研究了复掺钢纤维、聚丙烯纤维和玻化微珠对混凝土抗压性能的影响,通过微观定量方法描述了混凝土孔隙结构与抗压性能之间的关系,结合声发射技术分析了湿热环境下混凝土的压缩破坏特征。结果表明:复掺钢纤维、聚丙烯纤维和玻化微珠混凝土在各级温度下的抗压强度均最高,且随温度上升的强度损失率最低;复掺钢纤维、聚丙烯纤维和玻化微珠混凝土的孔隙率和孔隙分形维数与抗压强度有良好的非线性关系;复掺钢纤维、聚丙烯纤维和玻化微珠可使混凝土的破坏形式从以张拉破坏为主转变为以剪切破坏为主。

为了研究再生混凝土内部损伤随应力变化的演变规律,基于声发射技术对龄期为14 d、28 d、60 d的不同再生粗骨料替代率和不同粉煤灰掺量的混凝土进行了动态检测,获得了表征掺粉煤灰再生混凝土损伤演化过程的典型能量-应力图、撞击累计数-应力曲线以及声发射损伤定位图,探究了再生粗骨料替代率、粉煤灰掺量和龄期对声发射参数的影响,揭示了各应力阶段与内部损伤情况的关系。结果表明:再生粗骨料替代率越高,压密阶段占整个应力上升阶段的时间越长,由1/5上升到1/2,且各阶段的划分不突出,应力破坏阶段相应提前;掺加适量的粉煤灰可以密实再生混凝土内部的初始缺陷,但是,当粉煤灰掺量为30%时,试块在塑性阶段的撞击累计数开始出现剧增现象,使得捕捉材料破坏的预兆信息提前;不同龄期对再生混凝土的内部初始缺陷有一定影响,尤其体现在压密阶段和...

结合声发射技术,针对四种缝高比(0.2、0.3、0.4、0.5)的混凝土梁试件开展了单调三点弯曲断裂试验,探究了混凝土梁的断裂特性和裂缝扩展机理,对比研究了不同缝高比对混凝土梁断裂力学特性的影响。试验结果表明,混凝土梁试件的峰值荷载会随着缝高比的增大而降低。随着缝高比的增大,试件裂缝张开口位移临界值增大,而失稳断裂韧度和断裂能均减小。加载过程中,声发射参数累计值均随缝高比的减小而增大,但平均值无明显变化规律。基于单位时间声发射撞击数的变化,将试件单调断裂加载过程划分为三个阶段,并给出了基于声发射信号强度分析的混凝土结构安全区域。

建立了无腹筋混凝土梁受剪破坏中声发射现象的声发射灰色预测模型,并采用修正方法对模型进行了修正。结果表明:采用两次修正、调整系数a和一次修正三种方法引入修正系数对GM(1,1)模型的预测精度有较大提高,对声发射(AE)累计事件数的数值预测效果有较好的拟合性,AE累计事件数变化趋势的预测结果与试验结果之间的差异较小,可以实现对无腹筋混凝土梁受剪破坏的判别与预测。

利用MTS试验系统,研究了珊瑚混凝土的早期强度增长规律、单轴压缩强度的尺寸效应、破坏模式以及损伤演化特征。结果表明:海水拌制的珊瑚混凝土具有明显的早强特点,养护3 d和7 d试件的相对强度分别可达到0.84和0.90;高径比(长宽比)对试件的单轴压缩强度有较大影响,高径比(长宽比)越大,试件的峰值强度越大,残余强度越小,且表现出显著的脆性破坏特征;单轴压缩条件下,珊瑚混凝土的破坏模式以张拉破坏为主,其破坏形态为断裂裂纹贯穿骨料破坏;借助声发射系统,监测到声发射振铃数与试件的宏观力学性能紧密相关。

对冻融混凝土进行了不同单侧压下的劈拉试验,分析了冻融循环次数和单侧压对混凝土劈拉性能的影响,并结合声发射技术研究了混凝土在劈拉过程中的损伤发展,建立了混凝土损伤演化方程。结果表明:随着冻融循环次数的增加,混凝土冻融劣化程度加深,峰值应力明显降低;相同冻融循环次数下,单侧压越大,混凝土的峰值应力越大;经历冻融循环后的混凝土损伤发展速度加快,单侧压的存在对混凝土的损伤发展起到延阻作用;考虑冻融循环次数和单侧压作用的混凝土劈拉损伤演化曲线均可分为损伤初始发展阶段、损伤稳定发展阶段和损伤快速发展阶段。

声发射（Acoustic Emission,AE）是无损检测方法。本文介绍了声发射的概念、声发射检测原理及特点,并总结分析了声发射发状及应用范围,更有利于声发射在实时检测上推广与应用。

在通过无瑕木样本获取模式I断裂能时,我们使用声频技术检测沿着顺纹进行的断裂增长。使用新技术估量声发射放出的能量,把能量与批量模式断裂能做一比较,可以使我们知道由断裂能转化为可测试声频能量的数量。该实验的结果说明大约有六分之一的断裂能可以做为声频能测量。

文章在MATLABGUI编程的基础上，设计了基于MATLAB．GUI的声发射信号特征参数分析平台。该平台用于分析混凝土构件在损伤状况下释放的有效声发射信号参数随时问或外变量变化的情况，从而得到声发射源的活动情况和发展趋势。仿真试验表明，该平台能够反映出预应力混凝土构件破坏过程中的特征信息，为实际远距离在线结构健康的监测提供了实际依据。

声发射信号到达时间的信息,对于声发射事件的定位、识别以及声发射源机理分析都是非常重要的。实际应用中,常用人工读取或通过设定幅值阈值来获取信号的到达时间。针对以上常用方法的缺点,结合噪声信号的AR模型和声发射信号的AR模型,应用Akaike信息准则,实现了对声发射信号到达时间的自动识别。对实验数据的识别结果显示,该方法对信号的幅频特性变化比较敏感。在相同信噪比的情况下,该方法识别的偏差要小于阈值法。当信噪比较低时,阈值法可能会给出错误的结果,而该方法仍然能够给出较准确的结果。