基于AE-BP模型的楊木膠合板應(yīng)力損傷識(shí)別

摘 要：【目的】利用聲發(fā)射（AE）技術(shù)對(duì)應(yīng)力損傷全過程中的楊木膠合板進(jìn)行無損檢測，并利用BP神經(jīng)網(wǎng)絡(luò)對(duì)AE檢測結(jié)果進(jìn)行識(shí)別，以提高膠合板損傷檢測精度?！痉椒ā恳允袌稣加辛枯^高的托盤用楊木膠合板作為研究對(duì)象，在聯(lián)合AE和應(yīng)力損傷試驗(yàn)過程中，提取6個(gè)AE特征參數(shù)，利用聲發(fā)射RA-AF聯(lián)合分析法區(qū)分楊木膠合板產(chǎn)生裂紋的類型，采用K-均值聚類分析方法確定損傷演化程度和AE特征參數(shù)之間的對(duì)應(yīng)關(guān)系，利用BP神經(jīng)網(wǎng)絡(luò)建立損傷識(shí)別模型，并對(duì)識(shí)別網(wǎng)絡(luò)進(jìn)行測試訓(xùn)練。【結(jié)果】AE信號(hào)幅度和上升時(shí)間可有效地表征楊木膠合板應(yīng)力損傷從微裂紋萌生、產(chǎn)生宏觀裂紋至完全斷裂的損傷演化過程；通過RA-AF聯(lián)合分析發(fā)現(xiàn)：楊木膠合板在應(yīng)力損傷試驗(yàn)第一階段主要為剪切破壞損傷，第二、三階段主要為拉伸破壞損傷；通過K-均值聚類分析發(fā)現(xiàn)損傷類型與AE峰值頻率之間的存在較強(qiáng)對(duì)應(yīng)關(guān)系，可有效的表征不同的損傷類型：在31 kHz內(nèi)為基體開裂，在31～100 kHz內(nèi)為脫膠分層，大于100 kHz為纖維斷裂；構(gòu)建AE-BP神經(jīng)網(wǎng)絡(luò)模型對(duì)應(yīng)力損傷類型訓(xùn)練樣本的擬合優(yōu)度是95.94%，測試集的擬合優(yōu)度是98.89%，模型總擬合優(yōu)度是96.51%，網(wǎng)絡(luò)訓(xùn)練效果較好。【結(jié)論】在應(yīng)力承載AE監(jiān)測過程中，通過構(gòu)建AE-BP模型，可對(duì)楊木膠合板產(chǎn)生的未知損傷進(jìn)行有效檢測并準(zhǔn)確識(shí)別。

關(guān)鍵詞：楊木膠合板；聲發(fā)射；BP神經(jīng)網(wǎng)絡(luò)；損傷識(shí)別

中圖分類號(hào)：S781.3 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-923X（2024）04-0169-11

基金項(xiàng)目：國家自然科學(xué)基金面上項(xiàng)目（32071685）；國家自然科學(xué)基金青年項(xiàng)目（31600453）。

Identification of stress damage in poplar plywood based on AE-BP model

LIU Jia， YU Mengyan， GAO Shan， CHEN Yulong， FENG Manxuan， DU Xinyu

（College of Civil Engineering and Transportation， Northeast Forestry University， Harbin 150040， Heilongjiang， China）

Abstract：【Objective】Acoustic emission （AE） is used to detect the damage of poplar plywood in the whole process of stress damage， and BP neural network is applied to identify the results of AE， so as to improve the damage detection accuracy of plywood.【Method】Poplar plywood used in pallets with high market share was taken as the research object. During the joint AE and stress damage test， six AE characteristic parameters were extracted， the crack types of plywood were distinguished by acoustic emission RAAF joint analysis method， and the corresponding relationship between damage evolution degree and AE characteristic parameters was determined by K-means clustering analysis method. The damage identification model was established by BP neural network， and the identification network was trained by test.【Result】AE signal amplitude and rise time effectively characterized the evolution process of stress damage from microcrack initiation， macroscopic crack to complete fracture； Through RA-AF analysis， it was found that in the first stage of bending test， the main damage of poplar plywood is shear failure. In the second and third stages， the main damage was tensile failure； Based on cluster analysis， it was found that there was a strong corresponding relationship between damage types and AE Peak frequencies，the different damage patterns could be effectively characterized： matrix cracking within 31 kHz， debond and delamination within 31-100 kHz， and fiber fracture above 100 kHz； The AE-BP neural network model could identify the fuzzy damage types with the goodness of fit of the training samples was 95.94%， the goodness of fit of the test set was 98.89%， and the total goodness of fit of the model was 96.51%， and the network training was more effective.【Conclusion】The damage types of poplar plywood during AE monitoring can be effectively detected and accurately identified by constructing AE-BP model.

Keywords： poplar plywood； acoustic emission； BP neural network； damage identification

膠合板具有強(qiáng)度高、剛度大、穩(wěn)定性好、加工性能好、耐磨性好、耐腐蝕性好、使用壽命長等優(yōu)點(diǎn)，廣泛用于家具、建筑、車船制造業(yè)及包裝等領(lǐng)域[1，2]。在包裝領(lǐng)域，膠合板主要用于制作木箱、木托盤等。其中膠合板托盤，具有成本低、生產(chǎn)工藝簡單、出口無熏蒸等優(yōu)點(diǎn)，是替代實(shí)木托盤的最佳選擇。托盤在使用過程中因外載荷的變化導(dǎo)致內(nèi)部出現(xiàn)應(yīng)力集中而產(chǎn)生裂痕，造成的材料局部開裂會(huì)縮短木質(zhì)托盤的壽命，嚴(yán)重時(shí)會(huì)造成經(jīng)濟(jì)損失[3，4]。依照木質(zhì)平托盤通用技術(shù)要求國家標(biāo)準(zhǔn)（2022）[5]，木質(zhì)托盤性能檢測主要包括整體抗壓實(shí)驗(yàn)、鋪板抗壓實(shí)驗(yàn)等破壞性實(shí)驗(yàn)，無法實(shí)時(shí)監(jiān)測托盤鋪板內(nèi)部的形變和開裂，不適用于生產(chǎn)線上的連續(xù)快速檢測。為了科學(xué)合理地使用膠合板托盤，提高其生產(chǎn)質(zhì)量，擴(kuò)大其適用范圍，需掌握膠合板的力學(xué)性能及實(shí)時(shí)在線檢測技術(shù)。了解托盤用膠合板的性能和性質(zhì)對(duì)于提高整個(gè)托盤結(jié)構(gòu)的耐久性和穩(wěn)定性有著重要的作用。因此，發(fā)展一種有效的膠合板托盤在線無損檢測方法具有十分重要的意義。

聲發(fā)射（Acoustic Emission，AE）可提供應(yīng)力作用下的木質(zhì)材料缺陷動(dòng)態(tài)信息，實(shí)現(xiàn)在線實(shí)時(shí)檢測，且對(duì)檢測材料形狀、大小等無特定要求等優(yōu)點(diǎn)[6]，應(yīng)用領(lǐng)域比其他檢測方法具有更廣泛的良好前景，已廣泛應(yīng)用于人造板領(lǐng)域。Brunner等[7]使用參數(shù)分析法對(duì)兩種不同類型的層壓木材樣品在準(zhǔn)靜態(tài)拉伸測試過程中產(chǎn)生的AE信號(hào)數(shù)據(jù)進(jìn)行分析；郭曉磊等[8]在三點(diǎn)彎曲載荷過程中利用AE特征參數(shù)累計(jì)能量和累計(jì)振鈴計(jì)數(shù)分析了木基復(fù)合材料損傷過程及特點(diǎn)；Niemz等[9]應(yīng)用AE信號(hào)能量、幅度等參數(shù)來研究膠合板的斷裂行為，發(fā)現(xiàn)非均質(zhì)材料（顆粒膠合板）比均質(zhì)的中密度纖維板更容易預(yù)測宏觀斷裂位置；Ritschel等[10]通過AE和數(shù)字圖像相關(guān)（DIC）方法研究了云杉制成的膠合板在拉伸載荷過程中的亞宏觀損傷演變，發(fā)現(xiàn)AE參數(shù)能量與膠合板損傷內(nèi)部有一致對(duì)應(yīng)關(guān)系；徐峰等[11]基于EMD-SVD的特征提取方法對(duì)膠合板損傷進(jìn)行了識(shí)別；Wang等[12]通過單參數(shù)分析和K均值聚類分析，在四點(diǎn)加載試驗(yàn)中比較了竹木、竹膠合板、SPF木材的力學(xué)性能及AE活動(dòng)；Clerc等[13]將無監(jiān)督模式識(shí)別法應(yīng)用于山毛櫸木膠合木的AE信號(hào)識(shí)別，發(fā)現(xiàn)AE信號(hào)可區(qū)分木材斷裂和膠合界面斷裂。

綜合上述研究可見，AE參數(shù)分析法在木基材料損傷研究中具有很強(qiáng)的應(yīng)用性，但僅能對(duì)加載損傷過程進(jìn)行階段分析，近年來學(xué)者們開始將聚類分析和人工神經(jīng)網(wǎng)絡(luò)等模式識(shí)別法與AE技術(shù)結(jié)合起來[14-18]，研究多用于研究混凝土、巖石等損傷識(shí)別，用于人造板研究較為鮮見。

本研究以市場上占有量較高的楊木膠合板為研究對(duì)象，以三點(diǎn)彎曲加載實(shí)驗(yàn)?zāi)M實(shí)際應(yīng)力損傷產(chǎn)生過程，探索聲發(fā)射特征參數(shù)對(duì)膠合板內(nèi)部基體開裂、脫膠分層、纖維斷裂不同損傷階段和類型的響應(yīng)規(guī)律，運(yùn)用參數(shù)分析法、RA-AF聯(lián)合法和K-means聚類法，對(duì)AE檢測結(jié)果進(jìn)行分析，并結(jié)合BP神經(jīng)網(wǎng)絡(luò)建立應(yīng)力損傷識(shí)別模型，實(shí)現(xiàn)對(duì)損傷演化過程檢測和損傷類型識(shí)別，為實(shí)際應(yīng)用中的膠合板托盤鋪板損傷在線無損檢測提供基礎(chǔ)理論參考。

1 材料與方法

1.1 試驗(yàn)材料及設(shè)備

1）試驗(yàn)材料。楊木膠合板樣品采用3層膠合板，其內(nèi)部為楊木夾芯，厚度為3 mm，外覆桃花芯面板，厚度為1 mm，由環(huán)保脲醛膠粘合而成。尺寸選擇膠合板托盤鋪板國標(biāo)尺寸1/4比例[19]，即300 mm×250 mm×5 mm，試件數(shù)為35，表面無視覺缺陷。測試溫度為常溫， 樣品含水率為氣干狀態(tài)（圖1）。

2）試驗(yàn)設(shè)備。阿爾泰科技有限公司USB-3133A高速采集卡、LabVIEW軟件、PXR15I單端諧振聲發(fā)射傳感器及PXDBlock信號(hào)分離器（長沙鵬翔電子科技有限公司），兩通道聲發(fā)射信號(hào)采集系統(tǒng)；PXR15I單端諧振聲發(fā)射傳感器（長沙鵬翔電子科技有限公司），頻率帶寬為100～400 kHz，諧振頻率為150 kHz，內(nèi)置前置放大器增益為40 dB；PXD Block信號(hào)分離器（長沙鵬翔電子科技有限公司），用來給傳感器內(nèi)置放大器模塊電路供電。根據(jù)香農(nóng)采樣定理，設(shè)置每個(gè)通道的采樣頻率為500 kHz，輸出電壓范圍為（-5 V，5 V）；深圳市新三思計(jì)量技術(shù)有限公司生產(chǎn)的SANS-CMT5504力學(xué)試驗(yàn)機(jī)。試驗(yàn)裝置見圖2。

1.2 AE聯(lián)合三點(diǎn)彎曲荷載試驗(yàn)

將兩個(gè)AE傳感器安裝于托盤用楊木膠合板距離中心位置30 mm處左右兩側(cè)，然后在試件與傳感器接觸位置涂抹凡士林耦合劑使二者充分耦合接觸，用絕緣膠帶將傳感器固定在鋪板表面。支點(diǎn)跨距為200 mm，進(jìn)給速度為5 mm/min。首先，將試件加載至預(yù)估極限荷載的10%，持續(xù)2 min，然后卸載2 min，清零所有數(shù)值，正式加載；設(shè)備啟動(dòng)后持續(xù)加壓，直至托盤用楊木膠合板試件斷裂為止。當(dāng)膠合板破裂時(shí)，停止試驗(yàn)并記錄該點(diǎn)的極限載荷[20]。施加荷載過程中AE同步動(dòng)態(tài)跟蹤監(jiān)測托盤用楊木膠合板的損傷演化全過程，載荷快速下降時(shí)停止加載，同時(shí)停止AE信號(hào)采集。

2 結(jié)果與分析

2.1 楊木膠合板應(yīng)力損傷演化過程AE特征參數(shù)分析

托盤用楊木膠合板應(yīng)力損傷破壞形態(tài)圖見圖3。將能量、振鈴計(jì)數(shù)、幅度、持續(xù)時(shí)間、上升時(shí)間、峰值頻率6個(gè)AE特征參數(shù)及累計(jì)參數(shù)歷程圖與荷載曲線關(guān)聯(lián)起來對(duì)于整個(gè)實(shí)驗(yàn)過程進(jìn)行分析，見圖4。根據(jù)試件應(yīng)力損傷破壞過程的AE特征參數(shù)損傷演化可以分為三個(gè)階段：微裂紋萌生、產(chǎn)生宏觀裂紋和完全斷裂。研究發(fā)現(xiàn)所有測定試樣的AE特征參數(shù)隨荷載變化的規(guī)律基本一致（圖4）。

1）微裂紋萌生階段：0～30 s，荷載隨著加載時(shí)間以一定的斜率呈上升狀態(tài)，AE信號(hào)在試件開始受力后立即產(chǎn)生，該階段產(chǎn)生的AE信號(hào)微弱且不連續(xù)（幅度<45 dB，振鈴計(jì)數(shù)<10，能量<170 mV·mS，上升時(shí)間<1 200 μs，持續(xù)時(shí)間<1 800 μs），峰值頻率主要分布在0～20 kHz和125 kHz范圍內(nèi)，6個(gè)累計(jì)參數(shù)曲線持續(xù)緩慢上升。AE信號(hào)的產(chǎn)生是由加載過程中的機(jī)械噪聲以及試件內(nèi)部產(chǎn)生原始微損傷并持續(xù)產(chǎn)生新的損傷引起的，在此階段托盤用膠合板表面無肉眼可見裂紋。

2）產(chǎn)生宏觀裂紋階段：30～59 s，隨著荷載的增加，此階段振鈴計(jì)數(shù)、能量、持續(xù)時(shí)間多次出現(xiàn)較高峰值，峰值頻率中低頻信號(hào)明顯增加，累計(jì)振鈴計(jì)數(shù)、累計(jì)能量、累計(jì)上升時(shí)間、累計(jì)持續(xù)時(shí)間曲線總體變化趨勢一致，在該階段后期斜率增大，同時(shí)幅度、上升時(shí)間達(dá)到最大峰值（幅度達(dá)到60 dB左右，上升時(shí)間達(dá)到3 100 μs左右），聲發(fā)射累計(jì)幅度曲線的斜率逐漸增大，膠合板表面產(chǎn)生肉眼可見的宏觀裂紋，并伴有輕微開裂聲，說明托盤用楊木膠合板內(nèi)部結(jié)構(gòu)正在發(fā)生破壞，內(nèi)部活動(dòng)劇烈，釋放大量的AE信號(hào)。

3）完全斷裂階段：59～80 s，第三階段中期達(dá)到最大載荷，伴隨較大的響聲，托盤用楊木膠合板纖維持續(xù)拉脫斷開，載荷呈階躍式下降，直至完全斷裂。在完全斷裂時(shí)刻，能量、振鈴計(jì)數(shù)和持續(xù)時(shí)間達(dá)到最大峰值，分別為24 000 mV·mS、550次和66 000 μs左右；峰值頻率高頻信號(hào)占比增加，累計(jì)振鈴計(jì)數(shù)、累計(jì)能量、累計(jì)持續(xù)時(shí)間相關(guān)曲線總體變化趨勢一致，斜率在第三階段前期出現(xiàn)增大現(xiàn)象，該階段試件舊裂紋失穩(wěn)擴(kuò)展并伴有新裂紋的不斷產(chǎn)生，材料發(fā)生破壞后，釋放出的AE信號(hào)逐漸減少。

選用AE參數(shù)分析法研究了楊木膠合板彎曲損傷實(shí)驗(yàn)全過程，并將損傷演化分為三個(gè)階段。在第二階段，即產(chǎn)生宏觀裂紋階段，幅度、上升時(shí)間達(dá)到峰值，而能量、振鈴計(jì)數(shù)及持續(xù)時(shí)間在第三階段即裂紋失穩(wěn)直至斷裂階段達(dá)到峰值。累計(jì)幅度、累計(jì)上升時(shí)間損傷一、二階段的分界點(diǎn)較清晰，但依舊無法作為損傷階段劃分的精確判定方式，能量、振鈴計(jì)數(shù)、持續(xù)時(shí)間、累計(jì)幅度、累計(jì)振鈴計(jì)數(shù)、累計(jì)能量、累計(jì)持續(xù)時(shí)間、累計(jì)上升時(shí)間難以直觀確定裂紋失穩(wěn)斷裂臨界點(diǎn)。幅度、上升時(shí)間隨時(shí)間變化曲線中，各階段分界點(diǎn)較明顯，可以作為楊木膠合板應(yīng)力損傷各階段的劃分標(biāo)準(zhǔn)。

2.2 RA-AF關(guān)聯(lián)分析

聲發(fā)射參數(shù)RA為上升時(shí)間與幅度的比值（μs/V），AF為振鈴計(jì)數(shù)與持續(xù)時(shí)間的比值（kHz），RA-AF關(guān)聯(lián)分析法可有效區(qū)分張拉型裂紋和剪切型裂紋[21]。已有研究表明張拉型裂紋主要以縱波的形式傳播，其引起的裂紋側(cè)向擴(kuò)展具有高頻短時(shí)（高AF）的特征，而剪切型裂紋主要以橫波形式傳播且具有低頻長時(shí)（低AF）的特點(diǎn)[22]，因此認(rèn)為高RA和低AF的信號(hào)對(duì)應(yīng)剪切型裂紋，而低RA和高AF的信號(hào)對(duì)應(yīng)張拉型裂紋。

托盤用楊木膠合板應(yīng)力損傷試驗(yàn)過程中RA、AF以及荷載隨時(shí)間變化的趨勢如圖5所示。第一階段（0～30 s）開始時(shí)，AF保持較小的波動(dòng)，走勢較為平緩，在30 s左右出現(xiàn)較小峰值，RA在20 s左右出現(xiàn)較大峰值；第二階段（30～59 s）與第一階段相比，AF波動(dòng)范圍明顯增大，RA波動(dòng)范圍明顯減小，AF在第二階段中期出現(xiàn)峰值，RA在第二階段后期出現(xiàn)峰值；第三階段（59～80 s），AF值連續(xù)幾次出現(xiàn)峰值，RA值波動(dòng)范圍較前兩個(gè)階段減小。第一階段，托盤用楊木膠合板主要為剪切破壞，第二、三階段主要為拉伸破壞。

2.3 AE特征參數(shù)聚類分析

針對(duì)膠合板的四種類型損傷類型：基體開裂、脫膠、分層、纖維斷裂[23]，使用DBi指標(biāo)和SC系數(shù)對(duì)6個(gè)AE特征參數(shù)的檢測結(jié)果進(jìn)行聚類有效性評(píng)價(jià)，聚類數(shù)目K的范圍取2～10。其中，SC輪廓系數(shù)越大，DBi指標(biāo)越小，聚類數(shù)越好。圖6a展示了試件在DBi指標(biāo)和SC輪廓系數(shù)下的曲線圖，當(dāng)聚類數(shù)K=3時(shí)，DBi指數(shù)達(dá)到最小值，SC系數(shù)達(dá)到最大值，選擇K=3進(jìn)行初步聚類，K=3時(shí)聚類結(jié)果理想，試件的AE信號(hào)最終被聚類為3類。

托盤用膠合板應(yīng)力損傷實(shí)驗(yàn)過程中聲發(fā)射參數(shù)信號(hào)的K-均值聚類分析（圖6b—6f），可以分為3個(gè)聲發(fā)射信號(hào)類別。A類信號(hào)（Cluster A）的振鈴計(jì)數(shù)分布在0～20次，持續(xù)時(shí)間分布在0～9 000 μs，上升時(shí)間分布在0～300 μs，能量分布在0～2 000 mV·mS ，峰值頻率分布在0～40 kHz。B類信號(hào)（Cluster B）的振鈴計(jì)數(shù)分布在5～70次，持續(xù)時(shí)間分布在9 000～22 000 μs，上升時(shí)間分布在300～1 100 μs，能量分布在2 000～6 200 mV·mS，峰值頻率分布在40～100 kHz，C類信號(hào)（Cluster C）的振鈴計(jì)數(shù)、持續(xù)時(shí)間、上升時(shí)間、能量、峰值頻率分布分別大于70次、22 000 μs、1 100 μs、6 200 mV·mS、100 kHz。

A類信號(hào)具有低能量、低振鈴計(jì)數(shù)、低持續(xù)時(shí)間、低上升時(shí)間、低峰值頻率的特征，幅度分布為35～62 dB，托盤用楊木膠合板發(fā)生損傷時(shí)基體開裂最先出現(xiàn)，并且覆蓋整個(gè)應(yīng)力損傷過程，結(jié)合圖4聲發(fā)射參數(shù)圖分析，發(fā)現(xiàn)A類信號(hào)在應(yīng)力損傷試驗(yàn)過程中一直出現(xiàn)，因此A類信號(hào)認(rèn)為是基體開裂信號(hào)；C類信號(hào)具有高能量、高振鈴計(jì)數(shù)、高持續(xù)時(shí)間、高上升時(shí)間、高峰值頻率的特征，結(jié)合圖4聲發(fā)射參數(shù)圖分析，C類信號(hào)認(rèn)為是托盤用楊木膠合板纖維斷裂信號(hào)；B類信號(hào)都為中頻信號(hào)，B類信號(hào)認(rèn)為是托盤用膠合板脫膠或分層信號(hào)。觀察圖6發(fā)現(xiàn)峰值頻率很好地把3類聲發(fā)射信號(hào)區(qū)分開，認(rèn)為是表征試件不同損傷模式效果最佳的聲發(fā)射參數(shù)。應(yīng)力損傷試驗(yàn)全過程中托盤用楊木膠合板各損傷階段對(duì)應(yīng)AE特征參數(shù)值見表1。

3 AE-BP模型的損傷識(shí)別

3.1 試驗(yàn)準(zhǔn)備及激活函數(shù)的選擇

BP神經(jīng)網(wǎng)絡(luò)是經(jīng)過反復(fù)迭代訓(xùn)練形成的具有識(shí)別與預(yù)測能力的神經(jīng)網(wǎng)絡(luò)模型[24-25]，拓?fù)浣Y(jié)構(gòu)如圖7所示。

圖7中，輸入層參數(shù)（m）為振鈴計(jì)數(shù)、能量、絕對(duì)能量、幅度、上升計(jì)數(shù)、上升時(shí)間、平均頻率、峰值頻率、持續(xù)時(shí)間9個(gè)AE參數(shù)值，設(shè)定輸出層參數(shù)（n）為膠合板托盤鋪板的損傷類型：基體開裂、脫膠分層和纖維斷裂，即m=9，n=3。本研究中隱含層節(jié)點(diǎn)數(shù)量L采用下式（1）進(jìn)行初步確定，a為0～10的調(diào)節(jié)常數(shù)，以網(wǎng)絡(luò)訓(xùn)練的均方根誤差最小為指標(biāo)，確定L=10。

隱含層、輸出層激勵(lì)函數(shù)分別選取S型正切函數(shù)Tansig、Purelin函數(shù)，并采用Trainrp算法訓(xùn)練網(wǎng)絡(luò)，性能函數(shù)選用均方誤差函數(shù)，學(xué)習(xí)速率為0.01，最大迭代次數(shù)設(shè)為1 000次，目標(biāo)誤差為0.001。

3.2 識(shí)別結(jié)果

利用BP神經(jīng)網(wǎng)絡(luò)建立AE信號(hào)與損傷類型的對(duì)應(yīng)關(guān)系，將AE特征參數(shù)代入模型，得到相應(yīng)的損傷類型，并與實(shí)際值相對(duì)比。選取編號(hào)為3的托盤用楊木膠合板AE參數(shù)數(shù)據(jù)，前199組數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，最后70組數(shù)據(jù)進(jìn)行測試，將測試結(jié)果和真實(shí)值相對(duì)比。表2展示了其中10組有代表性的BP神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)。

圖8a—c為輸出層3個(gè)節(jié)點(diǎn)訓(xùn)練集與預(yù)測集結(jié)果對(duì)比圖，圖中均方根誤差RMSE都小于0.2，該指標(biāo)越小，表示模型的預(yù)測能力越強(qiáng)。圖8d為 3層BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的收斂曲線圖，隨著訓(xùn)練次數(shù)的增加，均方差逐漸降低且趨于極小值，第11次網(wǎng)絡(luò)誤差為1.32×10-5，達(dá)到了網(wǎng)絡(luò)誤差設(shè)置的要求，發(fā)現(xiàn)訓(xùn)練后BP神經(jīng)網(wǎng)絡(luò)具有較好的識(shí)別效果。圖8e為BP神經(jīng)網(wǎng)絡(luò)預(yù)測值和目標(biāo)值的擬合優(yōu)度圖，橫坐標(biāo)為樣本原目標(biāo)值，縱坐標(biāo)為網(wǎng)絡(luò)輸出預(yù)測值，二者相關(guān)度用系數(shù)R表示，若R越接近1，則表示線性化程度越高，結(jié)果越好。訓(xùn)練樣本的擬合優(yōu)度是95.94%，測試集的擬合優(yōu)度是98.89%，模型總擬合優(yōu)度是96.51%，網(wǎng)絡(luò)訓(xùn)練效果較好，表明AE聯(lián)合BP神經(jīng)網(wǎng)絡(luò)模型可以精準(zhǔn)有效的進(jìn)行膠合板損傷檢測與識(shí)別。

4 結(jié)論與討論

4.1 結(jié) 論

本研究基于AE技術(shù)研究了楊木膠合板不同損傷程度下AE參數(shù)特征值變化規(guī)律，并利用AE參數(shù)和BP神經(jīng)網(wǎng)絡(luò)建立了損傷類型識(shí)別模型，得出以下結(jié)論：

1）通過AE特征參數(shù)變化可有效的判斷楊木膠合板微裂紋萌生、產(chǎn)生宏觀裂紋和完全斷裂三個(gè)階段。通過RA-AF聯(lián)合分析發(fā)現(xiàn)拉伸破壞損傷是楊木膠合板的損傷的主要形式。

2）通過K-均值聚類分析發(fā)現(xiàn)楊木膠合板AE峰值頻率與損傷類型之間的對(duì)應(yīng)關(guān)系較好，對(duì)損傷模式區(qū)分表征效果最佳。

3）聯(lián)合AE-BP神經(jīng)網(wǎng)絡(luò)模型可準(zhǔn)確有效地對(duì)楊木膠合板未知損傷類型進(jìn)行有效檢測與識(shí)別。

4.2 討 論

楊木膠合板試件在抗彎試驗(yàn)加載過程中，會(huì)逐漸出現(xiàn)多種損傷以及對(duì)應(yīng)的聲發(fā)射現(xiàn)象。根據(jù)AE基本參數(shù)隨時(shí)間的變化圖和荷載位移曲線，可將試驗(yàn)分為三個(gè)階段，即微裂紋產(chǎn)生階段、產(chǎn)生宏觀裂紋階段和完全斷裂階段，這與涂郡成等[26]根據(jù)木梁尖端損傷演變試驗(yàn)劃分階段類似。其中材料損傷程度越嚴(yán)重，聲發(fā)射活動(dòng)越劇烈。AE信號(hào)幅度、上升時(shí)間隨時(shí)間變化曲線中，各階段分界點(diǎn)較明顯，可以作為托盤用楊木膠合板應(yīng)力損傷各階段的劃分標(biāo)準(zhǔn)（圖4）。在之前的研究中，郭曉磊等[8]研究了膠合板（11層，相鄰單板層木紋方向相互垂直）和三聚氰胺貼面刨花板兩種材料，發(fā)現(xiàn)聲發(fā)射信號(hào)的幅值、累計(jì)能量、振鈴計(jì)數(shù)等參數(shù)可有效表征兩種材料內(nèi)部損傷演化過程。楊洲凌等[27]研究發(fā)現(xiàn)櫸木三點(diǎn)彎曲試驗(yàn)中所產(chǎn)生的累計(jì)AE振鈴計(jì)數(shù)是反映櫸木損傷的重要特征參數(shù)。猜測選取不同AE特征參數(shù)的原因是研究對(duì)象不同，AE特征參數(shù)對(duì)于不同材料的敏感性不同。

本研究RA-AF關(guān)聯(lián)分析法可有效區(qū)分楊木膠合板張拉型裂紋和剪切型裂紋，而RA-AF關(guān)聯(lián)分析方法在該方面的應(yīng)用較少。王婷[22]曾利用RA-AF方法來區(qū)分SPF、楊木和杉木壓縮剪切和彎曲剪切試件的張拉型裂紋與剪切型裂紋，結(jié)果發(fā)現(xiàn)，低幅度的信號(hào)簇以張拉型裂紋為主，中高幅度的信號(hào)簇則為張剪復(fù)合破壞。本研究在此基礎(chǔ)上將該方法用于托盤用楊木膠合板的張拉型裂紋與剪切型裂紋的區(qū)分中，拉伸破壞占楊木膠合板托盤鋪板的60%以上，在材料破壞中起主導(dǎo)作用，因此在使用托盤用楊木膠合板時(shí)更應(yīng)關(guān)注其抗拉伸性能。

經(jīng)K-均值處理后的楊木膠合板AE各簇信號(hào)與損傷類型之間的對(duì)應(yīng)關(guān)系，這個(gè)結(jié)果與目前研究[16，28]得出的結(jié)果較為吻合，即低峰值頻率信號(hào)對(duì)應(yīng)基體開裂，中峰值頻率信號(hào)對(duì)應(yīng)脫膠分層，高峰值頻率信號(hào)對(duì)應(yīng)纖維斷裂。其中峰值頻率表征托盤用膠合板不同損傷模式效果最佳，與曹枝軍等[29]對(duì)熱障涂層三點(diǎn)彎曲實(shí)驗(yàn)表征失效模式的AE參數(shù)的選擇結(jié)果具有一致性。

本研究利用AE設(shè)備全程監(jiān)測楊木膠合板應(yīng)力損傷試驗(yàn)過程，基于AE技術(shù)和BP神經(jīng)網(wǎng)絡(luò)建立的損傷識(shí)別模型對(duì)于膠合板的應(yīng)力損傷檢測效果優(yōu)異，可為楊木膠合板托盤鋪板在實(shí)際使用過程中的損傷狀況提供建議與參考，也可用于托盤用楊木膠合板的實(shí)時(shí)監(jiān)測和養(yǎng)護(hù)，防止膠合板失效導(dǎo)致經(jīng)濟(jì)損傷。

但本研究仍存在以下局限性：

1）本研究環(huán)境溫度和膠合板的水分含量單一，未考慮溫度和水分含量是否會(huì)影響膠合板損傷演化過程及過程中AE參數(shù)的變化。

2）本研究是以膠合板三點(diǎn)彎曲加載實(shí)驗(yàn)?zāi)M實(shí)際應(yīng)力損傷產(chǎn)生過程，而膠合板在實(shí)際應(yīng)用中損傷失效模式情形復(fù)雜，之后應(yīng)針對(duì)實(shí)際應(yīng)用中應(yīng)力損傷、跌落損傷等不同方式損傷展開研究，并逐步嘗試將AE技術(shù)直接用于膠合板托盤或其他膠合板結(jié)構(gòu)的現(xiàn)場監(jiān)測。

3）本研究后期可結(jié)合先進(jìn)的數(shù)字圖像處理技術(shù)（DIC）、計(jì)算機(jī)斷層掃描（CT）和掃描電子顯微鏡技術(shù)（SEM）開展膠合板多尺度損傷檢測，將AE技術(shù)與微觀檢測技術(shù)結(jié)合起來，實(shí)現(xiàn)從表面到內(nèi)部監(jiān)測膠合板損傷演變過程。

參考文獻(xiàn)：

[1] 易錦，祝彬，賀國京，等.CFRP增強(qiáng)膠合木梁剛度退化試驗(yàn)研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2021，41（4）：165-172. YI J， ZHU B， HE G J， et al. Experimental study on stiffness degradation of CFRP reinforced glulam beams[J]. Journal of Central South University of Forestry Technology，2021，41（4）： 165-172.

[2] 易錦，楊帆，梁承昊，等.基于剛度退化的落葉松膠合木梁疲勞壽命預(yù)測[J].中南林業(yè)科技大學(xué)報(bào)，2022，42（6）：135-143，151. YI J， YANG F， LIANG C H， et al. Fatigue life prediction of larch glulam beams based on stiffness degradation[J]. Journal of Central South University of Forestry Technology，2022，42（6）： 135-143，151.

[3] 鞏桂芬，劉隨強(qiáng)，田洋洋.鋼釘數(shù)量對(duì)托盤彎曲力學(xué)性能的影響[J].包裝工程，2022，43（1）：141-147. GONG G F， LIU S Q， TIAN Y Y. Effects of the number of steel nails on bending mechanical properties of pallets[J]. Packaging Engineering，2022，43（1）：141-147.

[4] 高珊，周欣宇，高歌，等.基于壓電效應(yīng)的木質(zhì)托盤跌落損傷無損檢測[J].中南林業(yè)科技大學(xué)報(bào)，2022，42（12）：164-174. GAO S， ZHOU X Y， GAO G， et al. Nondestructive detection for falling damage of wooden pallet based on piezoelectric effect[J]. Journal of Central South University of Forestry Technology， 2022，42（12）：164-174.

[5] 國家市場監(jiān)督管理總局.GB/T 31148—2022，木質(zhì)平托盤-通用技術(shù)要求[S].北京：中國標(biāo)準(zhǔn)出版社，2022. State Administration for Market Regulation. GB/T 31148-2022， Wooden flat pallet： General technical requirement[S]. Beijing： China Standards Press，2022.

[6] NASIR V， AYANLEYE S， KAZEMIRAD S， et al. Acoustic emission monitoring of wood materials and timber structures： a critical review[J]. Construction and Building Materials，2022，350： 128877.

[7] BRUNNER A J， HOWALD M T， NIEMZ P. Acoustic emission rate behavior of laminated wood specimens under tensile loading[J]. Progress in Acoustic Emission，2006，24：104-110.

[8] 郭曉磊，郭勇，胡偉，等.木基復(fù)合材料破壞過程中聲發(fā)射特性的研究[J].南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2011，35（3）： 97-100. GUO X L， GUO Y， HU W， et al. Acoustic emission characterization of wood base composite materials fracture[J]. Journal of Nanjing Forestry University （Natural Sciences Edition）， 2011，35（3）：97-100.

[9] NIEMZ P， BRUNNER A J， WALTER O. Investigation of the mechanism of failure behaviour of wood based materials using acoustic emission analysis and image processing[J]. Wood Research，2009，54（2）：49-62.

[10] RITSCHEL F， ZHOU Y， BRUNNER A J， et al. Acoustic emission analysis of industrial plywood materials exposed to destructive tensile load[J]. Wood Science Technology，2014，48：611-631.

[11] 徐鋒，劉云飛.基于EMD-SVD的聲發(fā)射信號(hào)特征提取及分類方法[J].應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)，2014，22（6）：1238-1247. XU F， LIU Y F. Feature extraction and classification method of acoustic emission signal based on EMD-SVD[J]. Journal of Basic Science and Engineering，2014，22（6）：1238-1247.

[12] WANG T， WANG Z Q， YANG Y， et al. Acoustic emission characteristics of different bamboo and wood materials in bending failure process[J]. Journal of Renewable Materials， 2022，10（2）：527-540.

[13] CLERC G， SAUSE M G R， BRUNNER A J， et al. Fractography combined with unsupervised pattern recognition of acoustic emission signals for a better understanding of crack propagation in adhesively bonded wood[J]. Wood Science and Technology， 2019，53（6）：1235-1253.

[14] LAXMAN K C， ROSS A， AI L， et al. Determination of vehicle loads on bridges by acoustic emission and an improved ensemble artificial neural network[J]. Construction and Building Materials，2023，364：129844.

[15] LIMA R A A， DROBIAZKO M， BERNASCONI A， et al. On crack tip localisation in quasi-statically loaded， adhesively bonded double cantilever beam specimens by acoustic emission[J]. Theoretical and Applied Fracture Mechanics，2022，118：103286.

[16] HOSEINLAGHAB S， FARAHANI M， SAFARABADI M， et al. Tension-after-impact analysis and damage mechanism evaluation in laminated composites using AE monitoring[J]. Mechanical Systems and Signal Processing，2023，186：109844.

[17] ZHOU L， WANG P Z， ZHANG C J， et al. Multi-mode fusion BP neural network model with vibration and acoustic emission signals for process pipeline crack location[J]. Ocean Engineering，2022，264：112384.

[18] KARIMIAN S F， MODARRES M. Acoustic emission signal clustering in cfrp laminates using a new feature set based on waveform analysis and information entropy analysis[J]. Composite Structures，2021，268：113987.

[19] 國家市場監(jiān)督管理總局.GB/T 2934—2007，聯(lián)運(yùn)通用平托盤主要尺寸及公差[S].北京：中國標(biāo)準(zhǔn)出版社，2007. State Administration for Market Regulation. GB/T 2934-2007， General-purpose flat pallets for through transit of goods： Principal dimensions and tolerances[S]. Beijing： China Standards Press，2007.

[20] 邢碧瀅，龐燕.小徑木通用平托盤力學(xué)性能檢測實(shí)驗(yàn)研究[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2019，39（8）：131-138. XING B Y， PANG Y. Experimental research on mechanical properties detectionof small diameter wood universal flat pallet[J]. Journal of Central South University of Forestry Technology， 2019，39（8）：131-138.

[21] WANG S Q， FU L X， CHEN X H， et al. Characteristic analysis of cement grouted asphalt mixture cracking based on acoustic emission[J]. Construction and Building Materials，2023，375： 130927.

[22] 王婷.平面內(nèi)外加載下木質(zhì)材料滾動(dòng)剪切聲發(fā)射特性研究[D].南京：南京林業(yè)大學(xué)，2022. WANG T. Acoustic emission characteristics of rolling shear failure of wood materials under in-plane and out-plane shear loads[D]. Nanjing： Nanjing Forestry University，2022.

[23] 徐鋒，劉云飛.基于EMD的膠合板損傷聲發(fā)射信號(hào)特征提取及神經(jīng)網(wǎng)絡(luò)模式識(shí)別[J].振動(dòng)與沖擊，2012，31（15）：30-35. XU F， LIU Y F. Feature extraction and pattern recognition of acoustic emission signals generated from plywood damage based on EMD and neural network[J]. Journal of Vibration and Shock，2012，31（15）： 30-35.

[24] 趙奎，宋林，曾鵬，等.單軸壓縮條件下充填體—砂巖組合體破壞過程及前兆特征聲發(fā)射試驗(yàn)研究[J].金屬礦山， 2022（5）：70-76. ZHAO K， SONG L， ZENG P， et al. Experimental study on failure process and precursor characteristic acoustic emission of filling body-sandstone combination under uniaxial compression[J]. Metal Mine，2022（5）：70-76.

[25] 張美林，李俊萩，張晴暉，等.基于熵和波形特征的木材損傷斷裂過程聲發(fā)射信號(hào)處理[J].林業(yè)工程學(xué)報(bào)，2022，7（2）： 159-166.ZHANG M L， LI J Q， ZHANG Q H， et al. Acoustic emission signal processing and analysis of wood damage and fracture process based on entropy and waveform characteristics[J]. Journal of Forestry Engineering，2022，7（2）：159-166.

[26] 涂郡成，趙東，趙健.應(yīng)用AE和DIC原位監(jiān)測含橫紋裂紋木構(gòu)件的裂紋演化規(guī)律試驗(yàn)研究[J].北京林業(yè)大學(xué)學(xué)報(bào)， 2020，42（1）：142-148. TU J C， ZHAO D， ZHAO J. Experimental study on in situ monitoring of the evolution law of cracks in wood components with transverse cracks based on acoustic emission and image correlation[J]. Journal of Beijing Forestry University，2020，42（1）： 142-148.

[27] 楊洲凌，黃長林，王明華，等.櫸木橫紋三點(diǎn)彎曲受壓聲發(fā)射損傷模型研究[J].西北林學(xué)院學(xué)報(bào)，2022，37（4）：238-242，256. YANG Z L， HUANG C L， WANG M H， et al. Acoustic emission damage model of Zelkova schneideriana transverse grain compression three-point bending[J]. Journal of Northwest Forestry University，2022，37（4）：238-242，256.

[28] LI L， SWOLFS Y， STRAUMIT I， et al. Cluster analysis of acoustic emission signals for 2D and 3D woven carbon fiber/ epoxy composites[J]. Journal of Composite Materials，2016，50（14）： 1921-1935.

[29] 曹枝軍，袁建輝，蘇懷宇，等.基于原位聲發(fā)射信號(hào)的熱障涂層三點(diǎn)彎曲失效模式的機(jī)器學(xué)習(xí)[J].硅酸鹽學(xué)報(bào)，2023，51（2）： 373-388. CAO Z J， YUAN J H， SU H Y， et al. Failure mode of thermal barrier coatings based on acoustic emission under three-point bending via machine learning based on in-situ acoustic emission signals[J]. Journal of the Chinese Ceramic Society，2023，51（2）： 373-388.

[本文編校：羅 列]