UHMWPE/LDPE層合板損傷聲發(fā)射信號聚類分析研究

王 旭，杜增鋒，倪慶清，劉新華

?

UHMWPE/LDPE層合板損傷聲發(fā)射信號聚類分析研究

王 旭1，杜增鋒1，倪慶清2，劉新華1

（1. 安徽工程大學(xué) 紡織行業(yè)科技公共服務(wù)平臺，安徽 蕪湖 241000；2. 日本信州大學(xué) 纖維學(xué)部機(jī)能機(jī)械學(xué)科，日本 長野 386-8567）

為揭示UHMWPE/LDPE層合板損傷機(jī)理，運(yùn)用聲發(fā)射技術(shù)對源于基體損傷、纖維斷裂、纖維/基體界面損傷的聲發(fā)射信號進(jìn)行聚類分析。以距離為相似性測度，按分層聚類方法提取幅度、持續(xù)時間和峰值頻率為模式特征，并按k-means聚類算法實現(xiàn)UHMWPE/LDPE層合板聲發(fā)射信號源機(jī)制的分類。實驗結(jié)果表明，基體損傷、纖維斷裂和界面損傷等不同損傷機(jī)制產(chǎn)生的聲發(fā)射信號，在幅度、持續(xù)時間和峰值頻率等參數(shù)上不同，研究結(jié)果對UHMWPE/LDPE層合板損傷模式識別具有參考價值。

UHMWPE/LDPE層合板；聲發(fā)射；損傷機(jī)理；聚類分析

和傳統(tǒng)材料相比纖維增強(qiáng)復(fù)合材料損傷機(jī)理十分復(fù)雜，損傷形式包括基體損傷、纖維斷裂、纖維/基體界面損傷和分層等。大量研究表明，復(fù)合材料的損傷都伴隨明顯的聲發(fā)射（Acoustic Emission, AE）現(xiàn)象。AE是材料中局域源快速釋放能量產(chǎn)生瞬態(tài)彈性波的現(xiàn)象。目前，AE技術(shù)已成為復(fù)合材料損傷機(jī)理研究的有效工具之一。通過對材料損傷過程AE信號的分析，可建立損傷模式和AE信號的關(guān)系。通常不同損傷機(jī)制對應(yīng)的AE信號特征不同，如玻璃纖維復(fù)合材料[1]、碳纖維復(fù)合材料[2]纖維斷裂、界面脫粘和分層產(chǎn)生的AE信號參數(shù)有明顯區(qū)別，一般基體開裂AE信號幅度較低，而纖維斷裂AE信號幅度較高[3]。同時，不同損傷AE信號其頻率特征不同[4-7]。由于復(fù)合材料損傷具有不同模式，故采集的AE信號也包含不同損傷模式。研究發(fā)現(xiàn)，源于相同損傷模式的AE信號具有相似性，而源于不同損傷模式的AE信號存在一定的差異[8,9]。但不同損傷模式的某些AE信號參數(shù)分布的重疊性[10]，使得依靠單一的AE參數(shù)進(jìn)行損傷機(jī)制源的鑒別尚存在困難。研究不同損傷模式AE信號的分類方法，對建立AE信號和損傷模式的對應(yīng)關(guān)系十分重要。本文以超高分子量聚乙烯（Ultra High Molecular Weight Polyethelene, UHMWPE）纖維增強(qiáng)低密度聚乙烯（Low Density Polyethelene, LDPE）層合板為對象，通過對LDPE樹脂、0°單層板、90°單層板的拉伸破壞，誘導(dǎo)產(chǎn)生基體損傷、纖維斷裂、纖維/基體界面損傷AE信號，并對混合損傷模式的AE信號進(jìn)行聚類分析。研究結(jié)果為基于AE信號進(jìn)行復(fù)合材料損傷機(jī)制鑒別提供參考。

1 實驗部分

1.1 主要原料及儀器

UHMWPE纖維，寧波大成新材料股份有限公司，規(guī)格1680D/240F，密度0.97g/cm3。LDPE薄膜，市售，厚度0.05mm，密度0.92g/cm3。平板硫化機(jī)，XLB-D25，湖州宏久橡膠機(jī)械廠。材料試驗機(jī)，DNS-100，長春試驗機(jī)研究所。聲發(fā)射測試系統(tǒng)，PCI-2，美國物理聲學(xué)公司。

1.2 試樣拉伸及聲發(fā)射實驗

采用熔融模壓法制備3種矩形試樣LDPE樹脂，0°單層板、90°單層板，尺寸均為：120mm×20mm×0.4mm。試樣制備參數(shù)：溫度130℃，壓力1.5MPa，時間10分鐘。

所有試樣在材料試驗機(jī)上進(jìn)行拉伸，并同步實時采集AE信號。材料試驗機(jī)夾頭間距60mm，拉伸速度LDPE樹脂20mm/min；0°單層板、90°單層板均1mm/min。用松緊帶固定WD型寬帶式傳感器在試樣的中心，并涂真空脂耦合。設(shè)定PCI-2聲發(fā)射系統(tǒng)門檻40dB。前置放大器40dB。AE信號采樣頻率1024kHz，頻率分辨率1kHz，其中基體塑性變形和基體斷裂AE信號分別取自LDPE樹脂屈服和斷裂時的信號，纖維斷裂AE信號取自0°單層板斷裂時的信號，界面損傷AE信號取自90°單層板破壞過程產(chǎn)生的信號。

2 結(jié)果與討論

聚類分析是復(fù)合材料AE源機(jī)制分類研究的一種有效方法。聚類分析是基于數(shù)據(jù)集客觀存在的若干個自然類，每個自然類數(shù)據(jù)的某些屬性具有較強(qiáng)的相似性而建立的一種數(shù)據(jù)描述方法。試樣破壞產(chǎn)生的AE波形信號，經(jīng)AE測試系統(tǒng)數(shù)字化處理，可得到幅度、上升時間、持續(xù)時間、計數(shù)、能量等時域參數(shù)，如圖1所示。通過時頻轉(zhuǎn)換可得到峰值頻率、平均頻率等反映頻率特征的參數(shù)。通過選擇合適的信號特征、相似性測度和聚類算法，可把相似信號歸為一類。

圖1 聲發(fā)射信號參數(shù)示意圖

本文對AE信號聚類分析的分兩個步驟，首先按照R型分層聚類，將AE參數(shù)作為聚類對象，目的是按性質(zhì)相近程度將參數(shù)聚類，并從中找出代表參數(shù)，以消除參數(shù)間相關(guān)性并達(dá)到降維的效果。然后對AE信號進(jìn)行Q型聚類，按相似性將AE信號分類。具體流程如下：

（1）選擇歐氏距離為相似性測度，按照離差平方和法對AE特征參數(shù)進(jìn)行R型分層聚類分析，并選擇具有代表性的、相似程度低的參數(shù)作為聚類變量。

（2）對AE信號進(jìn)行Q型聚類分析，聚類算法選擇以誤差平方和函數(shù)作為聚類準(zhǔn)則的k-means算法。

2.1 相似性測度和數(shù)據(jù)標(biāo)準(zhǔn)化

相似性測度是各模式之間相似程度的量度，其中距離最為常用。對于AE信號聚類，距離遠(yuǎn)近反映了信號所屬類型有無差異，如果模式特征選擇適當(dāng)，那么同類損傷模式的AE信號就會分布在一個相對密集的區(qū)域，而不同類損傷模式的AE信號就會遠(yuǎn)離。為消除AE信號不同參數(shù)量綱差異對距離計算的影響，預(yù)先按式（1）對數(shù)據(jù)進(jìn)行Z標(biāo)準(zhǔn)化處理。

2.2 聚類變量的選擇

聚類變量的選擇對聚類效果產(chǎn)生重要影響，如果同類模式在特征空間相距較近且分布密集，不同類模式在特征空間相距較遠(yuǎn)，則說明聚類變量對分類是有效的。AE信號最常用的參數(shù)有8個：上升時間(RISE，us)，計數(shù)(COUNTS，次)，持續(xù)時間(DURATION，us)，幅度(AMP，dB)，峰值前振鈴計數(shù)(PCNT，次)，平均頻率(AF，kHz)，頻率重心(CF，kHz)和峰值頻率(PF，kHz)。本文以歐氏距離為相似性測度，按照離差平方和法的R型分層聚類分析，根據(jù)參數(shù)之間的相似性，把8個AE參數(shù)分為若干類別，并從中選擇相似性低的參數(shù)作為AE信號的聚類變量。

基于離差平方和的分層聚類方法，通常先將n個樣品各自成一類，此時總類內(nèi)離差平方和SSw=0。然后每次縮小一類，則總類內(nèi)離差平方和SSw會相應(yīng)增大ΔS。不同的歸類方法會導(dǎo)致ΔS不同。合理的分類應(yīng)該使歸類后總的類內(nèi)離差平方和SSw較小，而類間離差平方和SSb較大，即每次使ΔS最小的兩類合并，直到所有的樣品歸為一類為止。

圖2是AE信號參數(shù)R型分層聚類的聚類結(jié)果。可以看出，源于試樣LDPE基體、90°單層板、0°單層板的AE信號分層聚類分析的結(jié)果具有一致性，即8個信號參數(shù)在分為3類：時域參數(shù)RISE、COUNTS、PCNT和AMP被聚為一類，頻域參數(shù)AF、CF和PF被聚為一類，持續(xù)時間DURATION為一類，類內(nèi)相似度較大而類間相似度較小。根據(jù)上述結(jié)果，選擇AMP，PF和DURATION作為聚類變量，進(jìn)一步對AE信號進(jìn)行Q型聚類分析。

圖2 AE信號參數(shù)聚類變量的選擇 (a)LDPE基體 (b)90°單層板 (c)0°單層板

2.3 AE信號的聚類分析

k-means是一種動態(tài)聚類算法，和分層聚類相比，該算法具有不需要存儲距離矩陣、存儲空間小、計算量小的特點，在對復(fù)合材料AE信號進(jìn)行Q型聚類分析時被普遍采用。k-means算法包括以下4個步驟：

（1）對于具有n個樣品的混合樣本，令迭代次數(shù)I=1，選擇k個初始聚類中心Zj(I)，j=1,2,…,k;

（2）計算每個樣品與k個聚類中心的距離，并將其分類到距離它最近的聚類中心的類別；

（3）所有樣品分類完畢后，重新計算各類別的聚類中心，Zj(I+1)；

（4）若滿足一定的算法終止條件(如Zj(I+1)= Zj(I))算法結(jié)束，否則I= I+1，返回（2）。

該算法的特點是每次迭代均根據(jù)最近鄰準(zhǔn)則考察每個樣品的分類是否正確，若不正確則調(diào)整，全部調(diào)整完畢再修改聚類中心，進(jìn)入下一次迭代。若全部樣品都分類正確，則聚類中心不再變化，表明算法收斂，聚類過程結(jié)束。

圖3 AE信號的Q型聚類分析 (a)LDPE基體 (b)90°單層板 (c)0°單層板

圖3分別是LDPE基體、90°單層板、0°單層板拉伸破壞過程產(chǎn)生AE信號，在以AMP、PF和DURATION為坐標(biāo)的空間分布情況。其中圖3(a)是源于LDPE基體的AE信號，根據(jù)聚類結(jié)果63個AE信號，被聚為G1、G2和G3三類，分別有7個、28個和28個信號。從聚類中心來看，G1類信號幅度AMP和持續(xù)時間DURATION明顯高于其他兩類，而峰值頻率PF較低。G2、G3類信號在幅度AMP和持續(xù)時間DURATION上較為接近，但G3類信號峰值頻率PF明顯高于其他兩類。從信號發(fā)生時間上看，G1類發(fā)生在PE-LD基體斷裂瞬間，而G2、G3類伴隨在整個塑性變形區(qū)域。因此，可以推測G1類信號源于基體斷裂，而G2、G3類信號源于基體的塑性變形。由于LDPE塑性變形很大，應(yīng)變能大部分以塑性變形的形式釋放，只有少量以AE形式釋放，故伴隨基體塑性變形產(chǎn)生的AE信號通常具有低幅度、短延時特征。只有當(dāng)發(fā)生斷裂時，才會出現(xiàn)高幅度、長延時的AE信號特征。

圖3(b)是90°單層板拉伸損傷過程AE信號的分布情況，根據(jù)聚類結(jié)果，227個信號被聚為G4、G5和G6三類，分別有14個、32個和181個信號。從聚類中心來看，G4類信號幅度和持續(xù)時間明顯高于G5、G6兩類，而G6類信號峰值頻率明顯高于G4、G5兩類。G4類信號幅度高、持續(xù)時間長，反映出該信號源于某種嚴(yán)重的損傷。試樣拉伸測試發(fā)現(xiàn)，LDPE基體的拉伸強(qiáng)度（約9MPa）高于90°單層板的拉伸強(qiáng)度（約7MPa），說明界面損傷先于基體斷裂發(fā)生。從發(fā)生時間上看，此類信號全部發(fā)生于損傷末期，即界面完全脫粘時刻。因此，可以推測G4類信號源于界面完全脫粘。G5類和G6類信號幅度和持續(xù)時間均較低，說明信號源于程度較低的損傷，如界面的初始損傷或者基體塑性變形。單向?qū)雍习逄幱跈M向拉伸狀態(tài)時，一旦形成界面損傷，由于缺乏有效的阻止損傷擴(kuò)展的機(jī)制，損傷將沿界面處迅速擴(kuò)展而導(dǎo)致材料最終在界面處發(fā)生斷裂。

圖3(c)是0°單層板拉伸損傷過程AE信號的分布情況，根據(jù)聚類結(jié)果，127個信號被聚為G7和G8兩類，分別有93個和34個信號。從聚類中心來看，G8類信號幅度和持續(xù)時間明顯高于G7類信號，而峰值頻率兩者差異不大。G7類信號為幅度相對較低、延時相對較短的信號。G8類信號為幅度相對較高、延時相對較長的信號。這兩類信號都具有峰值頻率相對集中的特點。從發(fā)生信號時間上看，G7類信號在材料拉伸的全過程均有發(fā)生，而G8類信號則主要出現(xiàn)在材料臨近斷裂的時刻。單層板縱向拉伸過程中，載荷幾乎全部由纖維承擔(dān)，由于纖維束中難免會存在部分有缺陷的單纖維以及試樣制作過程各纖維伸直狀態(tài)難免會存在一定的差異，從而導(dǎo)致各纖維的承載情況也各不相同。實際的損傷過程通常是從含缺陷的單纖維逐步斷裂開始，并逐漸發(fā)展成為多根纖維同時斷裂，直至剩余纖維不能承擔(dān)外部載荷而發(fā)生整體斷裂的過程。因此，0°單層板損傷模式可以分為單纖維斷裂G7和多根纖維同時斷裂G8兩種，其中后者將產(chǎn)生幅度高、持續(xù)時間長的AE信號。

表1是根據(jù)上述聚類結(jié)果得到的不同損傷模式AE信號的特征參數(shù)的均值，可以看出程度嚴(yán)重的損傷如基體斷裂、界面脫粘、多纖維斷裂都具有信號幅度高、持續(xù)時間長的特點。而伴隨材料損傷過程中的信號如塑性變形、界面初始損傷則具有幅度低，持續(xù)時間短的特征。且不同損傷模式信號的峰值頻率不同，其中纖維斷斷裂的峰值頻率分布最為集中，是區(qū)別其他損傷信號的主要特征。

表1 不同損傷模式的AE信號特征

3 結(jié)論

對UHMWPE/LDPE層合板損傷過程的AE信號參數(shù)進(jìn)行分層聚類分析的基礎(chǔ)上，選擇幅度、峰值頻率和持續(xù)時間作為聚類變量，通過k-means聚類對不同試樣損傷過程的AE信號進(jìn)行聚類分析，研究表明：

（1）幅度、持續(xù)時間和峰值頻率適合作為AE信號聚類分析的模式特征；

（2）基于k-means算法的Q型聚類分析，可將源于基體損傷、纖維損傷和界面損傷的AE信號分類；

（3）源于基體損傷、纖維損傷和界面損傷的AE信號在幅度、持續(xù)時間和峰值頻率上不同。

[1] Yamaguchi K，Oyaizu H，Hirai J, et al．Recognition of fracture modes in fiber reinforced plastics by acoustic emission waveform parameters[A]．Progress in Acoustic Emission(IV)[C]．Kobe，Japan，1988．

[2] Jeng JS，Ono K，Yang JM．Fracture mechanism studies of carbon fiber reinforced thermoplastic composites by acoustic emission[A]．Progress in acoustic emission(IV)[C]．Kobe，Japan，1988．

[3] Barre S，Benzeggagh ML．On the use of acoustic emission to investigate damage mechanisms in glass-fiber-reinforced polypropylene[J]．Composite science and technology，1994，52：369-376．

[4] Qing-Qing NI，Yasuharu MISAD． Analysis of AE Signals by Wavelet Transform[J]．J. Soc. Mat. Sci，1998，47：305-311．

[5] Qing-Qing NI，Eiichi JINEN．Fracture behavior and acoustic emission of SFC[J]．J. Soc. Mat. Sci，1993，42：561-567．

[6] Yu YH，Choi JH，Kweon JH，et al．A study on the failure detection of composite materials using an acoustic emission[J]．Composite Structures，2006，75：163-169．

[7] Woo SC，Goo NS．Analysis of the bending fracture process for piezoelectric composite actuators using dominant frequency bands by acoustic emission[J]．Composite science and technology，2007，67：1499-1508．

[8] Mikael J，Peter G．Broad-band transient recording and characterization of acoustic emission events in composite laminates[J]. Composite science and technology，2000，60：2803-2818．

[9] Mikael J. Waveform based clustering and classification of AE transients in composite laminates using principal component analysis[J]. NDT&E Int，2002，35(3)：367-376．

[10]Zhuang XM，Yan X．Investigation of damage mechanisms in self-reinforced polyethylene composites by acoustic emission[J]．Composite Science and Technology，2006，66：444-449．

Cluster Analysis on AE Signal during Damage Process of UHMWPE/LDPE Laminates

WANG Xu1, DU Zeng-feng1, NI Qing-qing2, LIU Xin-hua1

（1. The Science and Technology Public Service Platform for Textile industry, Anhui Polytechnic University, Wuhu Anhui 241000, China；2. Department of Functional Machinery and Mechanics, Shinshu University, Nagano 386-8576, Japan）

To reveal damage mechanism of UHMWPE/LDPE laminates, this study investigated cluster analysis on acoustic emission (AE) signals generated from matrix damage, fiber breakage and interface damage by use of AE technology. Pattern features such as amplitude, duration time and peak frequency could be extracted by hierarchical clustering with distance measure, then the AE signals resulted from different damage mechanisms of UHMWPE/LDPE laminates could be identified by k-means cluster analysis. The result revealed parameters of AE signal such as amplitude, duration time and peak frequency resulted from different damage mechanisms were different. This result can be used to investigate pattern recognition on damage mechanisms of UHMWPE/LDPE laminates.

UHMWPE/LDPE laminates；acoustic emission；damage mechanism；cluster analysis

王旭（1973-），男，副教授，博士，研究方向：復(fù)合材料損傷機(jī)理.

安徽工程大學(xué)國家自然科學(xué)基金預(yù)研項目（2015）；安徽工程大學(xué)科研啟動基金項目（2012YQQ008）；安徽省高校優(yōu)秀青年骨干人才國內(nèi)外訪學(xué)研修資助項目（gxfx2017045）.

TB332

A

2095－414X(2018)03－0021－05