欢迎您访问长沙鹏翔电子科技有限公司官方网站

技术与应用

PCIE高速声发射仪/千兆网络声发射仪

技术与应用

探测精密零部件加工裂纹的声发射实时监测仪

发布日期:2016-11-21 08:52    浏览次数:

摘要:为了提高航天航空精密零部件加工设备的可靠性、安全性, 缩短研制周期, 提出了一种实时监测精密零部件加工过程产生裂纹的方法, 并根据此方法, 研制了一台基于TI 公司最新浮点数字信号处理器—TMS320F28335 的精密零部件裂纹实时监测仪的样机。考虑在线实时监测的需要, 采用了基于声发射(AE)技术的方案。介绍了裂纹实时监测方法的总体方案及其相应系统的硬件组成, 描述了数字信号处理算法, 并对裂纹实时监测仪样机进行了试验验证。试验结果显示, 研制的样机能达到无漏检, 误检率为1 .2 %, 验证了本文所提方法的有效性。

 

关 键 词:声发射技术;精密零部件;金属裂纹;实时监测

 

1  引 言

       精密金属零部件在加工过程中, 常会发生零部件损伤的现象。尤其当零部件在进行热处理工序之后的加工, 由于材料不均匀性和热处理不稳定性引起热后工件弯曲差异, 有时会发生断裂现象。产生的微小裂纹在允许的范围内, 不会对零件性能造成影响, 但若没及时检测出来, 将对产品成本、整机性能及研制周期造成重大的负面影响。特别是在航天航空领域, 一些精密零部件往往造价昂贵, 由于要求的加工精度高, 加工周期也较长, 一旦无法及时准确地将允许范围内的微小裂纹检测出来, 不仅会大大增加项目的成本, 还会因个别零部件而影响整个研制周期。即使可以在加工过后对零部件进行裂纹检测, 也将降低生产效率。因此, 研究精密零部件加工过程的裂纹实时监测方法具有很大的意义。常规的对裂纹无损检测方法主要有超声探伤、射线探伤、涡流探伤、磁粉探伤和渗透法探伤等。常规的无损检测中多是以某种方式向被测对象发出特定信号, 然后再由仪器检测被测对象对该信号的反应, 从中识别缺陷存在。因此, 上述的常规检测方法无法在加工过程中进行实时检测,只能在加工结束后再对零部件进行检测来判断是否存在裂纹。声发射技术(Acoustic Emission ,AE)是一种新型的无损检验技术[ 1-4] 。A E 定义为物体或材料内部迅速释放能量而产生瞬态弹性波的一种物理现象, 其信号表示为一个或多个AE 事件经传感器接收并经系统处理后以某种形式出现的电信号[ 5] , 通过采集和分析一般金属物体产生裂纹时发出的声波信号可判断裂纹的存在及趋势。相对于常规的无损检测方法, 应用声发射技术对精密零部件裂纹进行检测具有以下的优点:检测时通过对零部件外加应力, 可实现动态检测, 可更客观地评价加工过程中零部件的安全性和可靠性;声发射灵敏度高, 检查覆盖面积大, 不会漏检, 可以远距离监测;检测可在零部件加工过程中进行.

      本文基于声发射技术, 提出了一种航天航空设备精密金属零部件加工过程的裂纹实时监测方法。通过检测伴随材料变形、断裂应力改变而放出的AE 波, 对其相关参数进行分析评价, 从而检测裂纹的产生。基于所提出的裂纹A E 实时监测方法, 研制了精密零部件裂纹A E 实时监测仪的样机。最后, 通过实验分析, 验证了本文提出的零部件裂纹实时监测方法的有效性。

 

2  金属裂纹声发射信号特征分析

  金属裂纹声发射信号所在的频段一般为100~ 300 kHz , 中心频率为150 kHz 左右[ 6] 。图1为自动校直机对精密金属零部件进行试验所得的金属裂纹声发射信号的时域图。
                          图1  金属裂纹声发射信号时域图
                Fig .1  Amplitude-time plo t o f metal cr ack AE signal
 
       由图1 可知, 金属裂纹声发射信号为一瞬态信号, 持续时间大约为几毫秒到几百毫秒。为了进一步明确该信号的频率特征, 下面用能量分析法对该信号进行分析。在不同频段声发射信号对应的能量分布不同, 由此可反映声发射信号源及干扰噪声的不同特征。因此, 可选择声发射信号的能量特征参数———能量系数(不同频段的能量同信号总能量的比值)来表征声发射信号的特征[ 7] 。基于上述原理, 利用Mat lab 软件编写相关程序对上述信号的能量进行分析, 所得的各频段的能量系数如表1 所示。
      
       从表1 可以看出, 金属裂纹声发射信号主要集中在信号第2 、第3 、第4 和第5 频段。但第2频段可看作低频噪声, 真正有价值的信号集中在第3 、第4 和第5 频段, 其能量占信号总能量的90 .89 %。据此也验证了相关文献所述的金属裂纹声发射信号所在频段为100 ~ 300 kHz , 中心频率为150 kHz 左右的结论。
 
3  AE 实时监测系统方案及硬件组成
3 .1  裂纹AE 实时监测方法的总体方案
       在精密零部件加工过程中, 采用裂纹AE 实时监测设备对零部件进行在线实时裂纹监测。声发射传感器采集的电信号经过前置放大器放大后, 先进行硬件滤波, 滤波后的信号通过AD 进入DSP 数字信号处理系统, 经过数字滤波、特征参数提取和对参数的分析评价等一系列数字信号处理后, 判断零部件是否出现裂纹。用于精密零部件加工过程的裂纹AE 实时监测方法的总体方案结构框图如图2 所示。
 
       由于声发射以被动检测的方式进行动态监测, 同时被检信号微弱, 声发射传感器敏感, 因此采集到的声发射信号混杂着电气噪声、机械噪声及外界环境噪声等大量的噪声[ 8-9] 。所以, 剔除噪声, 还原出真实有效的声发射信号, 在本裂纹实时监测方案中是最为重要的环节。本方案在多处对信号进行了滤波, 选择特定频率响应的声发射传感器和前置放大器, 同时使用了硬件滤波器, 三者构成了对AE 信号的硬件粗滤波部分;在信号处理器中编写软件滤波算法, 实现了对信号的精确数字滤波。
3 .2  裂纹AE 实时监测系统的硬件组成由图2 总体方案结构框图可以看出, 裂纹AE 实时监测系统中与裂纹AE 信号相关的硬件组成主要有声发射传感器、前置放大器、硬件滤波器、AD 转换器和数字信号处理器。声发射检测需要通过传感器把声发射信号转换成电信号。各种测量表明, 声发射信号的频率分布与材料或构件的具体特性有关, 其范围可从次声波到超声波, 考虑到低频机械噪声的干扰及高频传播的衰减, 通常声发射传感器的使用频率为20 kHz ~ 2 MHz 。根据相关研究及小节2 的分析可知, 金属的裂纹声发射信号检测的使用频率多在100 ~ 300 kHz 。因此, 本系统采用北京鹏翔科技有限公司出产的PXR15 传感器, 谐振频率150 kHz , 10 dB 频率带宽100 ~ 300 kHz , 灵敏度>65 dB 。传感器输出信号的电压有时低至微伏数量级, 这样微弱的信号, 若经过长距离的传输, 信噪比必然要下降。因此, 在靠近传感器处设置了前置放大器, 将信号提高到一定程度。本方案采用北京鹏翔公司出产的PXPA 声发射前置放大器。PXRA 声发射前置放大器具有体积小、抗撞击、高带宽、低噪音等特点, 其带宽为100 ~ 300 kHz ,增益为40 dB , 噪音电平<10 μV 。硬件滤波器选用集成滤波芯片MAX275 。MAX275 是美国MAXIM 公司生产的通用型连续时间有源滤波器, 内含两个独立二阶有源滤波电路, 可分别同时进行低通和带通滤波, 也可通过级联实现四阶有源滤波, 可实现巴特沃斯型、贝塞尔型及切比雪夫全通型滤波器。中心频率/截止频率可达300 kHz 。MAX275 无需时钟电路, 因此与开关电容滤波器相比噪声更低动态特性更好。MAX275 不需外接电容, 只需外接电阻, 可实现频率从100 Hz ~ 300 kHz 的低通或带通滤波。其中心频率、转折频率、Q 值、放大倍数均可通过外接电阻加以确定, 参数调整十分方便。由于是单片结构, 高频工作时基本不受杂散电容的影响。A/D 模块选择ADI 公司的AD7865 。AD7865 是一款14 bi ts 快速A/D 转化芯片, 其采样周期为2 .4 μs , 可通过软件或硬件方式选择转换通道, 可选择的信号输入范围有:±10 V , ±5V , ±2 .5 V , 0 ~ 5 V , 0 ~ 2 .5 V , 其高速并行输出接口可与3 V 数字信号处理器的接口直接相连。数字信号核心处理芯片采用TI 公司最新生产的32 位浮点DSP ———TMS320F28335 。其主频最高能达到150 MHz(6 .67 ns 的时钟周期),片上有256 K ×16 位的FLASH , 34 K ×16 位的S RAM , 8 K ×16 位的BOOT ROM 和1 K ×16位的O TP ROM[ 10-11] , 其处理速度和内部存储器的容量能满足本方案数字信号处理的要求。
 
4  AE 数字信号处理算法
4 .1  软件滤波算法及DSP 实现
       目前有多种软件滤波算法用于对信号噪声的抑制[ 12-13] , 但鉴于数字滤波器设计简单、有效, 且具有效果好、参数易调的优点, 同时考虑到本系统需要线性相位和稳定性,因此本项目采用有限冲激响应数字滤波器对金属裂纹声发射信号进行数字滤波消噪。
       有限冲激响应滤波器设计, 主要是对其相关性能参数进行设置, 包括响应类型、设计方法、滤波阶数、频率特性、幅度特性等。
       本文先根据之前分析的金属裂纹声发射信号特征设置滤波器参数, 利用Mat lab 软件工具FDA Too l 设计有限冲激响应滤波器。从表1 可知信号金属裂纹声发射信号主要集
中在信号第2 、第3 、第4 和第5 频段, 但第2 频段由于受外界噪声干扰较大, 且噪声能量只占总能量的0 .071 2 %, 为了消除噪声, 可将100 kHz 以下的信号直接滤除。第6 , 7 频段的能量仅占总能量的0 .011 9 %, 也可直接滤除。第3 , 4 , 5 频段直接反映了金属裂纹声发射信号的特征, 包含了真正有价值的信息滤波后应该保留因此设定有限冲激响应数字滤波器的参数如下:
(1)响应类型:带通;
(2)设计方法:等纹波;
(3)滤波阶数:最小阶数;
(4)相位延迟:最小原则;
(5)频率特性:采样频率为700 kHz , 带通频率为100 kHz 与250 kHz , 带阻频率为80 kHz 与270 kHz ;
(6)幅度特性:通带纹波Apas s =1 dB , 阻带衰减Astop1 =60 dB , 阻带衰减Astop2 =60 dB 。
       根据上述滤波器参数, 通过FDA Tool 设计的有限冲激响应滤波器的幅度-频率图和相位-频率图如图3 和图4 所示。
    
       在Mat lab 环境中将图1 的金属裂纹声发射信号通过上述设计的滤波器, 对滤波后的信号进行频谱分析, 得到图5 所示的幅值-频率图。
       由图5 可得, 小于100 kHz 和大于250 kHz的信号基本被滤除, 能量幅值明显降低, 能满足数字滤波的要求。其滤波器的阶数为36 , 至此可得到36 阶的滤波器系数。由有限冲激响应滤波器的原理[ 14] 可得, 滤波
 
器的输出
 
式中, h[ p] 为滤波器的系数序列, x[ k -p] 为经AD 采样后的输入序列。
       为提高系统的实时性, 本文设计了一种改进算法。由于有限冲激响应滤波器具有对称性, 即
h[ p] =h[ 35 -p]  p =0 , 1 , 2 , …, 17 , (2)
根据式(2), 公式(1)改写如下:
 
       从式(1)和式(3)可以看出, 相对式(1), 式(3)的运算在加法量不变的情况下减少了一半的乘法量, 大大提高了系统的实时性能。
       实时滤波在DSP 上的实现过程如下:
       (1)TMS320F28335 初始化, 分配两块36 个单元的数据空间FirCoef[ 18] 和Input[ 36] , Fi r-Coef[ 18] 存放FIR 滤波器的前18 个固定值系数,Input[ 36] 存放AD 采样后的输入数据。初始化Input[ 36] 全部为0 , 采样开始后依次存入数据。
       (2)开始滤波, 先将Input 空间中高低地址对应的数据相加, 即Input[ i] +Input[ 35 -i] (i =0 , 1 , 2 , …, 17), 再与Fi rCoef 空间的数据对应相乘, 最后把18 个乘积进行累加, 所得的值即为滤波器的输出。
      (3)当FIR 滤波器的下一个输入到来时, 将Input 空间中的数据依次移位, 再将最新的输入值存入Input[ 0] , 然后重复(2)的操作, 直到达到设定的采样点数
4 .2  特征参数提取算法
       本方案提取裂纹声发射信号的特征参数为一次采集的振铃个数和信号总能量。
       图6 为标准声发射信号简化波形参数定义。
 
4 .2 .1  一次采集的振铃计数
       振铃计数是最通用的声发射评估参数。当一个事件撞击传感器时, 它使传感器产生振铃, 所形成的超过阈值的电信号的每一次振荡均被计为一个振铃计数。振铃计数就是越过门槛信号的振荡次数。
       在系统中, 将信号与设定的阈值进行比较, 超过阈值的信号被拾取, 同时, 计数器加1 , 最后得出一次采集的振铃总 个数。
4 .2 .2  一次采集的总能量
        声发射信号的能量与声发射波形的面积成正比, 可用均方电压V ms 来进行声发射信号的能量测量, 也可直接测量声发射信号波形的面积。
       一个信号V(t)的均方电压定义如下:
       式中, Δt 为平均时间, V (t)为随时间变化的信号电压。
       根据电子学理论, 可知Vms 随时间的变化正比于声发射信号的能量变化率, 声发射信号在t1~ t 2 时间内的总能量E 可由下式表示:
       能量的测量方式有3 种:测量单位时间的能量为能量率;测量从实验开始到某一阶段的能量为总能量;测量每个事件所包含的能量。本方案测量的是一次采集的总能量, 根据上述理论, 具体操作如下:
(1)找出包络线:首先计算出所有采样点的幅值的平方值连线, 得到一条检波包络线;
(2)计算能量:再计算该线与X 轴之间的面积得到一次采集的总能量。式(6)中f (n)是包络线的函数, 自变量n 的范围是0 ~ N 。(其中N 是一次采集的总采样点个数, 定为1 024 点)
 
4 .3  特征参数分析评价算法
       本系统方案中, 特征参数的分析评价规则为:当一次采集的振铃个数和信号总能量均大于其各自的基准设定值, 即判定精密金属零部件出现裂纹。
       振铃计数阈值的取值方法:阈值是直接影响振铃计数器计数值的因素, 阈值太高则计数拾取的脉冲数减少, 灵敏度减弱, 易出现漏判;阈值太低, 则计数拾取的脉冲过多, 灵敏度增强, 也影响生产效率。一般可根据零部件材料、热处理状况综合判定, 在规定范围取合理值。
       振铃计数和总能量的基准设定值按如下方法设定:
       先屏蔽其中一个分析评价参数, 对另一个参数初设一个较小初始值, 进行模拟实时监测试验,裂纹AE 实时监测系统报警后, 用其他的探伤设备对精密零部件进行检查, 判断是否出现裂纹, 若无裂纹, 则初始设定值增大1 倍, 反复实验上述过程, 直至裂纹AE 实时监测系统与其他可靠的探伤设备判断一致, 则该值为临界值。将这个值减少5 %, 即为实际设定值;另一个参数的基准设定值以同样的方法确定。
 
5  试验结果分析
5 .1  试验平台
       根据上述的方案, 研制了用于精密零部件加工过程的裂纹AE 实时监测仪的样机。图7 为样机及其连接线缆的简化模型图在液压式门型自动校直机的配合下进行了零部件加工的在线实时裂纹监测试验。图8 为所使用的校直机。
5 .2  试验结果
       用自动校直机对精密零部件样品进行拉伸试验, 裂纹AE 实时监测仪样机进行在线实时裂纹监测, 以50 个零部件为一组(不重复使用), 共进行10 组试验。再通过磁粉探伤手段检验, 进行对比, 验证裂纹AE 实时监测仪样机的漏检率和误检率。
       表2 为第二组零部件监测试验得到的有裂纹零部件的AE 信号参数。表3 为10 组精密零部件样品的AE 在线实时裂纹监测的试验结果。
 
 
 
 
       由表3 可得, 在10 组总共500 个精密零部件的AE 在线实时监测试验结果中, 无漏检, 误检的个数为6 个, 误检率η为:η= 6/500 ×100 %=1 .2 % .
      上述结果表明, 用于精密零部件加工过程的AE 裂纹在线实时监测系统能达到无漏检, 误检率小于2 %, 满足了在线实时监测的性能要求, 同时也验证了精密零部件裂纹实时监测方法的有效性。
 
6  结 论
  为提高航天航空设备的可靠性、安全性和研制周期, 减少研制成本, 本文提出了一种用于精密金属零部件加工过程的AE 裂纹在线实时监测方法, 并基于提出的方法研制了一台用于精密金属零部件加工过程的AE 裂纹在线实时监测仪的样机, 且对样机进行了试验验证。试验结果表明, 此监测系统具有良好的性能, 能满足在线实时监测的应用需要, 得到的结果验证了本文所提出方法的有效性。本方法虽是针对航天航空设备的裂纹实时监测而提出, 但同样能适用于工业上的零部件裂纹在线监测。这种在线实时监测方法及其相应系统的设计思想对相关的工程设计也具有一定的参考意义。
 
参考文献:
[ 1]  RAVINDRA H V.Some aspec ts of aco ustic emission signal pro ce ssing [ J] .J ournal of Materials Processing Technology , 2001 , 109 :242-247.
[ 2]  KAPH LE M ANINDRA R, ANDY T .Source location of aco ustic emissio n w aves fo r structural health monito ring of bridges[ C] .In f rastructure Research Theme            Postgraduate S tudent Con f erence , 2009.
[ 3]  VERST RYNGE E, LGNOUL S , SCH UEREMANSL , et al ..Applicatio n o f the aco ustic emission technique for assessment of damag e accumulatio n in masonry
         [ J] .Restoration of Buildings and Monuments, 2008, 14(3):167-178 .
[ 4]  FAVIER B, GODFERD F S , CAMBON C .Modeling the far-field acoustic emission of ro tating turbulence[J] .J ournal of Turbulence , 2008 , 00(00):1-14 .
[ 5]  ASTM E1316 -1996 , Termino log y for Nondestr uctive Ex aminatio n[ S]
[ 6]  李光海, 刘时风.声发射信号分析技术及进展[ R] .哈尔滨:第十届声发射技术研讨会, 2004.LI G H , LIU SH F.Acoustic emission signal analysis technique and its        development[ R] .H aerbin :the 10th Sympo sium o n Acoustic Emission Technique ,2004 (in Chinese).
[ 7]  付元杰.基于时频能量分析的声发射特征信号的提取方法研究[ D] .南宁:广西大学, 2006 .FU Y J .Reseach of methods on ex tracting characteristicsignals of acoustic emission based on timefrequency energy analy sis[ D] .Nanning :Guang xiUnive rsity , 2006 .(in Chinese)
[ 8]  DUNEGAN H L, HA RRIS D O.Acoustic emission, a new no ndestructive too l[ J] .Ultrasonics ,1969, 7(7):160-166.
[ 9]  TERCH I A, AU Y H J .Acoustic emission sig nalpr ocessing[ J] .Measurement and control , 2001 , 4(8):240-244 .
[ 10]  TEXAS INS TRUMENTS .TMS320x28x x , 28x xxDSP Refe rence Guide r[ R] Literature Number :S PRU566 H .J une 2003-Revised Match 2009 .
[ 11]  TEXAS .INS TRUMENTS . TMS320F28335,F28334 , F28332, F28235 , F28234 , F28232 Dig italSig nal Co ntro lle rs [ Z] .(Rev .F).
[ 12]  张学明, 张振娅, 戴明, 等.机载设备IRIG-B(AC)码的滤波及其数字相位补偿[ J] .光学精密工程.2009, 17(1):213-219.ZHANGX M , ZHANG ZH Y , DAI M , et al ..Filtering
        and dig ital phase compensatio n of IRIG-B(AC)code in airbo rne equipment[ J] .Opt.PrecisionEng ., 2009 , 17(1):213-219 .(in Chinese)
[ 13]  崔长彩, 张耕培, 张彬, 等.小波滤波及奇异性分析在表面形貌评定中的应用[ J] .光学精密工程,2009, 17(9):2255-2260.C UI CH C , ZHANG G P , ZHANG B, et al ..    Application of w av elet filtering and sing ularity analysis to ev aluatio n of surface roughness [ J] .Opt .P recision Eng ., 2009, 17(9):2255-2260.(inChinese)
[ 14]  丛玉良, 王宏志.数字信号处理原理及其MATLAB实现[ M] .北京:电子工业出版社, 2006 :163-186.CONG Y L , WANG H XZH .The P rinciple of Digital Si gnal    Processing and its MA TLAB Implementation[M] .Beijing :Publishing House o fElectro nics I ndust ry , 2006 :163-186 .(in Chinese)
作者简介:郑耿峰(1983 -), 男, 福建泉州人, 博士研究生, 研究方向为自适应建模与控制。
               马舜峰(1984 -), 男, 河南漯河人, 博士研究生, 研究方向为数字信号处理与图像压缩编码。
导师简介:金龙旭(1965 -), 男, 朝族, 吉林延吉人, 研究员, 博士生导师, 2003 年于中科院长春光学精密机械与物理研究所获博士学位, 研究方向为空间相机智能控制。
(本栏目编辑:李树军)