桂林理工大学

详情

铝合金厚板应力超声波检测技术研究

申报人：吴昱辉 申报日期：2025-01-13

基本情况

2025年批次
铝合金厚板应力超声波检测技术研究 学生申报
创新训练项目
工学
电子信息类
学生来源于教师科研项目选题
二年期
本项目聚焦于研制针对铝合金厚板内部残余应力的测量技术，鉴于铝合金材料在制造、处理及加工环节中不可避免地产生残余应力，这一应力状态显著影响着金属结构件的多项关键性能。尽管当前存在多样化的残余应力检测技术，但每种方法要求各异，难以通过单一手段全面、精确且迅速地评估材料的残余应力状况。针对厚板内部残余应力的检测研究较为稀少，鉴于此，本项目旨在通过深入对各类残余应力检测技术进行分析，并开发厚板内部应力检测技术，提升其检测精度与准确性，细致分析各影响因素对检测结果造成的误差，以优化检测方法的应用效能。服务广西铝产业创新发展。
2024年大创项目交通安全新型防闯入系统负责人
主持完成国家级项目1项，省部级项目8项，目前在研广西区科技重大专项1项，军民融合重点研发项目1项，桂林市重点研发项目2项。近3年以第一作者或通讯作者发表论文10篇，其中SCI论文5篇，中文核心期刊论文5篇。以第一发明人身份获得已授权的发明专利2项，计算机软件著作权15项。
 本项目依托广西科技厅重大专项项目：铝合金厚板工业化生产残余应力无损检测技术与应用研究(桂科AA23023027)，是项目研究内容之一。
校级

项目成员

序号 学生 所属学院 专业 年级 项目中的分工 成员类型
吴昱辉 物理与电子信息工程学院 电子信息工程（应用） 2022 收集资料
何钊锋 物理与电子信息工程学院 电子信息工程（应用） 2022 调查调研
雷凯杰 物理与电子信息工程学院 电子信息工程（应用） 2022 数据采集
范婷婷 物理与电子信息工程学院 电子信息工程（应用） 2022 修改完善项目 内容

指导教师

序号 教师姓名 所属学院 是否企业导师 教师类型
杨小平 物理与电子信息工程学院 否

立项依据

本选题将为铝合金厚板的残余应力测量提供一种高效、准确、便捷的解决方案，填补现有技术的空白，推动技术进步和产品质量提升。对广西南南铝加工有限公司提供一定的经济效益。
(1)对于铝合金厚板表面应力检测，通常采用临界折射纵波法，检测时选取两个超声换能器, 采用一发一收模式。但是,对于厚度方向残余应力检测,一般选用一个超声换能器, 采取自发自收的模式通过检测底面反射回波的声时变化量来计算应力值，在这一方面，螺栓轴向的应力检测与厚板内部的应力检测有共通之处，因此可将相关的研究结果用于参考，同时结合基于机器学习在铝合金板材表面应力检测以及在螺栓轴向应力检测的应用，建立铝合金厚板内部应力检测的模型。
(2)结合超声检测技术中的声时差理论及传统模型，通过对深度学习模型的结构和参数优化，进一步提升铝合金厚板表面应力的回归精度。重点研究温度等影响因素对表面应力预测的作用机理。针对预测精度、模型泛化能力及复杂度方面的不足，将深度学习模型进行改进和优化，为应力无损检测提供更全面的解决方案。
(3)结合符号回归构建新的超声计算应力表达式，PhySO（Physics-Informed Symbolic Optimization）是一个于近年提出的项目，专注于符号回归和物理知识，结合深度强化学习，相比传统符号回归方法不容易出现过拟合。将之应用于铝合金厚板应力检测更利于发掘参数间的非线性关系，且具有更好的可解释性。
在探讨铝合金厚板残余应力的研究现状时，国际铝加工巨头虽倾注了大量资源进行深入探索，却实施了严格的技术保密措施，导致可获取的资讯极为稀缺。反观国内，科研机构在残余应力成因及缓解策略的理论探索上亦不懈努力，然而，工程实践中的技术应用多聚焦于有损检测技术，诸如钻孔、逐层铣削、开槽、裂纹柔度分析及轮廓法等，这些方法共通的局限在于操作繁琐、耗时较长且对检测对象造成损伤。
针对无损检测领域，国内研究团队开发了中子射线与X射线技术，但受限于高昂的检测成本及严格的射线防护要求，其在工程一线尤其是航空领域低残余应力铝合金厚板研发中的实际应用极为罕见，几近空白状态。相较之下，超声波应力检测技术以其成本效益与检测效率的双重优势脱颖而出。
目前, 国内外利用超声波检测应力 (包括施加应力和残余应力) 的研究按照不同超声模式和方法, 主要可以细分为: ①纵波和横波的应力检测; ②表面波的应力检测; ③导波的应力检测; ④非线性超声的应力检测; ⑤临界折射纵波的应力检测。而以对铝合金厚板的应力检测而言，最为相关的是横波与纵波相关的应力检测。纵波的速度对于应力更加敏感，且适合对厚板板材进行应力检测
在中国，超声波检测技术的研究起步较晚，但近年来发展迅速。自20世纪90年代以来，国内学者围绕铝合金、钢材等金属材料，开展了基于声弹性理论的应力检测研究。中国科学技术大学和哈尔滨工业大学等机构重点研究了声波在异质材料中的传播规律，并开发了基于实验数据拟合的声速修正公式，解决了检测精度受温度等环境因素影响的问题。2006年, 浙江大学的张俊依据声弹性原理, 提出了利用超声波飞行时间差来间接测量高强度螺栓轴向应力的方法。该方法克服了耦合层厚度的离散以及温度变化带来的检测误差, 提高了应力的测量精度。2014年,北京理工大学的徐春广教授基于横纵波结合法,对低载荷与高载荷状态下的螺栓轴向应力测量系数进行了分类讨论, 提出更为准确的螺栓轴向应力检测方法, 使得实际结果与理论值误差小于3% 。这一方法相对于纯纵波的应力计算一定程度上忽略了形变带来的影响。此外，中国南车集团等企业还应用超声波检测技术对轨道交通零部件的应力状态进行监测，为提高产品可靠性提供了技术支撑。
近年来，国内研究逐步关注将机器学习方法引入应力检测领域。例如，Q Shang等提出了一种基于SVR的多特征螺栓轴向应力检测模型。曾权等人采用 PSO-BP 和 GA-BP 混合算法的人工神经网络模型预测了选区激光熔化成形 GH3625 高温合金的残余应力，初步验证了机器学习方法的有效性。然而，相较于国际研究，国内在厚板内部应力检测及深度学习与超声波检测的结合应用上仍存在一定差距。
应力检测技术在国际上（如美国、欧洲和亚太地区）已成为材料科学与工程领域的重要研究方向。其中，超声波无损检测（Ultrasonic Testing, UT）技术因其效率高、成本低、适用性广泛而备受关注。美国和欧洲在20世纪80年代起，通过基于声弹性理论的超声波检测方法，对金属材料的残余应力分布进行了深入研究。典型的研究包括利用声波传播特性（如声时差、回波强度）进行应力状态表征，并在此基础上开发了多种专用检测设备，用于航空航天、汽车制造及核工业等高要求领域。近年来，国际研究进一步将人工智能技术与超声波检测相结合，例如利用多种机器学习模型预测复杂应力分布，取得了较好的成果。
国内外在应力检测领域都有相关研究和技术应用，同时也在不断探索和发展新的方法。例如，传统的超声波检测方法已经广泛应用于工业生产中，通过声弹性理论计算材料的应力分布。但这种方法在厚板内部应力的检测上存在一定局限性，特别是当材料环境复杂（如高温或非均匀应力分布）时，检测结果的精度可能受到影响。近年来，国内外学者开始尝试结合机器学习技术与传统检测手段，以数据驱动的方式提升检测精度和效率。例如，国际上已有研究利用深度神经网络模型（如树突神经网络和广义回归神经网络）来预测金属材料的残余应力，而国内也有基于支持向量回归（SVR）和遗传算法优化的神经网络方法的探索，但目前这些研究主要集中于表面应力检测，内部应力检测仍然面临技术难题。
未来，应力检测技术的发展将更加注重传统物理模型与现代数据驱动方法的深度融合。可能会通过改进神经网络结构，引入符号回归等物理解释性强的算法，将物理参数与数据驱动模型结合起来，使得模型不仅具备高精度的预测能力，同时也具有清晰的物理解释。此外，为了解决小样本数据问题，研究将更加关注数据扩展和迁移学习技术的应用，通过有限元模拟生成更多的高质量数据，或者利用预训练模型进行知识迁移，提升模型的泛化能力。
(1)以往的研究多集中于铝合金表面应力的检测，而针对内部应力的研究相对较少。本研究结合深度学习技术和超声波无损检测，开发适用于厚板内部应力预测的机器学习模型，从而弥补了传统检测方法在内部应力方面的不足，进一步完善了铝合金厚板应力检测体系。
(2)符号回归方法以其物理可解释性和公式推导的直观性成为本研究的特色之一。通过符号回归构建的应力计算表达式，可以清晰地揭示应力参数间的内在联系，并与传统经验公式进行对比分析，进一步深化对铝合金厚板应力机理的认识。这种方法为研究应力影响因素提供了新的视角，有助于推动理论研究与实际应用的结合。
1.技术路线summernote-img
(1)数据采集
对铝合金厚板作试样进行应力测量和采集，超声应力检测主要包括超声波探头、夹具、激励信号发生器、数据采集模块、电源模块、控制模块等。将探头加装于试样于拉应力所平行的两端(对于表面应力检测则以固定距离加装在平面)，通过拉伸机对试样施加固定应力值，每加载一定应力值,采用一发一收模式分别取得相应横波、纵波声波。
(２)数据处理以获取特征值
由于在实验中超声波声时对应力的变化是比较细微的。需要通过二次插值算法增加数据点的个数以提高检测精度，将提高精度后的有应力波形和无应力波形作互相关运算可到声时差，而通过矩形窗口截取一次回波和二次回波的底部信号，将时域回波信号转换到频域，由公式计算则可得出其能量衰减系数。
(3) 基于树突神经网络的应力预测模型构建
将实验所取得的横纵波声时差或纵波声时差及能量衰减系数作为特征参数输入经过改进的树突神经网络，以实际应力值作为输出结果进行训练，同时评估模型性能，优化其参数和网络结构，以进一步提升预测精度。
(4)引入温度补偿
小范围的温度变化并不会影响实际的应力，但会对超声波的波速存在影响，因此也会影响声时差的结果。通过机器学习取得铝合金厚板的应力预测结果后，可将其再此再次作为输入数据进行训练，将声速的温度补偿结果也作为特征输入，以取得更为精确的结果。
(5)PhySO符号回归模型应用
将拉伸实验所取得的数据作为特征参数输入符号回归模型进行训练。相比较于其他机器学习的黑箱，符号回归更具有可解释性，可以从数据中直接提取潜在的物理定律或规律，而无需预先假设模型形式。这对科学研究和工程领域尤为有用。
(6)X射线应力检测与数据融合
超声法与Ｘ射线法都可以在一定程度上反应构件残余应力状态和趋势，而相较于超声波法而言，X射线受限于其原理，仅能检测表面的应力，但其检测结果也更为精确，因此可对实验材料进行额外的X射线应力检测，并将其检测结果作为参数用于模型训练中，实现对最终应力输出结果精准度的提升。
2.拟解决的问题
在实际实验中，受到实验设备、材料试样及操作条件的限制，快速获取大量高质量的实验数据存在一定的困难，可能导致数据样本不足，从而影响模型的泛化能力和预测精度。因此将有限元法软件和其他机器学习回归方法列入方案中。有限元法可通过固体力学模块模拟残余应力和结构响应，声学力学模块模拟超声波的传播，通过调节模拟中的材料参数（如拉伸率、弹性模量等）和环境条件（如温度、声速变化等），生成多种实验数据，扩充数据集的多样性和数量。以解决实验难度的问题。
针对实验数据量较少的现状，也可选择支持小样本学习的机器学习方法，如支持向量回归（SVR）等。SVR在处理高维数据时具备较强的泛化能力，适应小样本数据集的特点。
3.预期成果
根据研究内容，预期发表两篇北大中文核心及以上期刊。


起止时间
工作内容和要求
2024.3-2024.7
收集资料，调查前期工作准备
2024.7-2025.1
数据采集，建立厚板内部检测模型并优化
2025.3-2026.1
数据采集，建立模型提升应力检测精度，建立符号回归模型
2026.3-2024.6
修改完善项目工作内容



　　已通过树突神经网络构建铝合金厚板表面应力检测，表明了铝合金板材应力检测与机器学习结合的可能性。

　　已具备PC机及其软件开发环境：windows11系统，使用MatlabR2023a及Python构建模型以及数据的处理，COMSOL或ABAOUS构造有限元模型。同时也具备试样7075或其他型号的铝合金厚板，以及用于进行拉伸试验的拉伸机，超声波横纵波探头，X射线无损检测设备，超声波激励信号发生器，数据采集模块。

经费预算

开支科目 预算经费（元） 主要用途 阶段下达经费计划（元）
前半阶段 后半阶段
预算经费总额 80000.00 无 35000.00 45000.00
1. 业务费 20000.00 无 5000.00 15000.00
（1）计算、分析、测试费 10000.00 测试费用 5000.00 5000.00
（2）能源动力费 0.00 无 0.00 0.00
（3）会议、差旅费 0.00 无 0.00 0.00
（4）文献检索费 0.00 无 0.00 0.00
（5）论文出版费 10000.00 发表论文 0.00 10000.00
2. 仪器设备购置费 50000.00 购买电子元器件 25000.00 25000.00
3. 实验装置试制费 0.00 无 0.00 0.00
4. 材料费 10000.00 购买元件 5000.00 5000.00
结束

用户单位： 桂林理工大学        

版权所有： 南京先极科技有限公司