Page 99 - 无损检测2024年第十一期

试验研究
试验研究

DOI：10.11973/wsjc240328

基于声发射和 XGBoost 的陶瓷基复合材料剩余

强度预测

王煜鑫 ，张勇祯 ，许鸿杰 3
2
1
（1. 北京市建筑设计研究院股份有限公司，北京 100037；2. 西北工业大学 计算机学院，西安 710129；

3. 航空工业信息技术中心，北京 100028）
摘 要：为有效评估陶瓷基复合材料在载荷作用下的损伤状态，开展了陶瓷基复合材料加载过
程中的声发射监测试验。对比了包括XGBoost、AdaBoost、KNN回归等多种机器学习算法在材料
剩余强度预测方面的性能。通过基于SHAP的模型可解释性，分析了各相关特征对模型预测能力
的贡献。结果表明：除关键声发射信号特征之外，基于声发射信号的计算特征——预警函数，对剩
余强度模型预测能力的提升有较大帮助，基于XGBoost算法和声发射信号能够实现较精确的陶瓷
基复合材料剩余强度预测。
关键词：声发射；陶瓷基复合材料；机器学习；剩余强度预测
中图分类号：TG115.28 文献标志码：A 文章编号：1000-6656(2024)11-0061-06

Residual strength prediction of ceramic matrix composites based on acoustic
emission and XGBoost

WANG Yuxin , ZHANG Yongzhen , XU Hongjie 3
1
2
（1. Beijing Institute of Architectural Design Co., Ltd., Beijing 100037, China; 2. School of Computer Science, Northwestern
Polytechnical University, Xi’an 710129, China; 3. AVIC Digital Technology Co.,Ltd., Beijing 100028, China）

Abstract: To effectively evaluate the damage state of ceramic matrix composites under loading, acoustic emission
(AE) monitoring experiments of ceramic matrix composites during the loading process was carried out. The performance
of various machine learning algorithms including XGBoost, AdaBoost, and KNR for the prediction of material residual
strength was compared. Finally, the contribution of each relevant feature to the model prediction ability was analyzed by
SHAP-based model interpretability. The results showed that, in addition to the key AE features, the computational feature
(Sentry function) based on the AE features contributed more to the improvement of the residual strength model prediction
capability. Residual strength prediction of ceramic matrix composites was realized based on XGBoost algorithm and AE
signals.
Key words: acoustic emission; ceramic matrix composite; machine learning; residual strength prediction

陶瓷基复合材料（Ceramic Matrix Composite， 低、高温持久强度更优、可设计性更强，是最具潜力的
CMC）继承了陶瓷材料耐高温、抗腐蚀等优点，克服 热结构材料之一，在航空航天等领域有重要应用 [1-2] 。

了陶瓷材料的脆性，相较于高温合金材料，其密度更 同时，陶瓷基复合材料具有摩擦性能优异、吸热能力
强、方便维修等优点，从而不断取代金属基制动材

收稿日期：2024-07-22 料，成为高速列车、大型汽车制动的首选材料 。但
[3]
作者简介：王煜鑫（1990—），男，本科，主要研究方向为智能算法、 是，陶瓷基复合材料与金属材料不同，没有较为明显
无损检测技术
的塑性变形阶段，在服役过程中承载能力的下降不
通信作者：张勇祯，男，博士，主要研究方向为声发射监测、材料
[4]
性能预测，zhangyongzhennpu@163.com 易预测，极易造成严重的安全隐患 。
61
2024 年 第 46 卷 第 11 期
无损检测