CN106096074A - 一种基于希尔伯特‑黄变换的机械构件残余应力检测方法 - Google Patents
一种基于希尔伯特‑黄变换的机械构件残余应力检测方法 Download PDFInfo
- Publication number
- CN106096074A CN106096074A CN201610356244.2A CN201610356244A CN106096074A CN 106096074 A CN106096074 A CN 106096074A CN 201610356244 A CN201610356244 A CN 201610356244A CN 106096074 A CN106096074 A CN 106096074A
- Authority
- CN
- China
- Prior art keywords
- residual stress
- hilbert
- component
- detection method
- imf
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于希尔伯特‑黄变换的机械构件残余应力检测方法,该检测方法步骤是:1.对不含有残余应力和含有残余应力的同种机械构件进行振动信号的采集,将采集到的加速度信号分别记为x(t)和y(t);2.运用HHT方法对x(t)和y(t)进行EMD分解;3.将所得各IMF分量按照下标从小到大的顺序进行重新排序;S4、通过图像匹配技术,得到各图像相关系数ρ1,ρ2,...,ρn;5.找出相关变化趋势与所受残余应力影响最大的一阶IMF所对应Hilbert图像的相关系数ρ′(ρ′=min{ρi},i=1,2,...,n),并以此为判别该类构件中是否存在残余应力的依据;6.判别出构件中是否含有残余应力。
Description
技术领域
本发明涉及机械精密检测技术领域,具体地说涉及一种基于希尔伯特-黄变换的机械构件残余应力检测方法。
背景技术
各种机械制造工艺(如铸造、切削、焊接、热处理、装配等)都会使工件内出现不同程度的残余应力。残余应力的存在会对工件的疲劳强度、静力强度及抗腐蚀性能等产生巨大影响,降低工件的使用寿命;同时,残余应力也是影响工件几何尺寸稳定性的主要因素。因此,对机械工件残余应力的测量技术进行研究具有非常重要的意义。
为保证机械工件在使用过程中的有效性和可靠性,研究人员自20世纪30年代开始便对残余应力问题进行研究,发展至今已形成了多种测量方法。目前传统的主要应用的测量方法分为两大类:即机械法和物理检测法。
机械法是将具有残余应力的部件从工件中分离或切割出来使应力释放,由测量其应变的变化求出残余应力,该方法理论完善,技术成熟,在现场测试中被广泛应用。但该类方法会对工件造成一定的损伤或者破坏,同时测量精度受到许多因素的影响。其中,机械法测量残余应力需释放应力,这就需要对工件局部分离或者分割,从而会对工件造成一定的损伤或者破坏,若对于小批量、高成本的机械零件来说,这种方法的成本太高,所以该方法的发展空间十分有限。
物理检测法主要有X射线法、中子衍射法、超声波法等。虽然物理测量不会对所测的机械零件本身造成损害,且测得的残余应力比较准确、可靠,可是由于其测量方法复杂,测量仪器昂贵,因此这种方法的使用也很少。
随着科技的进步与发展,又涌现出一批新技术,由此在传统测量方法的基础上还研究出许多新的测量方法。例如纳米压痕法、核磁共振法等。但这些方法所需实验条件较复杂,因此发展比较缓慢。
由此可见,开发一种无损、廉价、绿色环保的残余应力测量方法具有重要的意义和必要性。
发明内容
本发明的目的在于针对上述现有技术的缺陷,提供一种基于希尔伯特-黄变换的机械构件残余应力检测方法,可以提高机械零件中残余应力的测量稳定性,易于操作且高效可行。其不仅具有重要的理论意义,而且也有着很重要的实际意义。
为了实现上述目的,本发明的技术方案是:
一种基于希尔伯特-黄变换的机械构件残余应力检测方法,该检测方法步骤是:
S1、利用振动信号采集装置,对不含有残余应力和含有残余应力的同种机械构件进行振动信号的采集,将采集到的加速度信号分别记为x(t)和y(t);
S2、运用HHT方法对x(t)和y(t)进行EMD分解,得到不含残余应力和含有残余应力的IMF分量Cx1,Cx2,...,Cxn和Cy1,Cy2,...,Cyn;
S3、将所得各IMF分量按照下标从小到大的顺序进行重新排序,排序后分别求出Cxn,Cxn-1,...,Cx1和Cyn,Cyn-1,...,Cy1的局部Hilbert谱Hx1,Hx2,...,Hxn和Hy1,Hy2,...,Hyn;
S4、通过图像匹配技术,分别对(Hx1,Hy1)、(Hx2,Hy2),...,(Hxn,Hyn)进行图形匹配,得到各图像相关系数ρ1,ρ2,...,ρn;
S5、在Hilbert谱中,通过对各图像相关系数ρ1,ρ2,...,ρn的比较,找出相关变化趋势与所受残余应力影响最大的一阶IMF所对应Hilbert图像的相关系数ρ′(ρ′=min{ρi},i=1,2,...,n),并以此为判别该类构件中是否存在残余应力的依据;
S6、对相同型号但残余应力是否存在未知的构件按上述方法进行分析,找出步骤5中所得对残余应力最敏感的IMF序号所对应的IMF分量,通过与该序号不含有和含有残余应力构件IMF分量的局部Hilbert谱进行图像相关性分析,判别出构件中是否含有残余应力。
作为对上述技术方案的改进,在步骤1中,当振动信号采集装置进行振动信号采集时,使用消噪室对采集到的振动信号进行降噪处理。
作为对上述技术方案的改进,在步骤1中,当振动信号采集装置无消噪室时,采用降噪方法对采集到的振动信号进行降噪处理。
作为对上述技术方案的改进,该降噪方法为一维离散小波降噪法或者小波给定阀值降噪法。
与现有技术相比,本发明具有的优点和积极效果是:
本发明的基于希尔伯特-黄变换的机械构件残余应力检测方法,是一种无损、廉价、绿色环保的残余应力测量方法,这种方法可以提高机械零件中残余应力的测量稳定性,易于操作且高效可行。其不仅具有重要的理论意义,而且也有着很重要的实际意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
如图1所示,本发明的基于希尔伯特-黄变换的机械构件残余应力检测方法,该检测方法步骤是:
S1、利用振动信号采集装置,对不含有残余应力和含有残余应力的同种机械构件进行振动信号的采集,将采集到的加速度信号分别记为x(t)和y(t);
当振动信号采集装置进行振动信号采集时,使用消噪室对采集到的振动信号进行降噪处理;当振动信号采集装置无消噪室时,采用相关降噪方法对采集到的振动信号进行降噪处理;该降噪方法为一维离散小波降噪法或者小波给定阀值降噪法。
S2、运用HHT方法对x(t)和y(t)进行EMD分解,得到不含残余应力和含有残余应力的IMF分量Cx1,Cx2,...,Cxn和Cy1,Cy2,...,Cyn;
S3、将所得各IMF分量按照下标从小到大的顺序进行重新排序,排序后分别求出Cxn,Cxn-1,...,Cx1和Cyn,Cyn-1,...,Cy1的局部Hilbert谱Hx1,Hx2,...,Hxn和Hy1,Hy2,...,Hyn;
S4、通过图像匹配技术,分别对(Hx1,Hy1)、(Hx2,Hy2),...,(Hxn,Hyn)进行图形匹配,得到各图像相关系数ρ1,ρ2,...,ρn;
S5、在Hilbert谱中,通过对各图像相关系数ρ1,ρ2,...,ρn的比较,找出相关变化趋势与所受残余应力影响最大的一阶IMF所对应Hilbert图像的相关系数ρ′(ρ′=min{ρi},i=1,2,...,n),并以此为判别该类构件中是否存在残余应力的依据;
S6、对相同型号但残余应力是否存在未知的构件按上述方法进行分析,找出步骤5中所得对残余应力最敏感的IMF序号所对应的IMF分量,通过与该序号不含有和含有残余应力构件IMF分量的局部Hilbert谱进行图像相关性分析,判别出构件中是否含有残余应力。
本发明的基于希尔伯特-黄变换的机械构件残余应力检测方法,是一种无损、廉价、绿色环保的残余应力测量方法,这种方法可以提高机械零件中残余应力的测量稳定性,易于操作且高效可行。其不仅具有重要的理论意义,而且也有着很重要的实际意义。
Claims (4)
1.一种基于希尔伯特-黄变换的机械构件残余应力检测方法,其特征在于:该检测方法步骤是:
S1、利用振动信号采集装置,对不含有残余应力和含有残余应力的同种机械构件进行振动信号的采集,将采集到的加速度信号分别记为x(t)和y(t);
S2、运用HHT方法对x(t)和y(t)进行EMD分解,得到不含残余应力和含有残余应力的IMF分量cx1,cx2,...,cxn和cy1,cy2,...,cyn;
S3、将所得各IMF分量按照下标从小到大的顺序进行重新排序,排序后分别求出cxn,cxn-1,...,cx1和cyn,cyn-1,...,cy1的局部Hilbert谱Hx1,Hx2,...,Hxn和Hy1,Hy2,...,Hyn;
S4、通过图像匹配技术,分别对(Hx1,Hy1)、(Hx2,Hy2),...,(Hxn,Hyn)进行图形匹配,得到各图像相关系数ρ1,ρ2,...,ρn;
S5、在Hilbert谱中,通过对各图像相关系数ρ1,ρ2,...,ρn的比较,找出相关变化趋势与所受残余应力影响最大的一阶IMF所对应Hilbert图像的相关系数ρ′(ρ′=min{ρi},i=1,2,...,n),并以此为判别该类构件中是否存在残余应力的依据;
S6、对相同型号但残余应力是否存在未知的构件按上述方法进行分析,找出步骤5中所得对残余应力最敏感的IMF序号所对应的IMF分量,通过与该序号不含有和含有残余应力构件IMF分量的局部Hilbert谱进行图像相关性分析,判别出构件中是否含有残余应力。
2.根据权利要求1所述的基于希尔伯特-黄变换的机械构件残余应力检测方法,其特征在于:在步骤1中,当振动信号采集装置进行振动信号采集时,使用消噪室对采集到的振动信号进行降噪处理。
3.根据权利要求1所述的基于希尔伯特-黄变换的机械构件残余应力检测方法,其特征在于:在步骤1中,当振动信号采集装置无消噪室时,采用降噪方法对采集到的振动信号进行降噪处理。
4.根据权利要求3所述的基于希尔伯特-黄变换的机械构件残余应力检测方法,其特征在于:该降噪方法为一维离散小波降噪法或者小波给定阀值降噪法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610356244.2A CN106096074B (zh) | 2016-05-23 | 2016-05-23 | 一种基于希尔伯特-黄变换的机械构件残余应力检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610356244.2A CN106096074B (zh) | 2016-05-23 | 2016-05-23 | 一种基于希尔伯特-黄变换的机械构件残余应力检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106096074A true CN106096074A (zh) | 2016-11-09 |
CN106096074B CN106096074B (zh) | 2019-06-18 |
Family
ID=57229246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610356244.2A Expired - Fee Related CN106096074B (zh) | 2016-05-23 | 2016-05-23 | 一种基于希尔伯特-黄变换的机械构件残余应力检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106096074B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101527698A (zh) * | 2009-04-03 | 2009-09-09 | 北京理工大学 | 基于希尔伯特黄变换和自适应陷波的非平稳干扰抑制方法 |
CN102169476A (zh) * | 2011-04-14 | 2011-08-31 | 哈尔滨工业大学 | 一种基于灰色理论的希尔伯特-黄变换端点效应抑制方法 |
CN103020916A (zh) * | 2012-12-28 | 2013-04-03 | 北方工业大学 | 一种二维希尔伯特变换和bemd结合的图像去噪方法 |
CN103962888A (zh) * | 2014-05-12 | 2014-08-06 | 西北工业大学 | 一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法 |
CN104048677A (zh) * | 2014-07-03 | 2014-09-17 | 哈尔滨工业大学 | 基于k-s分布性检验和hht的陀螺仪故障诊断方法 |
CN103557971B (zh) * | 2013-11-05 | 2015-08-26 | 中国航空工业集团公司西安飞机设计研究所 | 一种结构残余应力的测量方法 |
-
2016
- 2016-05-23 CN CN201610356244.2A patent/CN106096074B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101527698A (zh) * | 2009-04-03 | 2009-09-09 | 北京理工大学 | 基于希尔伯特黄变换和自适应陷波的非平稳干扰抑制方法 |
CN102169476A (zh) * | 2011-04-14 | 2011-08-31 | 哈尔滨工业大学 | 一种基于灰色理论的希尔伯特-黄变换端点效应抑制方法 |
CN103020916A (zh) * | 2012-12-28 | 2013-04-03 | 北方工业大学 | 一种二维希尔伯特变换和bemd结合的图像去噪方法 |
CN103557971B (zh) * | 2013-11-05 | 2015-08-26 | 中国航空工业集团公司西安飞机设计研究所 | 一种结构残余应力的测量方法 |
CN103962888A (zh) * | 2014-05-12 | 2014-08-06 | 西北工业大学 | 一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法 |
CN104048677A (zh) * | 2014-07-03 | 2014-09-17 | 哈尔滨工业大学 | 基于k-s分布性检验和hht的陀螺仪故障诊断方法 |
Non-Patent Citations (3)
Title |
---|
孟广伟等: "曲线拟合与蒙特卡洛法结合的结构可靠度分析方法", 《吉林大学学报(工学版)》 * |
徐红梅等: "基于EMD和HHT的内燃机噪声信号时频特性研究", 《内燃机工程》 * |
林丽等: "基于相关系数的EMD改进算法", 《计算机与数字工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN106096074B (zh) | 2019-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105241666B (zh) | 一种基于信号稀疏表示理论的滚动轴承故障特征提取方法 | |
CN103398769B (zh) | 基于小波ggd特征和不均衡k-均值下采样集成svm的变压器在线故障检测方法 | |
CN105758644A (zh) | 基于变分模态分解和排列熵的滚动轴承故障诊断方法 | |
CN104063873A (zh) | 一种基于压缩感知的轴套类零件表面缺陷在线检测方法 | |
Lu et al. | Online process monitoring based on vibration-surface quality map for robotic grinding | |
Zhou et al. | Percussion‐based bolt looseness identification using vibration‐guided sound reconstruction | |
Yi et al. | A promising new tool for fault diagnosis of railway wheelset bearings: SSO-based Kurtogram | |
CN102156873A (zh) | 一种基于混沌的机械零部件早期单点故障检测与分类方法 | |
CN101000276A (zh) | 一种基于无量纲指标免疫检测器的旋转机械故障诊断方法 | |
Tasakos et al. | Deep learning-based anomaly detection in nuclear reactor cores | |
Li et al. | Rotating machinery fault diagnosis based on typical resonance demodulation methods: a review | |
Zhou et al. | A novel blind deconvolution method with adaptive period estimation technique and its application to fault feature enhancement of bearing | |
Li et al. | A fault diagnosis approach for gears using multidimensional features and intelligent classifier | |
Yu et al. | Rolling bearing fault feature extraction and diagnosis method based on MODWPT and DBN | |
Li et al. | The Application of AE Signal in Early Cracked Rotor Fault Diagnosis with PWVD and SVM. | |
CN106096074A (zh) | 一种基于希尔伯特‑黄变换的机械构件残余应力检测方法 | |
Meng et al. | Wood beam damage identification based on the curvature mode and wavelet transform | |
Xin et al. | Low-rank and sparse model: A new perspective for rolling element bearing diagnosis | |
CN114880746A (zh) | 一种利用激励响应数据统计分布转异的疲劳损伤检测方法 | |
Su et al. | Fault Feature Extraction of Bearings for the Petrochemical Industry and Diagnosis Based on High-Value Dimensionless Features | |
Jiang et al. | Feature extraction strategy with improved permutation entropy and its application in fault diagnosis of bearings | |
Zhang et al. | Improved sparse representation of rolling bearing fault features based on nested dictionary | |
Huang et al. | A new cooperative anomaly detection method for stacker running track of automated storage and retrieval system in industrial environment | |
Fu et al. | Unsupervised Fault Detection of Industrial Robot Joints Using Current Signal | |
Zhong et al. | Bi-LSTM fault diagnosis method for rolling bearings based on segmented interception AR spectrum analysis and information fusion |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190618 Termination date: 20200523 |