第1章 绪论
焊接裂纹是一种影响焊接结构质量的严重缺陷。由于焊接过程中局部热剧烈变化及冶金材料因素的影响，焊接结构特别是轻金属结构在复杂应力作用下易产生裂纹，从而影响焊缝结构的密封性和强度。焊接裂纹缺陷检测是焊接生产过程质量保障和安全服役的重要环节。声发射检测技术作为一种动态无损检测技术，能够对结构内部损伤发展的全过程进行在线监测，具有为结构裂纹检测提供准确关键信息的功能，现已应用于焊接结构质量检测领域。利用声发射检测技术对焊接结构裂纹进行在线检测，可以为焊接结构质量及其服役安全性提供实时的先验信息，是保证焊接结构质量的重要手段之一。
1.1 焊接裂纹声发射检测的必要性与意义
焊接是焊接结构生产中应用*为广泛的制造加工技术，广泛应用于造船、石油化工、电力、冶金、汽车等领域[1]。在焊接生产过程中，受各种复杂因素的影响，焊接结构的焊缝和热影响区金属在焊接冷却凝固过程中易产生裂纹，直接影响焊接结构质量及其服役安全性，以及焊接结构生产效率[2，3]。因此，实现对焊接裂纹快速、准确的在线检测，为焊接裂纹的抑制提供实时的先验信息，确保高速焊焊接结构质量，实现焊接结构高效化生产，对于保证高质量的焊缝具有重要的意义。
焊接裂纹在线检测的关键在于，寻找和选择能够全面表征焊接裂纹形成与扩展运动状态产生的物理信息。在焊接冷却过程热冲击作用下，金属材料的受力变形、结晶凝固、位错运动以及裂纹形成或状态发生改变的情况，都会伴随着声发射信号的产生，声发射信号能够实时表征焊接裂纹产生及扩展的物理现象本质[4-6]。因此，可以通过分析接收到的声发射信号来检测与识别焊接裂纹状态，其基本思想是利用焊接裂纹形成及扩展过程中产生的声发射信号，提取能够反映裂纹形态和位置的声发射信号敏感特征信息，依据这些信息来检测与识别焊接裂纹的状态，实现焊接裂纹的在线检测。声发射检测作为能够实时表征金属材料内部结构动态变化物理现象本质的一种动态、在线的无损检测方法[7]，已经广泛应用于结构损伤检测、机械故障诊断、设备运行状态监测等方面[8-11]。在焊接结构的焊接裂纹状态变化过程中，产生的声发射信号作为材料内部能量释放的一种弹性波，相较于其他物理量信号能够更好地表征物质和结构的状态变化。牛晓光等[12]和蒋俊[13]利用声发射测试手段实现了典型焊接结构焊后服役期间疲劳裂纹缺陷的定位检测。
焊接裂纹状态变化所产生的声发射源信号具有多模态、非线性的特点，加上在声发射测试中受到实验机、传输电缆、试件与夹具连接的摩擦等产生噪声的干扰，采集到的声发射信号呈现出复杂、微弱的特性。常规声发射信号处理技术难以满足该类信号分析与处理的要求，需要研究焊接过程声发射信号的特征以及适合复杂噪声背景下声发射信号微弱特征提取的方法，为焊接裂纹声发射检测和识别提供特征信息。通过获取实时反映焊接裂纹状态的声发射信号特征信息，对焊接裂纹进行在线、准确的定位与识别，揭示影响焊接裂纹状态变化的关键因素，为抑制焊接裂纹提供先验信息，其核心在于构建声发射特征信息与焊接裂纹状态的映射关系。然而，由于焊接过程的高度非线性、多变量、强耦合的特点，检测到的特征信息对焊接质量指标的表征呈现非线性，加上其他影响因素的交互作用和影响，所以难以从理论上建立精确的数学模型[14]。
将声发射检测技术有效应用于焊接裂纹的在线检测，研究与探讨焊接过程声发射信号特征、特征信息分离与提取、焊接裂纹声发射定位及焊接裂纹识别等科学问题，解决复杂噪声背景下声发射信号微弱特征信息提取、焊接裂纹状态智能识别等关键问题，形成焊接裂纹声发射检测的新理论和新方法，为焊接热裂纹在线检测提供基础理论和关键技术，对于满足工程迫切需求、确保高速焊焊接结构质量、实现焊接结构高效化生产，具有重要的学术意义和工程应用价值。
1.2 焊接裂纹声发射检测的现状与发展
1.2.1 声发射检测技术在焊接质量监测中的应用
声发射是指材料表面或内部在外力或内力作用下发生变形或者损坏而快速释放应变能产生瞬态弹性波的现象[15]。声发射检测过程为，结构受到外部力的作用出现声发射，声发射源产生的高频弹性波传播到达结构件的表面，造成结构件表面出现位移；声发射传感器根据压电效应将结构表面的位移变形信号转换为电信号，由前置放大器对电信号进行放大，在系统主机显示出声发射信号的波形；采用信号处理技术对波形进行分析处理并提取相应的特征参数来评定结构内部的损伤特性[16]。声发射检测技术的研究始于20世纪50年代初的德国，并在接下来60多年的时间内得到了高速发展。我国的声发射检测技术研究起步于20世纪70年代，经过20多年的不懈奋斗，2000年北京声华兴业科技有限公司自主研发出第一套数字化声发射信号采集系统。目前声发射检测技术已经应用于金属加工、航空航天等多个领域。
声发射检测技术是一种适用于各种材料结构状态的动态、在线无损检测的有效方法，与传统技术相比，有着受检测环境影响小、对几何形状不敏感、检测损伤的灵敏度和精度高、检测覆盖面广的优点，并且使用简单，只需在构件的合适位置安装声发射传感器，就可以实时检测结构服役过程状态信息，目前已经广泛应用于焊接过程状态的实时监测中。罗怡等[17]对铝合金熔化极惰性气体保护焊(metal inert-gas welding， MIGW)过程的结构负载声发射信号进行了在线监测，通过分析声发射信号特征参数实现了焊接过程中熔滴过渡行为对熔池冲击效应的量化表征；张勇等[18]提取了铝合金电阻点焊过程声发射信号的特征参数，并结合反向传播(back propagation， BP)神经网络对铝合金电阻点焊裂纹进行了实时监测；孙国豪等[19]进行了气孔、条渣、未焊透和无缺陷试件的声发射信号测试实验，并根据声发射信号的振铃计数、信号幅值、上升时间和能量的分布特点确定了不同焊接缺陷材料的声发射信号特性；柏青等[20]将声发射检测技术应用于摩擦叠焊焊接成形机理的研究中，通过监测焊接过程的声发射信号平稳性来保证焊接质量；朱洋等[21]通过分析在采用激光-微束等离子复合焊对304不锈钢进行焊接的过程中采集到的声发射信号特征，发现当激光离焦量为–2mm时声发射波形与激光热源的周期性相符；张炜等[22]利用声发射检测技术对手工焊冷却过程进行实时监测，分析了高强度钢在手工焊冷却过程中所产生的活性裂纹声发射信号的特性；张新明[23]研究了不同材料的声发射信号传播特性，得到了相应材料在不同焊接电流下的声发射参数的分布以及随时间变化的规律；吴小俊[24]将声发射检测技术应用于焊接裂纹状态监测实用化的研究，开发了基于虚拟仪器(virtual instrument)的焊接裂纹声发射信号监测平台；叶赵伟等[25]设计了搅拌摩擦焊过程工具磨损状态声发射信号在线监测系统，分析了不同工艺参数条件下搅拌头磨损过程声发射信号的特征；何宽芳等[26-28]为了实现对焊接过程中结构裂纹声发射信号特征的研究，研制了焊接裂纹声发射信号测试实验平台，该平台既能够准确、方便地评定焊接结构裂纹的发展趋势，又能够对焊接结构裂纹动态变化过程中产生的声发射信号进行多通道同步、在线测试。
1.2.2 声发射信号分析与处理
近年来，在声发射信号分析与特征提取方面，小波分析理论、独立分量分析(independent component analysis， ICA)方法、分形理论、高阶谱估计方法、经验模态分解(empirical mode decomposition， EMD)等现代信号处理方法表现突出，受到了研究人员越来越多的关注。将小波分析理论引入声发射信号处理中始于20世纪90年代。1998年，崔岩等[29]研究了基于声发射小波分析的非连续增强金属复合材料界面特征。随后小波分析理论被迅速应用到声发射领域，Li等[30]利用对声发射信号的小波变换提取了能够反映碳纤维增强复合材料桥电缆疲劳损伤特性的时频特征；郭民臣等[31]研究了声发射信号小波降噪方法，对轴承的碰撞摩擦情况进行了判断。ICA方法是盲源分离的主要方法之一，基本原理是在源信号和信号混合模型未知的情况下，将多通道观测信号按照统计独立的原则通过优化算法分解为若干个独立分量。Kosel等[32]将ICA方法引入铝板声发射信号处理中进行了声发射源的定位研究，证明了在多声发射源定位中ICA方法是可行的；Albarbar等[33]将声发射信号测量和ICA方法结合，对柴油机燃油喷射状态进行了监控；李卿等[34]采用ICA方法对刀具破损、切屑折断和环境噪声三个状态的声发射信号源进行了有效分离；Cheng[35]将ICA方法应用于金属腐蚀声发射信号处理中。分形理论的研究方法主要是通过分形维数来定量描述形体不规则的程度。Huang等[36]研究了基于分形理论和声发射检测技术的结构损伤评估方法；吴贤振等[37]计算了岩石声发射率、声发射能力的关联维数，发现岩石破裂过程中声发射序列具有分形特征，同时提出将声发射分维值的持续下降作为岩体破裂失稳的前兆；Li等[38]将分形维数和声发射检测应用于钢拉索疲劳损伤的定量评估和预警中。高阶谱估计方法是近年来信号处理领域中涌现出来的一种数学工具，具有分辨率高、抗噪声能力强的优点，能够提取出测量信号的非高斯特征。Beck等[39]利用高阶谱技术定量研究了混凝土的裂纹参数与声发射释放的能量之间的关系；刘国华等[40]提出了一种基于高阶谱技术的声发射信号特征提取的新方法，通过对声发射信号的双谱分析，提取了混凝土在不同载荷作用阶段下声发射信号的非高斯特征参数；Xiao等[41]在从损坏部件采集声发射信号的基础上，提出了基于Wigner-Ville分布和高阶谱的声发射信号特征提取与故障诊断方法。EMD是一种具有自适应特性的非平稳信号分析方法，具有极高的时频分辨率和良好的时频聚焦性，非常适合于非平稳、非线性声发射信号的分析。Li等[42]将希尔伯特-黄变换(Hilbert-Huang transform， HHT)应用于声发射信号特征提取，进行结构裂纹的识别；Li等[43]和He等[44]分别研究了滚动轴承裂纹的声发射信号，并将小波变换与EMD结合对滚动轴承的声发射信号进行了降噪和故障特征提取，取得了良好的效果。
近年来，同步压缩变换(synchro squeezing transform， SST)方法在不同领域得到了广泛应用。Li等[45]对齿轮箱进行了SST故障诊断，并取得了良好的效果；汪祥莉等[46，47]提出了基于SST的非平稳信号频率成分自适应提取方法，并对非平稳谐波信号进行了抽取；Amezquita-Sanchez等[48]将SST方法用于智能高层建筑结构损伤严重程度的检测、定位和量化中，其有效性已被验证；刘景良等[49]提出了一种基于SST的时变损伤检测方法，可成功地提取受损结构的瞬时频率并且有效地定位时变损伤；喻敏等[50]将SST方法应用于电力信号间的谐波检测中，并与EMD和小波分解方法进行了比较，发现SST方法具有抗噪能力强、提取参数稳定、模态分离能力强的特点；Jiang等[51]结合瞬时频率嵌入和同步压缩变换(instantaneous frequency-embedded synchro squeezing transform， IFE-SST)，得到了准确的瞬时频率估计和多分量信号分离结果；He等[52-54]研究了焊接过程声发射信号特征，分别应用同步压缩小波变换与S变换对焊接过程声发射信号进行了裂纹特征提取，并与连续小波变换应用于声发射信号的时频特征提取效果进行对比，获得了焊接裂纹声发射信号的时频域分布范围。
1.2.3 焊接裂纹状态识别
随着人工智能方法在焊接领域中的应用，神经网络技术在焊接质量检测方面应用的研究取得了一定的进展。Masnata等[55]采用神经网络技术结合超声检测方法，实现了焊接气孔、夹渣和裂纹缺陷的检测；刚铁[56]采用BP神经网络方法对气孔、裂纹和未焊透三种焊接缺陷进行
展开
