期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
依据声发射事件信息熵对樟子松木材顺纹动态弹性模量的测算方法
1
作者 邓婷婷 丁锐 +2 位作者 王明华 李晓崧 李明 《东北林业大学学报》 CAS CSCD 北大核心 2022年第2期78-82,共5页
以气干状态无明显缺陷的樟子松(Pinus sylvestris var.mongolica Litv)实木为试材,制成轴向800 mm、弦向60 mm、径向30 mm的试件(含水率12.8%,密度0.42 g/cm^(3));应用三思纵横UTM5105电子万能力学试验机对试件进行三点弯曲试验,在试件... 以气干状态无明显缺陷的樟子松(Pinus sylvestris var.mongolica Litv)实木为试材,制成轴向800 mm、弦向60 mm、径向30 mm的试件(含水率12.8%,密度0.42 g/cm^(3));应用三思纵横UTM5105电子万能力学试验机对试件进行三点弯曲试验,在试件表面顺纹方向3个固定位置实时采集试件损伤过程的声发射(AE)信号;应用小波分析对原始声发射信号进行降噪并重构,确定声发射事件阈值,统计每秒的声发射事件数,再以6 s的声发射事件作为信息片段并计算其信息熵,依据每个信息片段信息熵辨识木材损伤过程;采用时差定位法确定声发射信号的顺纹传播速度,并依据木材各损伤阶段声发射信号顺纹传播的平均速度计算木材顺纹动态弹性模量。结果表明:当信息片段信息熵低于平均信息熵时说明木材进入了新的损伤阶段,试件损伤过程分为弹性阶段、塑性阶段、脆断阶段、后续断裂阶段;应用构建的依据声发射事件信息熵对木材顺纹动态弹性模量算法测试,试件损伤过程中,声发射信号顺纹传播平均速度为4915.8 m/s、相应的木材顺纹动态弹性模量为10.2 GPa。 展开更多
关键词 樟子松 动态弹性模量 声发射 信息熵
在线阅读 下载PDF
应用声发射技术和图像分形理论对樟子松木材裂纹演化特征的检测 被引量:5
2
作者 赖菲 王明华 +4 位作者 肖洒 丁锐 罗蕊寒 邓婷婷 李明 《东北林业大学学报》 CAS CSCD 北大核心 2022年第7期89-93,共5页
以气干状态的樟子松(Pinus sylvestris var.mongolica)木材为试验材料,制备尺寸为(长×宽×厚)300 mm×20 mm×20 mm的试验试件,应用UTM5105型电子万能力学试验机对试件进行三点弯曲加载试验;利用声发射(AE)采集平台和... 以气干状态的樟子松(Pinus sylvestris var.mongolica)木材为试验材料,制备尺寸为(长×宽×厚)300 mm×20 mm×20 mm的试验试件,应用UTM5105型电子万能力学试验机对试件进行三点弯曲加载试验;利用声发射(AE)采集平台和图像采集系统,实时采集樟子松木材在三点弯曲破坏过程中产生的声发射信号及裂纹演变图像;依据原始声发射波形统计声发射计数、声发射能量,并结合图像分析试件在加载过程中的微观损伤及其宏观演化特征;依据图像分形理论计算灰度图像及二值化图像盒计数维数,分析木材表面裂纹起裂和扩展规律;综合运用声发射技术和图像分形理论,构建樟子松木材裂纹演化特征的研究方法。结果表明:声发射计数、声发射能量均能准确地反映宏观破坏阶段;对于微观损伤,声发射计数表征的更为显著。结合声发射计数、声发射能量曲线变化,可以明确材料微观损伤及宏观破坏的起裂时刻。宏观裂纹产生后,灰度图像及二值图像的图像分形维数都大幅上升,且随着裂纹的扩展,裂纹图像的分形维数逐渐上升,尤其是灰度图的分形维数能够明显反映宏观断裂的扩展特性。声发射参数和图像分形维数相结合的方式,可为研究木材损伤断裂过程中裂纹演化行为的损伤机理提供参考。 展开更多
关键词 樟子松 木材 裂纹 声发射 图像分形
在线阅读 下载PDF
应用独立成分分析和小波分解对木材声发射信号的析取 被引量:1
3
作者 罗蕊寒 方赛银 +5 位作者 丁锐 赖菲 王明华 李晓崧 罗廷芳 李明 《东北林业大学学报》 CAS CSCD 北大核心 2022年第2期83-87,共5页
选取常温气干状态表面无缺陷的樟子松(Pinus sylvestris var.mongolica Litv.)实木为试验材料,制成长800 mm、宽60 mm、厚30 mm的试件。使用UTM5105型万能力学试验机对试件进行破坏性试验,以500 kHz的采样频率采集木材三点弯曲试验产生... 选取常温气干状态表面无缺陷的樟子松(Pinus sylvestris var.mongolica Litv.)实木为试验材料,制成长800 mm、宽60 mm、厚30 mm的试件。使用UTM5105型万能力学试验机对试件进行破坏性试验,以500 kHz的采样频率采集木材三点弯曲试验产生的声发射(AE)信号,截取试验后期幅值无显著变化的一段原始信号作为研究对象。采用依据负熵最大化的快速独立成分分析(FastICA)盲源分离算法将原始信号分离成噪声和声发射信号,再对分离后的声发射信号进行5层小波分解后重构声发射信号波形;对重构声发射信号进行频域分析,通过与已知声发射信号的频域特征比较,验证信号析取的有效性。结果表明:构建的依据独立成分分析和小波分解(FastICA-Wavelet)的声发射信号析取方法,能够从混有声发射信号的类噪声信号中分解出声发射信号,利用小波分解能够进一步降低非独立噪声成分的影响。 展开更多
关键词 樟子松 木材 声发射 信号析取
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部