CN110489816A - 一种量化起重机吊臂疲劳损伤等级的分析方法 - Google Patents
一种量化起重机吊臂疲劳损伤等级的分析方法 Download PDFInfo
- Publication number
- CN110489816A CN110489816A CN201910687253.3A CN201910687253A CN110489816A CN 110489816 A CN110489816 A CN 110489816A CN 201910687253 A CN201910687253 A CN 201910687253A CN 110489816 A CN110489816 A CN 110489816A
- Authority
- CN
- China
- Prior art keywords
- crane arm
- fatigue damage
- analysis method
- grade
- normal cloud
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/007—Subject matter not provided for in other groups of this subclass by applying a load, e.g. for resistance or wear testing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Control And Safety Of Cranes (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种量化起重机吊臂疲劳损伤等级的分析方法,首先确定起重机悬臂的疲劳损伤划分标准,并获取各等级的起重机悬臂动力响应;接着分别进行双谱分析,提取主特征值;然后根据主特征值构造正态云基准模型;最后将要求测量的起重机吊臂的主特征值与正态云基准模型进行对照,划分损伤程度等级。本发明集成了双谱非线性分析方法与正态云模型,相比于传统的损伤识别技术,双谱非线性分析方法的引入更能敏感地提取起重机吊臂的非线性特征,而正态云模型的引入则使得识别效率更高。
Description
技术领域
本发明公开了一种量化起重机吊臂疲劳损伤等级的分析方法,具体涉及非线性损伤检测领域。
背景技术
随着社会生产对运输设备提出的更高要求,起重设备越来越趋于大型化及功能多元化,这也对其健康监测提出了更高的要求。由于起重设备长时间服役,使得不断累积的疲劳损伤成为威胁起重设备安全的重要元凶之一。疲劳损伤是典型的非线性损伤,但是在进行例如功率谱等响应分析时,其中包含的非线性信息往往被忽略。双谱分析是高阶谱中的最低阶,计算简单但又包含高阶谱的性能,对非线性信号敏感,在检测疲劳损伤方面具有潜力。而近年来传感器的技术发展使得监测系统进一步完善,但是获取的海量数据却得不到有效处理,这对分析方法的效率提出了更高的要求。
发明内容
本发明所要解决的技术问题是:如何从带疲劳损伤的起重机吊臂动力响应中提取可以作为正态云模型的数字特征的主特征值,需要建立一种量化起重机吊臂疲劳损伤等级的分析方法。
本发明为解决上述技术问题采用以下技术方案:
本发明提出一种量化起重机吊臂疲劳损伤等级的分析方法,包括如下步骤:
(1)、确定起重机悬臂的疲劳损伤划分标准,并获取各等级的起重机悬臂动力响应;
(2)、分别进行双谱分析,提取主特征值;
(3)、根据主特征值构造正态云基准模型;
(4)、将要求测量的起重机吊臂的主特征值与正态云基准模型进行对照,划分损伤程度等级。
进一步的,本发明的一种量化起重机吊臂疲劳损伤等级的分析方法,步骤(2)中具体计算如下:
x(n)是周期为N的确定性序列,则离散傅里叶变换为
其中,0≤k≤N-1,N为大于1的整数;
则将双谱可定义为
其中,Bx(k1,k2)表示(k1,k2)的双谱值;k1和k2是两个相互独立的频率;上标*表示复共轭。
进一步的,本发明的一种量化起重机吊臂疲劳损伤等级的分析方法,步骤(3)中具体计算如下:
假设U是一论域,A(Ex,En,He)为U的定性概念.如果定量值x∈U是定性概念A的一次随机实现,且x满足:
(1)x~N(Ex,En’2);
(2)x在A上的确定度y(x)满足:
其中,Ex为U空间分布的期望值;熵En是定性概念不确定性的综合度量;超熵He是熵的熵,表示熵的不确定性;En’~N(En,He 2),N(Ex,En’2)表示期望为Ex,方差为En’2的正态分布,则称x在U上的分布为正态云模型。
进一步的,本发明的一种量化起重机吊臂疲劳损伤等级的分析方法,步骤(4)将被测状态的特征值与正态云基准模型进行确定度对照,确定度最高的类别即为被测状态的损伤等级。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明公开了一种量化起重机吊臂疲劳损伤等级的分析方法,集成了双谱非线性分析方法与正态云模型,相比于传统的损伤识别技术,双谱非线性分析方法的引入更能敏感地提出起重机吊臂的非线性特征,而正态云模型的引入则使得识别效率更高。
附图说明
图1是本发明中提出的一种量化起重机吊臂疲劳损伤等级的分析方法的方法示意图。
图2是本发明中n=0.3时带疲劳裂纹的起重机吊臂的三维双谱图。
图3是本发明中n=0.3时带疲劳裂纹的起重机吊臂的二维双谱图。
图4是本发明中正态云基准模型。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本发明提出一种量化起重机吊臂疲劳损伤等级的分析方法,参考图1所示,包括如下步骤:
(1)、确定起重机悬臂的疲劳损伤划分标准,并获取各等级的起重机悬臂动力响应;
(2)、分别进行双谱分析,提取主特征值;
(3)、根据主特征值构造正态云基准模型;
(4)、将要求测量的起重机吊臂的主特征值与正态云基准模型进行对照,划分损伤程度等级。
本实施例所用带疲劳裂纹的起重机吊臂的动力响应均从数值模型中获取。定义疲劳裂纹的深度与起重机悬臂的高的比为n。
根据步骤(1)为方便理解与计算,本算例中将疲劳损伤划分区间定为[0,0.1],[0.1,0.3],[0.3,0.5],[0.5,0.7],获取n=0.1,0.3,0.5,0.7的带疲劳裂纹的起重机吊臂的动力响应。
根据步骤(2)分别对n=0.1,0.3,0.5,0.7四种状态下的动力响应进行非线性双谱分析,其中,n=0.3时的双谱图如图2、图3所示。提取四种状态下的二阶谐波分量值作为主特征值,分别为25.26,365.7,1452,4627。
根据步骤(3)以步骤(2)中获取的主特征值为基础,计算正态云基准模型的数字特征,其中,四种状态下的期望值分别为Ex1=0、Ex2=195.48、Ex3=908.85、Ex4=3039.5;四种状态下的熵分别为En1=65.16、En2=65.16、En3=237.79、En4=710.22;超熵均取值为He=0.005,然后构建出如图4所示的正态云基准模型。
根据步骤(4)为方便进行结果验证,将n=0.2的状态定为待测量状态。将待测量状态的起重机吊臂的主特征值与步骤(3)获取的正态云基准模型中的四个云滴分别进行对照,确定重合度分别为(0.1001,0.6941,0.0054,0)。最大重合度为0.6941,所属区间[0.1,0.3]即为待测量状态的损伤等级,与实际结果相符。由此可见,本方法能准确判断起重机悬臂的疲劳损伤程度。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种量化起重机吊臂疲劳损伤等级的分析方法,其特征在于,包括如下步骤:
(1)、确定起重机悬臂的疲劳损伤划分标准,并获取各等级的起重机悬臂动力响应;
(2)、分别进行双谱分析,提取主特征值;
(3)、根据主特征值构造正态云基准模型;
(4)、将要求测量的起重机吊臂的主特征值与正态云基准模型进行对照,划分损伤程度等级。
2.根据权利要求1所述的一种量化起重机吊臂疲劳损伤等级的分析方法,其特征在于,步骤(2)中具体计算如下:
假设x(n)是周期为N的确定性序列,则离散傅里叶变换为
其中,0≤k≤N-1,N为大于1的整数;
则将双谱定义为
其中,Bx(k1,k2)表示(k1,k2)处的双谱值;k1和k2是两个相互独立的频率;上标*表示复共轭。
3.根据权利要求1所述的一种量化起重机吊臂疲劳损伤等级的分析方法,其特征在于,步骤(3)中具体计算如下:
假设U是一论域,A(Ex,En,He)为U的定性概念,如果定量值x∈U是定性概念A的一次随机实现,且x满足:
(1)x~N(Ex,En′2);
(2)x在A上的确定度y(x)满足:
其中,Ex为U空间分布的期望值;熵En是定性概念不确定性的综合度量;超熵He是熵的熵,表示熵的不确定性;En′~N(En,He 2);N(Ex,En′2)表示期望为Ex,方差为En′2的正态分布,则称x在U上的分布为正态云模型。
4.根据权利要求1所述的一种量化起重机吊臂疲劳损伤等级的分析方法,其特征在于,步骤(4)将被测状态的特征值与正态云基准模型进行确定度对照,确定度最高的类别即为被测状态的损伤等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910687253.3A CN110489816B (zh) | 2019-07-29 | 2019-07-29 | 一种量化起重机吊臂疲劳损伤等级的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910687253.3A CN110489816B (zh) | 2019-07-29 | 2019-07-29 | 一种量化起重机吊臂疲劳损伤等级的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110489816A true CN110489816A (zh) | 2019-11-22 |
CN110489816B CN110489816B (zh) | 2022-08-19 |
Family
ID=68548502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910687253.3A Active CN110489816B (zh) | 2019-07-29 | 2019-07-29 | 一种量化起重机吊臂疲劳损伤等级的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110489816B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695214A (zh) * | 2020-05-26 | 2020-09-22 | 湖南澄科科技有限公司 | 基于统计模型的岸桥起重机疲劳损伤的确定方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106779296A (zh) * | 2016-11-22 | 2017-05-31 | 华中科技大学 | 一种基于多传感器的隧道施工周围建筑物安全预警方法 |
CN107122616A (zh) * | 2017-05-09 | 2017-09-01 | 山东大学 | 一种地下水水质的多指标正态云综合评价方法 |
-
2019
- 2019-07-29 CN CN201910687253.3A patent/CN110489816B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106779296A (zh) * | 2016-11-22 | 2017-05-31 | 华中科技大学 | 一种基于多传感器的隧道施工周围建筑物安全预警方法 |
CN107122616A (zh) * | 2017-05-09 | 2017-09-01 | 山东大学 | 一种地下水水质的多指标正态云综合评价方法 |
Non-Patent Citations (1)
Title |
---|
Y.M.XU等: "Bispectral dynamics features for characterizing structural fatigue damage", 《JOURNAL OF VIBROENGINEERING》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695214A (zh) * | 2020-05-26 | 2020-09-22 | 湖南澄科科技有限公司 | 基于统计模型的岸桥起重机疲劳损伤的确定方法 |
CN111695214B (zh) * | 2020-05-26 | 2023-09-08 | 上海拜安传感技术有限公司 | 基于统计模型的岸桥起重机疲劳损伤的确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110489816B (zh) | 2022-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104215895B (zh) | 基于测试向量的硬件木马检测方法及系统 | |
WO2012078475A3 (en) | Emergency response management apparatuses, methods and systems | |
CN107967571A (zh) | 基于熵权法的指标体系生成方法 | |
CN104699595B (zh) | 一种面向软件升级的软件测试方法 | |
CN106793078A (zh) | 基于rssi修正值双重定位的蓝牙室内定位方法 | |
CN110619467A (zh) | 一种基于告警大数据信息的电力设备状态评估方法 | |
CN110489816A (zh) | 一种量化起重机吊臂疲劳损伤等级的分析方法 | |
Wu et al. | Establishing acceptance regions for L-moments based goodness-of-fit tests for the Pearson type III distribution | |
Hamoda | Modeling of construction noise for environmental impact assessment | |
CN104239951B (zh) | 一种利用信道状态信息的非绑定人数计数方法 | |
CN102123062B (zh) | 基于树突细胞算法的网络数据异常检测方法 | |
CN101832875B (zh) | 基于索力监测的递进式索结构健康监测方法 | |
CN110619159A (zh) | 变压器直流偏磁评估方法 | |
CN104700345A (zh) | 建立本福德定律阈值库提高半脆弱水印认证检测率的方法 | |
CN103200184B (zh) | 一种移动终端安全测评方法 | |
Kasperski | Vibration serviceability for pedestrian bridges | |
CN104992144B (zh) | 遥感图像中输电线与公路的区分方法 | |
Mohd Zaki et al. | Prediction of offshore structural response extreme values by modified finite-memory nonlinear system modeling | |
CN105550099A (zh) | 一种sap系统状态评价方法 | |
Acosta et al. | Why Area Under the Curve in Hypothesis Testing? | |
Kus et al. | Elasticity index evaluation based on Le Cam divergence and kernel density estimator in PM space | |
Capellari et al. | Realism in systematics through biogeographical consilience | |
Bao et al. | Application of information fusion and Shannon entropy in structural damage detection | |
Yao et al. | Space-Time Variable Density Samplings for Sparse Bandlimited Graph Signals Driven by Diffusion Operators | |
Ferrante et al. | A Formal Theory to Determine Scale Properties of Evaluation Measures. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |