CN102879474A - 基于wpt策略和df策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 - Google Patents
基于wpt策略和df策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 Download PDFInfo
- Publication number
- CN102879474A CN102879474A CN2012103744813A CN201210374481A CN102879474A CN 102879474 A CN102879474 A CN 102879474A CN 2012103744813 A CN2012103744813 A CN 2012103744813A CN 201210374481 A CN201210374481 A CN 201210374481A CN 102879474 A CN102879474 A CN 102879474A
- Authority
- CN
- China
- Prior art keywords
- fatigue damage
- module
- signal
- strategy
- wavelet packet
- 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.)
- Granted
Links
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于WPT策略和DF策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统,声发射波形信号重构单元(1)将采集的原始波形信号进行处理输出声发射重构信号。DF估计模块(21)对重构信号进行傅里叶变换输出DF估计给归一化处理模块(22),其进行归一化电压处理输出对角切片信息给疲劳损伤度计算模块(23),其进行材料损伤度计算输出疲劳损伤度给疲劳损伤状态预测单元(3)和预警单元(4)进行评定和报警。应用本发明能够对16Mn钢承力件疲劳损伤状态进行直观、定量、实时的评估判断,从而做出预警,减少装备及人员伤亡等损失。
Description
技术领域
本发明涉及多种疲劳损伤状态的定量评估,更特别地说,是指一种采用WPT策略(即小波包分析法)和DF策略(即双谱分析法)对港口大型机械设备中的在役16锰钢(即16Mn钢)承力件进行疲劳损伤状态定量评估的系统。
背景技术
港口大型机械设备中的岸边设备:如装船机、卸船机、抓斗机等,常应用16Mn钢作为关键承力件。岸边设备在使用过程中可能受到不同疲劳载荷的作用,而不同疲劳载荷会导致不同的疲劳损伤状态,作为主要承力件的16Mn钢的疲劳损伤状态的判别对整个岸边设备的使用状态将具有重要意义。
16Mn钢是低合金钢中使用较为广泛、生产量较大的一种结构钢,具有良好的综合机械性能和良好工艺性能。16Mn钢被广泛应用到压力容器、石油储罐,管道以及港口等大型机械设备领域内。然而疲劳失效是以16Mn钢为代表的结构钢的主要失效模式,即在疲劳载荷下,结构钢中会出现裂纹萌生和裂纹扩展最后会导致钢断裂失效。疲劳失效一般可根据最大载荷的不同分为高周疲劳和低周疲劳。对包含16Mn钢在内的结构钢不同疲劳损伤状态的监测与分析,进而实现对大型结构钢的科学的健康监测具有重要意义。
声发射技术(Acoustic Emission Technique)因具有动态、实时检测等优点,已广泛的应用于结构件的损伤检测。实践表明,不同的疲劳载荷下,其裂纹扩展速率是不同的,这导致裂纹扩展中其裂纹尖端的应力是不同的,这就产生了不同疲劳损伤状态,而在不同疲劳载荷会导致声发射信号在频率,波形上等的变化。因此有必要利用声发射技术作为监测16Mn钢承力件疲劳损伤状态的工具。
小波包分析是一种较精细的信号分析方法,它适合对正弦信号进行数据压缩和去噪处理,小波包分析可以克服FFT在对非平稳信号在时-频域内分析的限制。小波包WPT的多分辨分析将信号分解为较高的频率分辨率及较低的时间分辨率的低频部分和较高的时间分辨率及较低的频率分辨的高频部分。具有精确细分的特点和较强的时频局部化能力能很好满足信号特征提取的要求。
双谱分析法是信号处理领域非常有用的重要分析工具。它能有效的分析处理非高斯、非线性、非因果信号和高斯有色噪声及盲信号。它从 更高概率结构表征随机信号,可弥补二阶统计量(功率谱)不含相位信息、不能提取更多有用信息的缺陷,具有高分辨率和强抗噪声能力等优点。
以声发射波形信号数据为基础的小波包分析和双谱分析方法可获得信号的定量特征,因此可以将WPT策略和DF策略相结合应用于疲劳损伤状态的声发射信号处理中,从而得到疲劳损伤状态的定量表征与评估。
随着现代工业日益向大规模、高效率发展,作为港口重要物流装备的大型岸边起重机械,具有以下几个特点:
1、目前使用中的很多大型起重机是上世纪60年代至70年代我国自行设计制造或从东欧进口,还有少数是从美、日等国进口的二手设备,按设计寿命20~25年考虑,很多设备也己进入服役后期或超期服役阶段;
2、由于绝大部分机械结构件服役时承受交变载荷,因此失效形式大部分为疲劳失效。据统计,由机械故障引起的事故中,80%以上与材料的疲劳损伤有关;
3、目前的损伤检测方法在大型钢结构检测方面都存在不同程度的局限性,如超声波检测和磁粉检测等方法对起重机进行的部分抽样检测,盲目性大、易出现漏检且检测的周期长,工作量大,费用昂贵;
4、预警评估系统目前尚不完善,目前应用的分析判别技术还不能对起重机承力件的疲劳损伤做出准确的预警和安全评估,尤其是我国港口大型机械设备安全事故时有发生,其中,高周疲劳和低周疲劳引起的疲劳损伤是港口大型岸边起重装备承力件主要的损伤模式。
因此,为确保大型岸边起重机械安全可靠的运行,须对承力件进行检测、判断疲劳损伤状态,从而进行安全评估。
发明内容
为了减少大型岸边起重机械在使用过程中,由于疲劳载荷的不同会有不同的疲劳损伤状态,对16Mn钢承力件所受的载荷状态的评估对其疲劳失效的预警是很重要的,本发明提出一种采用WPT策略和DF策略对在役16Mn钢承力件进行监测,得到声发射波形信号表示的疲劳损伤状态信息,并采用WPT策略和DF策略方法对其疲劳损伤状态进行定量评估。应用本发明的监测结果能够对16Mn钢承力件疲劳损伤状态进行定量的评估判断,从而做出预警,减少装备及人员伤亡等损失。
本发明的一种基于WPT策略和DF策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统,该系统由声发射波形信号重构单元(1)、疲劳损伤状态评定单元(2)、疲劳损伤状态预测单元(3)和预警单元(4)组成;
其中,声发射波形信号重构单元(1)信号分解模块(11)、干扰系数的剔除模块(12)和信号重构模块(13)组成组成;
其中,疲劳损伤模式评定单元(2)由DF估计模块(21)、归一化处理模块(22)和疲劳损伤度计算模块(23)组成组成;
声发射信号重构单元(1)对接收的多路传感信息Sv(t)进行信号分解模块(11)得到了小波包分解系数 然后经过干扰系数的剔除模块(12)得到择优小波包分解系数 最后信号重构模块(13)对择优小波包分解系数 进行小波包重构,输出声发射重构信号信息F(t);
DF估计模块(21)采用DF策略对声发射重构信号信息F(t)进行处理得到DF估计B(w),然后归一化处理模块(22)对DF估计B(w)进行归一化分析得到归一化信息Bv,最后疲劳损伤频率计算模块(23)对归一化信息Bv进行处理得到疲劳损伤度值F,所述疲劳损伤度值F经疲劳损伤状态预测单元(3)进行疲劳损伤状态评定,输出疲劳损伤等级信息C(F);
疲劳损伤模式预测模式(4)接收到报警启动信号后,触发启动开关输出提示音。
本发明基于WPT策略和DF策略对16Mn钢承力件疲劳损伤状态进行评估的系统优点在于:
(A)本发明使用WPT分析方法,将声发射波形进行波形重构,得到了反映16Mn钢承力件的疲劳损伤状态的重构信号。这种方法能够有效降低摩擦噪音等对波形的干扰,便于对16Mn钢的疲劳损伤状态做出正确的评估。
(B)本发明使用DF策略分析方法,将声发射波形信息定量化,得到了反映16Mn钢承力件的疲劳损伤状态的定量参数。这种方法较传统的频谱分析方法更为直观准确,并且具有定量化的特点,便于对16Mn钢的疲劳损伤状态做出正确的评估。
(C)本发明结合声发射技术、WPT策略方法与DF策略分析方法,提出了16Mn钢的重构声发射信号的疲劳损伤频率对疲劳损伤状态进行评估,使得评定结果精确可靠,大大减小了错误的概率。
(D)对疲劳损伤下的16钢承力件进行了疲劳损伤状态的划分和鉴定。
可以简单易行地对未知疲劳损伤状态的16Mn钢承力件做出疲劳损伤状态、疲劳损伤程度的评价。
(E)使用本发明可以对工况下的16Mn钢承力件的疲劳损伤进行实时监测,出现危险情况时可及时预警,因此可以大大减少人员财产的损失,保证安全以及经济效益。
附图说明
图1是声发射仪与多个传感器连接的简示图。
图2是声发射仪中存储有16Mn钢疲劳损伤状态定量评估系统的结构框图。
图2A是本发明声发射波形信号重构单元结构框图。
图2B是本发明疲劳损伤状态评定单元结构框图。
图3是声发射波形信息示意图。
图4是本发明的DF归一化信息图。
1.声发射波形信号重构单元 | 11.信号分解模块 |
12.干扰系数剔除模块 | 13.信号重构模块 |
2.疲劳损伤状态评定单元 | 21.DF估计模块 |
22.归一化处理模块 | 23.疲劳损伤度计算模块 |
3.疲劳损伤状态预测单元 | 4.预警单元 |
具体实施方式
下面将结合附图和实施例对本发明做进一步的详细说明。
本发明通过在大型岸边起重机械的承力件上布置多个声发射传感器,并且多个声发射传感器的输出端分别与声发射仪连接。该声发射仪对接收到的多路传感信息应用本发明的16Mn钢疲劳损伤状态定量评估系统进行处理,从而对被测对象(大型岸边起重机械的承力件)的疲劳损伤状态进行定量评估。参见图1所示,一个声发射仪分别与声发射传感器A、声发射传感器B、声发射传感器C、……、声发射传感器V连接,通过多个声发射传感器实现对被测对象的多路声信息Sv(t)的采集。多路声信息Sv(t)中的t表示采集时间,v表示声发射传感器的标识。在本发明中,声信息表征为一个电压信号输出给声发射波形信号重构单元1进行相关的处理。
所述的声发射传感器选取PAC公司生产的R15传感器。其共振频率为150kHz。
所述的声发射仪选取PAC公司生产的全数字式声发射系统。该声发射系统包括有主机系统和DiSP系统,本发明的16Mn钢疲劳损伤状态定量评估系统存储在主机系统的存储器中。该DiSP系统中的每通道具有高达1MHz的信号采样率。
参见图2、图2A和图2B所示,为了减少大型岸边起重机械在使用过程中,由于各种疲劳损伤导致的16Mn钢承力件突然断裂造成的损失,本发明采用WPT策略与DF策略对在役16Mn钢承力件进行疲劳损伤状态进行定量评估。本发明的16Mn钢疲劳损伤状态定量评估系统包括有声发射波形信号重构单元1、疲劳损伤状态评定单元2、疲劳损伤状态预测单元3组成和预警单元4。
在本发明中,疲劳损伤状态表征与定量评估系统采用Matlab语言(版本7.0)开发,运行在声发射仪的处理器中。本发明采用数字化的技术手段对在役16Mn钢承力件进行疲劳损伤状态评估,能够实现对大型岸边起重机械危险情况的提前预警。
下面分别对本发明疲劳损伤状态表征与定量评估系统中的各个单元采用的技术手段、实现的功能进行详细说明:
(一)声发射波形信号重构单元1
在本发明中,声发射波形信号重构单元1由信号分解模块11、干扰系数剔除模块12和信号重构模块13组成。
表示小波包递归函数(详见《小波理论算法与滤波器组》,科学出版社,P216),节点的序号i=1,2,...2j,j是尺度因子,为正整数,j=1,2,...,a,a为小波包分解最低层层数;k为位移因子,为正整数。 中的dt表示对采集时间t的积分。
信号重构模块13:第一方面将择优小波包分解系数 通过小波叠加关系 进行重构得出节点波形信号 横坐标是时间,单位μs,纵坐标是电压值,单位MV,如图3所示;i=1,2,...2j,无单位,为正整数;j=1,2,...,a,a为小波包分解最低层层数,无单位,为正整数;第二方面对节点波形信号 根据节点加和关系 进行处理,得出重构波形信号F(t),横坐标是时间,单位μs,纵坐标是电压值,单位MV。
(二)疲劳损伤模式评定单元2
在本发明中,疲劳损伤模式评定单元2由DF估计模块21、归一化处理模块22和疲劳损伤度计算模块23组成;
DF估计模块21:对接收到的重构波形信号F(t)进行傅里叶变换 处理,得到DF估计B(w),B(w)是频率与电压的一维函数,w表示电压的频率,N表示将电压信号分成了N个样本,即样本个数,E表示电压的期望值,m表示样本的标识,e表示指数的表达形式,b表示傅里叶变换的复数,F(m)表示第m下的电压值,F(m-1)表示F(m)前一个的电压值,F(m±1)表示F(m)后一个的电压值。
归一化处理模块22:对接收到的DF估计B(w)通过归一化电压关系 进行归一化处理,得到对角切片信息Bv,无单位。该归 一化信息Bn采用坐标表示为如图4所示,坐标纵轴是归一化信息Bv,横轴是频率F,单位(kHz)。从图4中可以看出数学化的双谱变换转化为频域,能够定量分析出不同位置传感器采集到的声发射振动源的区别。归一化电压关系 中B表示B(w)的纵坐标表达出的电压值,Bmin表示B(w)的纵坐标表达出的最小电压值,Bmax表示B(w)的纵坐标表达出的最大电压值。
疲劳损伤度计算模块23:依据材料损伤度关系 对角切片信息Bv进行处理,得到疲劳损伤度F;
材料损伤度关系 中,第1个归一化电压值大于0的峰值频率记为f1,f1的权值记为ω1;同理可得,第2个归一化电压值大于0的峰值频率记为f2,f2的权值记为ω2;……,第n个归一化电压值大于0的峰值频率记为fn,fn的权值记为ωn。
(三)疲劳损伤等级评定单元3
在本发明中,疲劳损伤模式预测单元3根据接收到的疲劳损伤度值F,进行评定在役16锰钢承力件的疲劳损伤状态:根据疲劳损伤状态不同将疲劳损伤状态分为数个等级,第一应力等级为小应力应变损伤10~12KN(千牛顿),第二应力等级为中等应力应变损伤14~16KN,第三应力等级为大应力应变损伤22~26KN。当疲劳损伤频率值F=Fp时,则评定为疲劳损伤等级C(F)=p。其中,C(F)为疲劳损伤等级信息,p为疲劳损伤等级,即该疲劳损伤状态的疲劳损伤等级为第p级;Fp是第p级疲劳损伤模式的特定疲劳损伤频率度,即疲劳损伤等级C(F)=p时,有F=Fp。当疲劳损伤频率F无法满足上述等级评定条件时,做为野值剔除。该疲劳损伤等级信息C(F)作为预警信息来启动预警单元4进行预警。
16Mn钢承力件不同疲劳损伤状态的疲劳损伤状态判别等级划分标准示例可参见表1所示,该表1中的所有信息存储在声发射仪的处理器中。
表1疲劳损伤状态等级划分标准示例
(四)预警单元4
该预警单元4采用如喇叭、扩音器等形式的提示音报警输出。
在本发明中,预警单元4接收到报警启动信号后,触发启动开关输 出提示音。该提示音可以是如喇叭、扩音器等发出的如音乐声等。
实施例1:
对40吨轨道式起重机的承力件进行疲劳加载的声发射检测。
承力件:悬臂有效伸度5000mm,检测长度3000mm。
承力件所用的16Mn钢成分为:
表216Mn钢成分含量
成分 | C | Mn | Si | P | S | Ca | Fe |
质量百分比含量(%) | 0.16 | 1.42 | 0.31 | 0.022 | 0.033 | 0.10 | 余量 |
检测用设备有:(A)4个R15型声发射传感器,响应频率100~400kHz,中心频率150kHz。
(B)声发射仪为美国PAC公司全数字式16通道DiSP声发射系统。声发射仪检测时的门槛值30dB,声发射峰值定义时间PDT为300μs,声发射撞击限定时间HDT为600μs,声发射撞击闭锁时间HLT为1000μs。
在16Mn钢承力件的承受疲劳载荷过程中,首先对声发射波形信息进行收集,并通过本发明对疲劳损伤状态作出评价。随机抽取的部分16Mn钢承力件疲劳损伤状态定量评估结果见表3。
表3部分16Mn钢承力件疲劳损伤状态定量评估结果
从表3中的评估结果可以看出所选声发射波形信息的双谱损伤频率计算值中,双谱损伤频率值分别为0.75、0.78和0.8,因此均属于小应力应变损伤状态,疲劳损伤等级为1。说明40吨轨道式起重机的承力件存在疲劳裂纹,损伤疲劳损伤程度还较小,但仍需要起重机的操作者重视和进行不定期的检查。
本发明建立了基于WPT策略和DF策略对16Mn钢承力件进行疲劳损伤状态定量评估的系统,通过声发射技术对在役16Mn钢承力件进行监测得到声发射信号,对声发射信号进行信号重构处理得到声发射重构信号,并采用DF策略方法对其疲劳损伤状态进行定量评估,并评定疲劳损伤等级。应用本发明能够对16Mn钢承力件疲劳损伤状态进行直观、定量、实时的评估判断,从而做出预警,减少装备及人员伤亡等损失。
Claims (6)
1.一种基于WPT策略和DF策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统,其特征在于:该系统由声发射波形信号重构单元(1)、疲劳损伤状态评定单元(2)、疲劳损伤状态预测单元(3)和预警单元(4)组成;
其中,声发射波形信号重构单元(1)信号分解模块(11)、干扰系数的剔除模块(12)和信号重构模块(13)组成组成;
其中,疲劳损伤模式评定单元(2)由DF估计模块(21)、归一化处理模块(22)和疲劳损伤度计算模块(23)组成组成;
DF估计模块(21)采用DF策略对声发射重构信号信息F(t)进行处理得到DF估计B(w),然后归一化处理模块(22)对DF估计B(w)进行归一化分析得到归一化信息Bv,最后疲劳损伤频率计算模块(23)对归一化信息Bv进行处理得到疲劳损伤度值F,所述疲劳损伤度值F经疲劳损伤状态预测单元(3)进行疲劳损伤状态评定,输出疲劳损伤等级信息C(F);
疲劳损伤模式预测模式(4)接收到报警启动信号后,触发启动开关输出提示音。
2.根据权利要求1所述的基于WPT策略和DF策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统,其特征在于:信号分解重构模块(11)对接收到的多路声发射传感器采集的多路声信息Sv(t)进行小波包函数积分处理,得出小波包分解系数干扰系数的剔除模块(12)将小波包分解系数进行处理,剔除掉频率为100kHz节点P的小波包分解系数,P为某一正整数,得出择优小波包分解系数信号重构模块(13)第一方面将择优小波包分解系数通过小波叠加关系进行重构得出节点波形信号节点的序号i=1,2,...2j,尺度因子j=1,2,...,a,a为小波包分解最低层层数;第二方面对节点波形信号根据节点加和关系进行处理,得出重构波形信号F(t)。
3.根据权利要求1所述的基于WPT策略和DF策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统,其特征在于:DF估计模块(21)对接收到的重构波形信号F(t)进行傅里叶变换 处理,得到DF估计B(w),B(w)是频率与电压的一维函数,w表示电压的频率,N表示将电压信号分成了N个样本,即样本个数,E表示电压的期望值,m表示样本的标识,e表示指数的表达形式,b表示傅里叶变换的复数,F(m)表示第m下的电压值,F(m-1)表示F(m)前一个的电压值,F(m+1)表示F(m)后一个的电压值。
6.根据权利要求1所述的基于WPT策略和DF策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统,其特征在于:疲劳损伤模式预测单元(3)根据接收到的疲劳损伤度值F,进行评定在役16锰钢承力件的疲劳损伤状态:根据疲劳损伤状态不同将疲劳损伤状态分为数个等级,第一应力等级为小应力应变损伤10~12KN,第二应力等级为中等应力应变损伤14~16KN,第三应力等级为大应力应变损伤22~26KN;当疲劳损伤频率值F=Fp时,则评定为疲劳损伤等级C(F)=p;其中,C(F)为疲劳损伤等级信息,p为疲劳损伤等级,即该疲劳损伤状态的疲劳损伤等级为第p级;Fp是第p级疲劳损伤模式的特定疲劳损伤频率度,即疲劳损伤等级C(F)=p时,有F=Fp;当疲劳损伤频率F无法满足上述等级评定条件时,做为野值剔除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210374481.3A CN102879474B (zh) | 2012-09-29 | 2012-09-29 | 基于wpt策略和df策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210374481.3A CN102879474B (zh) | 2012-09-29 | 2012-09-29 | 基于wpt策略和df策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102879474A true CN102879474A (zh) | 2013-01-16 |
CN102879474B CN102879474B (zh) | 2014-11-05 |
Family
ID=47480877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210374481.3A Expired - Fee Related CN102879474B (zh) | 2012-09-29 | 2012-09-29 | 基于wpt策略和df策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102879474B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104990721A (zh) * | 2014-07-24 | 2015-10-21 | 北京航空航天大学 | 基于经验模态分解的应力应变重构方法 |
CN107292067A (zh) * | 2017-08-17 | 2017-10-24 | 湖南纬拓信息科技有限公司 | 一种基于压缩感知与双谱分析的齿轮故障诊断方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003038426A1 (en) * | 2001-10-31 | 2003-05-08 | Ncode International Ltd | Identification of noise sources |
CN101776644A (zh) * | 2009-12-31 | 2010-07-14 | 北京航空航天大学 | 基于双谱分析的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 |
CN101788536A (zh) * | 2009-12-31 | 2010-07-28 | 北京航空航天大学 | 基于双谱分析的在役16锰钢承力件焊接结构形变损伤状态表征与定量评估系统 |
CN102262701A (zh) * | 2011-08-02 | 2011-11-30 | 北京航空航天大学 | 基于线弹性断裂力学及声发射参数的在役16锰钢承力件疲劳裂纹扩展阶段评估系统 |
CN102279222A (zh) * | 2011-05-16 | 2011-12-14 | 北京航空航天大学 | 基于SNF策略和DSD策略的16Mn钢承力件疲劳损伤状态识别系统 |
CN102288679A (zh) * | 2011-05-16 | 2011-12-21 | 北京航空航天大学 | 基于SNF策略和DSD策略的16Mn钢焊接部位疲劳损伤状态识别系统 |
-
2012
- 2012-09-29 CN CN201210374481.3A patent/CN102879474B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003038426A1 (en) * | 2001-10-31 | 2003-05-08 | Ncode International Ltd | Identification of noise sources |
CN101776644A (zh) * | 2009-12-31 | 2010-07-14 | 北京航空航天大学 | 基于双谱分析的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 |
CN101788536A (zh) * | 2009-12-31 | 2010-07-28 | 北京航空航天大学 | 基于双谱分析的在役16锰钢承力件焊接结构形变损伤状态表征与定量评估系统 |
CN102279222A (zh) * | 2011-05-16 | 2011-12-14 | 北京航空航天大学 | 基于SNF策略和DSD策略的16Mn钢承力件疲劳损伤状态识别系统 |
CN102288679A (zh) * | 2011-05-16 | 2011-12-21 | 北京航空航天大学 | 基于SNF策略和DSD策略的16Mn钢焊接部位疲劳损伤状态识别系统 |
CN102262701A (zh) * | 2011-08-02 | 2011-11-30 | 北京航空航天大学 | 基于线弹性断裂力学及声发射参数的在役16锰钢承力件疲劳裂纹扩展阶段评估系统 |
Non-Patent Citations (3)
Title |
---|
GUNTHER F CLAUSS ET AL.: "Freak Wave Impact on Semisubmersibles — Time-domain Analysis of Motions and forces", 《PROCEEDINGS OF THE THIRTEENTH INTERNATIONAL OFFSHORE AND POLAR ENGINEERING CONFERENCE》 * |
孙万麟 等: "一种基于小波包和双谱的信号分析方法", 《现代电子技术》 * |
李军伟 等: "小波包-双谱分析和Hilbert-双谱分析的滚动轴承故障诊断方法对比研究", 《中国工程机械学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104990721A (zh) * | 2014-07-24 | 2015-10-21 | 北京航空航天大学 | 基于经验模态分解的应力应变重构方法 |
CN104990721B (zh) * | 2014-07-24 | 2018-03-06 | 北京航空航天大学 | 基于经验模态分解的应力应变重构方法 |
CN107292067A (zh) * | 2017-08-17 | 2017-10-24 | 湖南纬拓信息科技有限公司 | 一种基于压缩感知与双谱分析的齿轮故障诊断方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102879474B (zh) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hemmati et al. | Roller bearing acoustic signature extraction by wavelet packet transform, applications in fault detection and size estimation | |
Singh et al. | Rolling element bearing fault diagnosis based on over-complete rational dilation wavelet transform and auto-correlation of analytic energy operator | |
Xu et al. | Rolling element bearing diagnosis based on singular value decomposition and composite squared envelope spectrum | |
Li et al. | Early fault feature extraction of rolling bearing based on ICD and tunable Q-factor wavelet transform | |
CN110389170B (zh) | 基于Lamb波成像的列车部件裂纹损伤检测方法和系统 | |
Cui et al. | Quantitative trend fault diagnosis of a rolling bearing based on Sparsogram and Lempel-Ziv | |
Zhao et al. | Detection and recovery of fault impulses via improved harmonic product spectrum and its application in defect size estimation of train bearings | |
Hoseinzadeh et al. | Quantitative diagnosis for bearing faults by improving ensemble empirical mode decomposition | |
CN101566601B (zh) | 采用神经网络和耦合迭代对16Mn钢承力件进行拉伸损伤状态的识别系统 | |
He et al. | Health monitoring of cooling fan bearings based on wavelet filter | |
Xi et al. | Bearing diagnostics based on pattern recognition of statistical parameters | |
CN101776644B (zh) | 基于双谱分析的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 | |
Guo et al. | An enhanced modulation signal bispectrum analysis for bearing fault detection based on non-Gaussian noise suppression | |
CN101451338A (zh) | 桥梁结构状态历史信息的分离方法 | |
Wei et al. | Incipient fault diagnosis of rolling element bearing based on wavelet packet transform and energy operator | |
CN103472141A (zh) | 一种用于识别振动声调制机理的信号解调方法 | |
Li et al. | Optimal SES selection based on SVD and its application to incipient bearing fault diagnosis | |
Al-Atat et al. | A systematic methodology for gearbox health assessment and fault classification | |
CN102879475B (zh) | 基于pca和tdf对16锰钢承力件进行疲劳损伤状态的识别系统 | |
CN102879474B (zh) | 基于wpt策略和df策略的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 | |
CN101762634B (zh) | 基于双谱分析的在役16锰钢承力件形变损伤状态表征与定量评估系统 | |
Li et al. | A sensor-dependent vibration data driven fault identification method via autonomous variational mode decomposition for transmission system of shipborne antenna | |
CN102890119A (zh) | 基于wpt策略和df策略的在役az31镁合金结构件疲劳损伤状态表征与定量评估系统 | |
Jena et al. | Multiple-teeth defect localization in geared systems using filtered acoustic spectrogram | |
CN101788536B (zh) | 基于双谱分析的在役16锰钢承力件焊接结构形变损伤状态表征与定量评估系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141105 Termination date: 20150929 |
|
EXPY | Termination of patent right or utility model |