文献分享：思想种子第46期—基于声发射（AE）技术的复合材料损伤失效分析

hdy

1.Determining tab material for tensile test of CFRP laminates with combined usage of digital image correlation and acoustic emission techniques

结合数字图像相关与声发射技术确定CFRP层合板拉伸试验的夹持端材料

碳纤维增强聚合物基复合材料（CFRP）因其各向异性特性，在精确测定拉伸强度时具有一定挑战。为此，作者开展了对CFRP层合板的拉伸试验，分别采用玻璃纤维与碳纤维增强材料作为试样的夹持端（Tab）材料，并结合数字图像相关（DIC）与声发射（AE）技术对试样的力学响应进行同步监测。通过DIC获得的全场应变图显示，量测段应变场的均匀性与夹持端材料之间存在关联。声发射分析揭示了三个不同的损伤阶段，其中第二阶段的持续时间明显受到夹持端材料类型的影响。最后，作者基于有限元方法并引入渐进损伤分析对实验过程进行了数值模拟，模拟结果与实验数据具有良好一致性。

不同拉伸载荷水平（60%、80%、100%极限拉伸强度）下的轴向应变场分布图

C30试样的面外位移分布图，显示其分层破坏特征

Tabrizi I E, Khan R M A, Massarwa E, et al. Determining tab material for tensile test of CFRP laminates with combined usage of digital image correlation and acoustic emission techniques[J]. Composites Part A: Applied Science and Manufacturing, 2019, 127: 105623.

2.Failure characterisation of CF/epoxy V-shape components using digital image correlation and acoustic emission analyses

基于数字图像相关与声发射分析的碳纤维/环氧V形构件失效特征研究

作者对由碳纤维增强环氧树脂（CF/epoxy）制成的V形结构件进行了静载与疲劳载荷工况下的实验研究，旨在评估其在构件拐角区域（V形）发生失效的机制。研究中，采用数字图像相关（DIC）与声发射（AE）技术对构件失效时间及位置进行识别，从而为失效表征提供更深入的理解。DIC用于试样侧表面，应变测量区域包括可见的厚度方向截面，能够准确捕捉位移与应变分布；而声发射分析则识别了损伤事件发生时的应力波源与具体位置。结果表明，与传统方法（载荷下降、横梁位移变化、应变片）相比，这些技术在识别损伤起始与失效时间方面更为灵敏，且在确定失效起点方面表现出良好效果，突显其在构件分析中的应用潜力。

V形构件静拉伸测试中的渐进损伤特征，由DIC获得的应变场反映如下过程：(a & e) 初始应变；(b & f) 裂纹前的应变分布；(c & g) 内部铺层在载荷下降时的裂纹与分层行为；(d & h) 裂纹的持续扩展过程

不同循环范围下，P = 60%载荷水平的V形疲劳压缩试样的应变与加载关系图

Murray B R, Kalteremidou K A, Carrella-Payan D, et al. Failure characterisation of CF/epoxy V-shape components using digital image correlation and acoustic emission analyses[J]. Composite Structures, 2020, 236: 111797.

3.On acoustic emission for failure investigation in CFRP: Pattern recognition and peak frequency analyses

碳纤维增强复合材料（CFRP）失效分析中的声发射研究：模式识别与峰值频率分析

作者利用声发射（AE）技术研究了碳纤维增强复合材料（CFRP）的失效行为。针对多种测试工况（如拉伸、紧凑拉伸CT、紧凑压缩CC、双悬臂梁DCB、四点弯曲4-ENF），采集并处理了相应的声发射信号。为识别声发射模式，作者采用了三种不同的模式识别算法：k-means、结合k-means的自组织映射（SOM）、以及竞争神经网络（CNN）。结果表明，SOM与k-means的结合在聚类分析中效果最佳，其结果能够有效对应各失效模式在峰值频率分布中的表现特征。最终，作者对各测试中的频率分布特征进行了详细分析，实现了对多种失效模式的分类识别。

T45、UDCT、CPCT和CPCC测试中典型试样的测试后C扫描图

各类测试中具有代表性的样本频率分析结果

Gutkin R, Green C J, Vangrattanachai S, et al. On acoustic emission for failure investigation in CFRP: Pattern recognition and peak frequency analyses[J]. Mechanical systems and signal processing, 2011, 25(4): 1393-1407.

4.Identification of damage mechanisms of carbon fiber reinforced silicon carbide composites under static loading using acoustic emission monitoring

基于声发射监测识别碳纤维增强碳化硅复合材料在静载作用下的损伤机制

作者通过声发射（AE）技术研究了碳纤维增强碳化硅（C/SiC）复合材料在静载压缩条件下的损伤机制。试样在压缩载荷下产生裂纹扩展，声发射信号被用于监测裂纹过程，同时引入数字图像相关（DIC）技术以增强对材料损伤行为的理解。为量化损伤程度，作者提取了主要的声发射特征参数与指标，并采用k-means聚类算法对信号进行分类分析，从而识别三种典型损伤模式及其特征参数。部分典型信号的时频能量特征则通过小波包变换进行分析。随后，作者通过统计累积AE事件数与能量随载荷变化趋势，描绘了损伤演化过程。此外，DIC结果表明，在靠近缺陷区域的结构位置应变水平显著高于其他区域，随着载荷升高，应变也随之上升，显示了该方法在局部损伤识别中的优势。综合而言，AE技术在C/SiC复合材料多阶段损伤演化识别中展现出有效性，为微观尺度下的损伤监测提供了一种可行手段。

陶瓷基复合材料在静载条件下的声发射测试过程

241秒时基于小波分析获得的时频能量图