买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京航空航天大学申请的专利基于STAF与R－CT组合的SiC－CMC材料疲劳失效预警系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116735724B 。

龙图腾网通过国家知识产权局官网在2026-04-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310702888.2，技术领域涉及：G01N29/44；该发明授权基于STAF与R－CT组合的SiC－CMC材料疲劳失效预警系统是由骆红云;郭赵梁设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本基于STAF与R－CT组合的SiC－CMC材料疲劳失效预警系统在说明书摘要公布了：本发明公开了一种基于STAF与R－CT组合的SiC－CMC材料疲劳失效预警系统，STAF模型对接收到的数字声发射信号进行时间域信号差异参比结合多级滤波处理，输出损伤状态下的有效损伤信息；在R－CT模型中先对信息采用R型因子分析法进行处理，获得声发射特征参数中数据量和因子之间的关系，从而求得综合因子得分；基于并结合燕尾突变理论，获得SiC－CMC材料疲劳失效过程中发生损伤状态的转变点特征信息。本发明采用时间域参比－多级滤波技术，通过对比不同时间域区间的信号参数差异将噪音信号剔除，进一步的对波形进行多级滤波以剔除波形中噪音信号。通过对损伤信号的振铃计数、能量和绝对能量进行因子分析获得综合因子得分来进行燕尾突变计算，从而实现SiC－CMC结构件疲劳损伤的寿命预测和预警。

本发明授权基于STAF与R－CT组合的SiC－CMC材料疲劳失效预警系统在权利要求书中公布了：1.一种基于STAF与R－CT组合的SiC－CMC材料疲劳失效预警系统，其特征在于：包括有STAF模型和R－CT模型； STAF模型是对中的数字声发射信息进行每一路的处 理，即分步式的信息处理方式；然而对中的各 元素采用了相同的多级滤波方式，在STAF模型中处理的是数字声发射信息； 第1个声发射仪传感器在采样时间里采集到的数字声发射信息，记为；第2个声发射 仪传感器在采样时间里采集到的数字声发射信息，记为；第个声发射仪传感器在采样 时间里采集到的数字声发射信息，记为；最后一个声发射仪传感器在采样时间里采集到 的数字声发射信息，记为； 为第路数字声发射信息的幅值；为第路数字声发射信息的持续时 间；为第路数字声发射信息的上升时间；为第路声发射信息的峰值频 率；为第路数字声发射信息的能量；为第路数字声发射信息的绝对能量；为第路数字声发射信息的振铃计数； STAF模型包括有下列处理步骤： 步骤A，不同时间段下的时间域声发射信息获取； 步骤A1，声发射信息的四个时间段划分； 采用STT方法对声发射信息进行四个时间段的划分；所述STT方法的中文为数字 声发射信息的时间段划分方法，具体步骤为： 数字声发射信息的时间段划分方法是指在一个采样周期里，使用声发射仪传感器采集 到的被测试样的声发射信息，将采样开始时间点，记为；采样结束时间点，记为；从 至分为四个时间段，分别记为第一个时间段，第二个时间段，第三个时间段，第 四个时间段； 在应用声发射技术对被测试样进行的疲劳损伤的寿命预测和预警过程中，依据一个采 样周期里中的能量累加进行各时间段结束点 的判断；从开始至累加能量趋于平缓的时间点，记为；从开始至累加 能量快速增加的时间点，记为；从开始至累加能量趋于平缓的 时间点，记为； 从至的四个时间段分别为： 第一个时间段是指从到的一段时间； 第二个时间段是指从到的一段时间； 第三个时间段是指从到的一段时间； 第四个时间段是指从到的一段时间； 步骤A2，时间域的划分； 从、、、四个时间段中分别选择10秒时间作为时间域下的声发射信息提取时 间； 第1个时间域为时间段内从测试开始时间进行计数的前10s时间； 第2个时间域为时间段内任意一个10s时间； 第3个时间域为时间段内任意一个10s时间； 第4个时间域为时间段内任意一个10s时间； 步骤A3，时间域下的声发射信息获取； 声发射信息在四个时间段中的每一个时间段下的信息表征为： 第一个时间段的声发射信息记为；在所述中提取出时间域下的声发射信息，记为时间域－声发射信息； 第二个时间段的声发射信息记为；在所述中提取出时间域下的声发射信息，记为时间域－声发射信息； 第三个时间段的声发射信息记为；在所述中提取出时间域下的声发射信息，记为时间域－声发射信息； 第四个时间段的声发射信息记为；在所述中提取出时间域下的声发射信息，记为时间域－声发射信息； 步骤B，声发射信息的层级划分； 为了剔除噪声带来的声发射波形信号干扰误差，本发明采用层级划分对声发射信息进行不同层级的降噪； 步骤B1，设置初始时的层级区间值； 初始时，层级区间值记为； 步骤B2，获取层级区间下的声发射信息； CJJ方法的中文是数字声发射信息的层级划分方法，具体步骤为： 数字声发射信息的层级划分方法是指采用层级划分方法对数字声发射信息中的各元素信息进行不同层级的降噪处理； 层级标识记为；层级级数记为，且最小赋值为1； 对任意一路数字声发射信息中的各个元 素进行标记层级，则有的层级区间值为、的层级区间值为、的层级区 间值为、的层级区间值为、的层级区间值为、的层级区间值为、 的层级区间值为； 附带层级的数字声发射信息，记为； 采用CJJ方法从中提取出层级区间下的声发射信息，记为第一时间段 下的层级降噪信息集合； 采用CJJ方法从中提取出层级区间下的声发射信息，记为第二时间段 下的层级降噪信息集合； 采用CJJ方法从中提取出层级区间下的声发射信息，记为第三时间段 下的层级降噪信息集合； 采用CJJ方法从中提取出层级区间下的声发射信息，记为第四时间段 下的层级降噪信息集合； 经步骤A至步骤B后幅值的层级降噪分别、、和； 经步骤A至步骤B后持续时间的层级降噪分别、、和； 经步骤A至步骤B后上升时间的层级降噪分别、、和； 经步骤A至步骤B后峰值频率的层级降噪分别、、和； 经步骤A至步骤B后能量的层级降噪分别、、和； 经步骤A至步骤B后绝对能量的层级降噪分别、、和； 经步骤A至步骤B后振铃计数的层级降噪分别、、和； 步骤C，计算层级声发射信息的拟合度； 应用线性关系对累加中的滤波后能量进行拟合，是为了对 步骤B输出的层级区间划分值的确定； 步骤C1，先并后交的处理； 先将进行并集处理，得到层级声发射 信息－并集信息；然后将进行交集处理，得到层级声发射 信息－交集信息； 经步骤C1的处理，幅值－层级声发射信息－交集信息为、持续时间－层级声 发射信息－交集信息为、上升时间－层级声发射信息－交集信息为、 峰值频率－层级声发射信息－交集信息为、能量－层级声发射信息－交集信息 为、绝对能量－层级声发射信息－交集信息为、振铃计数－层级声发 射信息－交集信息为； 步骤C2，交集信息的判断； 若为空，则依据对中的各元素进行滤波，剔除小于等于的声发射信息，保留大于的声发射信息，并作为滤波后声发射信息－ 层级信息集；执行步骤C3； 若非空，返回步骤B1，并调减层级区间值；调减后的层级区间值，记为； 经初始的层级区间值后，重复调减层级区间值，直至到达中任意一元素 的最小值止，结束层级区间值调减； 步骤C3，计算声发射信息的拟合度； 累加中的滤波后能量，获得滤波后能量累积；然后对进行线性拟合，获得能量累积线性拟合度，记为； 若，则选取作为声发射信息－有效阈值，然后执行步骤D； 若，则返回步骤B； 步骤D，小波降噪处理声发射信息－有效阈值； 利用小波降噪系数对滤波后声发射信息－层级信息集中的声发射信号进行小波分解，获得细节分量和近似分量；对于能量大于2000以 上的所有波形才进行小波降噪； 然后，对近似分量进行小波逆变换，从而获得小波降噪后的声发射信息； 表示小波降噪系数； 表示小波降噪后的声发射信息； 表示小波尺度变量； 表示小波位移变量； 表示离散小波基函数； 表示微分符号； 表示小波降噪系数； 步骤E，模态经验分解EMD降噪； 选择EMD滤波对进行EMD分解提取出多个IMF分量， 去除EMD分解出来的低频噪音分量后，对剩余的IMF分量进行重构， 获得去除噪音后的声发射信息； 为本征模态函数； 为IMF分量的阶数； 为EMD分解后损伤信号IMF分量的阶数； 为阶数的序号； 为残差； 步骤F，平均频率降噪； 波形峰频滤波对经过EMD分解降噪后的中波形 信号进行识别，对平均频率进行分析，将平均频率信号在35kHz以下的噪音波形 滤去，获得疲劳损伤信息集合，记为； 采用步骤A至步骤F对的处理，分别表示出 7个元素的疲劳损伤信息，记为； 表示疲劳损伤－幅值信息； 表示疲劳损伤－持续时间信息； 表示疲劳损伤－上升时间信息； 表示疲劳损伤－峰值频率信息； 表示疲劳损伤－能量信息； 表示疲劳损伤－绝对能量信息； 表示疲劳损伤－振铃计数信息； R－CT模型包括有下列处理步骤： 步骤一，基于R型因子的分析； 步骤101，提取表征损伤程度的声发射信息； 对获得的疲劳损伤声发射信号中的 第n个通道反映材料损伤程度的能量、绝对能量和振铃计数，将 每一个声发射信号的三个参数进行因子分析； 步骤102，确认损伤参数是否适用因子分析； 对上述三个变量进行归一化处理，得到能量、绝对能量和振铃计数 的归一化数据分别为、、；采用KMO检验方法对、、进 行验证，以获得三个变量之间的相关性，并进行增维处理以获得高维变量、、； 步骤103，因子载荷矩阵的求解； 采用R型因子分析法对高维变量、、进行求解，将高维变量变为公共 因子的线性函数，并计算公共因子的载荷矩阵； 步骤104，公共因子得分计算； 利用该函数可获得中每个声发射信号的能量、绝对能量和振铃计 数的因子得分，分别为能量－因子得分、绝对能量－因子得分、 振铃计数－因子得分； 公共因子表示为初始变量的线性组合公式为； 为因子在标量上的得分； 综合因子得分进行累积，获得累积损伤参数进行突变理论计算和寿 命预测分析； 步骤二，基于燕尾突变的计算； 采用燕尾突变理论方法对进行势函数解析和曲面构型分析，从而获得曲面图上 的临界点； 进一步的，所涉及的燕尾突变函数对应的函数设置为；其中，、、、、、为多元回归分析 系数； 燕尾突变的平衡曲面方程和奇点集分别为燕尾突变函数的一阶导数和二阶导数，则燕 尾突变的势函数为：；其中，为系统的控制参 数； 为了获得燕尾突变模型的奇点集，从而拾取突变点，对势函数进一步计算： 步骤三，多路通道的突变融合； R－CT模型对N个通道的均进行燕尾突变计算， 通过对数据进行分析获得N个通道计算出的曲面图上临近失效的临界点信息，用于进行失效预警判断。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京航空航天大学，其通讯地址为：100191 北京市海淀区学院路37号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。