CN110849968B - 基于自适应优化vmd的起重机主梁损伤声发射无损检测方法 - Google Patents
基于自适应优化vmd的起重机主梁损伤声发射无损检测方法 Download PDFInfo
- Publication number
- CN110849968B CN110849968B CN201911069429.5A CN201911069429A CN110849968B CN 110849968 B CN110849968 B CN 110849968B CN 201911069429 A CN201911069429 A CN 201911069429A CN 110849968 B CN110849968 B CN 110849968B
- Authority
- CN
- China
- Prior art keywords
- damage
- acoustic emission
- frequency
- crane
- signals
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/14—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object using acoustic emission techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
Abstract
一种基于自适应优化VMD的起重机主梁损伤声发射无损检测方法,步骤如下:(1)在起重机主梁安装相应的传感器建立结构损伤声发射监测系统,获得损伤过程的声发射信号。(2)对采集到的声发射信号进行自适应优化VMD处理,实现原始信号的自适应滤波和降噪处理。(3)依据声发射重构波形的频域特性,确定损伤过程中声发射事件的重心频率分布。(4)通过分析声发射信号的重心频率分布范围,建立损伤重心频率评价指标,判断起重机主梁的不同损伤阶段。本发明简单易行,该方法可对起重机主梁的内部损伤进行实时动态的损伤监测与识别。
Description
技术领域
本发明涉及工业生产中的损伤识别技术领域,特别是涉及基于自适应优化VMD的起重机主梁损伤声发射无损检测方法。
背景技术
起重机作为特种设备八大类之一,近几年广泛应用于机械、冶金、建筑等行业。目前,随着国内相关行业的快速发展,起重机作为其行业中不可或缺的关键设备,正朝着大型化、高速化、功能多元化方向发展。起重机运行速度、起重吨位和起升高度的大幅度增加,有效地提高了企业生产效率,但相应地起重机的满载工作几率加大,工作繁忙程度加重,一些起重机大部分时间都在高应力水平下运行,甚至超出其许用应力水平,使得起重机的机械承载结构故障相应增加,严重影响了生产安全,甚至威胁作业人员的生命安危,并造成重大的经济损失和人身伤亡,社会影响恶劣。由此可见,起重机的安全使用问题是特种设备监管与检测迫切需要解决的问题。
起重机主梁结构庞大、复杂,大量研究表明起重机主梁结构损伤、主梁联接之间的焊缝缺陷、主梁的塑性变形和断裂是起重机发生安全事故的主要原因。因此,在起重机行业开展无损检测,是保证其安全工作的重要手段。同时在交变载荷的作用下,材料或构件会产生挤压变形,从而导致微裂纹的形成,并且在裂纹尖端引起应力集中,进一步促使在较低的应力条件下发生裂纹拓展,随着裂纹的拓展最终将产生断裂和失效。在实际应用中,机构的疲劳断裂产生呈无规则性,由此会给故障检测的实施带来许多不便。因此,如何定性和定量地检测出材料的疲劳裂纹,并及时准确地对材料的疲劳损伤程度进行评估和预警预报,防止疲劳失效事故的发生,是目前从事材料检测工作的核心问题。
为了解决起重机金属结构整体快速检测与评价的技术难题,国内外将声发射技术应用于起重机主梁的缺陷定位和结构完整性评价。目前,声发射技术在起重机主梁结构缺陷检测和结构完整性评价方面的研究尚不成熟,并且声发射信号处理以及声发射源定位问题始终是起重机主梁声发射检测的重点和难点。因而,动态获取起重机主梁应力应变状态是监测起重机结构损伤状态、预防失效的关键所在。
发明内容
为了解决上述存在的问题,本发明提供基于自适应优化VMD的起重机主梁损伤声发射无损检测方法,,旨在实现起重机主梁结构的从特征提取到损伤识别阶段的全程动态检测,该方法可为起重机主梁的损伤监测提供一种可解决的有效方案,为达此目的,本发明提供基于自适应优化VMD的起重机主梁损伤声发射无损检测方法,具体步骤如下:
步骤1、在起重机主梁安装相应的传感器建立结构损伤声发射监测系统,获得损伤过程的声发射信号;
步骤2、对采集到的声发射信号进行自适应优化VMD处理,实现原始信号的自适应滤波和降噪处理;
步骤3、依据声发射重构波形的频域特性,确定损伤过程中声发射事件的重心频率分布;
步骤4、通过分析声发射信号的重心频率分布范围,建立损伤重心频率评价指标,判断起重机主梁的不同损伤阶段。
作为本发明进一步改进,步骤2的具体步骤为:
步骤2.1,通过信号的频域特征划分频带,实现信号的自适应分解,其固有模态函数表达式为
步骤2.2,当满足以下约束条件时,信号的VMD过程结束,即
其中通常将ε的值设置为10-6,且信号的所有IMF分量均可通过以上步骤获得;
步骤2.3,引入品质因子Q来控制VMD的迭代过程并自动确定模数K,从而实现VMD算法的优化,即
式中:S为第K个IMF信息熵的平均值;y表示原始信号的输入;C值越大,分解得到的IMF分量差异越明显。
作为本发明进一步改进,步骤3的具体步骤为:
步骤3.1,依据声发射重构波形的频域特性,确定不同声发射事件的特征频率;
步骤3.2,对降噪后的声发射波形进行Hilbert变换,通过瞬时频率统计不同类型声发射事件的数量并计算相应的事件发生密度;
步骤3.3,计算声发射信号在各个损伤阶段的重心频率分布,其表达式如下
作为本发明进一步改进,步骤4的具体步骤为:
步骤4.1,根据重心频率分布情况,评价起重机主梁内部结构损伤过程中的应力状态;
步骤4.2,建立重心频率损伤程度评价指标δ,并归纳其损伤过程的变化趋势,判断起重机主梁的不同损伤阶段,从而对起重机主梁的损伤程度进行有效的预警,其中损伤程度δ表达式如下
式中:f表示信号的重心频率(kHz),δ(%)表示起重机主梁的损伤程度,当δ(%)大于50%时,表明起重机主梁已失效。
本发明提供一种基于自适应优化VMD的起重机主梁损伤声发射无损检测方法,有益效果:本发明的技术效果在于:
1)本发明针对起重机主梁在线损伤监测的需求,提出的声发射技术能够客观反映主梁结构由应力引起的微观和宏观变化,提取反映结构故障特征的声发射信号。
2)本发明采用品质因子和二维网格优化VMD,得到自适应优化VMD算法,并对预处理后的声发射信号进行自适应优化VMD处理,将其分解为一系列IMF分量,再结合小波包变换对各IMF分量进行重构实现信号的降噪。
3)本发明得到起重机主梁的损伤声发射信号,采用声发射参数(事件数、振铃计数以及能量等)与重心频率分布范围,从而判断起重机主梁弯曲损伤过程的应力状态,实现起重机主梁结构损伤类型的有效监测。
4)本发明建立重心频率损伤评价指标,判断起重机主梁的不同损伤阶段,从而对起重机主梁的损伤程度进行有效的预警。
附图说明
图1为本发明的流程图;
图2为本发明起重机主梁损伤过程载荷-位移的时间历程曲线;
图3为本发明起重机主梁损伤声发射信号时域波形图;
图4为本发明在自适应优化VMD处理后的起重机主梁损伤声发射信号时频域波形图;
图5为本发明起重机主梁损伤声发射信号重心频率分布图;
图6为本发明在重心频率基础上构建的起重机主梁损伤程度变化趋势图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明提供基于自适应优化VMD的起重机主梁损伤声发射无损检测方法,,旨在实现起重机主梁结构的从特征提取到损伤识别阶段的全程动态检测,该方法可为起重机主梁的损伤监测提供一种可解决的有效方案。
图1为本发明的流程图。下面结合流程图对本发明的步骤作详细介绍。
步骤1、在起重机主梁安装相应的传感器建立弯曲损伤声发射监测系统,获得损伤过程的声发射信号;
步骤2、对采集到的声发射信号进行自适应优化VMD处理,实现原始信号的自适应滤波和降噪处理;
步骤3、依据声发射重构波形的频域特性,确定损伤过程中声发射事件的重心频率分布;
步骤4、通过分析声发射信号的重心频率分布范围,建立重心频率损伤评价指标,判断起重机主梁的不同损伤阶段。
步骤2中对VMD算法自适应优化的具体步骤:
步骤2.1,通过信号的频域特征划分频带,实现信号的自适应分解,其固有模态函数表达式为
步骤2.2,当满足以下约束条件时,信号的VMD过程结束,即
其中通常将ε的值设置为10-6,且信号的所有IMF分量均可通过以上步骤获得;
步骤2.3,引入品质因子Q来控制VMD的迭代过程并自动确定模数K,从而实现VMD算法的优化,即
式中:S为第K个IMF信息熵的平均值;y表示原始信号的输入;C值越大,分解得到的IMF分量差异越明显。
步骤3中对降噪后的的声发射信号进行重心频率分析的具体步骤为:
步骤3.1,依据声发射重构波形的频域特性,确定不同声发射事件的特征频率;
步骤3.2,对降噪后的声发射波形进行Hilbert变换,通过瞬时频率统计不同类型声发射事件的数量并计算相应的事件发生密度;
步骤3.3,计算声发射信号在各个损伤阶段的重心频率分布,其表达式如下
步骤4中判断起重机主梁弯曲损伤阶段的具体步骤为:
步骤4.1,根据重心频率分布情况,评价起重机主梁内部结构损伤过程中的应力状态;
步骤4.2,建立重心频率损伤评价准则,并归纳其损伤过程的变化趋势,判断起重机主梁的不同损伤阶段,从而对起重机主梁的损伤程度进行有效的预警,其中损伤程度δ表达式如下
式中:f表示信号的重心频率(kHz),δ(%)表示起重机主梁的损伤程度,当δ(%)大于50%时,表明起重机主梁已失效。
图2为验证本发明对起重机主梁损伤监测有效性而获取的载荷-位移与时间历程曲线,其中测得在损伤过程中起重机主梁的上升时间为110s,当到达1015s时试件发生断裂,且载荷和加载位移均达到最大值分别为2.1kN和33.9mm。
图3为在此基础上对反映起重机主梁内部损伤变化的原始声发射信号截取,定义四个时间段0-110s、300s-350s、350s-900s以及900s-1015s对应起重机主梁的四个损伤阶段,分别为预载弹性阶段、塑性屈服阶段、强化阶段以及断裂阶段,其中在塑性屈服前表现出较高的声发射活性和强度,而随着材料进入强化变形阶段,声发射活性和强度逐渐下降,当试件在900s-1015s时间段产生密集的声发射信号,同时在1015s处试件发生断裂。
图4为在自适应优化VMD处理后,起重机主梁四个损伤阶段的声发射信号时频域波形图,其中声发射信号频率分别主要集中于100kHz-120kHz、180kHz-210kHz、270kHz-300kHz 以及320kHz-350kHz。
图5为起重机主梁对应四个损伤阶段的声发射信号重心频率分布图,其中各阶段的重心频率分布分别为115kHz-119kHz、185kHz-189kHz、296kHz-299kHz以及326kHz-330kHz,定义在预载弹性、塑性屈服及强化阶段的后10s时间内均为损伤的过渡过程,通过分析该过程的重心频率变化趋势,建立重心频率对起重机主梁的损伤评价准则,即当重心频率为120 kHz-185kHz时,起重机主梁正在由预载弹性阶段向塑性变形阶段过渡,同理当重心频率为190 kHz-296kHz时,起重机主梁正在由塑性变形阶段向强化阶段过渡,当重心频率为300kHz-330 kHz时,起重机主梁正在由强化阶段向断裂阶段过渡,同时随着载荷的增加,声发射信号频率范围与裂纹扩展程度呈正比例关系,因此通过描述声发射信号重心频率的分布和分析各损伤阶段的过渡过程,可以较好地监控信号频域总体特征的变化情况,从而确定起重机主梁的损伤程度。
图6为本发明在重心频率基础上构建的起重机主梁损伤程度变化趋势图,当损伤程度δ (%)大于50%时起重机主梁已失效,从而对起重机主梁的损伤进行有效的监测并预警。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作任何其他形式的限制,而依据本发明的技术实质所作的任何修改或等同变化,仍属于本发明所要求保护的范围。
Claims (1)
1.基于自适应优化VMD的起重机主梁损伤声发射无损检测方法,其特征在于,具体步骤如下:
步骤1、在起重机主梁安装相应的传感器建立结构损伤声发射监测系统,获得损伤过程的声发射信号;
步骤2、对采集到的声发射信号进行自适应优化VMD处理,实现原始信号的自适应滤波和降噪处理;
步骤2的具体步骤为:
步骤2.1,通过信号的频域特征划分频带,实现信号的自适应分解,其固有模态函数表达式为
步骤2.2,当满足以下约束条件时,信号的VMD过程结束,即
其中通常将ε的值设置为10-6,且信号的所有IMF分量均可通过以上步骤获得;
步骤2.3,引入品质因子Q来控制VMD的迭代过程并自动确定模数K,从而实现VMD算法的优化,即
式中:S为第K个IMF信息熵的平均值;y表示原始信号的输入;C值越大,分解得到的IMF分量差异越明显;
步骤3、依据声发射重构波形的频域特性,确定损伤过程中声发射事件的重心频率分布;
步骤3的具体步骤为:
步骤3.1,依据声发射重构波形的频域特性,确定不同声发射事件的特征频率;
步骤3.2,对降噪后的声发射波形进行Hilbert变换,通过瞬时频率统计不同类型声发射事件的数量并计算相应的事件发生密度;
步骤3.3,计算声发射信号在各个损伤阶段的重心频率分布,其表达式如下
步骤4、通过分析声发射信号的重心频率分布范围,建立损伤重心频率评价指标,判断起重机主梁的不同损伤阶段;
步骤4的具体步骤为:
步骤4.1,根据重心频率分布情况,评价起重机主梁内部结构损伤过程中的应力状态;
步骤4.2,建立重心频率损伤程度评价指标δ,并归纳其损伤过程的变化趋势,判断起重机主梁的不同损伤阶段,从而对起重机主梁的损伤程度进行有效的预警,其中损伤程度δ表达式如下
式中:f表示信号的重心频率kHz,δ(%)表示起重机主梁的损伤程度,当δ(%)大于50%时,表明起重机主梁已失效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911069429.5A CN110849968B (zh) | 2019-11-05 | 2019-11-05 | 基于自适应优化vmd的起重机主梁损伤声发射无损检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911069429.5A CN110849968B (zh) | 2019-11-05 | 2019-11-05 | 基于自适应优化vmd的起重机主梁损伤声发射无损检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110849968A CN110849968A (zh) | 2020-02-28 |
CN110849968B true CN110849968B (zh) | 2021-12-17 |
Family
ID=69598333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911069429.5A Active CN110849968B (zh) | 2019-11-05 | 2019-11-05 | 基于自适应优化vmd的起重机主梁损伤声发射无损检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110849968B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114487124B (zh) * | 2022-01-13 | 2023-12-12 | 大连锅炉压力容器检验检测研究院有限公司 | 一种基于声发射信号特征参数的起重机结构损伤诊断方法 |
CN114487104B (zh) * | 2022-01-13 | 2024-02-02 | 大连锅炉压力容器检验检测研究院有限公司 | 基于优化变分模态相关系数对起重设备损伤的实时监测方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0731613A (ja) * | 1993-07-22 | 1995-02-03 | Terumo Corp | 超音波診断装置 |
WO2012178013A2 (en) * | 2011-06-22 | 2012-12-27 | Piezotech, Llc | System and device for acoustic measuring in a medium |
CN105738473A (zh) * | 2016-03-29 | 2016-07-06 | 河南省特种设备安全检测研究院 | 起重机主梁再制造的检测方法 |
CN110208375B (zh) * | 2019-06-13 | 2021-12-14 | 石家庄铁道大学 | 一种锚杆锚固缺陷的检测方法及终端设备 |
CN110161125A (zh) * | 2019-06-17 | 2019-08-23 | 哈尔滨工业大学 | 基于加速度与声发射感知技术相结合的航空发动机智能监测方法 |
CN110333285B (zh) * | 2019-07-04 | 2021-07-27 | 大连海洋大学 | 基于变分模态分解的超声兰姆波缺陷信号识别方法 |
CN110596242A (zh) * | 2019-08-30 | 2019-12-20 | 南京理工大学 | 一种桥式起重机主梁局部损伤定位方法 |
-
2019
- 2019-11-05 CN CN201911069429.5A patent/CN110849968B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110849968A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110849968B (zh) | 基于自适应优化vmd的起重机主梁损伤声发射无损检测方法 | |
Zhang et al. | Effect of broken wire on bending fatigue characteristics of wire ropes | |
CN102262701B (zh) | 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 | |
Friedrich et al. | Damage process in glass fiber reinforced polymer specimens using acoustic emission technique with low frequency acquisition | |
Anastassopoulos et al. | Structural integrity evaluation of wind turbine blades using pattern recognition analysis on acoustic emission data. | |
CN109855991B (zh) | 一种预测复合材料疲劳寿命的方法 | |
CN110851918A (zh) | 一种管道环焊缝缺陷可靠性评价方法及装置 | |
CN102564875A (zh) | 基于五点弯曲测试的钢丝绳疲劳评估系统 | |
CN105676018A (zh) | 一种基于稳态学习机制的电网低频振荡模糊综合预警方法 | |
CN109443671B (zh) | 一种高速列车车体关键部位剩余寿命的监测方法 | |
Liang et al. | Experimental analysis of residual stress and bending strength of gear tooth surface after shot peening treatment | |
CN113030278B (zh) | 一种基于声发射技术的腐蚀混凝土断裂分析方法 | |
Dutton et al. | Acoustic emission condition monitoring of wind turbine rotor blades: laboratory certification testing to large scale in-service deployment | |
Awerbuch et al. | Monitoring damage accumulation in filament-wound graphite/epoxy laminate coupons during fatigue loading through acoustic emission | |
CN114487124B (zh) | 一种基于声发射信号特征参数的起重机结构损伤诊断方法 | |
CN103954688B (zh) | 汽轮机转子焊接缺陷评定方法 | |
CN111199089B (zh) | 管道环焊缝可靠性灵敏度分析方法及装置 | |
Padzi et al. | Evaluating ultrasound signals of carbon steel fatigue testing using signal analysis approaches | |
CN101968404A (zh) | 一种用于检测间歇性低速重载设备故障隐患的方法 | |
KR20110034986A (ko) | 증기발생기 전열관 외경축 균열에 대한 모터구동 회전 탐촉자 와전류 탐상검사방법 | |
Sun | Discussions on the Prediction of Fatigue Life of Mechanical Structure and the Reliability Method | |
Ramadan et al. | Contribution of acoustic emission to evaluate cable stress corrosion cracking in simulated concrete pore solution | |
Kang et al. | Comparison of three kinds of sensors used to identify the incipient cavitation | |
CN114487104B (zh) | 基于优化变分模态相关系数对起重设备损伤的实时监测方法 | |
Campanella et al. | Evaluation of increasing damage severity in concrete structures by cluster analysis of acoustic emission signals |
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 |