基于原位声发射信号的热障涂层三点弯曲失效模式的机器学习
Failure Mode of Thermal Barrier Coatings Based on Acoustic Emission Under Three-Point Bending via Machine Learning Based on in-situ Acoustic Emission Signals作者机构:上海工程技术大学材料科学与工程学院上海201620 中国科学院上海硅酸盐研究所集成计算材料研究中心上海201899
出 版 物:《硅酸盐学报》 (Journal of The Chinese Ceramic Society)
年 卷 期:2023年第51卷第2期
页 面:373-388页
核心收录:
学科分类:080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0701[理学-数学] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金(51301192,51671208,91960107) NSAF联合基金(U1730139) 中国博士后科学基金(2021M691341) 上海市自然科学基金(19ZR1479600)。
主 题:热障涂层 三点弯曲 声发射 失效模式 反向传播神经网络
摘 要:由于热障涂层体系结构的复杂和服役环境的恶劣,极易导致涂层发生界面分层、宏观断裂和剥落失效。首先利用声发射技术实时监测了热障涂层在三点弯曲载荷下的失效过程,结合微观形貌特征、声发射参数分析、K-means聚类分析识别了热障涂层损伤失效模式。然后利用Fourier变换、小波包变换等分析了4种失效模式的波形特征,其中宏观断裂或剥落失效信号无明显频带,而基底变形、表面垂直裂纹、剪切型界面裂纹、张开型界面裂纹对应的频率分布范围分别在62.5~125.0 kHz、187.5~250.0 kHz、250.0~312.5 kHz、375.0~437.5 kHz。采用机器学习的方法对原位声发射信号进行了深度处理,提取小波能量系数作为机器学习反向传播神经网络的特征向量,结合收敛曲线、混淆矩阵、受试者工作特征曲线、F1值评价了该模型优劣性,实现了对于热障涂层失效模式的判别,为热障涂层失效预测和寿命评估提供参考价值。