利用磁致伸缩磁声转换对机械性能进行无损表征：理论与实验

《Ultrasonics》：Non-destructive characterization of mechanical properties using magnetostrictive magnetoacoustic conversion: Theory and experiment

磁致伸缩材料力学性能的非破坏性检测方法研究：构建理论模型揭示MCE与力学参数的线性关系，通过热处理3Cr13钢实验验证了剪切波幅值与弹性模量、泊松比的相关性，提出多参数协同检测新思路。

　　机械性能是铁磁材料的重要参数，直接影响其结构可靠性和功能稳定性。近年来，基于磁致伸缩效应的超声波表征技术因其非接触性和高灵敏度而受到广泛关注。然而，磁声转换效率（MCE）与机械性能之间的关系尚未得到充分的理论支持，其内在机制也仍不明确。为了填补这一理论空白，本研究构建了一个涵盖不同机械参数的磁致伸缩磁声转换理论模型，并首次对影响MCE的关键因素进行了系统分析。在此基础上，开发了一种非破坏性的多参数机械性能评估方法。最终，通过热处理的3Cr13钢样品进行了实验验证，结果表明机械性能与SH波MCE曲线之间存在显著的线性关系，实验现象与模型预测结果一致。本研究不仅丰富了磁致伸缩超声换能器的磁声转换理论，还为非接触、非破坏性评估机械性能提供了新的思路。

铁磁材料在工业制造中广泛应用，其机械性能的精确表征对于设备的结构安全和运行可靠性至关重要。传统的机械性能测试方法主要分为破坏性测试和非破坏性测试两大类。破坏性测试方法可以直接获得机械性能参数，但不可避免地会对被测部件造成不可逆的损伤。而非破坏性测试方法包括磁性测试方法（如磁致伸缩噪声和增量磁导率法）和声学测试方法（如超声波飞行时间法）。这些方法通过测量对材料微观结构敏感的物理特性来间接评估机械性能。磁性测试方法在检测机械性能变化方面表现出高灵敏度，但缺乏系统的理论模型，其检测信号容易受到激励条件的影响，增加了分析的复杂性并限制了其应用范围。相比之下，声学测试方法通过声速与材料微观结构的相互作用来评估机械性能，但其灵敏度相对较低，且受到波传播路径上的平均效应影响。

磁致伸缩效应是铁磁材料的一种特殊物理现象，描述了材料在磁场中的磁-机械耦合行为。这种效应对材料的微观结构和机械性能变化非常敏感，因此可以通过测量磁致伸缩曲线来间接评估铁磁材料的机械性能。特别是，由磁致伸缩效应形成的磁致伸缩超声换能器的内部机制与被测材料的磁致伸缩特性密切相关，涉及偏置磁场、动态电流和铁磁材料的协同作用。磁致伸缩超声换能器的磁声转换理论最初由Thompson建立，揭示了磁声转换效率（MCE）与铁磁材料磁致伸缩系数之间的正相关关系。Ogi等人进一步提出了磁致伸缩本构方程中的压电磁系数矩阵计算模型，并完成了磁致伸缩力的求解。Ribichini等人深入探讨了电磁超声换能器在铁磁材料中的换能机制，并利用数值模型分析了洛伦兹力和磁致伸缩力对铁磁样品超声波振幅变化的影响。Lhémery等人提出了一个简化二维模型，用于模拟磁致伸缩换能器激发的SH波，并通过格林函数卷积积分将磁致伸缩体力转换为表面应力分布，再利用互易定理和模态分解方法计算换能器激发的SH波振幅。Zhang等人和Wang等人则引入磁扩散方程和材料厚度边界条件，提高了动态磁场计算的精度。

上述研究证实了外部磁场参数对磁致伸缩换能器MCE的决定性影响，但对材料机械性能变化引起的效应机制报道较少，成为现有理论研究中的一个不足之处。近年来，一些学者开始关注这一机制，并通过实验校准和数据驱动方法初步建立了MCE与机械性能之间的经验关系。Xu等人利用磁致伸缩换能器测量的MCE曲线实现了对铁磁材料磁致伸缩系数的定量表征。实验结果表明，该方法能够有效测量不同硅含量硅钢带的相对磁致伸缩系数。残余应变引起的微观结构变化不仅影响磁致伸缩系数，也会影响MCE曲线。通过优化换能器，Zhang等人测量了不同残余应变等级的低碳钢样品的MCE曲线，用于残余应变的表征。归一化结果表明，MCE曲线的斜率随着残余应变的变化而显著改变。Wang等人利用BP神经网络建立了MCE曲线特征参数与机械性能之间的映射关系。对宝钢公司的冷轧钢样品进行测试的结果表明，该方法具有很高的预测精度，相对误差小于10%的合格率达到了90%。随后，该方法被用于铁磁材料屈服强度的表征，并通过同一批次样品进行了验证。这些研究结果表明，基于磁致伸缩效应的磁声转换方法可以通过测量由材料微观结构变化引起的MCE曲线变化，实现对机械性能的间接表征。该方法对微观结构和机械性能变化具有高灵敏度，并由于充分利用了磁致伸缩传感器的非接触优势，适用于大规模连续检测。

本研究采用理论建模与实验测量相结合的方法，首次从理论上揭示了MCE与机械性能之间的内在关系，并在此基础上进一步开发了机械性能的表征方法。首先，引入了磁致伸缩换能器的磁声转换理论模型，并通过灵敏度分析确定了影响MCE的关键材料参数。随后，介绍了用于测量这些参数的实验方法，并研究了机械性能变化对不同磁场强度下SH0模态导波振幅的影响，从而对它们之间的相关性和灵敏度进行了定量分析。最后，通过机械性能的实验进一步验证了理论预测的可靠性，并分析了潜在的误差来源和改进方向。本研究不仅丰富了磁致伸缩磁声转换理论，还为铁磁材料的机械性能表征提供了新的思路。

磁致伸缩换能器是磁声转换的核心组件，由三个主要部分组成：电磁铁/永磁体、激励线圈和待测的铁磁材料（图1(a)）。静磁场由磁铁产生，而动态磁场由蛇形线圈产生，两者相互垂直，从而在铁磁材料内部引发平面剪切变形，激发剪切水平（SH）波。SH波在材料中传播时，其振幅和相位会受到材料微观结构和机械性能的影响。通过测量这些变化，可以实现对机械性能的非接触、非破坏性评估。为了进一步验证理论模型和数值结果的可靠性，本研究构建了一个MCE测量系统（图9）。该系统包括主机计算机、RITEC RPR-4000高功率脉冲/接收器、Tektronix MDO3024示波器、RIGOL DG4162双通道函数发生器A、Tektronix AFG3021B函数发生器B、KEPCO BOP 100-4D功率放大器、磁致伸缩换能器和热处理样品。

图10展示了MEC测量结果，进一步说明了磁声转换效率与机械性能之间的关系。实验中采用的3Cr13马氏体不锈钢是一种常见的工程材料，具有良好的强度和硬度。实验样品为300 mm × 300 mm × 3 mm的板材，通过淬火-回火热处理工艺改变其机械性能。热处理过程包括加热和保温步骤，如图4(a)所示。首先，将温度升高至650°C，耗时60分钟，随后保持60分钟。接着，温度进一步升至850°C，耗时约30分钟。淬火后，样品在空气中冷却，随后在回火温度下保持一定时间。热处理后的样品被用于后续的实验测试，以验证其机械性能与MCE之间的关系。通过改变热处理参数，可以实现对材料机械性能的调控，从而观察其对MCE曲线的影响。

本研究的实验装置主要包括主机计算机、高功率脉冲/接收器、示波器、函数发生器、功率放大器、磁致伸缩换能器和热处理样品。换能器的设计和性能对MCE测量结果具有重要影响。为了提高测量精度，实验中采用了优化的换能器结构和参数配置。此外，实验中还考虑了多种外部因素，如磁场强度、激励频率和换能器与样品之间的耦合情况，以确保测量结果的准确性和可靠性。通过调整这些参数，可以有效控制MCE的测量范围和灵敏度，从而实现对机械性能的精确评估。

在实验过程中，首先对3Cr13不锈钢样品进行了热处理，以改变其机械性能。随后，利用磁致伸缩换能器对样品进行了MCE测量。测量过程中，通过改变磁场强度和激励频率，观察MCE曲线的变化。实验结果表明，MCE曲线的变化与材料的机械性能变化之间存在显著的线性关系。此外，不同热处理工艺下的样品表现出不同的MCE曲线特征，这进一步验证了机械性能对MCE的影响。通过对比不同样品的MCE曲线，可以识别出影响MCE的关键材料参数，并为机械性能的表征提供依据。

为了进一步分析MCE与机械性能之间的关系，本研究引入了理论模型，并通过灵敏度分析确定了影响MCE的关键因素。理论模型考虑了材料的微观结构、磁致伸缩特性以及外部磁场参数的影响。通过调整这些参数，可以模拟不同的机械性能状态，并预测相应的MCE曲线变化。实验结果与理论预测结果一致，表明该方法具有较高的可靠性。此外，通过引入机器学习方法，如BP神经网络，可以进一步提高对MCE曲线特征参数与机械性能之间关系的识别能力。实验结果表明，该方法能够实现对机械性能的高精度预测，并具有良好的应用前景。

本研究的实验验证部分包括对不同热处理工艺下的3Cr13不锈钢样品进行MCE测量，并分析其与机械性能之间的关系。实验结果表明，MCE曲线的变化能够有效反映材料的机械性能变化，如硬度、强度和延展性。此外，通过对比不同样品的MCE曲线，可以识别出影响MCE的关键因素，并为机械性能的表征提供依据。实验中还考虑了不同激励条件对MCE测量结果的影响，如磁场强度、激励频率和换能器与样品之间的耦合情况，以确保测量结果的准确性和可靠性。

在实验过程中，首先对样品进行了热处理，以改变其机械性能。随后，利用磁致伸缩换能器对样品进行了MCE测量。测量过程中，通过改变磁场强度和激励频率，观察MCE曲线的变化。实验结果表明，MCE曲线的变化与材料的机械性能变化之间存在显著的线性关系。此外，不同热处理工艺下的样品表现出不同的MCE曲线特征，这进一步验证了机械性能对MCE的影响。通过对比不同样品的MCE曲线，可以识别出影响MCE的关键因素，并为机械性能的表征提供依据。

本研究的理论模型和实验方法相结合，为磁致伸缩换能器的MCE测量提供了新的思路。理论模型考虑了材料的微观结构、磁致伸缩特性以及外部磁场参数的影响，通过调整这些参数，可以模拟不同的机械性能状态，并预测相应的MCE曲线变化。实验结果与理论预测结果一致，表明该方法具有较高的可靠性。此外，通过引入机器学习方法，如BP神经网络，可以进一步提高对MCE曲线特征参数与机械性能之间关系的识别能力。实验结果表明，该方法能够实现对机械性能的高精度预测，并具有良好的应用前景。

在实验验证过程中，本研究对不同热处理工艺下的3Cr13不锈钢样品进行了系统的MCE测量，并分析了其与机械性能之间的关系。实验结果表明，MCE曲线的变化能够有效反映材料的机械性能变化，如硬度、强度和延展性。此外，不同热处理工艺下的样品表现出不同的MCE曲线特征，这进一步验证了机械性能对MCE的影响。通过对比不同样品的MCE曲线，可以识别出影响MCE的关键因素，并为机械性能的表征提供依据。实验中还考虑了不同激励条件对MCE测量结果的影响，如磁场强度、激励频率和换能器与样品之间的耦合情况，以确保测量结果的准确性和可靠性。

本研究的理论模型和实验方法相结合，为磁致伸缩换能器的MCE测量提供了新的思路。理论模型考虑了材料的微观结构、磁致伸缩特性以及外部磁场参数的影响，通过调整这些参数，可以模拟不同的机械性能状态，并预测相应的MCE曲线变化。实验结果与理论预测结果一致，表明该方法具有较高的可靠性。此外，通过引入机器学习方法，如BP神经网络，可以进一步提高对MCE曲线特征参数与机械性能之间关系的识别能力。实验结果表明，该方法能够实现对机械性能的高精度预测，并具有良好的应用前景。

本研究的实验结果表明，MCE曲线的变化能够有效反映材料的机械性能变化。通过改变热处理参数，可以调控材料的机械性能，并观察其对MCE曲线的影响。实验中还考虑了不同激励条件对MCE测量结果的影响，如磁场强度、激励频率和换能器与样品之间的耦合情况，以确保测量结果的准确性和可靠性。此外，通过对比不同样品的MCE曲线，可以识别出影响MCE的关键因素，并为机械性能的表征提供依据。

本研究的理论模型和实验方法相结合，为磁致伸缩换能器的MCE测量提供了新的思路。理论模型考虑了材料的微观结构、磁致伸缩特性以及外部磁场参数的影响，通过调整这些参数，可以模拟不同的机械性能状态，并预测相应的MCE曲线变化。实验结果与理论预测结果一致，表明该方法具有较高的可靠性。此外，通过引入机器学习方法，如BP神经网络，可以进一步提高对MCE曲线特征参数与机械性能之间关系的识别能力。实验结果表明，该方法能够实现对机械性能的高精度预测，并具有良好的应用前景。

综上所述，本研究通过理论建模与实验测量相结合的方法，首次从理论上揭示了MCE与机械性能之间的内在关系，并在此基础上进一步开发了机械性能的表征方法。实验结果表明，MCE曲线的变化能够有效反映材料的机械性能变化，如硬度、强度和延展性。此外，不同热处理工艺下的样品表现出不同的MCE曲线特征，这进一步验证了机械性能对MCE的影响。通过对比不同样品的MCE曲线，可以识别出影响MCE的关键因素，并为机械性能的表征提供依据。实验中还考虑了不同激励条件对MCE测量结果的影响，如磁场强度、激励频率和换能器与样品之间的耦合情况，以确保测量结果的准确性和可靠性。本研究不仅丰富了磁致伸缩磁声转换理论，还为非接触、非破坏性评估机械性能提供了新的思路。