不同含水率雪松木材损伤声发射参数特性

以树龄15 a的北非雪松(Cedrus atlantica Manetti)为研究对象,在树干中心部位且无天然树结的位置截取试件(试件形状为圆柱状,半径30 mm、高度200 mm),试件分3组(其中2组为对照组),每组6根。使用烘干机((105±5)℃)对所有试件干燥脱水(累计烘干时间18 h),然后用保鲜膜将每组中选择1根试件完全包裹作为绝干试件;再将其他试件取出后在室温下分别放入水中充分浸泡(时间间隔为0.5 h),待其含水率分别达到10%、20%、30%、40%、50%之后取出,用保鲜膜包裹作为不同含水率的试件。应用微机伺服控制液压万能试验机以位移控制加载方式加载、应用DS5型声发射检测系统监测试件声发射信号,启动试验机的同时触发声发射系统,同步采集试件损伤过程中轴向荷载作用时木材发出的声发射信号数据;使用参数分析、概率密度、最大似然评估方法,分析声发射能量、统计分布特征。结果表明:轴向荷载作用时,不同含水率试件的裂纹变化过程,与声发射测量结果反映的裂纹萌生、扩展规律一致;木材含水率越高,试件的裂纹发展越平缓,承受荷载由85.47 kN降至39.50 kN。木材压缩损伤的声发射能量信号符合幂律分布规律,由概率密度分析、最大似然估计得出的幂律指数一致,随着木材含水率升高,幂律指数由1.25升至1.56。

人工神经网络在木材损伤识别中的应用

利用人工神经网络(ANN)对含有不同缺陷程度的木材进行了定性和定量解析。通过选择合理的神经网络结构,建立有效的训练样本集,确定合理的参数及训练方法,对3种不同缺陷类型木材进行了解析,考察了网络的泛化能力。结果表明:该网络能够对不同缺陷程度的木材进行准确地识别,而且本研究为人工神经网络在木材缺陷损伤的定性和定量分析方面提供了一种有效的方法。

木材损伤断裂与木材细观损伤基本构元

木材承载时细观结构上的损伤会在木材中扩展,并且损伤和缺陷在载荷下的演化行为决定着木材的宏观力学行为。木材的细观损伤基元可以归纳为4类:1)胞、壁层间界面损伤;2)细胞壁屈曲与局部塌溃损伤带;3)微孔洞损伤与汇合;4)微裂隙损伤(区)。追踪分析木材从变形、损伤到断裂破坏的全过程,探明微结构演化与宏观行为关系,有助于揭示木材破坏的机制,并从中获得新的木材构造与其强韧功能相互关系的认识,对研发能够克服木材缺点、具有特殊强韧性能的新型木基复合材料具有重要指导意义。

减少伐木时木材损伤的研究

在木材生产的整个过程中,如阿减少不必要的木材损失,从而提高森林资源的利用率,这是世界各国普遍重视的问题,并把木材利用程度视为一个国家木材工业发展水平的高低,我国森林资源比较缺乏,这就更加迫使我们应该重视这个问题。近年来,伐木技术虽在日益提高,但是仍存在着很大弊端,这次通过对吉林省部分林业局林场的调查情况发现,伐木工序产生的木材损伤问题比较严重,个别伐木手伐木损伤率高达20%(不包括砸伤术),这个数字足以说明应该引起人们的重视。

基于经验模态分解和小波包能量熵的杉木加载过程中细观损伤监测与识别

【目的】细观损伤是承载木材断裂的主要原因之一。木材的多孔层状结构使其损伤过程变得复杂,针对单一信号处理方法较难充分挖掘木材断裂声发射信号中的细观损伤信息,造成识别信息不充分、不完备的问题。本研究提出通过经验模态分解(EMD)和小波包能量熵结合的信号处理方法,通过声发射无损检测手段,识别杉木加载过程中的细观损伤类型。【方法】以杉木为研究对象,进行单轴压缩、双悬臂梁和顺纹拉伸3种单一损伤试验,并对其进行加载过程中声发射信号的采集、监测与分析。通过小波包阈值法消除损伤试验中采集的声发射信号噪声,经由EMD和相关系数计算,分离出最能体现杉木细观损伤特征的本征模态(IMF)分量,并对IMF分量进行基于傅里叶变换的峰值频率分析和小波包能量熵分析,提取杉木细观损伤的特征。【结果】(1)EMD和小波包能量熵结合的信号处理方法能够判断杉木加载过程中声发射信号对应的细观损伤类型与构成。(2)杉木不同细观损伤类型的声发射信号对应不同的小波包能量熵区间:胞壁屈曲与塌溃(0.69~0.99)、层间开裂(1.57~1.78)、纤维束断裂(1.92~2.27)。(3)宏观断口观察和电镜显微分析验证了该方法的准确性。【结论】经验模态分解–小波包能量熵法避免了声发射信号模态堆叠的影响,并解决了木材细观损伤复杂且难以识别的问题,为杉木木材断裂的早期诊断方法提供了理论支撑。