高速列車齒輪箱箱體材料拉伸損傷的聲發(fā)射信號表征識別及壽命預(yù)測

艾軼博，張媛媛，崔 浩，張衛(wèi)冬

（北京科技大學(xué)國家材料服役安全科學(xué)中心，北京 100083）

齒輪箱是高速列車的關(guān)鍵部件，其可靠性將直接影響列車運行的安全性，并影響整個鐵路運輸和社會經(jīng)濟效益。高速列車齒輪箱箱體是齒輪箱的外部保護結(jié)構(gòu)，是保障齒輪箱正常工作的關(guān)鍵零件。高速列車齒輪箱箱體為鑄造而成，結(jié)構(gòu)復(fù)雜，齒輪箱通過抱軸懸掛方式安裝在轉(zhuǎn)向架上，箱體的故障形式主要有疲勞損傷和拉伸損傷，疲勞損傷來自于列車運行時給箱體帶來的往復(fù)振蕩，拉伸損傷來自于箱體自身的部分靜載和外界硬物對箱體的意外沖擊。隨著列車服役里程的增加，箱體疲勞可靠度不斷降低［1］，外界沖擊引發(fā)的拉伸損傷更易發(fā)生。因此，開展高速列車齒輪箱箱體材料的實時無損損傷識別研究及壽命預(yù)測對保障高鐵運行安全具有重要意義。

聲發(fā)射（Acoustic Emission，AE）信號對材料內(nèi)部裂紋的產(chǎn)生和擴張等缺陷非常敏感，且不受材料的制約，常用于在役設(shè)備中缺陷和缺陷發(fā)展的檢測。Rodr 等［2］研究了硬面AISI 型304 不銹鋼中裂紋的擴展，但其研究是基于破壞性試驗；An?dreykiv 等［3］用聲發(fā)射信號確定鋁合金在拉伸和扭轉(zhuǎn)載荷下的裂紋面積及其空間取向，但計算裂紋時僅考慮了聲發(fā)射振幅，缺乏信號分析；Hamdi等［4］用希爾伯特黃（Hilbert-Huang）變換實現(xiàn)了聚合物復(fù)合材料中的聲發(fā)射模式結(jié)構(gòu)健康監(jiān)測，但僅適用于復(fù)合材料。作為一種新的實時無損檢測方法，近些年來一些學(xué)者應(yīng)用聲發(fā)射技術(shù)在金屬材料領(lǐng)域展開了相關(guān)研究。黃振峰等［5］通過對金屬疲勞損傷過程累積聲發(fā)射事件的計數(shù)分析，識別有機械缺口的45號鋼疲勞損傷過程的4個不同階段，同時證明了聲發(fā)射信號的K熵和關(guān)聯(lián)維數(shù)可以作為表征金屬疲勞損傷程度的特征量；史慧揚等［6］提出采用小波包能量譜的聲發(fā)射信號處理方法，實現(xiàn)材料早期結(jié)構(gòu)疲勞損傷程度的監(jiān)測與評價；Bhuiyan 等［7］利用聲發(fā)射傳感器測量金屬切削過程中刀具磨損時的信號頻率，發(fā)現(xiàn)刀具磨損發(fā)生的頻率范圍為67～471 kHz；李昕等［8］在鋼板聲發(fā)射檢測中，結(jié)合時間反轉(zhuǎn)聚焦理論，有效提高損傷聲源信號的能量，并通過對檢測區(qū)域的信號重建和定位顯示準(zhǔn)確地給出損傷聲源位置。

在聲發(fā)射技術(shù)應(yīng)用中，有研究者結(jié)合人工智能進行聲發(fā)射信號識別。Griffin 等［9］將板料沖壓過程中的聲發(fā)射特征與飛邊磨損聯(lián)系起來，并通過對神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，實現(xiàn)了對板料沖壓工具滾壓磨損的準(zhǔn)確分類；姚曉山等［10］通過對齒輪箱正常和裂紋故障狀態(tài)的聲發(fā)射信號進行分析，提取出SVM訓(xùn)練樣本，實現(xiàn)齒輪裂紋的故障檢測；王向紅等［11］根據(jù)聲發(fā)射信號，結(jié)合核主成分分析及SVM對水輪機轉(zhuǎn)輪葉片裂紋源進行定位；Melnikov等［12］通過對聲發(fā)射脈沖的模糊聚類進行變換，利用神經(jīng)網(wǎng)絡(luò)解決了金屬樣品分類（變形和非變形）問題，實現(xiàn)了亞像素采樣的聲學(xué)數(shù)據(jù)聚類和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法對金屬特性的自動計算。但目前針對高速列車齒輪箱箱體材料拉伸損傷過程的識別方面研究較少，有待深入開展，以提升損傷特征提取和識別的精度。

金屬材料在拉伸過程中，經(jīng)歷彈性、屈服、塑性及斷裂4 個階段［13］，高速列車齒輪箱箱體試樣拉伸過程的應(yīng)力應(yīng)變曲線如圖1所示。圖中：當(dāng)材料變形處于彈性階段時，在失去外力后，材料可以恢復(fù)原狀，認(rèn)為這一階段對材料的服役影響不大，屬于安全階段；材料變形一旦進入屈服階段，其內(nèi)部會產(chǎn)生無法恢復(fù)的形變，服役可靠性會大大降低，認(rèn)為其是不安全的，即材料拉伸過程中的屈服、塑性、斷裂3個階段屬于預(yù)警階段。

本文以某型號高速列車齒輪箱箱體材料為研究對象，應(yīng)用搭載聲發(fā)射儀采集拉伸試驗過程中的聲發(fā)射信號，通過對聲發(fā)射信號進行分析，提取出能夠有效表征材料損傷階段的特征值；通過SVM 和WSVM 方法對聲發(fā)射信號進行學(xué)習(xí)和識別，從而對材料在拉伸過程中的安全或預(yù)警階段進行損傷識別。通過研究聲發(fā)射信號特征值與拉伸壽命之間的規(guī)律，對齒輪箱箱體材料剩余壽命進行預(yù)測，實現(xiàn)安全評價。

1 試驗方法

1.1 聲發(fā)射技術(shù)

材料在應(yīng)力作用下的變形和裂紋擴展是結(jié)構(gòu)失效的重要機制。聲發(fā)射是材料局部能量迅速釋放并產(chǎn)生瞬態(tài)彈性波的現(xiàn)象，也稱為應(yīng)力波發(fā)射。聲發(fā)射源發(fā)出的彈性波可以到達(dá)材料表面，并能產(chǎn)生聲發(fā)射傳感器可以檢測到的位移。探測器捕捉到的材料機械振動被轉(zhuǎn)換成電信號，然后被放大、處理和記錄。

根據(jù)現(xiàn)代塑性理論，位錯和滑移在塑性變形過程中起著決定性的作用。在理想情況下，金屬原子按一定的順序排列。但實際情況是，金屬中存在多種缺陷，位錯就是其中一種，它是由于原子對位置進行故障排除造成的。在外應(yīng)力作用下，位錯在滑移面上運動，產(chǎn)生金屬的塑性變形。晶格位錯從低能位置移動到另一個位置，并在新的晶格位置振動。計算結(jié)果表明，位錯的高速運動發(fā)射出高頻、低振幅的聲發(fā)射信號，而位錯的緩慢運動發(fā)射出低頻、高振幅的信號。單一位錯的信號能量太少，無法用高靈敏度的聲發(fā)射傳感器檢測。因此，設(shè)想多個位錯同時運動，據(jù)估計大約100～1 000個位錯同時運動時，聲發(fā)射儀可接收到連續(xù)型信號，數(shù)百到數(shù)千個位錯同時運動時，聲發(fā)射儀可以接收到突發(fā)型信號［14］。

高靈敏度的聲發(fā)射診斷可以檢測微裂紋隨千分尺變化的擴展。采用AE 診斷方法對塑性變形、疲勞和磨損引起的裂紋產(chǎn)生及其擴展進行診斷。通過分析聲發(fā)射信號參數(shù)，可以對材料損傷狀態(tài)進行分類。聲發(fā)射參數(shù)分析方法是根據(jù)聲發(fā)射信號的波形特征來分析和解釋聲發(fā)射信號。聲發(fā)射的常用參數(shù)有能量、振鈴計數(shù)、持續(xù)時間、幅值、有效電壓等，本文選擇的聲發(fā)射參數(shù)如下。

1）能量

能量測量方法同時以振幅和持續(xù)時間作為度量尺度，反映了聲發(fā)射源以彈性波形式釋放的能量。能量E可表示為

式中：A為超過門檻值的點的幅值；G為增益；S為閾值。

2）振鈴計數(shù)

振鈴計數(shù)即閾值振鈴的脈沖次數(shù)。在特定的時間周期內(nèi)，超過閾值的總次數(shù)稱為振鈴總計數(shù)，而單位時間超過閾值的次數(shù)稱為振鈴計數(shù)率。振鈴計數(shù)可以直接反映聲發(fā)射源的強度。振鈴計數(shù)方法簡單，廣泛應(yīng)用于AE監(jiān)測，但受閾值的影響很大。

3）撞擊計數(shù)

超過門檻并使某1 個通道獲取數(shù)據(jù)的任何1 個信號稱之為1個撞擊，系統(tǒng)對撞擊累計計數(shù)分為總計數(shù)和計數(shù)率。撞擊計數(shù)反映聲發(fā)射活動的總量和頻度，常用于AE活動性評價。

4）幅值

幅值指信號波形的最大振幅值，單位dB。幅值不受門檻值限制，與聲發(fā)射事件的大小相關(guān)，可以直接對事件的可測性做出判斷。

1.2 聲發(fā)射數(shù)據(jù)采集

從某型號高速列車齒輪箱箱體上切取高強鋁合金材料，并通過線切割的方法將其加工成標(biāo)準(zhǔn)拉伸試樣，共取6 個試樣進行試驗，試樣規(guī)格如圖2所示。

圖2 拉伸試樣規(guī)格（單位：mm）

試驗采用MTS-810 型試驗機，將拉伸試樣兩端固定在試驗機上。聲發(fā)射信號采集系統(tǒng)為美國PAC 公司生產(chǎn)的PCI-2 型聲發(fā)射儀和R15A 傳感器，采用凡士林作為耦合劑將傳感器與試樣連接，為避免傳感器松動或滑落，利用膠帶將其固定在試樣上。

試驗機的加載設(shè)備會對試樣施加1 個縱向拉力，這個拉力是逐漸增大的，直到試樣被拉斷時試驗結(jié)束；在整個拉伸試驗過程中，聲發(fā)射儀不斷采集聲發(fā)射信號，并傳送至計算機工作站。搭載聲發(fā)射儀的試驗裝置如圖3所示。

圖3 搭載聲發(fā)射儀的拉伸試驗裝置

加載裝置的加載速率為0.4 mm·min-1，聲發(fā)射采集系統(tǒng)的參數(shù)設(shè)置見表1。

表1 聲發(fā)射采集系統(tǒng)參數(shù)

2 聲發(fā)射參數(shù)特征與波形

2.1 采集數(shù)據(jù)預(yù)處理

在進行力學(xué)性能試驗時記錄力學(xué)性能數(shù)據(jù)，由于該數(shù)據(jù)的采樣時間點無法與聲發(fā)射撞擊時間點一一對應(yīng)，經(jīng)比較，力學(xué)性能數(shù)據(jù)采樣點數(shù)要遠(yuǎn)小于聲發(fā)射撞擊數(shù)，而且該數(shù)據(jù)的變化比較平緩，因此需要對力學(xué)性能數(shù)據(jù)進行重采樣。

對于力學(xué)性能數(shù)據(jù)，使用的是反向差值法進行重采樣。

令任意2 個相鄰的被采樣數(shù)據(jù)為(xn，yn)，(xn+1，yn+1)，n=1，2…，令重采樣點(x'n，y'n) 中xn＜x'n＜xn+1，則重采樣值y為

其中，

式中：sn為2個相鄰采樣點的時間間隔。

2.2 參數(shù)特征

根據(jù)聲發(fā)射信號所表達(dá)信息及分析所需數(shù)據(jù)能累積特點，選取能量、振鈴計數(shù)、撞擊計數(shù)3 個參數(shù)進行分析處理。能量、振鈴計數(shù)、撞擊計數(shù)與應(yīng)變的關(guān)系分別如圖4、圖5及圖6所示。

圖4 累積聲發(fā)射能量與應(yīng)變關(guān)系

圖5 累積聲發(fā)射振鈴計數(shù)與應(yīng)變關(guān)系

圖6 累積聲發(fā)射撞擊計數(shù)與應(yīng)變關(guān)系

由圖4可以看出：應(yīng)變小于0.018 時，累積能量計數(shù)與應(yīng)變近似呈線性關(guān)系；應(yīng)變大于0.018時，累積能量計數(shù)發(fā)生大幅度躍遷；說明在低應(yīng)變時的聲發(fā)射信號較少，僅當(dāng)試樣發(fā)生頸縮和最后斷裂時才有大量信號出現(xiàn)。

由圖5可以看出：應(yīng)變小于0.018 時，累積振鈴計數(shù)與應(yīng)變近似呈線性關(guān)系；應(yīng)變大于0.018時，振鈴計數(shù)發(fā)生大幅度躍遷；說明在低應(yīng)變時的聲發(fā)射振鈴技術(shù)信號增長趨勢較為平緩，僅當(dāng)試樣發(fā)生頸縮和最后斷裂時振鈴計數(shù)迅速增長。

由圖6可以看出：應(yīng)變小于0.008 時，累積聲發(fā)射撞擊計數(shù)增長非常緩慢，大于該值后近似呈線性關(guān)系；說明累積聲發(fā)射撞擊計數(shù)信號增長趨勢較為平緩。

2.3 聲發(fā)射撞擊波形

2.3.1 時域分析

理論上，材料在彈性變形階段有較少聲發(fā)射信號，甚至無聲發(fā)射信號；當(dāng)塑性變形達(dá)到了一定程度，就會產(chǎn)生聲發(fā)射信號；在屈服階段，聲發(fā)射信號量劇增，幅值增大；到達(dá)最后斷裂階段時，會出現(xiàn)大幅值的聲發(fā)射信號。

齒輪箱箱體材料拉伸試驗中聲發(fā)射每次撞擊均有2 048個采樣點，采樣頻率為1 MHz，彈性變形、塑性變形、屈服及斷裂4 個階段中幅值最大的聲發(fā)射撞擊波形曲線如圖7所示。

圖7 拉伸試驗4個階段最大聲發(fā)射撞擊波形

由圖7可以看出：在彈性變形、塑性變形、屈服及斷裂4 個階段中，撞擊最大幅值分別為0.09，0.17，0.27 及0.065 V；從彈性階段到屈服階段，聲發(fā)射信號幅值有增長趨勢但并不明顯；從屈服階段到斷裂階段，聲發(fā)射信號幅值反而有所下降，說明聲發(fā)射幅值在試樣拉伸過程中并非呈增長趨勢；但撞擊的持續(xù)時間是遞增的，由此可以得知振鈴計數(shù)、能量計數(shù)、撞擊計數(shù)是呈增長趨勢的。

2.3.2 頻域分析

聲發(fā)射信號具有瞬態(tài)性和隨機性，屬非平穩(wěn)隨機信號范疇，由一系列頻率和模式豐富的信號組成。由于瞬態(tài)和隨機信號不僅隨時間變化，還與頻率等信息有關(guān)，因此需進一步分析信號的頻率結(jié)構(gòu)。

選取圖7中幅值最大的聲發(fā)射撞擊波形，經(jīng)過傅里葉變換后，得到幅頻曲線如圖8所示。

圖8 拉伸試驗4個階段最大聲發(fā)射撞擊幅頻曲線

由圖8可以看出：彈性、塑性、屈服及斷裂4個階段的峰值頻率分別為183，153，133 及133 kHz，各個階段的峰值頻率相對穩(wěn)定；并且，各階段的頻率分布較為統(tǒng)一，能量主要集中在80～400 kHz。

3 識別結(jié)果與分析

3.1 特征提取

分析6 個拉伸試樣拉伸試驗過程中采集到的能量、振鈴計數(shù)及幅值等聲發(fā)射參數(shù)隨時間的變化規(guī)律，以試樣1為例，繪制其聲發(fā)射參數(shù)變化曲線如圖9所示，圖中紅色虛線為材料安全階段與預(yù)警階段的分界線（下文均采用此形式表示）。

圖9 聲發(fā)射參數(shù)變化曲線（試樣1）

由圖9可以看出：聲發(fā)射活動有越來越頻繁的趨勢；但3種參數(shù)都沒有明顯的規(guī)律，并不能夠?qū)Σ牧袭?dāng)前所處的階段進行有效表征。

為了驗證聲發(fā)射活動越來越頻繁這個規(guī)律，求出振鈴計數(shù)、撞擊計數(shù)及幅值的增長速率，并對求出的結(jié)果取對數(shù)。各個試樣的對數(shù)振鈴計數(shù)增長速率、對數(shù)幅值增長速率及對數(shù)撞擊計數(shù)增長速率曲線分別如圖10、圖11及圖12所示。

圖10 對數(shù)振鈴計數(shù)增長速率曲線

圖11 對數(shù)撞擊計數(shù)增長速率曲線

圖12 對數(shù)幅值增長速率曲線

由圖10 可以看出：試樣4 與試樣5 的對數(shù)振鈴計數(shù)增長速率曲線無明顯規(guī)律，且整體曲線波動較大，但在安全與預(yù)警階段分界點附近，曲線變化趨勢不明顯，說明對數(shù)振鈴計數(shù)增長速率與試樣所處階段無關(guān)；而其他試樣的對數(shù)振鈴計數(shù)增長速率曲線的規(guī)律較為明顯，呈單調(diào)遞增趨勢，但試樣1和試樣6存在著一些較大的波動。

由圖11 可以看出：各個試樣的對數(shù)撞擊計數(shù)增長速率曲線的規(guī)律都比較明顯且一致，總體呈單調(diào)遞增的趨勢；試樣處于安全階段時，對數(shù)撞擊計數(shù)增長速率的值均處于0以下；在進入了塑性階段后，對數(shù)撞擊計數(shù)增長速率的值在0左右波動，并且越來越大，且后半段的數(shù)值明顯都處于0以上。

由圖12 可以看出：各個試樣的對數(shù)幅值增長速率曲線與對數(shù)撞擊計數(shù)增長速率曲線類似，只是其值的變化范圍不相同；在試樣處于安全階段時，其值均處于4以下；但在進入了塑性階段后，其值在4左右波動，并呈現(xiàn)出不斷增大的趨勢。

由以上的分析可以得出，對數(shù)撞擊計數(shù)增長速率和對數(shù)幅值增長速率可以較好地表征出材料當(dāng)前所處的損傷階段。因此，選用聲發(fā)射信號的對數(shù)撞擊計數(shù)增長速率與對數(shù)幅值增長速率作為表征材料拉伸損傷的特征參量。

3.2 SVM分類器損傷識別

SVM 是Vapnik于1995年提出的一種機器學(xué)習(xí)方法，它建立在統(tǒng)計學(xué)習(xí)理論的VC 維和結(jié)構(gòu)風(fēng)險最小化基礎(chǔ)上，具有小樣本、推廣性能良好、全局最優(yōu)等優(yōu)點［15-16］。下面將利用SVM 算法對高速列車齒輪箱箱體材料的拉伸過程進行損傷識別。

采用SVM 算法對高速列車齒輪箱箱體材料的拉伸過程進行損傷識別的方法如下。

（1）選取對數(shù)撞擊計數(shù)增長速率、對數(shù)幅值增長速率、撞擊計數(shù)增長速率及幅值增長速率作為特征值，對試樣當(dāng)前所處的損傷階段進行識別。

（2）選用SVM 分類器，在6 次拉伸試驗中任選5 次試驗的數(shù)據(jù)作為訓(xùn)練樣本，剩下的1 次試驗的數(shù)據(jù)作為測試樣本。SVM輸入樣本數(shù)據(jù)的形式為

式中：Z1為對數(shù)撞擊計數(shù)增長速率；Z2為對數(shù)幅值增長速率；Z3為撞擊計數(shù)增長速率；Z4為幅值增長速率。

（3） 輸出分類結(jié)果根據(jù)其所處的階段定義為-1（安全階段）與1（預(yù)警階段）。

SVM 算法對不同階段損傷數(shù)據(jù)的識別分類結(jié)果見表2。

表2 基于本文提取特征值的SVM分類結(jié)果

由表2可知：安全階段與預(yù)警階段的分類準(zhǔn)確率都比較高，均分錯了16個樣本。

導(dǎo)致分類正確率差異的原因在于數(shù)據(jù)本身存在著不平衡，安全階段的數(shù)據(jù)量要遠(yuǎn)小于預(yù)警階段的數(shù)據(jù)量。為了解決這個問題，可以利用WSVM 來進行分類。

3.3 WSVM分類器損傷識別

WSVM 的思想即是對不同類別的樣本賦予不同的懲罰系數(shù)，若需要重視某類別樣本的分類準(zhǔn)確率，則可以賦予其1 個較大的權(quán)重λi，則其懲罰系數(shù)C就變?yōu)棣薸C。λi的確定方法有很多種，本文將安全階段數(shù)據(jù)的權(quán)重定義為λ-1=1，預(yù)警階段的權(quán)重為λ1=m-1/m1=0.028，其中m-1為訓(xùn)練樣本中安全階段的數(shù)據(jù)量，m1為訓(xùn)練樣本中預(yù)警階段的數(shù)據(jù)量。WSVM 分類器的輸入樣本形式與SVM分類器方法相同，分類結(jié)果見表3。

表3 基于本文提取特征值的WSVM 分類結(jié)果

通過分析可發(fā)現(xiàn)錯分的樣本全部集中在過渡階段，SVM 將過渡階段的數(shù)據(jù)分在了預(yù)警階段中，而WSVM 將過渡階段的數(shù)據(jù)分在了安全階段中，這種錯分可能將安全階段誤判為預(yù)警階段，能夠保證運行安全，但也會由于誤判停車檢修設(shè)備等造成一定的經(jīng)濟損失?？傮w上，考慮到列車運行的安全性，WSVM分類器優(yōu)于SVM分類器。

4 基于退化數(shù)據(jù)的壽命預(yù)測

4.1 退化數(shù)據(jù)提取

從試驗結(jié)果可以看出，試樣的撞擊計數(shù)增長速率和幅值增長速率呈單調(diào)遞增趨勢，且失效時刻的特征值大小基本一致，所以這2 個特征值可以用于材料性能退化曲線，它們可以反映出材料當(dāng)前的損傷情況。由于撞擊計數(shù)增大速率曲線與幅值增長速率曲線規(guī)律基本一致，因此將撞擊計數(shù)增長速率作為性能退化量。各個試樣對數(shù)撞擊計數(shù)增長速率曲線如圖13 所示。圖中：虛線為曲線的質(zhì)心曲線，描述了曲線的整體趨勢，即材料性能退化的趨勢。

圖13 對數(shù)撞擊計數(shù)增長速率曲線

由圖13 可以看出：試樣的撞擊計數(shù)增長速率在達(dá)到6左右的時候，發(fā)生斷裂失效；通過觀察曲線特征，推測退化軌跡呈線性或二次曲線的規(guī)律，需進一步驗證。

材料一旦進入屈服階段，便意味著進入不安全階段，需要被更換。但實際上齒輪箱箱體材料在進入屈服階段后，距離斷裂還存在著很長的時間。若能夠根據(jù)安全階段的數(shù)據(jù)，擬合出齒輪箱箱體材料的退化軌跡，即齒輪箱箱體材料的壽命預(yù)測模型，便能夠預(yù)測其剩余壽命，從而對材料當(dāng)前的損傷程度進行定量表征，為材料的維護和更換提供科學(xué)依據(jù)。

4.2 退化模型構(gòu)建

基于拉伸試驗安全階段的數(shù)據(jù)構(gòu)建材料退化模型，根據(jù)曲線的變化規(guī)律，從常用的退化曲線模型中分別選取線性方程和二次曲線方程進行擬合，結(jié)果如圖14和圖15所示。圖中：紅色曲線為擬合曲線。

圖15 二次曲線擬合結(jié)果

由圖14可以看出：線性擬合結(jié)果中，試樣5和試樣6 的擬合效果較好，試樣2 的效果次之，試樣1、試樣3及試樣4的誤差較大。

試樣1、試樣3及試樣4的對數(shù)撞擊計數(shù)增長速率曲線經(jīng)直接擬合后誤差較大的原因在于其特征值在安全階段的變化較為平緩，進入預(yù)警階段后，其特征值變化的幅度會增大，安全階段的數(shù)據(jù)不足以表征材料在預(yù)警階段的變化規(guī)律。

由圖15 可以看出：二次曲線擬合結(jié)果中，試樣5 的擬合效果較好，其他試樣的誤差都非常大，完全體現(xiàn)不出特征值的變化規(guī)律；該模型并不適用于此研究。

通過觀察能夠發(fā)現(xiàn)，較大的波峰點總體呈現(xiàn)出線性變化的規(guī)律，選取安全階段遞增的波峰點，用線性擬合，結(jié)果如圖16 所示。圖中：紅色曲線為擬合曲線。

由圖16 可以看出：波峰線性擬合的結(jié)果比線性擬合與二次曲線擬合的結(jié)果都要好，但對于某些試樣，如試樣3和試樣5，擬合結(jié)果的誤差比較大；原因為試樣3安全階段的波峰點較少，導(dǎo)致模型的構(gòu)建不夠精確，試樣5 的安全階段中存在著1 個較大的波峰點，導(dǎo)致退化軌跡過于保守。

4.3 壽命預(yù)測結(jié)果及分析

根據(jù)圖16中各條退化曲線的特點，選取5.8作為試樣斷裂的閾值，預(yù)測誤差E'計算式為

圖16 波峰線性擬合結(jié)果

式中：Tp為預(yù)測壽命；Tr為實際壽命。

預(yù)測結(jié)果和預(yù)測誤差見表4。

表4 波峰線性擬合結(jié)果

由表4可知：試樣3 和試樣5 的預(yù)測誤差較大，其余的試樣預(yù)測結(jié)果誤差非常小。

導(dǎo)致試樣3 和試樣5預(yù)測誤差大的原因依然是試樣3的安全階段的波峰數(shù)據(jù)點較少，試樣5 的退化曲線在安全階段出現(xiàn)了較大的波峰值。雖然拉伸試樣的壽命預(yù)測結(jié)果存在誤差較大的試樣，但是該方法為材料壽命預(yù)測提供了思路。由于試驗的樣本數(shù)較少，為了驗證方法的可行性，需要更多的試驗來驗證。

5 結(jié) 論

（1）對齒輪箱箱體材料拉伸試驗中采集到的聲發(fā)射信號進行分析發(fā)現(xiàn)，聲發(fā)射信號的對數(shù)增長速率能夠表征箱體材料拉伸過程所處的階段。

（2）在材料拉伸試驗過程中聲發(fā)射信號特征提取的基礎(chǔ)上，利用SVM 分類器對提取的特征參量進行損傷識別分類，并利用WSVM 算法改進分類器，大大減少了將預(yù)警階段誤判為安全階段的情況，并使分類的準(zhǔn)確率達(dá)到94%以上，實現(xiàn)了高速列車齒輪箱箱體材料在拉伸過程中的實時無損損傷識別。

（3）通過研究特征值與拉伸壽命之間的規(guī)律，構(gòu)建齒輪箱箱體材料拉伸過程的退化模型，并對剩余壽命進行預(yù)測，結(jié)果驗證了模型的可行性，為拉伸試樣的壽命預(yù)測提供了思路。