CN102590348A - 一种检测物体局部阻抗变化的方法及系统 - Google Patents
一种检测物体局部阻抗变化的方法及系统 Download PDFInfo
- Publication number
- CN102590348A CN102590348A CN2012100182246A CN201210018224A CN102590348A CN 102590348 A CN102590348 A CN 102590348A CN 2012100182246 A CN2012100182246 A CN 2012100182246A CN 201210018224 A CN201210018224 A CN 201210018224A CN 102590348 A CN102590348 A CN 102590348A
- Authority
- CN
- China
- Prior art keywords
- signal
- state
- classifier
- bolt
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000008859 change Effects 0.000 title abstract description 14
- 239000002131 composite material Substances 0.000 claims abstract description 50
- 230000004044 response Effects 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 238000012545 processing Methods 0.000 claims description 37
- 230000001133 acceleration Effects 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 29
- 230000003595 spectral effect Effects 0.000 claims description 25
- 238000012706 support-vector machine Methods 0.000 claims description 16
- 238000010079 rubber tapping Methods 0.000 claims description 15
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000003902 lesion Effects 0.000 claims description 4
- 238000012567 pattern recognition method Methods 0.000 abstract description 4
- 230000007547 defect Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- 230000032798 delamination Effects 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000005389 magnetism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于受控敲击和分类器来检测物体局部阻抗变化的方法及系统,利用物体局部阻抗不同,被敲击后响应信号不同,结合模式识别方法进行分类。不仅可以用于检测螺栓拧紧力矩,还可以用来检测复合材料的损伤状态。该方法采用的设备比较简单,方法简单实用,检测结果准确并且能够实现多类分类。
Description
技术领域
本发明涉及一种基于受控敲击和分类器来检测物体局部阻抗变化方法及系统,更具体涉及基于受控敲击和分类器来检测螺栓松紧程度和检测复合材料损伤的方法和系统。
背景技术
各种设备往往都会使用螺栓来实现零部件的连接。它虽然很普通,但其紧固程度却会直接影响整个设备的质量。某些关键部位的螺栓如果发生松脱,甚至会造成重大的安全事故。为了保证螺栓的连接质量,需要采用标准的检测方法来确定螺栓的摩擦系数、最大扭矩等参数,对一些精密设备还需要严格规定螺栓的拧紧力矩。设备在使用过程中由于受到振动、冲击、温度改变等外界因素的影响,螺栓的松紧程度很可能发生变化。因此需要采用一种无损检测方法来评估螺栓连接的实际状态。
螺栓的松紧程度会直接影响当地的机械阻抗。在实际工程中,有经验的检测员常常用敲击的方法,根据声音的变化来判断螺栓是否松脱,但人工敲击检测损伤的方法过于依赖检测员的经验,不能广泛应用于实际工程中;而且由于每个检测员的经验不一样,导致检测结果会出现较大的差异,稳定性不佳。
现有技术中关于敲击损伤识别方法的理论分析认为,敲击不同区域会发出不同的声音,是因为不同区域的敲击力发生了变化,因此根据敲击力的时域曲线的宽度或者频域曲线下的面积比就可以辨识出结构的损伤。为此,还用一个串联弹簧模型做了一个理论上的解释:认为损伤的出现会导致结构局部刚度降低,从而使结构局部变软。但该方法检测结果尚不够理想,也无法定量识别出螺栓拧紧力矩或者结构损伤状态。
无损检测,即采用非破坏性手段,利用声、光、电、热、磁和射线等技术探测材料、构件内部的孔隙、夹杂、裂纹、分层等影响其使用的缺陷及其位置。目前,复合材料无损检测方法主要有超声检测、射线检测和热成像检测等。每种技术都有其特定的应用范围和优缺点,单一方法难以实现对所有类型缺陷的检测,通常需要多种方法相结合。
因此,期望提供一种适于实用的物体状态检测方法,能够实时快速地检测出螺栓松紧状态和/或材料损伤状态,具有一定的精确性和稳定性。
发明内容
针对上述问题,本发明提供一种基于受控敲击和分类器来检测物体局部阻抗变化的方法及系统,通过对待检测物体施加恒定的敲击力,从待检测物体的响应信号中提取特征信息,并结合模式识别方法实现无损检测,不仅能够对物体的局部异常进行定性识别,而且还可以对物体的局部异常进行定量识别。
本发明提供的基于受控敲击和分类器来检测物体局部阻抗变化的方法,包括如下步骤:
a、使用敲击装置以固定敲击力对物体进行敲击;
b、利用传感器感测由物体被敲击的目标区域传递到所述传感器的响应信号,其中所述响应信号为加速度信号、速度信号或者位移信号;
c、对传感器感测的响应信号进行变换处理以获取该响应信号的信号谱图,并截取所述信号频谱在特定频段的谱图数据;
所述方法还包括:
-在所述分类器的训练阶段
d、对目标区域处于第1至第N阻抗状态的物体,分别在每一阻抗状态对所述目标区域重复步骤a-c以获取该阻抗状态下所述目标区域在所述特定频段的多个训练谱图数据,其中N为大于1的整数;
e、将每一阻抗状态以及该阻抗状态下的所述多个训练谱图数据提供给所述分类器,对所述分类器进行训练;并且
-在所述分类器的检测阶段
f、对目标区域处于待检测阻抗状态的物体,通过步骤a-c以获取该待检测阻抗状态下所述目标区域在所述特定频段的检测谱图数据;
g、将待检测阻抗状况下的所述检测谱图数据提供给所述分类器,以将所述待检测阻抗状态分类到第1至第N阻抗状态之一。
其中所述分类器可以为支持向量机、Bayes分类器、BP神经网络分类器、决策树算法或者简单的向量比较指标等。由于支持向量机方法具有严格的统计学习理论基础,在解决小样本、非线性和高维模式识别问题方面具有很多优势,因此所述分类器优选为支持向量机分类器。
本发明提供的基于分类器来检测物体局部阻抗变化的方法至少具有如下优点:
通过检测物体被敲击后产生的响应信号,根据物体的阻抗状态与该响应信号之间存在紧密关系,基于模式识别方法来判别物体状态。该方法不但可以检测出物体是否受损,还能比较准确的对物体受损情况进行定量识别,这是人工敲击检测所不能达到的效果。
另一方面,本发明还提供一种基于受控敲击和分类器来检测螺栓松紧状态的系统,包括:
敲击装置,以固定敲击力对螺栓进行敲击;
传感器,用于感测由所述螺栓传递到所述传感器的响应信号;其中所述响应信号为加速度信号、速度信号或者位移信号;
信号处理部件,用于对所述传感器所感测的响应信号进行处理以检测螺栓松紧状态,其特征在于,所述信号处理部件包括:
谱图处理装置,用于对传感器感测的响应信号进行变换处理以获取所述响应信号的信号谱图,并截取所述信号频谱在特定频段的谱图数据;和
松紧状态确定装置,基于分类器和谱图处理装置输出的所述谱图数据来检测螺栓松紧状态,其中,
-将一螺栓的第1至第N松紧状态的每一松紧状态以及在该松紧状态下检测到的多个训练谱图数据提供给所述分类器,对所述分类器进行训练,其中N为大于1的整数;并且
-将一螺栓在待检测松紧状态下检测到的训练谱图数据提供给所述分类器,以将所述待检测松紧状态分类到第1至第N松紧状态之一。
所述传感器能够安装在被敲击的螺栓上,直接感测它被敲击后的响应信号。但是,由于在被敲击的螺栓上安放传感器比较麻烦,所以优选将传感器集成在所述敲击装置上。
本发明提供的螺栓连接状态检测系统,采用的设备便于使用,操作步骤比较简单,在有充分采样样本的情况下对分类器进行训练之后,对螺栓连接状态进行检测时不仅简便迅速,而且能够实现定量检测的目的。
另一方面,本发明还提供一种基于受控敲击和分类器来检测复合材料损伤的系统,包括:
敲击装置,以固定敲击力对复合材料进行敲击;
传感器,用于感测由所述复合材料表面被敲击的目标区域传递到所述传感器的响应信号;其中所述响应信号为加速度信号、速度信号或者位移信号;
信号处理部件,用于对所述传感器所感测的响应信号进行处理以检测复合材料损伤,其特征在于,所述信号处理部件包括:
谱图处理装置,用于对传感器感测的响应信号进行变换处理以获取所述响应信号的信号谱图,并截取所述信号频谱在特定频段的谱图数据;和
损伤状态确定装置,基于分类器和谱图处理装置输出的所述谱图数据来检测复合材料损伤状态,其中,
-将目标区域的第1至第N损伤状态的每一损伤状态以及在该损伤状态下检测到的多个训练谱图数据提供给所述分类器,对所述分类器进行训练,其中N为大于1的整数;并且
-将目标区域在待检测损伤状态下检测到的训练谱图数据提供给所述分类器,以将所述待检测损伤状态分类到第1至第N损伤状态之一。
所述传感器优选集成在所述敲击装置上;但是,所述传感器也能够安装在被敲击复合材料上,并尽量接近被敲击区域。
本发明提供的复合材料损伤检测系统,采用的设备便于使用,操作步骤比较简单,在有充分采样样本的情况下对分类器进行训练之后,对复合材料状态进行检测时不仅能简便迅速的确定所检测的部位是否有损伤,而且能够对损伤的类型进行分类。
附图说明
图1为本发明所示敲击检测方法的简化力学模型;
图2为本发明一实施例采用的敲击装置与传感器的示意图;
图3为本发明实施例提供的螺栓松紧状态检测系统示意图;
图4为本发明实施例提供的螺栓松紧状态检测的一组测试信号的功率谱密度曲线示意图;
图5为本发明实施例中的螺栓拧紧力矩与功率谱图中的敏感尖峰频率的关系图;
图6为本发明另一实施例提供的复合材料状态检测系统示意图。
具体实施方式
下面结合附图和具体的实施方式对本发明作进一步的描述。
螺栓的等效刚度和摩擦系数不但与材料性质、几何形状相关,还会随着螺栓拧紧力矩的变化而改变。复合材料的等效刚度和阻尼不仅与复合材料的材料性质、几何形状有关,还与复合材料的损伤类型、程度等有关。因此要准确描述螺栓或者复合材料在敲击力作用下的力学行为,必须涉及非常复杂的非线性动力学分析。而本发明的目的是检测螺栓的松紧程度或者复合材料的损伤状态,所以只是力求寻找对螺栓拧紧力矩或者复合材料损伤状态敏感的响应。
在本发明中,螺栓或复合材料的局部阻抗(主要包括等效刚度,也包含阻尼和等效质量)是螺栓拧紧力矩或复合材料损伤类型的函数,而敲击装置的刚度是恒定的。如图1所示,待测物体系统被简化为一个弹簧质量系统,其质量为m1,弹簧刚度k1(T)是拧紧力矩T的函数。另外假设质量为m2的敲击装置在竖直方向的刚度为k2。以质量块的静平衡位置为参考状态,分别令敲击装置和待测物体系统的位移为u1和u2,可以建立如下的控制方程:
m1ü1+(k1+k2)u1-k2u2=0
m2ü2-k2u1+k2u2=F (1)
虽然实际系统中存在阻尼,但是我们只关心稳定状态下的强迫振动解,所以(1)式中没有考虑阻尼的影响。假设敲击力是由若干简谐分量叠加而成:其中Ai、ωi和分别为第i阶力的幅值、圆频率和初相位,t代表时间。在给定的拧紧力矩T下,不难根据(1)式得到敲击装置的第i阶响应:
敲击装置的加速度为:
从(4)式可以看出,如果敲击力中包含和和接近的频率成份,那么敲击装置的加速度功率谱密度图中就会在和处出现两个尖峰。当待测物体的阻抗状态发生改变时k1(T)会发生变化,根据(3)式,这时功率谱密度图中两个尖峰的位置就会发生改变;而根据(4)式,尖峰的幅值也会发生改变。
实际结构远比图1所示模型复杂,敲击力的加速度功率谱密度图中可能会出现其它尖峰。当待测物体的阻抗状态改变时,这些非敏感峰所对应的频率不会发生明显的变化,但其幅值可能有所改变。另外,如果m2>>m1,k2>>k1,那么而且很可能会超出敲击力所涵盖的频段,从而不出现在加速度功率谱密度图中。这样,实际的敲击装置的加速度功率谱密度图中可能就只有一个尖峰的位置和幅值都会对待测物体阻抗状态敏感,而其它尖峰只是幅值会随着待测物体阻抗状态发生一些变化。
由上述分析可知,敲击装置的加速度功率谱密度曲线的形状和待测物体阻抗状态之间存在关联关系。如果该曲线的频段中包含了那么这种关联关系会更加紧密,因此可用来检测待测物体阻抗状态,也就是可以用来检测螺栓的拧紧力矩,或者复合材料的损伤状态。
图2中所示为本发明采用的敲击装置与传感器的连接示意图,所述敲击装置包括激振器201,几字框202以及垫圈203。所述几字框202优选为钢结构,连接在所述激振器201下面。所述垫圈203带有橡胶限位片,连接在所述激振器201的最下端位置。
与所述敲击装置相连的传感器,具体为加速度计204,所述加速度计204安放在所述几字框202和激振器201的连接处,用于采集所述敲击装置的加速度信号。
作为本发明的一个实施例,利用图2所示的敲击装置敲击待检测部件,通过所述加速度计204检测所述部件被敲击后产生的响应信号,根据物体局部阻抗变化与该响应信号之间存在紧密关系,基于模式识别方法来判别物体状态。本发明提供的基于分类器来检测物体状态的方法具体包括如下步骤:
a、使用敲击装置以固定敲击力对部件进行敲击。
b、利用集成在所述敲击装置上的加速度计204感测由所述部件传递到所述敲击装置的响应信号,所述响应信号为加速度信号。
c、对所述加速度信号进行变换处理以获取该加速度信号的信号谱图,并截取所述信号频谱在特定频段的谱图数据。具体的,所述谱图数据优选为功率谱密度图(power spectrum density),通过傅里叶变换、AR模型、Welch法或者最大熵等方法来估算得到。
在所述分类器的训练阶段
d、对目标区域处于第1至第N阻抗状态的物体,分别在每一阻抗状态对所述目标区域重复步骤a-c以获取该阻抗状态下所述目标区域在所述特定频段的多个训练谱图数据,其中N为大于1的整数;
e、将每一阻抗状态以及该阻抗状态下的所述多个训练谱图数据提供给所述分类器,对所述分类器进行训练。所述分类器可以为支持向量机分类器、Bayes分类器、BP神经网络分类器,决策树算法或者简单的向量比较指标等,由于支持向量机方法具有严格的统计学习理论基础,在解决小样本、非线性和高维模式识别问题方面具有很多优势,因此本发明优选采用支持向量机分类器。
-在所述分类器的检测阶段
f、对目标区域处于待检测阻抗状态的物体,通过步骤a-c以获取该待检测阻抗状态下所述目标区域在所述特定频段的检测谱图数据;
g、将待检测阻抗状况下的所述检测谱图数据提供给所述分类器,以将所述待检测阻抗状态分类到第1至第N阻抗状态之一。
当所述物体为螺栓时,所述阻抗状态表示螺栓的松紧状态,更进一步的,所述松紧状态可以为螺栓的拧紧力矩。
当所述物体为复合材料时,所述阻抗状态表示复合材料的损伤状态,更进一步的,所述损伤状态可以为脱层、体积型缺陷或裂纹等。
作为本发明的另一个实施例,图3为本发明提供的基于分类器来检测螺栓松紧状态的系统,包括:敲击装置31,集成在所述敲击装置31上的传感器32,信号处理部件34,所述信号处理部件34包括谱图处理装置35与松紧状态确定装置36。待检测部件为螺栓33。其中,所述敲击装置31以及传感器32具体如图2中所示。
根据本发明所述测量方法,用四根长度为94mm,直径为8mm的螺栓,将两根铝条固定在地轨上。将一个方波信号传递给所述激振器201,用于产生敲击力。所述方波的周期设置为1秒,这样可以使较高频率的自由振动信号在两次敲击之间得到足够的衰减。共进行了20组测试,在每组测试中,用扭力扳手依次将待测螺栓的拧紧力矩调节为五种状态:0Nm、5Nm、10Nm、205Nm和20Nm。其中拧紧力矩为0Nm时螺栓处于全松状态,拧紧力矩为20Nm时螺栓处于拧紧状态。在每种状态下,使图2中所述的敲击装置用同样的力对螺栓33敲击30秒,同时用加速度计204记录其加速度信号。这样每种状态下都有12个加速度信号作为检测样本,一共有60个检测样本。
然后将所述加速度信号输入到所述谱图处理装置25中进行处理,获得该加速度信号的信号谱图。具体的,所述谱图优选为功率谱密度。为了保证采集的数据是稳定状态下的强迫振动的响应,从每个检测样本的加速度信号中截取中间连续的20秒数据,用自动回归(autoregressive)方法获得其功率谱密度曲线。所述功率谱密度曲线的频率范围包含对螺栓松紧程度敏感的频率范围,优选的,所述功率谱密度中至少包含频率值为所述敲击装置与所述螺栓组成的系统的固有圆频率相等的部分。
从图5对第一组测试信号的功率谱密度曲线的比较可以看出,在功率谱密度曲线中一般会在400Hz、550Hz、625Hz和710Hz附近出现尖峰。在螺栓全松状态下,400Hz左右的尖峰完全消失。随着螺栓拧紧力矩的增加,400Hz左右尖峰的位置会向高频方向偏移,同时其幅值也会发生很大变化。另外,当螺栓松紧程度改变时,其余三个尖峰的位置基本不变,但是其幅值会有所改变。可见400Hz左右的尖峰对螺栓的松紧程度很敏感,对应于图1所示的简化力学模型中的,其余的尖峰应该是铝块系统自身的固有频率。所以,所述功率谱密度图中至少包含频率为400Hz的部分。在本实施例中,功率谱密度图选取的频率范围为350Hz~750Hz。更进一步的,针对不同的待测螺栓,或者实验条件不同,选取的频率范围也要根据实际情况进行调整,使之包含对螺栓松紧程度敏感的频率范围。
将所有12组加速度信号(共60个样本)的功率谱密度作为训练样本,相应的每个加速度信号对应的螺栓状态作为期望输出,提供给支持向量机进行学习训练。所述螺栓状态为0Nm、5Nm、10Nm、205Nm和20Nm五种状态。
再通过与获得所述12组加速度信号相同的步骤重新获取8组加速度信号(共40个样本),通过谱图处理装置35对所述8组加速度信号进行处理获取其功率谱密度,将所述8组加速度信号的功率谱密度作为测试样本输入所述经训练的支持向量机进行测试,输出的识别结果为该8组信号对应的螺栓状态。所述识别结果如表1所示。由表1可见螺栓全松状态可以完全得到正确识别;5Nm状态完全不能正确识别;并且拧紧力矩越大,识别结果的正确率越高。
表1螺栓拧紧力矩识别结果
图5比较了所有20组加速度信号的功率谱密度曲线中,敏感尖峰的频率随着螺栓拧紧力矩的变化情况;当螺栓全松时该尖峰消失,故未参与比较。由图6中可见当拧紧力矩为5Nm时,数据的分散性非常大,随着力矩的增加,数据的分散性逐渐减小。这是因为每组实验的过程都是从螺栓完全松脱开始,逐渐增加拧紧力矩进行测量。当螺栓比较松时,各种接触和摩擦情况的随机性比较大。而且实验中使用的扭矩扳手的力矩范围为4Nm~20Nm,力矩小时的准确性也不如力矩大时高。由此可以理解表1中的识别结果:随着拧紧力矩的增大而准确率增高。
在本实施例中,螺栓状态有五种,识别结果也相应的有五种,不仅能够识别出螺栓是拧紧的还是全松的,而且能够定量的识别出螺栓的拧紧力矩,这是人工敲击损伤识别方法所不能达到的。当然,根据实际工程需要,可以将所述的五种螺栓拧紧力矩划分为两种螺栓状态:拧紧和未拧紧。例如,将拧紧力矩为0~10Nm的视为没拧紧,拧紧力矩大于10Nm时视为拧紧。
以上仅作为本发明的一个实施例。事实上,随着提供给支持向量机的检测样本的数量增多,支持向量机的识别准确率就会相应的有所提升。本实施例仅以小量的样本进行了原理性说明,所采用样本的具体数量以及识别结果的正确率不能够用于限制本发明的保护范围。
作为本发明的另一实施例,图6为基于分类器来检测复合材料损伤的系统示意图,包括:敲击装置71,集成在所述敲击装置71上的传感器72,信号处理部件74,所述信号处理部件74包括谱图处理装置75与损伤状态确定装置76。待检测部件为复合材料73。其中,所述敲击装置31具体可以为图2中所示的敲击装置,传感器优选为图2中所示的加速度计204,其与敲击装置的连接关系也如图2中所示。当然,所述传感器72还可以为速度传感器或者位移传感器。
基于分类器检测复合材料损伤状态的步骤如下:
a、利用所述敲击装置71以固定力敲击复合材料73。
b、利用传感器72感测由复合材料被敲击的目标区域传递到所述敲击装置71的响应信号,其中所述传感器72为图2中所示的加速度计204,所述响应信号为加速度信号。当然,所述传感器72还可以为速度传感器或者位移传感器,相应的所述响应信号为速度信号或者位移信号。
c、利用谱图处理装置75对传感器72感测的响应信号进行变换处理以获取该响应信号的信号谱图,并截取所述信号频谱在特定频段的谱图数据。具体的,所述响应信号为加速度信号,优选获取所述加速度信号的功率谱密度图,通过傅里叶变换、AR模型、Welch法或者最大熵等方法来估算得到。所述特定频段为功率谱密度图中对复合材料状态敏感的频段。
d、对正常状态以及各种损伤状态下的复合材料,分别在每一状态对所述复合材料重复步骤a-c以获取该状态下所述复合材料在所述特定频段的多个训练谱图数据。具体的,所述损伤状态可以为断层、体积型缺陷或裂纹等。
e、将每一状态以及该状态下的所述多个训练谱图数据提供给所述分类器,对分类器进行训练。所述分类器可以为支持向量机分类器、Bayes分类器、BP神经网络分类器,决策树算法或者简单的向量比较指标等,由于支持向量机方法具有严格的统计学习理论基础,在解决小样本、非线性和高维模式识别问题方面具有很多优势,因此本发明优选采用支持向量机分类器。
f、对处于待检测状态的复合材料,通过步骤a-c以获取该待检测状态下所述复合材料在所述特定频段的检测谱图数据。
g、将待检测状况下的所述检测谱图数据提供给所述分类器,其输出的识别结果即为该复合材料的状态。
基于复合材料正常状态与损伤状态下的阻抗不同,被敲击之后产生的响应信号不同,结合模式识别方法,对复合材料的状态进行检测分类,不仅能够区分出复合材料是否有损伤,在采样样本充足的情况下,还能够分辨出复合材料的损伤类型。
上面的实施例所述的方法和系统,皆基于敲击装置的加速度功率谱密度曲线的形状和待测物体阻抗状态之间存在关联关系。实际上,敲击装置的加速度信号的其他谱图的形状和待测物体阻抗状态之间同样存在着类似关联关系。进一步地,敲击装置的速度信号或位移信号的诸如功率密度谱图的其他谱图与待测物体阻抗状态之间也存在着类似关联关系。因此,根据本发明,敲击装置的加速度、速度或位移信号的谱图都可被用来检测物体的阻抗状态变化,即都可被用来检测螺栓松紧状态或复合材料损伤状态。
具体地,上述实施例中所述的加速度计204也可以替换为位移传感器或者速度传感器,相应地所采集和处理的响应信号可以为位移信号或者速度信号。
进一步地,上述实施例中,所述传感器集成在敲击装置上。但本领域技术人员都明了,所述传感器还可以放置在被敲击的螺栓上或复合材料被敲击区域附近。
本发明提供的基于分类器检测局部阻抗变化的方法与系统,采用的设备便于使用,操作步骤比较简单,在有充分采样样本的情况下对分类器进行训练之后进行检测时能简便迅速的对检测状态进行分类,并且可以进行多类分类。
以上仅是本发明的优选实施方式,本发明的保护范围并不局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对本领域技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,均应视为本发明的保护范围。
Claims (12)
1.一种基于受控敲击和分类器来检测物体局部阻抗变化的方法,包括步骤:
a、使用敲击装置以固定敲击力对物体进行敲击;
b、利用传感器感测由物体被敲击的目标区域传递到所述传感器的响应信号,其中所述响应信号为加速度信号、速度信号或者位移信号;
c、对传感器感测的响应信号进行变换处理以获取该响应信号的信号谱图,并截取所述信号频谱在特定频段的谱图数据;
所述方法还包括:
-在所述分类器的训练阶段
d、对目标区域处于第1至第N阻抗状态的物体,分别在每一阻抗状态对所述目标区域重复步骤a-c以获取该阻抗状态下所述目标区域在所述特定频段的多个训练谱图数据,其中N为大于1的整数;
e、将每一阻抗状态以及该阻抗状态下的所述多个训练谱图数据提供给所述分类器,对所述分类器进行训练;并且
-在所述分类器的检测阶段
f、对目标区域处于待检测阻抗状态的物体,通过步骤a-c以获取该待检测阻抗状态下所述目标区域在所述特定频段的检测谱图数据;
g、将待检测阻抗状况下的所述检测谱图数据提供给所述分类器,以将所述待检测阻抗状态分类到第1至第N阻抗状态之一。
2.根据权利要求1所述的方法,用于检测螺栓松紧状态,其中所述物体为螺栓,所述阻抗状态表示螺栓的松紧状态。
3.根据权利要求1所述的方法,用于检测复合材料损伤状态,其中所述物体为复合材料,所述阻抗状态表示复合材料的损伤状态。
4.根据权利要求1,2或3所述的方法,其中所述分类器为支持向量机分类器。
5.根据权利要求1,2或3所述的方法,其中所述传感器集成在所述敲击装置上。
6.根据权利要求1,2或3所述的方法,其中所述传感器为加速度计,所述响应信号为加速度信号。
7.根据权利要求6所述的方法,其中所述信号谱图为功率谱密度图。
8.根据权利要求2所述的方法,其中所述松紧状态用螺栓的拧紧力矩表示。
9.根据权利要求1所述的方法,其中所述特定频段为对螺栓的拧紧力矩变化敏感的频段。
10.一种基于受控敲击和分类器来检测螺栓松紧状态的系统,包括:
敲击装置,以固定敲击力对螺栓进行敲击;
传感器,用于感测由所述螺栓传递到所述传感器的响应信号,其中所述响应信号为加速度信号、速度信号或者位移信号;
信号处理部件,用于对所述传感器所感测的响应信号进行处理以检测螺栓松紧状态,其特征在于,所述信号处理部件包括:
谱图处理装置,用于对传感器感测的响应信号进行变换处理以获取所述响应信号的信号谱图,并截取所述信号频谱在特定频段的谱图数据;和
松紧状态确定装置,基于分类器和谱图处理装置输出的所述谱图数据来检测螺栓松紧状态,其中,
-将一螺栓的第1至第N松紧状态的每一松紧状态以及在该松紧状态下检测到的多个训练谱图数据提供给所述分类器,对所述分类器进行训练,其中N为大于1的整数;并且
-将一螺栓在待检测松紧状态下检测到的训练谱图数据提供给所述分类器,以将所述待检测松紧状态分类到第1至第N松紧状态之一。
11.一种基于受控敲击和分类器来检测复合材料损伤的系统,包括:
敲击装置,以固定敲击力对复合材料进行敲击;
传感器,用于感测由所述复合材料表面被敲击的目标区域传递到所述传感器的响应信号,其中所述响应信号为加速度信号、速度信号或者位移信号;
信号处理部件,用于对所述传感器所感测的响应信号进行处理以检测复合材料损伤,其特征在于,所述信号处理部件包括:
谱图处理装置,用于对传感器感测的响应信号进行变换处理以获取所述响应信号的信号谱图,并截取所述信号频谱在特定频段的谱图数据;和
损伤状态确定装置,基于分类器和谱图处理装置输出的所述谱图数据来检测复合材料损伤状态,其中,
-将目标区域的第1至第N损伤状态的每一损伤状态以及在该损伤状态下检测到的多个训练谱图数据提供给所述分类器,对所述分类器进行训练,其中N为大于1的整数;并且
-将目标区域在待检测损伤状态下检测到的训练谱图数据提供给所述分类器,以将所述待检测损伤状态分类到第1至第N损伤状态之一。
12.根据权利要求10或11所述的系统,其中所述传感器集成在所述敲击装置上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100182246A CN102590348A (zh) | 2012-01-19 | 2012-01-19 | 一种检测物体局部阻抗变化的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012100182246A CN102590348A (zh) | 2012-01-19 | 2012-01-19 | 一种检测物体局部阻抗变化的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102590348A true CN102590348A (zh) | 2012-07-18 |
Family
ID=46479280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012100182246A Pending CN102590348A (zh) | 2012-01-19 | 2012-01-19 | 一种检测物体局部阻抗变化的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102590348A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105043972A (zh) * | 2015-05-08 | 2015-11-11 | 中国飞机强度研究所 | 一种复合材料成像检测方法及复合材料成像检测系统 |
CN108269249A (zh) * | 2017-12-11 | 2018-07-10 | 深圳市智能机器人研究院 | 一种螺栓检测系统及其实现方法 |
CN108871647A (zh) * | 2017-05-15 | 2018-11-23 | 现代自动车株式会社 | 用于测量螺栓的轴向力的方法 |
CN109583043A (zh) * | 2018-11-09 | 2019-04-05 | 清华大学 | 一种用于螺栓联接的拧紧力矩自适应补偿方法 |
CN112710734A (zh) * | 2020-12-09 | 2021-04-27 | 东莞理工学院 | 基于gold码的螺栓损伤超声波检测方法及系统 |
CN114200003A (zh) * | 2021-11-30 | 2022-03-18 | 哈尔滨工程大学 | 一种基于跨点阻抗的金属裂纹识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1712950A (zh) * | 2005-07-04 | 2005-12-28 | 上海科鸣建筑工程技术有限公司 | 混凝土缺陷音频检测方法 |
CN101051040A (zh) * | 2007-04-26 | 2007-10-10 | 华南理工大学 | 声振法水泥路面板底脱空检测方法及检测仪 |
-
2012
- 2012-01-19 CN CN2012100182246A patent/CN102590348A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1712950A (zh) * | 2005-07-04 | 2005-12-28 | 上海科鸣建筑工程技术有限公司 | 混凝土缺陷音频检测方法 |
CN101051040A (zh) * | 2007-04-26 | 2007-10-10 | 华南理工大学 | 声振法水泥路面板底脱空检测方法及检测仪 |
Non-Patent Citations (3)
Title |
---|
BY KEITH WORDEN 等: "The application of machine learning to structural health monitoring", 《PHIL. TRANS. R. SOC. A》 * |
邬冠华 等: "声振检测方法的发展", 《无损检测》 * |
闫晓东: "飞机复合材料结构智能敲击检测系统研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105043972A (zh) * | 2015-05-08 | 2015-11-11 | 中国飞机强度研究所 | 一种复合材料成像检测方法及复合材料成像检测系统 |
CN108871647A (zh) * | 2017-05-15 | 2018-11-23 | 现代自动车株式会社 | 用于测量螺栓的轴向力的方法 |
CN108871647B (zh) * | 2017-05-15 | 2022-04-01 | 现代自动车株式会社 | 用于测量螺栓的轴向力的方法 |
CN108269249A (zh) * | 2017-12-11 | 2018-07-10 | 深圳市智能机器人研究院 | 一种螺栓检测系统及其实现方法 |
CN109583043A (zh) * | 2018-11-09 | 2019-04-05 | 清华大学 | 一种用于螺栓联接的拧紧力矩自适应补偿方法 |
CN109583043B (zh) * | 2018-11-09 | 2020-09-22 | 清华大学 | 一种用于螺栓联接的拧紧力矩自适应补偿方法 |
CN112710734A (zh) * | 2020-12-09 | 2021-04-27 | 东莞理工学院 | 基于gold码的螺栓损伤超声波检测方法及系统 |
CN112710734B (zh) * | 2020-12-09 | 2022-10-25 | 东莞理工学院 | 基于gold码的螺栓损伤超声波检测方法及系统 |
CN114200003A (zh) * | 2021-11-30 | 2022-03-18 | 哈尔滨工程大学 | 一种基于跨点阻抗的金属裂纹识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | HHT-based bridge structural health-monitoring method | |
Nirwan et al. | Condition monitoring and fault detection in roller bearing used in rolling mill by acoustic emission and vibration analysis | |
CN102590348A (zh) | 一种检测物体局部阻抗变化的方法及系统 | |
US20080059086A1 (en) | System and method for determining and detecting stability loss in structures | |
WO2010130144A1 (zh) | 一种结构损伤检测系统、设备以及结构损伤检测方法 | |
WO2009101978A1 (ja) | 構造物の損傷の診断方法および装置 | |
Ganeriwala et al. | Using modal analysis for detecting cracks in wind turbine blades | |
CN110901689A (zh) | 一种基于模态识别的轨道结构扣件松脱检测方法 | |
Biswas et al. | Modified chain-code computer vision techniques for interrogation of vibration signatures for structural fault detection | |
CN202533411U (zh) | 一种检测物体局部阻抗变化的系统 | |
Abdulkareem et al. | Experimental damage assessment of support condition for plate structures using wavelet transform | |
Coelho et al. | Detection of fatigue cracks and torque loss in bolted joints | |
Haldar et al. | Data analysis challenges in structural health assessment using measured dynamic responses | |
CN112986388B (zh) | 一种基于宽频激励的道岔尖轨缺陷检测方法及系统 | |
Klinchaeam et al. | Fault detection of a spur gear using vibration signal with multivariable statistical parameters. | |
Chen et al. | Damage identification based on wavelet packet analysis method | |
CN114777985A (zh) | 基于振动特性的铁塔螺栓完全松动快速检测方法 | |
Tsiapoki et al. | Combining a vibration-based SHM scheme and an airborne sound approach for damage detection on wind turbine rotor blades | |
Jha et al. | Energy-frequency-time analysis of structural vibrations using Hilbert-Huang transform | |
Park et al. | Compressive sensing approaches for condition monitoring and laser-scanning based damage visualization | |
Hernández-Maqueda et al. | Incipient Damage Detection in a Truss-Type Bridge using vibration responses and MUSIC Technique | |
Pimentel-Junior et al. | On the bump tests of cracked shafts using acoustic emission techniques | |
Pedemonte et al. | Signal processing for passive impact damage detection in composite structures | |
Junior et al. | Acoustic Emission Tests on the Analysis of Cracked Shafts of Different Crack Depths | |
KR100765407B1 (ko) | 검진기능을 갖는 능동형 진동측정 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20120718 |