Широкий ассортимент подшипников ведущих мировых производителей. SKF, FAG, INA, NSK, TIMKEN
Направляющие, каретки, шарико-винтовые передачи для станков и автоматизации
Изготовление нестандартных деталей и узлов по чертежам заказчика
Консультации инженеров, помощь в подборе аналогов, расчёт ресурса
На подшипники NSK
Уже доступен
Структурный мониторинг здоровья (SHM - Structural Health Monitoring) композитных материалов представляет собой систему непрерывного автоматизированного контроля технического состояния конструкций с использованием встроенных или поверхностно установленных датчиков. Композитные материалы, применяемые в критически важных конструкциях, требуют особого подхода к диагностике, поскольку характер повреждений в них существенно отличается от дефектов в металлических структурах.
Основные типы повреждений в композитных материалах включают растрескивание матрицы, расслоение (деламинацию), разрушение волокон и нарушение адгезии на границе раздела волокно-матрица. Эти дефекты могут возникать на стадии производства из-за неоднородности структуры или в процессе эксплуатации под воздействием механических нагрузок, ударов, усталости, влаги и температурных колебаний. Встраивание датчиков деформаций непосредственно в структуру композита позволяет получать информацию о состоянии материала в реальном времени, что особенно критично для авиационных и ветроэнергетических конструкций.
Системы SHM решают четыре основные задачи: обнаружение повреждения, определение его местоположения, оценка размера и степени опасности дефекта, а также прогнозирование остаточного ресурса конструкции. Встроенные датчики обеспечивают преимущество перед традиционными методами неразрушающего контроля благодаря возможности постоянного мониторинга, включая труднодоступные зоны конструкции, и защищенности от внешних воздействий.
Волоконные брэгговские решетки представляют собой периодическую модуляцию показателя преломления в сердцевине оптического волокна. При прохождении широкополосного светового излучения через FBG происходит отражение света на определенной длине волны, называемой длиной волны Брэгга, которая определяется соотношением λB = 2neffΛ, где neff - эффективный показатель преломления сердцевины, а Λ - период решетки. Типичные значения периода решетки находятся в диапазоне от 200 до 1000 нм, длина самой решетки может составлять от нескольких миллиметров до десятков сантиметров, а амплитуда модуляции показателя преломления варьируется от 10⁻⁵ до 10⁻³.
FBG-датчики чувствительны к осевой деформации, температуре и давлению. При изменении этих параметров происходит сдвиг длины волны Брэгга, который может быть измерен с высокой точностью. Эта особенность делает FBG идеальными для мониторинга композитных структур, где необходимо отслеживать распределение деформаций в процессе эксплуатации.
Ключевые преимущества FBG-датчиков включают малый размер и вес, полную невосприимчивость к электромагнитным помехам, химическую инертность, возможность организации распределенных сетей датчиков на одном волокне и длительный срок службы. Эти характеристики делают оптоволоконные датчики особенно привлекательными для встраивания в композитные материалы.
Выбор типа покрытия оптического волокна критически важен для эффективного встраивания в композиты. Полиимидное покрытие обеспечивает высокую термостойкость (до 300°C) и применяется при изготовлении композитов методами автоклавного формования. Акрилатное покрытие обладает хорошей гибкостью, но ограничено температурой около 85°C. ORMOCER (органически модифицированная керамика) сочетает механическую прочность с термической стабильностью и минимально влияет на передачу деформации от композитной матрицы к сенсору.
Пьезокерамические датчики на основе цирконата-титаната свинца (PZT) используют прямой и обратный пьезоэлектрический эффект для мониторинга композитных структур. При приложении механического напряжения к пьезокерамике возникает электрический заряд пропорциональный деформации (прямой эффект), а при подаче электрического напряжения материал деформируется (обратный эффект). Это позволяет использовать PZT-элементы как в качестве датчиков, так и в качестве генераторов упругих волн.
Основными материалами являются керамики типа PZT-5A и PZT-5H, которые обладают высоким пьезомодулем (d33 = 300-600 пКл/Н) и диэлектрической проницаемостью. Для применения в композитах используются тонкие пьезокерамические диски толщиной от 0,2 до 2 мм и диаметром от 5 до 25 мм, что минимизирует влияние на механические свойства основного материала.
Для обеспечения полного покрытия мониторинга применяются сетевые конфигурации датчиков. Сеть может включать от 4 до 120 PZT-элементов, распределенных по структуре. Современные разработки включают создание гибких пьезокомпозитов, где порошок PZT смешивается с полимерной матрицей (силиконовый каучук или эпоксидная смола) с объемной долей керамики до 92%. Такие композиты обладают гибкостью, что позволяет применять их на криволинейных поверхностях, характерных для авиационных и ветроэнергетических конструкций.
Технология SMART Layer представляет собой тонкослойную систему (толщина 0,2-0,5 мм), в которой множество PZT-датчиков интегрированы в гибкую диэлектрическую подложку с коммутацией на основе гибкой печатной платы. Такая конфигурация обеспечивает высокую плотность размещения датчиков и возможность встраивания между слоями композита в процессе изготовления.
Акустическая эмиссия (АЭ) представляет собой явление генерации упругих волн при быстром высвобождении энергии деформации в материале. В композитах источниками АЭ являются микротрещины в матрице, расслоения, разрушение волокон, разрушение границы раздела волокно-матрица и трение поверхностей трещин. Каждый механизм повреждения генерирует сигналы с характерными частотными и амплитудными характеристиками.
Датчики АЭ регистрируют волны в частотном диапазоне от 30 кГц до 1 МГц. Сигналы классифицируются на три типа: всплески (burst) - кратковременные импульсы от дискретных событий повреждения, непрерывные сигналы - результат наложения множественных событий, и смешанные сигналы, присутствующие в реальных условиях эксплуатации.
Для определения местоположения источника акустической эмиссии используется метод разности времени прихода сигнала (TDOA - Time Difference of Arrival) на различные датчики. В изотропных материалах задача тривиальна, однако анизотропия композитов усложняет расчеты из-за различной скорости распространения волн в направлениях вдоль и поперек волокон. Для повышения точности применяются алгоритмы машинного обучения, учитывающие анизотропные свойства материала.
Минимальная конфигурация для двумерной локализации требует использования трех датчиков АЭ. На практике для крупногабаритных конструкций применяется от 6 до 30 датчиков, размещенных с учетом геометрии объекта и зон максимальных напряжений. Точность локализации в композитных материалах составляет от 10 до 50 мм в зависимости от размера структуры и числа датчиков.
Процесс встраивания датчиков в композитный ламинат должен обеспечивать минимальное влияние на механические свойства материала, надежное механическое и электрическое соединение датчиков, а также сохранение работоспособности сенсоров в процессе формования. Датчики размещаются между слоями препрега на стадии выкладки, причем их ориентация выбирается в соответствии с направлением контролируемых деформаций.
Для FBG-датчиков критическим является защита выводов оптического волокна в местах выхода из композита. Используются защитные трубки из PTFE (тефлона) или PVDF диаметром 0,5-2 мм, которые предотвращают повреждение волокна на кромках. Минимальный радиус изгиба оптического волокна должен превышать 20 мм для предотвращения оптических потерь.
Автоклавное формование обеспечивает высокое качество интеграции датчиков благодаря равномерному давлению (0,6-0,7 МПа) и контролируемому температурному режиму. Процесс включает медленный нагрев до температуры отверждения (120-180°C в зависимости от смолы) со скоростью 2-5°C/мин для предотвращения термических напряжений. FBG-датчики в процессе отверждения регистрируют остаточные деформации, возникающие из-за усадки матрицы и различия коэффициентов термического расширения компонентов.
Вакуумная инфузия применяется для интеграции датчиков в крупногабаритные детали, такие как лопасти ветрогенераторов. Датчики устанавливаются на сухую преформу, после чего под вакуумом происходит пропитка смолой. Этот метод требует тщательного выбора мест установки датчиков для обеспечения равномерного потока смолы без образования воздушных карманов вокруг сенсоров.
Встроенные FBG-датчики обеспечивают непрерывный мониторинг распределения деформаций в композитной структуре под эксплуатационными нагрузками. Типичный диапазон измеряемых деформаций составляет от -5000 до +10000 мкм/м, что соответствует рабочим напряжениям в авиационных и ветроэнергетических конструкциях. Частота опроса современных интеррогаторов достигает 1000 Гц, что позволяет регистрировать не только статические, но и динамические деформации при вибрациях и ударных нагрузках.
Критическими зонами для размещения датчиков являются области концентрации напряжений: отверстия под крепеж, зоны изменения толщины ламината, места соединений. Мультиплексирование FBG позволяет на одном оптическом волокне разместить до 10-15 датчиков с шагом 100-200 мм, обеспечивая детальную картину распределения деформаций.
Ударные повреждения представляют серьезную угрозу для композитных конструкций, поскольку могут вызывать внутренние расслоения при незначительных внешних проявлениях. PZT-датчики, работающие в пассивном режиме, эффективно регистрируют акустические сигналы от ударов. Характерная амплитуда сигнала при ударе с энергией 5-50 Дж составляет 60-90 дБ, что значительно превышает фоновый шум.
Развитие трещин в композитах сопровождается генерацией множественных сигналов акустической эмиссии. Начальная стадия образования микротрещин в матрице характеризуется высокой частотой событий малой амплитуды (40-50 дБ). При достижении критической плотности трещин происходит слияние дефектов с образованием макротрещин и расслоений, что проявляется в появлении сигналов высокой амплитуды (70-90 дБ).
Волны Лэмба, генерируемые PZT-актуаторами, эффективны для периодического контроля наличия расслоений. Метод основан на изменении характеристик распространения волн (амплитуды, фазы, скорости) при взаимодействии с дефектом. Расслоение площадью более 80×30 мм надежно детектируется на расстоянии до 500 мм от актуатора при частоте зондирования 150-250 кГц.
Обработка данных систем SHM включает несколько уровней анализа. Первичная обработка заключается в фильтрации шумов и извлечении информативных признаков из сигналов. Для FBG-датчиков применяется быстрое преобразование Фурье (БПФ) для определения пиковых длин волн Брэгга, а также алгоритмы OFDR (Optical Frequency Domain Reflectometry) для пространственно-распределенных измерений с разрешением 1-10 мм.
Для обработки сигналов волн Лэмба используется кратковременное преобразование Фурье (STFT) и вейвлет-анализ, позволяющие одновременно получать информацию о частотном содержании и временной локализации компонент сигнала. Анализ главных компонент (PCA) применяется для снижения размерности данных и выделения наиболее значимых признаков повреждений.
Современные системы SHM интегрируют алгоритмы машинного обучения для автоматической классификации типов повреждений и прогнозирования их развития. Метод опорных векторов (SVM) показывает точность классификации до 88-96% при идентификации таких механизмов повреждения как растрескивание матрицы, расслоение и разрушение волокон на основе параметров сигналов акустической эмиссии.
Сети датчиков SHM генерируют огромные объемы данных, требующих эффективной обработки. Анализ главных компонент (PCA) позволяет сократить количество переменных с сохранением 95-99% информативности. Линейный дискриминантный анализ (LDA) применяется для выделения признаков, максимально разделяющих классы повреждений.
Автоэнкодеры на основе нейронных сетей используются для нелинейного сжатия данных с последующим восстановлением полных сигналов при обнаружении аномалий. Это особенно важно для систем беспроводного мониторинга с ограниченной пропускной способностью канала связи.
Современные пассажирские самолеты, такие как Boeing 787 и Airbus A350, содержат 50-53% композитных материалов по массе. Критические зоны мониторинга включают фюзеляжные панели, обшивку крыла, элементы хвостового оперения и композитные элементы силовой конструкции. Системы SHM в авиации решают задачи контроля эксплуатационных нагрузок, детектирования ударных повреждений от посторонних предметов, града и птиц, а также мониторинга усталостного накопления повреждений.
Типичная система мониторинга крыла может включать до 120 FBG-датчиков, организованных в группы по 24 сенсора с четырьмя измерительными каналами для регистрации динамических деформаций и двумя температурными каналами для компенсации. Датчики располагаются в зонах максимальных напряжений: корневые нервюры, стрингеры, области вырезов.
Данные от систем SHM могут интегрироваться с бортовыми системами управления для реализации адаптивного управления. Информация о текущем распределении деформаций и обнаруженных повреждениях позволяет оптимизировать аэродинамическую конфигурацию для снижения нагрузок на критические зоны. Регистрация превышения расчетных нагрузок инициирует внеплановые инспекции конкретных зон.
Лопасти ветротурбин представляют собой крупногабаритные композитные конструкции длиной от 40 до 90 метров, работающие в экстремальных условиях циклических нагрузок. За 20-25 лет эксплуатации лопасть подвергается более чем 100 миллионам циклов нагружения, что делает усталостные повреждения основным фактором отказов. Дополнительные факторы риска включают удары молний, эрозию от дождя и града, обледенение и воздействие ультрафиолета.
Критическими зонами для мониторинга являются корневое сечение лопасти, где действуют максимальные изгибающие моменты, зоны изменения аэродинамического профиля, клеевые соединения полок лонжерона, а также области перехода от круглого сечения к аэродинамическому профилю.
Типичная система SHM для лопасти включает 10-20 FBG-датчиков для измерения изгибных и крутильных деформаций, 4-8 PZT-датчиков или систем АЭ для детектирования ударов и развития трещин, датчики температуры и влажности для контроля условий эксплуатации. Датчики деформации размещаются на расстоянии 2-5 метров от корня лопасти, где деформации максимальны, и далее с шагом 5-10 метров по длине.
Внедрение систем SHM в ветроэнергетике обеспечивает переход от регламентного к предиктивному техническому обслуживанию. Раннее обнаружение повреждений позволяет планировать ремонты в оптимальные периоды, минимизируя простои. Снижение незапланированных остановов повышает коэффициент использования установленной мощности на 2-5%.
Мониторинг фактических эксплуатационных нагрузок позволяет валидировать расчетные модели и оптимизировать конструкцию следующих поколений турбин. Данные о реальном распределении деформаций используются для уточнения оценки остаточного ресурса и обоснованного продления срока службы лопастей.
Данная статья носит исключительно информационно-ознакомительный характер и предназначена для инженерно-технических специалистов, работающих в области композитных материалов и систем структурного мониторинга. Информация, представленная в статье, основана на открытых научных публикациях, технических стандартах и исследовательских работах, актуальных на момент подготовки материала.
Автор не несет ответственности за любые последствия, прямые или косвенные, возникшие в результате применения информации из данной статьи в практической деятельности. Разработка, внедрение и эксплуатация систем структурного мониторинга должны осуществляться квалифицированными специалистами с соблюдением всех применимых нормативных требований, технических регламентов и стандартов безопасности.
Перед практическим применением описанных технологий необходимо провести дополнительное изучение специализированной литературы, технической документации производителей оборудования и получить консультации профильных экспертов. Параметры и характеристики, приведенные в статье, могут варьироваться в зависимости от конкретных условий применения, типа используемых материалов и оборудования.
1. Kinet D., Mégret P., Goossen K.W., Qiu L., Heider D., Caucheteur C. Fiber Bragg Grating Sensors toward Structural Health Monitoring in Composite Materials: Challenges and Solutions. Sensors, 2014, 14(4), 7394-7419.
2. Giurgiutiu V. Structural Health Monitoring of Aerospace Composites. Academic Press, 2015.
3. Salamone S., Bartoli I., Lanza di Scalea F. Temperature Effects on Acoustic Emission for Structural Health Monitoring. Journal of Sound and Vibration, 2011.
4. Qing X., Li W., Wang Y., Sun H. Piezoelectric Transducer-Based Structural Health Monitoring for Aircraft Applications. Sensors, 2019, 19(3), 545.
5. Takeda N., Okabe Y., Kuwahara J., Kojima S., Ogisu T. Development of smart composite structures with small-diameter fiber Bragg grating sensors for damage detection. Composites Science and Technology, 2005, 65(15-16), 2575-2587.
6. Huijer A., Kassapoglou C., Pahlavan L. Acoustic Emission Monitoring of Carbon Fibre Reinforced Composites with Embedded Sensors for In-Situ Damage Identification. Sensors, 2021, 21(20), 6926.
7. Turner R.M., Volk M., Rajic N., Davis C.E., Chadwick M. Structural Health Monitoring of Wind Turbine Blades Using Fiber Optic Bragg Grating Sensors. Smart Materials and Structures, 2016.
8. Dragan K., Dziendzikowski M., Kurnyta A., Leski A., Bienias J. Structural Health Monitoring of Composite Structures with Use of Embedded PZT Piezoelectric Sensors. European Conference on Composite Materials, 2014.
9. Muc A., Kędziora P. A fuzzy set analysis for a fatigue damage response of composite materials. Composite Structures, 2018, 203, 71-77.
10. Yuan F.G. (Editor) Structural Health Monitoring in Aerospace Structures. Woodhead Publishing, 2016.
11. Malekloo A., Ozer E., AlHamaydeh M., Girolami M. Machine learning and structural health monitoring overview with emerging technology and high-dimensional data source highlights. Structural Health Monitoring, 2022, 21(4), 1906-1955.
12. Ijjeh A.A., Ullah S., Kudela P. Full wavefield processing by using FCN for delamination detection. Mechanical Systems and Signal Processing, 2021, 153, 107537.
Вы можете задать любой вопрос на тему нашей продукции или работы нашего сайта.