蒸养再生骨料混凝土断裂声发射特征*

为研究蒸汽养护对再生骨料混凝土断裂过程损伤特征的影响,开展了再生骨料混凝土三点弯断裂试验,并采用声发射技术对损伤过程进行了监测分析。结果表明,蒸养降低了再生骨料混凝土断裂峰值荷载,断裂过程中声发射信号强度低于标准养护试件。声发射振铃计数、撞击数、b值等参数能够准确反映再生骨料混凝土断裂过程损伤演变规律。加载上升阶段,声发射信号活动性很低,试件内以微裂纹的形成为主,加载至荷载峰值,声发射振铃计数累计值增长呈现平缓阶段,混凝土内微裂缝的聚合会持续一段时间。峰值后荷载迅速降低阶段声发射信号最活跃,为裂缝迅速发展的过程。峰后荷载缓慢降低的过程,声发射信号活跃性降低,裂缝扩展至试件顶部区域,主要是宏观裂缝的开展,不再产生新的裂缝。     

高强混凝土单轴压缩声发射频率特征试验研究

为研究高强混凝土破裂前声发射信号的频率特征,对C60、C70、C80高强混凝土试件进行单轴压缩下的高、低频双通道声发射试验,得到破裂过程的力学参数和声发射参数,探求高强混凝土不同加载阶段声发射信号频率的分布特征。研究表明,三种高强混凝土在峰值应力前,高、低频通道声发射信号均集中在特定的频段内;临近峰值应力时,高、低频通道的声发射信号频率向低频段移动,同时优势频段内的频率趋于分散,这可作为预测高强混凝土破坏的前兆信息。     

钢筋混凝土动态粘结滑移声发射特性试验

为研究不同加载速率下钢筋混凝土粘结-滑移损伤破坏过程中的损伤特征,对钢筋混凝土粘结试件进行了0.01 mm/s～10 mm/s四种不同速度的拔出试验。采用实时动态的声发射监测技术对整个试验过程进行监测,对试验过程中的声发射信号进行声发射振幅-振铃计数特性及功率谱峰值频率特性分析。结果表明,随着滑移速率的增加,声发射振幅-振铃计数拟合曲线变缓,在0～50 k Hz和100～150 k Hz频率范围内的声发射事件比重分别减小和增加。损伤过程的声发射特性对钢筋混凝土粘结滑移损伤演化规律的研究具有重要的价值。     

BFRP筋混凝土粘结-滑移声发射特性研究*

为研究BFRP筋与混凝土粘结-滑移过程中的损伤特征,对BFRP筋混凝土粘结试件进行了加载速度为0.1 mm/s的拔出试验。采用声发射技术对损伤过程的特点进行了研究,并且针对破坏预警指标的有效表征进行了深入分析。结果表明,声发射能量、撞击数、振铃计数等参数能够真实反映BFRP筋混凝土粘结受载情况,并得到250 kHz～300 kHz频段的声发射事件百分比及声发射b值范围可以作为粘结应力达到峰值时的预警指标,为BFRP筋混凝土粘结-滑移破坏预警提供了依据。     

三点弯曲试验 条件下花岗岩声发射横纵波特征及损伤演化*

开展花岗岩三点弯曲试验,利用横纵波两种传感器接收花岗岩破坏过程的声发射信号,对比分析声发射横纵波信号的时频特征,在此基础上,基于声发射横纵波建立损伤变量,探讨花岗岩三点弯曲条件下损伤演化规律。研究结果表明：花岗岩破坏过程声发射横纵波事件率变化趋势较为相似,临近峰值载荷时均加速上升,破坏时达到峰值,但纵波事件率加速点早于横波事件率;声发射横纵波能率变化趋势一致,呈现峰前低水平稳定变化、峰后陡升到峰值的特征。声发射横纵波主频在临近峰值载荷逐渐形成主频条带,但其频率存在差异,纵波主频分布在0~10 kHz、30~50 kHz和100~110 kHz,而横波主频集中分布在0~10 kHz。相比纵波损伤变量,横波损伤变量能够刻画峰后损伤急速发展的过程,能较好地表征花岗岩三点弯曲作用下损伤变化规律。     

20~#钢不同晶粒度试件拉伸损伤试验的声发射特性研究

采用声发射技术,对四种不同晶粒度20~#钢试件的单轴拉伸过程进行监测,探究不同晶粒度对于金属材料损伤过程中声发射特性的影响。试验结果表明:声发射信号的幅值、能量和撞击计数等特征参数能够很好地描述材料不同晶粒度大小对材料拉伸过程中声发射特性的影响。细晶粒试件声发射信号数较少,强度较低,随着试件晶粒度的增大,声发射信号的强度和活性呈现明显增加的趋势。说明粗晶粒试件力学性能劣化严重,拉伸过程极易损伤,因此,试验结果也反映了金属材料微观损伤过程中声发射与材料内部的损伤演化密切相关。     

高温高压下金刚石单晶生长过程的声发射动态特征

采用声发射技术对高温高压下人造金刚石单晶的生长过程进行了动态检测。结合合成压块的断口形貌,对金刚石单晶生长过程对应的主要声发射参数进行了分析。结果表明,声发射信号的能量计数、振铃计数、幅度和上升时间等特征参数能客观反映金刚石单晶在高温高压下的动态生长规律,为研究金刚石单晶的生长机制提供了重要的实验依据。     

超高速撞击声发射信号在载人航天器加筋结构的传播特性实验研究

为研究超高速撞击声发射信号经过载人航天器加筋结构后的传播规律,分别在平板结构和加筋结构上模拟高速撞击实验,利用传感器阵列采集高速撞击产生的声发射信号。结合小波和傅里叶分析方法从板波模态、频域以及时域三方面分析加筋结构对声发射信号传播特性的影响,并研究成坑和穿孔损伤模式下声发射信号的传播规律。结果表明:加筋板中的信号高频部分比平板中高频部分能量少,筋体对信号高频部分有滤波效果。加筋结构受高速撞击产生穿孔损伤时,S0模态声波的能量增多。研究成果可为载人航天器结构的高速撞击感知与定位技术提供有利参考。      

304不锈钢点蚀声发射监测研究

为研究304不锈钢在高于常温条件下的点蚀声发射特性,对70℃下6%氯化铁溶液中304不锈钢点蚀过程进行了声发射监测。采用参数和波形分析相结合的方法处理信号,并通过点蚀形貌观察进行验证。结果表明声发射撞击和能量随时间逐渐增加,在某一时段达到峰值,随后下降并维持平稳状态。信号波形主要由幅度、能量较大的低频段(<100kHz)弯曲波和幅度、能量较小的高频段(>100 kHz)扩展波构成。研究结果对304不锈钢高于常温条件下声发射点蚀监测具有一定意义。      

透明液体中激光致声特性

研究透明液体的特性阻抗、激光声的传播距离和激光焦斑半径对激光声信号的影响.通过实验和数值计算发现,在一定范围内,随着特性阻抗的增加,声波的峰值声压、主频和声能也相应增加;随着激光声传播距离的增加,激光声的主频从急速下降变为相对稳定;在保证光击穿的条件下,选择较大的激光焦斑半径,可提高光声能量转换效率.     

动态应变场下相移光栅光谱特性及实验研究

光纤传感技术以其抗电磁干扰、高精度、易组网等优势在航空航天及地下工程领域的声发射传感中得到了广泛应用。针对光纤光栅声发射监测系统,目前研究侧重于均匀光纤光栅的动态应变场传感特性,基于相移光纤光栅(phase-shifted fiber Bragg grating, PS-FBG)这一新型光纤光栅器件,重点研究声发射激励产生的动态应变场下相移光纤光栅的光谱特性变化规律。首先利用传输矩阵理论,建立PS-FBG的动态应变传感模型,利用指数衰减的余弦函数模拟声发射激励产生的动态应变场。通过数值仿真,详细研究PS-FBG光谱对动态应变场幅度、采样时刻、衰减系数、声发射频率及波长的响应特性。结果表明,PS-FBG反射谱形状随声发射频率与采样时刻呈现周期性变化,具体表现为透射窗口所对波长产生周期性漂移,而带宽变化不明显;随着动态应变场幅值越大,PS-FBG反射谱的谐振峰向两侧逐渐增多,透射窗口所对波长漂移很小;一定范围内衰减系数对PS-FBG光谱影响较大;而当声发射波长为0.1～2 L时,对PS-FBG光谱产生较大影响,此时光谱畸变较严重,在此范围外,光谱形状不发生明显变化。最后,搭建连续信号激励下的动态应变场实验平台,分析不同幅度a与频率f变化下PS-FBG的光谱特性,实验结果与仿真结果较好吻合。表明PS-FBG光谱对不同声发射激励产生的动态应变场响应不同,呈现一定规律性,该研究为基于相移光纤光栅传感技术的声发射传感提供理论指导。     

光纤Sagnac传感器对材料频率特性的实验研究

不同的材料由于物理性质不同,在断裂时会产生不尽相同的声发射信号。光纤声发射传感器以其频带宽,抗电磁干扰,灵敏度高,体积小等优点在声发射（AE）信号探测方面有着广泛的应用前景。本文采用光纤Sangac传感器,对不同材料断裂过程的声发射信号进行检测,通过快速傅立叶变换分析其频谱。实验得知同一种材料断裂的声发射信号具有相同的...     

Q235钢板局部腐蚀声发射信号特性研究

为解决腐蚀声发射源特征提取和识别的难题,直接从理论上证明了腐蚀声发射监测的有效性并推导出声发射信号特征。气泡破裂声发射信号幅值近似与气泡半径平方和液位高度成正比,频率与气泡半径成反比;钢板及其腐蚀产物开裂声发射信号幅值与开裂位置局部应力强度成正比,频率与裂纹扩展速度成正比,与裂纹扩展距离成反比。用低频和高频两套声发射系统,同时长时间监测Q235钢板在10%FeCl₃·6H₂O、10%FeCl₃·6H₂O加0.01 mol/L HCl混合液、5%CuSO₄·5H₂O溶液中的腐蚀情况,辅以监测钢板及钢板腐蚀产物开裂作为验证实验。通过对声发射信号的参数及谱分析,得出不同声发射源可以通过撞击数及功率谱在频域的分布来有效区分。实验结果与理论分析相吻合,研究结果对腐蚀声发射监测技术具有重要指导意义。      

Al2O3陶瓷涂层尖端受载下的声发射信号参量分析

为了考察再制造零件涂层结合强度检测仪评价涂层结合强度的可行性,以Al₂O₃陶瓷涂层为研究对象,在涂层表面进行压入试验,提取并分析了试验过程中声发射信号中的幅度、计数、能量与有效值电压(RMS)特性参数的时间分布曲线,读取了声发射信号突变点的波形,观测了压痕处涂层截面微观形貌。结果表明,声发射信号出现明显突变时,涂层界面确实产生了开裂失效。采用此检测设备可以有效诱导、界定涂层界面的断裂失效,声发射信号可以作为涂层开裂的临界判据,其中幅度的时间分布更能体现出Al₂O₃陶瓷涂层在压入过程中的裂纹萌生至涂层断裂的扩展过程;能量值对涂层的失效更为敏感,最为适合评价涂层的结合强度。      

低浓度吡虫啉的超材料太赫兹光谱检测研究

农产品质量安全是社会广泛关注的重大民生问题。近年来,农产品生产过程中农药的广泛使用和滥用会导致农药残留,对人类健康和环境造成潜在危害。吡虫啉是一种硝基亚甲基类新烟碱内吸杀虫剂,因其具有广谱、高效和低毒的特性已广泛用于农业生产中,但其过量残留也给人类的健康带来了威胁。首先对超材料结构的透射谱进行了分析,对共振频率的形成原因进行了解释;其次分别在超材料结构和二氧化硅基底上涂覆了500 mg·L-1的吡虫啉溶液并进行了测量,排除了二氧化硅基底的影响;接着制备了3个梯度15个浓度的吡虫啉溶液,分别为：100~500 mg·L-1（梯度为100 mg·L-1）、10~50 mg·L-1（梯度为10 mg·L-1）、1~5 mg·L-1（梯度为1 mg·L-1）;测量了喷涂在超材料结构上的吡虫啉薄膜的太赫兹时域光谱,根据太赫兹透射谱峰值频率红移量的不同实现了对不同溶液浓度的鉴别,建立了峰值频率红移量和吡虫啉浓度的函数关系。实验结果表明,借助超材料的调制特性,太赫兹光谱法可以检测到浓度低至1 mg·L-1的吡虫啉薄膜。将实验测得的不同浓度吡虫啉溶液的折射率,代入CST软件进行仿真验证,结果说明不同浓度的吡虫啉的透射曲线具有不同程度的红移,且红移量随着浓度的增大而增加。实验和仿真结果表明,超材料对太赫兹光谱透射峰值频率的调制可用于低浓度吡虫啉含量的太赫兹时域光谱检测。此研究为食品基质中农药残留的检测提供了一种新方法。     

神光-Ⅲ主机装置MJ级能源系统研制现状

介绍了神光-Ⅲ主机装置能源系统的功能要求、组成结构和设计方法,以及关键单元器件的功能要求和设计方法。该系统是片状放大器系统的重要组成部分,由6个束组共108套最大储能为1.2 MJ的能源模块组成,总储能达到110 MJ(最大130 MJ)。每套模块产生一个脉宽610μs(10%峰值)的电流脉冲,驱动10组、共20支氙灯,为片状放大器提供泵浦能量,峰值电流为0.25 MA。目前投入试运行的36套能源模块的各项电气性能指标满足设计要求,能确保片状放大器小信号增益系数达到5.0%/cm,为片状放大器提供足够的泵浦能量,满足激光器的能量需求。     

液体中激光等离子体声波特性研究

采用压电陶瓷水听器对液体中激光等离子体声波进行了实验研究.利用小波变换对不同激光能量、不同作用金属物质、不同激光波长下检测的声波信号进行了频谱特性分析.结果表明:液体中激光等离子体声波的频率分布范围为0~150 kHz,激光能量、金属物质与激光波长的改变对声波频率范围并没有太大的影响|小波分解后,低频a6级信号的能量占总能量的绝大部分,所占比例随着金属离化能的增加而减少|信号的主要频率成分为0~10 kHz,集中在a6级,峰值频率为5 kHz.     

工程陶瓷崩碎损伤的声发射逾渗特征

为研究工程陶瓷崩碎损伤演化过程中的逾渗行为,揭示其损伤机理,以氧化铝陶瓷为研究对象,构建了工程陶瓷崩碎损伤实验系统,建立了基于声发射的逾渗理论模型。通过对崩碎损伤过程中声发射信号分析可得:声发射计数率/能量释放率能实时反映陶瓷崩碎损伤过程中裂纹激活率的逾渗行为;基于声发射累积计数/累积能量的破坏比率反映了损伤累积对材料内部性能的影响,可从损伤积累的角度描述陶瓷崩碎损伤过程中的逾渗行为;声发射持续时间反映了陶瓷崩碎过程中逾渗行为的团簇变化规律。研究结果表明:基于声发射的逾渗理论模型可较好的描述陶瓷崩碎损伤演化过程的逾渗特征。      

Using Convolutional Neural Network and a Single Heartbeat for ECG Biometric Recognition

The electrocardiogram (ECG) signal has become a popular biometric modality due to characteristics that make it suitable for developing reliable authentication systems. However, the long segment of signal required for recognition is still one of the limitations of existing ECG biometric recognition methods and affects its acceptability as a biometric modality. This paper investigates how a short segment of an ECG signal can be effectively used for biometric recognition, using deep-learning techniques. A small convolutional neural network (CNN) is designed to achieve better generalization capability by entropy enhancement of a short segment of a heartbeat signal. Additionally, it investigates how various blind and feature-dependent segments with different lengths affect the performance of the recognition system. Experiments were carried out on two databases for performance evaluation that included single and multisession records. In addition, a comparison was made between the performance of the proposed classifier and four well-known CNN models: GoogLeNet, ResNet, MobileNet and EfficientNet. Using a time–frequency domain representation of a short segment of an ECG signal around the R-peak, the proposed model achieved an accuracy of 99.90% for PTB, 98.20% for the ECG-ID mixed-session, and 94.18% for ECG-ID multisession datasets. Using the preprinted ResNet, we obtained 97.28% accuracy for 0.5-second segments around the R-peaks for ECG-ID multisession datasets, outperforming existing methods. It was found that the time–frequency domain representation of a short segment of an ECG signal can be feasible for biometric recognition by achieving better accuracy and acceptability of this modality.