类分析包括以下步骤:
S221、针对PCA降维处理后的声发射数据集,确定其分层损伤、纤维断裂损伤和基体开裂损伤的初始聚类中心;
S222、计算PCA降维处理后的声发射数据集中各数据点到分层损伤、纤维断裂损伤和基体开裂损伤的初始聚类中心的距离,确定各数据点的所属损伤类型;
S223、重新确定PCA降维处理后的声发射数据集的聚类中心。
4.根据权利要求1所述的复合材料层合板准静态压痕过程损伤量化方法,其特征在于,所述步骤S3具体包括以下步骤:
S31、根据复合材料层合板在准静态压痕数值模拟得到基体开裂损伤的损伤能量变化情况,结合基体开裂损伤在准静态压痕过程中的声发射能量变化情况,构建基体开裂损伤声发射能量-损伤能量模型:
EAE(C)=α1EC+k1 (2)
其中:EAE(C)表示基体开裂损伤产生的声发射能量;α1、k1表示基体开裂损伤线性关系参数;EC表示基体开裂损伤的损伤能量;
S32、根据复合材料层合板在准静态压痕数值模拟得到的分层损伤的损伤能量变化情况,结合分层损伤在准静态压痕过程中的声发射能量变化情况,构建分层损伤声发射能量-损伤能量模型:
EAE(D)=α2ED+k2 (3)
其中:EAE(D)表示分层损伤产生的声发射能量;α2、k2表示分层损伤线性关系参数;ED表示分层损伤能量。
5.根据权利要求1所述的复合材料层合板准静态压痕过程损伤量化方法,其特征在于,所述步骤S4具体包括以下步骤:
S41、根据复合材料层合板在准静态压痕数值模拟得到基体开裂损伤的损伤能量和损伤面积变化情况,构建基体开裂损伤能量-损伤面积模型:
EC=βC1Emcac+EC0 (4)
其中:Emc表示单位体积基体开裂损伤能量;aC表示基体开裂损伤面积;βC1表示引起基体开裂损伤的材料参数;EC0表示无可观测裂纹时的累积能量;
S42、根据复合材料层合板在准静态压痕数值模拟得到的分层损伤的损伤能量和损伤面积变化情况,构建分层损伤能量-损伤面积模型:
ED=βD1PDGIIaD+ED0 (5)
其中:PD表示分层折减系数;GII表示分层损伤II型裂纹应变能释放率;aD表示分层损伤面积;βD1表示引起分层损伤的材料参数;ED0表示无分层损伤时的累积能量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010998302.8A CN112100925B (zh) | 2020-09-22 | 2020-09-22 | 复合材料层合板准静态压痕过程损伤量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010998302.8A CN112100925B (zh) | 2020-09-22 | 2020-09-22 | 复合材料层合板准静态压痕过程损伤量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112100925A true CN112100925A (zh) | 2020-12-18 |
CN112100925B CN112100925B (zh) | 2022-04-12 |
Family
ID=73754846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010998302.8A Active CN112100925B (zh) | 2020-09-22 | 2020-09-22 | 复合材料层合板准静态压痕过程损伤量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112100925B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2372339A2 (en) * | 2010-04-05 | 2011-10-05 | Korea Research Institute Of Chemical Technology | Quantitative evaluation of scratch-induced damages on polymeric and coating materials |
CN105067431A (zh) * | 2015-07-17 | 2015-11-18 | 吉林大学 | 拉伸-剪切预载荷原位压痕测试装置及方法 |
US20160282246A1 (en) * | 2015-03-27 | 2016-09-29 | Exponential Business And Technologies Company | Method and Apparatus for Residual Stress Measurement Through Indentation with In-situ Generated Reference |
CN109697312A (zh) * | 2018-12-18 | 2019-04-30 | 中航沈飞民用飞机有限责任公司 | 一种考虑bvid冲击损伤影响的复合材料开口分析方法 |
CN111582350A (zh) * | 2020-04-30 | 2020-08-25 | 上海电力大学 | 一种基于距离加权LSSVM的过滤因子优化AdaBoost方法及系统 |
-
2020
- 2020-09-22 CN CN202010998302.8A patent/CN112100925B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2372339A2 (en) * | 2010-04-05 | 2011-10-05 | Korea Research Institute Of Chemical Technology | Quantitative evaluation of scratch-induced damages on polymeric and coating materials |
US20160282246A1 (en) * | 2015-03-27 | 2016-09-29 | Exponential Business And Technologies Company | Method and Apparatus for Residual Stress Measurement Through Indentation with In-situ Generated Reference |
CN105067431A (zh) * | 2015-07-17 | 2015-11-18 | 吉林大学 | 拉伸-剪切预载荷原位压痕测试装置及方法 |
CN109697312A (zh) * | 2018-12-18 | 2019-04-30 | 中航沈飞民用飞机有限责任公司 | 一种考虑bvid冲击损伤影响的复合材料开口分析方法 |
CN111582350A (zh) * | 2020-04-30 | 2020-08-25 | 上海电力大学 | 一种基于距离加权LSSVM的过滤因子优化AdaBoost方法及系统 |
Non-Patent Citations (4)
Title |
---|
CUI, YUXUAN 等: "Equivalent initial flaw size model for fracture strength prediction of optical fibers with indentation flaws", 《ENGINEERING FRACTURE MECHANICS》 * |
李禹等: "复合材料层合板准静态压痕损伤实验研究与数值模拟", 《机械科学与技术》 * |
管培强等: "碳纤维/环氧界面相准静态纳米压痕表征方法分析", 《玻璃钢/复合材料》 * |
肖琳等: "聚合物基复合材料低速冲击损伤的研究进展", 《材料科学与工艺》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112100925B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Cluster analysis of acoustic emission signals and deformation measurement for delaminated glass fiber epoxy composites | |
US20010047691A1 (en) | Hybrid transient-parametric method and system to distinguish and analyze sources of acoustic emission for nondestructive inspection and structural health monitoring | |
Saeedifar et al. | Delamination analysis in composite laminates by means of acoustic emission and bi-linear/tri-linear cohesive zone modeling | |
Zheng et al. | Monitor concrete moisture level using percussion and machine learning | |
Karimian et al. | Acoustic emission signal clustering in CFRP laminates using a new feature set based on waveform analysis and information entropy analysis | |
Cao et al. | A novel damage characterization approach for laminated composites in the absence of material and structural information | |
Wang et al. | A waveform-based clustering and machine learning method for damage mode identification in CFRP laminates | |
Tong et al. | Tile-wall bonding integrity inspection based on time-domain features of impact acoustics | |
Park et al. | High-frequency response functions for composite plate monitoring with ultrasonic validation | |
CN112100925B (zh) | 复合材料层合板准静态压痕过程损伤量化方法 | |
Zhou et al. | Review on acoustic emission source location, damage recognition and lifetime prediction of fiber-reinforced composites | |
Queiroz et al. | Damage detection in composite materials using tap test technique and neural networks | |
Agastinose Ronickom et al. | Automated damage detection and characterization of polymer composite images using Tsallis‐particle swarm optimization‐based multilevel threshold and multifractals | |
CN117191956A (zh) | 一种基于声发射的钛合金应力腐蚀损伤分类方法及装置 | |
Hu et al. | Assessment of tensile damage mechanism of open‐hole GLARE laminates based on acoustic emission and digital image correlation techniques | |
Paipetis et al. | Damage assessment in fibrous composites using acoustic emission | |
Saeedifar | Impact damage assessment in laminated composites using acoustic emission and finite element methods | |
Matvienko et al. | The acoustic-emission properties of oxide tensosensitive indicators and signal recognition during the formation of cracks in a brittle coating layer | |
CN116448554A (zh) | 一种利用机器学习预测金属薄板损伤因子的方法 | |
Kappatos et al. | Feature selection for robust classification of crack and drop signals | |
Mal et al. | Automated structural health monitoring system using acoustic emission and modal data | |
Barile et al. | Identification of corrosion formation in CORTEN steel using acousto-ultrasonic approach and deep learning | |
KR102446484B1 (ko) | 섬유 강화 플라스틱 복합재의 구조 진단 방법 | |
Anton et al. | Instantaneous structural damage identification using piezoelectric-based Lamb wave propagation | |
Chandarana et al. | Damage identification in a tubular composite/metal joint through chronology-based robust clustering of acoustic emissions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |