为了对高强度材料进行损伤监测,进行了钛合金机匣静载试验和玻璃纤维增强树脂基复合材料的拉伸实验,采用声发射技术获取不同材料损伤过程的声发射信号,并分别结合金属和复合材料的损伤机理进行了声发射参数分析。在复合材料方面,不同的加载速率下玻璃纤维增强树脂基复合材料的声发射活动有明显差异,结合试件的载荷曲线,通过声发射能量、RMS值、振铃计数等参数可以反映材料的损伤程度,通过声发射峰值频率的变化可以反映复合材料的损伤类型,根据损伤程度及损伤类型对玻纤树脂材料的拉伸损伤数据分段。在金属材料方面,结合钛合金塑性变形机制及微观机理对静载声发射信号的活动进行了分析,钛合金在静载下出现了两次声发射活动高峰,根据声发射绝对能量等参数的变化和信号在加载期间的分布情况对损伤数据进行分段。人工判断材料损伤需要结合丰富的材料知识,并且需要得到材料一段时间内的变化趋势,为了对服役中的设备材料进行实时智能监测,引入深度学习方法,本文介绍了基于深度信念网络的材料损伤阶段识别方法,主要包括4个步骤。首先通过声发射传感器获取材料加载损伤全过程中的声发射信号;然后按照材料属性及力学性能将其损伤阶段划分,如按照材料屈服点或损伤模式进行划分;接着通过深度信念网络对带标签的声发射数据进行训练,得到损伤阶段识别网络;最后利用训练好的深度信念网络模型对测试集或待诊断数据进行损伤识别。最终在复合材料的拉伸实验损伤阶段识别数据上达到98%的准确率,在钛合金静载损伤实验数据上达到80%准确率。