РАЗРАБОТКА МЕТОДОВ ОЦЕНКИ И ДИАГНОСТИКИ СТРУКТУРНОЙ УСТОЙЧИВОСТИ МАТЕРИАЛОВ ПРИ НИЗКИХ ТЕМПЕРАТУРАХ С ИСПОЛЬЗОВАНИЕМ ПОДХОДОВ НЕЛИНЕЙНОЙ ДИНАМИКИ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Кабалдин Ю.Г.¹, Шатагин Д.А.², Сидоренков Д.А.³, Головин А.А.⁴, Аносов М.С.⁵

¹ORCID: 0000-0003-4300-6659, доктор технических наук, профессор, ²аспирант,

³аспирант, ⁴аспирант, ⁵ORCID: 0000-0003-4300-6659, аспирант,

Нижегородский государственный технический университет им. Р.Е. Алексеева

Работа выполнена в рамках гранта РНФ: «Разработка программного и аппаратного обеспечения для системы интеллектуальной диагностики состояния транспортных средств и конструкций  в условиях Арктики при удаленном доступе»

РАЗРАБОТКА МЕТОДОВ ОЦЕНКИ И ДИАГНОСТИКИ СТРУКТУРНОЙ УСТОЙЧИВОСТИ МАТЕРИАЛОВ ПРИ НИЗКИХ ТЕМПЕРАТУРАХ С ИСПОЛЬЗОВАНИЕМ ПОДХОДОВ НЕЛИНЕЙНОЙ ДИНАМИКИ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Аннотация

Статья посвящена изучению процесса разрушения ряда групп материалов в условиях низких температур. С использованием нейронных сетей проведена классификация сигналов акустической эмиссии при растяжении ряда материалов при низких температурах. Показано, что при низких температурах предел текучести и предел прочности возрастают, а относительное удлинение снижается. Проведен анализ сигналов как временных рядов с использованием вейвлет анализа с построением скалограмм так и рассчитана их фрактальная размерность и информационная энтропия.

Ключевые слова: акустическая эмиссия, низкие температуры, вейвлет анализ, фрактальная размерность.

Kabaldin Yu.G.¹, Shatagin D.A.², Sidorenkov D.A³, Golovin A.A.⁴, Anosov M.S.⁵¹

ORCID: 0000-0003-4300-6659, PhD in Engineering, professor, ²postgraduate student, ³postgraduate student, ⁴postgraduate student, ⁵ORCID: 0000-0003-4300-6659, postgraduate student,Nizhny Novgorod State Technical University n.a. R.E. Alekseev

The work was performed as part of the grant RNF: "Development of hardware and software for intelligent diagnostics system of the state of the vehicles and structures  in the Arctic for remote access"

DEVELOPMENT OF METHODS FOR ASSESSMENT AND DIAGNOSTICS STRUCTURAL STABILITY OF MATERIALS AT LOW TEMPERATURES USING NONLINEAR DYNAMICS APPROACHES AND ARTIFICIAL INTELLIGENCE

Abstract

The paper studies the process of destruction of materials groups at low temperatures. Using neural network acoustic emission signals held in tension classification of materials at low temperatures. It is shown that at low temperatures the yield stress and the tensile strength increases and the elongation decreases. The analysis of the signals as a time series using wavelet analysis to the construction scalograms and calculated their fractal dimension and information entropy.

Keywords: acoustic emission, low temperature, wavelet analysis, fractal dimension.

Для России ускоренное освоение крайнего Севера и Арктики, включая побережье и шельф арктических морей, является важным условием повышения экономического потенциала [1-4]. Прежде всего, оно означает развитие базовых отраслей промышленности (горнодобывающей, нефтяной и газовой) с созданием соответствующей инфраструктуры, транспорта, связи. В связи с этим задача обеспечения безопасности технических объектов в регионах холодного климата получает новое звучание.

В свою очередь, для обеспечения безопасности функционирования технических объектов в условиях севера необходимо провести правильный выбор материалов, из которых изготавливается технический объект и его отдельные основные подсистемы (узлы), а также в целом обеспечить непрерывное и безопасное функционирование технических объектов. В этой связи, актуальным вопросом в настоящее время является изучение хладноломкости  материалов, из которых изготавливаются отдельные детали ответственных узлов транспортных средств.

Для изучения процесса разрушения материалов при низких температурах, нами были поставлены следующие цели:

- разработать методы оценки разрушения и устойчивости структурного состояния металлических материалов;

- исследовать механизмы потери  структурной устойчивости  дефектной подсистемы при внешних нагрузках при различных видах нагружения (статического и усталостного);

Для решения поставленной цели были поставлены задачи:

- разработать аппаратное и программное обеспечение для исследования структурных перестроек в металлических материалах при их деформации в частности в условиях низких температур, для фрактального анализа сигналов акустической эмиссии (АЭ);

- изучить возможность использования фрактальных и информационных характеристик сигналов АЭ для оценки разрушения и устойчивости структурного состояния металлических материалов;

- исследовать структурные изменения в металлических материалах при различных видах нагружения (растяжении и усталостных нагрузках);

- разработать механизмы, структурных изменений в материалах при деформации и обосновать выбор критериев оценки устойчивости структурного состояния на различных масштабных уровнях в условиях низких температур.

При нагружении конструкции происходит динамическая локальная перестройка структуры материала, вызывающая испускания акустических волн1 [5]. Данные упругие волны образуют сигнал акустической эмиссии (АЭ). Сигнал акустической эмиссии представляет собой последовательность импульсов различной энергии, длины, амплитуды и частоты. Пример сигнала  АЭ при растяжении образца из стали 45 показан на рис.1.  Параметры импульсов, их количество, форма и частота появления несут информацию о состоянии материала.

Рис. 1 – Типичная осциллограмма сигнала АЭ

Для обработки сигналов АЭ было разработано ПО позволяющее выявлять и классифицировать импульсы в сигнале АЭ с использованием подходов нелинейной динамики и искусственного интеллекта, и прогнозировать структурную устойчивости материалов. Схема ПО представлена на рисунке 2. Структура ПО представляет собой последовательное соединенье девяти блоков выполняющих различные задачи.

Рис. 2 – Принципиальная схема ПО выявления и классификация импульсов в сигнале АЭ с использованием подходов нелинейной динамики и искусственного интеллекта, при диагностики структурной устойчивости материалов

При регистрации сигнала АЭ используются датчики АЭ трех типов: Резонансные, низкочастотные и широкополосные. При использовании широкополосных датчиков, необходимо убирать низкочастотные и высоко частотные полосы. Полоса пропускания широкополосных датчиков АЭ, как правило 100 – 800 кГц. Низкочастотные полосы несут в себе шумы от механизмов, а высокочастотные присутствуют в работе регистрирующих приборов. В разработанном ПО модуль 1 представляет собой цифровой фильтр ограничивающий полосу пропускания 100 – 800 кГц.

При обработке сигналов АЭ всегда присутствует шум во всем диапазоне измерений, который сильно мешает правильному определению характеристик импульсов. Известным подходом в удалении шума, является использование порога ограничения. Т.к. уровень шума примерно одинаковый, можно рассматривать сигнал выше шумового порога. Однако, такой подход может убрать полезную составляющую из сигнала, также некоторые импульсы могут находится ниже шумового порога. В разработанном ПО для подавления шума используется Wavelet фильтр (рисунок 3).

Рис. 3 – Импульсы сигнала АЭ с применением Wavelet фильтра и без

Wavelet фильтры декомпозируют сигнал на полезную и шумовую составляющую на разных уровнях. Количество уровней декомпозиции выбирается в зависимости от степени зашумленности сигнала. Большое количество уровней также может убрать и полезную составляющую из сигнала, поэтому количество уровней задается экспериментально. Шумовая и полезная составляющая сигнала определяется по уровню энтропии полученных функций. Декомпозиция продолжается до удовлетворительного значения энтропии.

Для определения границ и формы импульсов используется огибающая сигнала. Огибающая сигнала строится с применением преобразования Гильберта и последующим сглаживанием при помощи средней скользящей функции. Это позволяет получить более четкие границы и очертания импульса. Данные операции выполняются в модулях 3 и 4 ПО. Примеры импульсов и их огибающие представлены на рисунке 4.

Рис. 4 – Импульс сигнала АЭ и его огибающая

После выделения всех импульсов сигнала АЭ , в модуле 5 происходит определение их параметров. Рассчитываются такие параметры, как время зарождения импульса (Т), максимальная амплитуда (А), продолжительность (τ), энергия (P), энтропия (Е) и фрактальная размерность (D). Дополнительно каждому импульсу строится аттрактор и wavelet скалограмма, для более детального анализа. Полученные характеристики импульсов и сами импульсы записываются в специальную базу данных структурной устойчивости материалов. Пример таблицы БД показан на рисунке 5.

Таблица 1 – Пример таблицы БД

№	Т (мс)	А (мВ)	Τ (мс)	P (Вт)	Е (Бит)	D	Импульс
1	85	0,4	100	0,15	0,124	2,3	…

Рис. 5 – Пример таблицы БД структурной устойчивости материалов

Информация из полученной БД используется для обучения искусственной нейронной сети для задачи кластеризации. Обучение происходит без  учителя с применением самоорганизующихся карт Кохонена. Количество классов импульсов можно варьировать. Минимальное количество классов 2 (рисунок 6). На вход нейронной сети подается массив импульсов в виде набора временных рядов. В процессе обучения нейронная сеть функционирует таким образом, чтобы схожие импульсы имели близкие значения весовых коэффициентов, тем самым формируя карту признаков. Импульсы с близкими признаками формируют классы, которые выдает на выходе нейронная сеть. В таком случае сеть распознает импульсы образованные в результате микропластической деформации материала и в результате страгивания и развития трещин.

Импульсы для кластеризации	Слой Кохонена	Полученные классы импульсов

Рис. 6 – Обучение нейронной сети для задачи кластеризации

Полученные классы импульсов характеризуют определенные физико-механические процессы протекающие в ходе разрушения материала. Об интенсивности или об уровне происходящих физико-механических процессов можно судить по параметрам конкретных импульсов. При различных видах нагружения, перед процессом окончательного разрушения, могут доминировать различные классы импульсов, что можно использовать в качестве диагностирующего параметра. При диагностики образцов на растяжение, в качестве диагностирующего параметра удобно использовать параметр накопленной энтропии или суммарной энергии всех импульсов.

При растяжении в режиме реального времени выделяются импульсы из сигнала АЭ и рассчитывается их энергии и энтропия. Затем высчитывается суммарное значение энергии и энтропии для выявления предельного порога после которого следует разрушение (рисунок 7).

Рис. 7 – Прогнозирование структурной устойчивости материала на основе показателей суммарной энергии и накопленной энтропии (t = 20⁰С)

Особой интерес при изучении классов импульсов, представляет оценка фрактальной размерности аттракторов. Это позволяет оценить динамику степеней свободы динамической системе, что позволяет судить о динамики на различных уровнях. На рисунке 8 представлен график зависимости фрактальной размерности огибающей импульсов от последовательности импульсов.

Рис. 8 – Изменение фрактальной размерности огибающей импульсов

Из графика видно, что динамика не постоянна, и в процессе разрушения материала присутствуют сигналы с разной степенью хаотичности.

На рисунке 9 представлены результаты анализа АЭ, полученные при температуре Т= -30^оС, где показано изменение как информационной энтропии, так и фрактальной размерности. Следует отметить, что суммарная энергия импульсов при -30⁰С меньше, чем при +20 (0,435 против 1,46). Энтропия импульсов также меньше, чем при +20⁰С (17,419 против 37,98). Меньше также и число импульсов во всем сигнале (40 против 120). Кроме того, образец растянулся на 10 мм больше против 15 мм при +20⁰С.  Предел текучести наступает раньше на 1 мм против 3 мм при + 20⁰С.

Структурообразование - это сверхкритическое явление [6]. Поэтому, чтобы в системе началось формирование структуры, отдача энтропии должна достичь и превысить некоторое критическое значение. Из рисунка 7 и  9  следует, что на площадке текучести формируется новое структурное состояние. Затем наблюдается колебательный характер изменений структуры в процессе дальнейшего нагружения. Перед разрушением образца вновь происходит резкий рост S_u,, что  связано с образованием критических структур и сменой механизма (масштаба) деформации вследствие ее локализации, вызывающих его разрушение.

Совместный анализ зависимостей «фрактальная размерность», истинная деформация, истинное напряжение показал, что началу каждого этапа роста фрактальной размерности соответствует  удвоение удельной энергии, подведенной к образцу в процессе деформации на основе показателей суммарной энергии и накопленной энтропии при температуре -30⁰С.

Рис. 9 – Прогнозирование структурной устойчивости материала на основе показателей суммарной энергии и накопленной энтропии (t = – 30⁰С)

Анализ изменения (колебаний) информационной S_и энтропии (рис. 7,9)

указывает на то, что процесс разрушения образца - есть последовательные акты самоорганизации при dS —> mах, которые в зависимости Р - τ (Р – усилие, τ -время)  проявляются как плато с последующим саморазрушением дефектных структур. Мягкая потеря устойчивости структурного состояния (рис. 1) на стадии текучести - есть результат снижения локальной сдвиговой неустойчивости  кристалла, а образование шейки перед разрушением - потеря глобальной сдвиговой устойчивости, когда формирование хаотической (вихревой) структуры происходит по всей площади образца. Последнее согласуется с результатами исследований регистрации информационной  энтропии  S_и, которая достигает минимума при разрушении образца (рис. 7,9). Поэтому последний этап разрушения следует классифицировать  катастрофой [7].

Описанный выше сценарий (рис. 7,9) потери устойчивости структурного состояния и разрушения образца, по-видимому, имеет определенную закономерность. Дело в том, что развитие любого живого организма есть последовательная стадия автономных актов самоорганизации и бифуркации. Благодаря этому, развивающаяся структура характеризуется возможностью перейти в одно из очень большого числа допустимых равноправных состояний. В связи с этим, эволюционизирующая живая система всегда проявляет только определенную динамику. Однако для сохранения самоорганизованной структуры, живой организм должен получать возможность информационного развития, т.е. совершенствования своей структуры. Феноменологически этот процесс можно охарактеризовать как получение дополнительной информации из внешней среды, либо обмена с ней.

Как видно на рисунках 7 и 9, при растяжении образца стадия деформационного упрочнения сопровождается периодическим изменением (колебанием) S_и информационной энтропии сигнала АЭ. Разрушение образца происходило при резком росте энтропии. Это свидетельствует о периодическом изменении структурного состояния материала при деформации. В этой связи, S_и, следует использовать  для оценки механизма потери структурной устойчивости твердых тел при деформации.

Существует ряд механизмов (сценариев) развития динамического хао- са в системах, приводящих к ее разрушению. Согласно Фейгенбауму [8], универсальным сценарием развития хаоса в динамических системах,  является удвоение периода. В работе [9]  экспериментально показано, что при растяжении образца на стадии предразрушения изменение сигнала АЭ происходит по удвоенному периоду. В результате движение структурных элементов (блоков, зерен) будет хаотическим (вихревым). Следовательно происходит изменение как масштаба деформации, так и механизма деформации.

Список литературы / References

1. ЛарионовВ.П., Ковальчук В.А. Хладостойкость и износ деталей машин и сварных соединений. Новосибирск: Наука, Сибирское отделение, 1976.-205 с.
2. ЛевинА.И., Большаков A.M., Прохоров В.А. Риск анализ эксплуатации газопроводов в условиях низких температур // Сб. тр. конф. «Прочность материалов и конструкций при низких температурах». Санкт-Петербург: СПбГУ - НиПТ, 2000. 14-16 c.
3. Материаловедение: учебник для вузов / Б.Н. Арзамасов, В.И. Макаров, Г.Г. Мухин и др.; под общ ред. Б.Н. Арзамасова, Г.Г. Мухина. – 5-е изд., стереотип. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2003. – 648 с.: ил.
4. Ю.П.Солнцев, Б.С.Ермаков, О.И.Слепцов. Материалы для низких и криогенных температур: Энциклопедический справочник. – СПб.: ХИМИЗДАТ, 2008. – 768 с.: ил.
5. Семашко Н.А., Шпорт В.И., Марьин Б.Н. и др. Акустическая эмиссия в экспериментальном материаловедении, М: Машиностроение, 2002. - 240 с.
6. Николис Г., Пригожин И. Структурообразование в неравновесных системах. М.: Мир, 1979. - 512 с.
7. Арнольд А.В. Теория катастроф, теория хаоса и их приложения / Сб. «Синергетика и психология. Тексты». - М.: Москва, 1987. — с. 230-251.
8. Фейгенбаум М. Универсальность в поведении нелинейных систем /Успехи физ. наук, 1983. Т. 141, № 2. - с. 343.
9. Трефилов В.И., Картузов В.В., Минаков Н.В. Связь фрактальной размерности поверхности разрушения с механическими свойствами / Сб.ФИПС-99. Фракталы и прикладная синергетика. Москва. 1999. с . 10-11.

Список литературы на английском языке / References in English

1. Larionov V.P., Koval'chuk V.A. Hladostojkost' i iznos detalej mashin i svarnyh soedinenij [Cold resistance and wear of machine parts and welded joints]. Novosibirsk: Nauka, Sibirskoe otdelenie, 1976.-205 p. [in Russian]
2. Levin A.I., Bol'shakov A.M., Prohorov V.A. Risk analiz jekspluatacii gazoprovodov v uslovijah nizkih temperature [Risk the analysis of operation of gas pipelines in the conditions of low temperatures] // Sb. tr. konf. «Prochnost' materialov i konstrukcij pri nizkih temperaturah». Sankt-Peterburg: SPbGU - NiPT, 2000. 14-16 p. [in Russian]
3. Materialovedenie: uchebnik dlja vuzov [Materials science: the textbook for high schools] / B.N. Arzamasov, V.I. Makarov, G.G. Muhin and others.; edited by B.N. Arzamasova, G.G. Muhina. – 5-e izd., stereotip. – M.: Izd-vo MGTU im. N.Je. Baumana, 2003. – 648 p.: il. [in Russian]
4. Ju.P.Solncev, B.S.Ermakov, O.I.Slepcov. Materialy dlja nizkih i kriogennyh temperatur: Jenciklopedicheskij spravochnik. [Materials for low and cryogenic temperatures: Encyclopedic Reference] – SPb.: HIMIZDAT, 2008. – 768 p.: il. [in Russian]
5. Semashko N.A., Shport V.I., Mar'in B.N. and others. Akusticheskaja jemissija v jeksperimental'nom materialovedenii [Acoustic emission in experimental materials science], M: Mashinostroenie, 2002. - 240 p. [in Russian]
6. Nikolis G., Prigozhin I. Strukturoobrazovanie v neravnovesnyh sistemah [Pattern formation in nonequilibrium systems]. M.: Mir, 1979. - 512 p. [in Russian]
7. Arnol'd A.V. Teorija katastrof, teorija haosa i ih prilozhenija [Catastrophe theory, chaos theory, and their applications]/Sb. «Sinergetika i psihologija. Teksty». - M.: Moskva, 1987. — p. 230-251. [in Russian]
8. Fejgenbaum M. Universal'nost' v povedenii nelinejnyh system [Versatility in the behavior of nonlinear systems] / Uspehi fiz. nauk, 1983. V. 141, № 2. - s. 343. [in Russian]
9. Trefilov V.I., Kartuzov V.V., Minakov N.V. Svjaz' fraktal'noj razmernosti poverhnosti razrushenija s mehanicheskimi svojstvami [Contact fractal dimension of the fracture surface with mechanical properties] / Sb.FIPS-99. Fraktaly i prikladnaja sinergetika. Moskva. 1999. p. 10-11. [in Russian]