CN110990978A - 一种螺栓状态监测方法和装置 - Google Patents

一种螺栓状态监测方法和装置 Download PDF

Info

Publication number
CN110990978A
CN110990978A CN201911328361.8A CN201911328361A CN110990978A CN 110990978 A CN110990978 A CN 110990978A CN 201911328361 A CN201911328361 A CN 201911328361A CN 110990978 A CN110990978 A CN 110990978A
Authority
CN
China
Prior art keywords
stress
bolt
loosening
state
model
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
Application number
CN201911328361.8A
Other languages
English (en)
Other versions
CN110990978B (zh
Inventor
张武能
汪毅
吴克华
张留斌
王晓晨
李金峰
方堃
张帅
金俊
魏利锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Henan Jiuyu Enpai Power Technology Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Henan Electric Power Co Ltd
Henan Jiuyu Enpai Power Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Henan Electric Power Co Ltd, Henan Jiuyu Enpai Power Technology Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911328361.8A priority Critical patent/CN110990978B/zh
Publication of CN110990978A publication Critical patent/CN110990978A/zh
Application granted granted Critical
Publication of CN110990978B publication Critical patent/CN110990978B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种螺栓状态监测方法和装置，包括：评估螺栓的基准状态；获得基准状态下螺栓的基准特征参数，并分析基准状态下螺栓的基准应力与基准特征参数的基准关系；获得松动状态下螺栓的松动特征参数，并分析松动状态下螺栓的松动应力与松动特征参数的松动关系；以基准状态下的应力和松动状态下的应力为样本，训练预设的监测模型，确定健康模型和松动模型；获取运行状态下的待检测螺栓的运行应力，将运行应力与健康模型和松动模型进行匹配。本发明提供的螺栓状态监测方法和装置，避免了对原始零应力状态下螺栓长度及纵横波传播特性测量，较大程度上实现在线监测，解决了人工巡检的缺陷。

Description

一种螺栓状态监测方法和装置
技术领域
本发明涉及输电塔线体系的结构健康监控与故障诊断技术领域，具体为一种基于纵横波轴向应力检测及建模技术的输电铁塔螺栓状态监测方法和装置。
背景技术
对大跨度输电塔线体系结构，在风载荷作用下，结构极易发生微风振动，进而对塔线螺栓连接结构造成微动疲劳，降低连接刚度，危害输电塔线体系的安全运行。因此，选取输电铁塔螺栓连接结构的松动状态进行在线监测具有重要工程意义。
输电铁塔螺栓松动缺陷难以被传统的损伤监测方法提前发现，现有的基于塔架动力学参数(模态曲率等)的监测方法由于损伤识别度低，难以被工程应用，成为现有人工检修的难题之一。而现有的纵横波一体化测量技术，虽然精度高，但需要测量零应力状态下螺栓连接结构的原始几何参数和波传播特性，难以真正实现在线监测。
发明内容
鉴于上述状况，有必要提供一种无需测量螺栓原始力学参数的螺栓状态监测方法和装置以解决上述问题。
本发明的一个目的是提供一种在线监测的螺栓状态监测方法和装置。
本发明的另一个目的是提供一种运用模拟训练的螺栓状态监测方法和装置。
本发明提供了一种螺栓状态监测方法，监测方法包括如下步骤：
评估螺栓的基准状态；
获得基准状态下螺栓的基准特征参数，并分析基准状态下螺栓的基准应力与基准特征参数的基准关系；
获得松动状态下螺栓的松动特征参数，并分析松动状态下螺栓的松动应力与松动特征参数的松动关系；
以基准状态下的应力和松动状态下的应力为样本，训练预设的监测模型，确定健康模型和松动模型；
获取运行状态下的待检测螺栓的运行应力，将运行应力与健康模型和松动模型进行匹配；
若运行应力与健康模型匹配，则说明待检测螺栓状态正常；
若运行应力与松动模型不匹配，则说明待检测螺栓状态异常。
优选地，基准状态采用动力测试方法和无损检测方法评估。
优选地，特征参数包括螺栓长度、纵波声时与横波声时，基准应力和松动应力分别与对应的特征参数满足非线性关系。
优选地，根据基准应力和松动应力分别与对应的特征参数满足的非线性关系，分别获取基准应力向量和松动应力向量。
优选地，使用基准应力向量和松动应力向量，训练监测模型，确定健康模型和松动模型。
优选地，健康模型和松动模型组成分类面模型。
优选地，健康模型的训练应力向量来源于基准应力向量和松动应力向量的偏差值小于预设阈值时的应力向量。
优选地，松动模型的训练应力向量来源于基准应力向量和松动应力向量的偏差值大于等于预设阈值时的应力向量。
优选地，根据待检测螺栓状态异常的偏差幅度，制定检修方案。
本发明还提供了一种螺栓状态监测装置，监测装置用于执行上述监测方法，监测装置包括：
应力检测模块，配置成检测螺栓的应力值；
数据采集模块，配置成采集螺栓的特征参数，生成数字信号；
数据传输模块，配置成传输数字信号；
模型生成模块，配置成分析应力与特征参数的关系，并以应力为样本训练预设的监测模型；并匹配待检测螺栓的应力与训练后的监测模型；以及
存储模块，配置成存储应力值、特征参数和监测模型。
本发明的有益效果：
本发明提供的螺栓状态监测方法和装置，避免了对原始轴向零应力状态下螺栓长度及纵横波特性测量，较大程度上实现在线监测，解决了人工巡检的缺陷，便于构建输电塔线系统连接部件自动监测装置，降低铁塔运行的安全隐患。
进一步地，利用应力和特征参数建立应力与特征参数之间的函数关系，根据函数关系得出应力向量，利用应力向量对预设的监测模型进行训练，训练得到的分类面模型，包括健康模型和松动模型，可以实现实时在线监测螺栓的状态。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1是本发明一实施例的螺栓状态监测方法的流程示意图；
图2是本发明一实施例的螺栓的示意图；
图3是本发明一实施例中的螺栓状态监测装置的模块示意图；
图中：100、螺栓状态监测装置，110、应力检测模块，120、数据采集模块，130、数据传输模块，140、模型生成模块，150、存储模块。
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，所描述的实施例仅是本发明一部分实施例，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，都属于本发明保护的范围。
需要说明的是，当一个元件或组件被认为是“连接”另一个元件或组件，它可以是直接连接到另一个元件或组件可能同时存在居中设置的元件或组件。当一个元件或组件被认为是“设置在”另一个元件或组件，它可以是直接设置在另一个元件或组件上或者可能同时存在居中设置的元件或组件。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体地实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参见图1，图1为本发明提供的螺栓状态监测方法，该监测方法主要用于输电塔线体系螺栓结构的松动在线监测，输电塔线体系的安全运行提供技术保障，并为有目标检修工作提供技术指导。该监测方法主要包括如下步骤：
步骤S101，评估螺栓的基准状态。
基准状态采用动力测试方法和无损检测方法评估，该基准状态为螺栓的健康状态。运用动力测试方法和无损检测方法对输电铁塔螺栓连接结构进行结构状态评估，确定为螺栓连接结构的基准状态，并通过动力学强度分析，选取结构前6阶模态，选取模态位移较大位置处 (避免节点位移)的多螺栓连接结构为输电铁塔的关键多螺栓连接结构，然后进行局部多螺栓连接结构的动强度分析，获取该局部多螺栓连接结构的典型螺栓，并按照空间顺序对受监螺栓进行编号， i＝1,…N。螺栓为连续结构(无限多阶固有模态)，在保证分析精度前提下，需要通过降阶，比如选取前6阶，可以大大减少计算量，同时保证分析精度。模态位移最大值是某一阶模态振型的最大位移处，为结构的动力学固有特性。
步骤S102，获得基准状态下螺栓的基准特征参数，并分析基准状态下螺栓的基准应力与基准特征参数的基准关系。
具体地，该特征参数包括螺栓长度、纵波声时与横波声时，纵波声时、横波声时分别指纵、横波声波发射和接收时间差，即纵波和横波穿越螺栓轴向长度的时间，基准状态下分别用L1,i、SL,i和ST,i。基准状态下的螺栓的基准应力由纵横波轴向应力检测器获得，用σi表示。建立应力和特征参数的非线性基准关系σi＝f(L1,i,SL,i ST,i)。
进一步地，该基准关系的函数获得具体如下，图2本发明提供的螺栓预紧状态下的示意图。在基准状态下：
螺栓在基准应力状态下，纵波声速VL与横波声速VS，分别为：
VL＝VL0(1+k′Lσ)(1-αΔt)
VS＝VS0(1+k′Sσ)(1-αΔt)
其中，k′L、k′S分别为纵横波在该应力状态、温度场中的声弹系数；α为超声波速温度系数；Δt为温升；VL0代表零应力状态下，纵波在螺栓中的声速；VS0代表零应力状态下，横波在螺栓中的声速。
如图2所示，L1为螺栓预紧的有效长度(同应力和温度有关)，而 L2＝L-L1(同温度有关)。当螺栓受轴向应力σ，伸长量为：
Figure BDA0002328956490000061
L1＝r+D，其中，E为杨氏模量，r是螺纹配合长度，D是螺栓的公称直径；
而温度引起的螺栓伸长为：Lt＝L1βΔt，其中，β为螺栓材料的热膨胀系数。
结合纵横波声速VL与VS表达式，由此得到纵横波时速分别为，
Figure BDA0002328956490000062
Figure BDA0002328956490000063
考虑零应力状态下，纵横波时速分别为，
Figure BDA0002328956490000071
Figure BDA0002328956490000072
将SL0和SS0分别代入SL和SS，并将两式相除，同时考虑螺栓使用
期间的温度变化对纵横波传播特性可以忽略，得：
Figure BDA0002328956490000073
可知，本发明所用算法不需要测量螺栓的原始长度L0，便于实现在线监测。
步骤S103，获得松动状态下螺栓的松动特征参数，并分析松动状态下螺栓的松动应力与松动特征参数的松动关系。
具体地，该特征参数包括螺栓长度、纵波声时与横波声时，松动状态分别用
Figure BDA0002328956490000074
和
Figure BDA0002328956490000075
松动状态下的螺栓的基准应力由纵横波轴向应力检测器获得，用
Figure BDA0002328956490000076
表示。使用步骤S102中的方法建立松动应力和松动特征参数的松动关系，具体为
Figure BDA0002328956490000077
步骤S104，以基准状态下的应力和松动状态下的应力为样本，训练预设的监测模型，确定健康模型和松动模型。
根据上述基准应力和基准特征参数的松动关系、松动应力和松动特征参数的松动关系，获取基准应力向量{σi}和松动应力向量
Figure BDA0002328956490000078
使用基准应力向量{σi}和松动应力向量
Figure BDA0002328956490000079
训练监测模型，确定健康模型和松动模型。在具体实施例中，训练监测模型可以但不限于使用应用支持向量机技术。
具体地，在本实施例中，健康模型和松动模型组成分类面模型。健康模型的训练应力向量来源于基准应力向量和松动应力向量的偏差值小于预设阈值时的应力向量。松动模型的训练应力向量来源于基准应力向量和松动应力向量的偏差值大于等于预设阈值时的应力向量。
获得的
Figure BDA0002328956490000081
作为样本利用支持向量机技术训练监测模型得到上述分类面模型，并以10％为预设阈值，以
Figure BDA0002328956490000082
为分类间隔；若
Figure BDA0002328956490000083
以对应的
Figure BDA0002328956490000084
向量值，对监测模型进行训练得到分类面模型中的松动模型；若
Figure BDA0002328956490000085
对监测模型进行训练得到分类模型中的健康模型。
本领域技术人员容易想到，根据螺栓的使用领域和使用状态，预设的阈值可以为其他任一可以实现精准监测的数值。
步骤S105，获取运行状态下的待检测螺栓的运行应力，将运行应力与健康模型和松动模型进行匹配。
具体地，运行状态下的待检测螺栓的运行应力由纵横波轴向应力检测器获得。该运行应力与分类面模型进行匹配。分类面模型存在判别的间隔面，面内为健康状态，即用健康模型表示，面外为松动状态，即用松动模型表示。
步骤S106，若运行应力与健康模型匹配，则说明待检测螺栓状态正常。
该情况下，无需对待检测螺栓进行检修。无需人工手动检测，实现实时在线监测。
步骤S107，若运行应力与松动模型不匹配，则说明待检测螺栓状态异常。
根据待检测螺栓状态异常的偏差幅度，进行结构的松动状态判断并制定检修方案。
请参见图3，本发明还提供了一种螺栓状态监测装置100，该监测装置100用于执行以上实施例中任一种螺栓状态监测方法，以能够实现对螺栓的在线监测。
具体地，该监测装置100依次包括应力检测模块110、数据采集模块120、数据传输模块130、模型生成模块140和存储模块150。
应力检测模块110配置成检测螺栓的应力值，在一些具体实施例中，应力检测模块110可以但不限于使用纵横波轴向应力检测器。
数据采集模块120配置成采集螺栓的特征参数，生成数字信号。具体地特征参数见上文描述。
数据传输模块130配置传输数字信号。
模型生成模块140配置成分析应力与特征参数的关系，并以应力为样本训练预设的监测模型。具体的训练过程见上文监测方法中的分析，在此不赘述。
模型生成模块140还配置成匹配待检测螺栓的应力与训练后的监测模型。
存储模块150配置成存储上述应力值和特征参数等数字信号，以方便提取上述信号进行处理。
本发明提供的螺栓状态监测方法和装置，避免了对原始零应力状态下螺栓长度及纵横波特性测量，最大程度上实现无损检测，解决了人工巡检的缺陷，便于构建输电塔线系统连接部件自动监测装置，降低铁塔运行的安全隐患。
进一步地，利用应力和特征参数建立应力与特征参数之间的函数关系，根据函数关系得出应力向量，利用应力向量对预设的监测模型进行训练，训练得到的分类面模型，包括健康模型和松动模型，可以实现实时在线监测螺栓的状态。
本领域普遍技术人员可以理解实现上述实施方式中的全部或部分流程，是可以通过计算机程序来指令相关的硬件完成的程序可存储于一计算机可读存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。
另外，在本发明各个实施例中的各功能单元可以集成在相同处理器中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在相同单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台电子设备(可以是手持式电子设备，如智能手机、笔记本电脑、个人数字助理(Personal DigitalAssistant，PDA)、智能式穿戴式设备等，也可以是桌面式电子设备，如台式机、智能电视等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)或者光盘等各种存储程序代码的介质。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由同一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施方式仅用以说明本发明的技术方案而非限制，尽管参照较佳实施方式对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种螺栓状态监测方法，其特征在于：所述监测方法包括如下步骤：
评估所述螺栓的基准状态；
获得所述基准状态下所述螺栓的基准特征参数，并分析所述基准状态下所述螺栓的基准应力与所述基准特征参数的基准关系；
获得松动状态下所述螺栓的松动特征参数，并分析所述松动状态下所述螺栓的松动应力与所述松动特征参数的松动关系；
以所述基准状态下的应力和所述松动状态下的应力为样本，训练预设的监测模型，确定健康模型和松动模型；
获取运行状态下的待检测螺栓的运行应力，将所述运行应力与所述健康模型和所述松动模型进行匹配；
若所述运行应力与所述健康模型匹配，则说明所述待检测螺栓状态正常；
若所述运行应力与所述松动模型不匹配，则说明所述待检测螺栓状态异常。
2.如权利要求1所述的螺栓状态监测方法，其特征在于：所述基准状态采用动力测试方法和无损检测方法评估。
3.如权利要求1所述的螺栓状态监测方法，其特征在于：
所述特征参数包括螺栓长度、纵波声时与横波声时，所述基准应力和所述松动应力分别与对应的所述特征参数满足非线性关系。
4.如权利要求3所述的螺栓状态监测方法，其特征在于：根据所述基准应力和所述松动应力分别与对应的所述特征参数满足的非线性关系，分别获取基准应力向量和松动应力向量。
5.如权利要求4所述的螺栓状态监测方法，其特征在于：使用所述基准应力向量和所述松动应力向量，训练所述监测模型，确定所述健康模型和所述松动模型。
6.如权利要求5所述的螺栓状态监测方法，其特征在于：所述健康模型和所述松动模型组成分类面模型。
7.如权利要求6所述的螺栓状态监测方法，其特征在于：所述健康模型的训练应力向量来源于所述基准应力向量和所述松动应力向量的偏差值小于预设阈值时的应力向量。
8.如权利要求7所述的螺栓状态监测方法，其特征在于：所述松动模型的训练应力向量来源于所述基准应力向量和所述松动应力向量的偏差值大于等于所述预设阈值时的应力向量。
9.如权利要求1所述的螺栓状态监测方法，其特征在于：根据所述待检测螺栓状态异常的偏差幅度，制定检修方案。
10.一种螺栓状态监测装置，所述监测装置用于执行所述权利要求1至9任一项所述监测方法，其特征在于，所述监测装置包括：
应力检测模块，配置成检测螺栓的应力值；
数据采集模块，配置成采集所述螺栓的特征参数，生成数字信号；
数据传输模块，配置成传输所述数字信号；
模型生成模块，配置成分析应力与特征参数的关系，并以所述应力为样本训练预设的监测模型；并匹配待检测螺栓的应力与训练后的所述监测模型；以及
存储模块，配置成存储所述应力值、所述特征参数和所述监测模型。
CN201911328361.8A 2019-12-20 2019-12-20 一种螺栓状态监测方法和装置 Active CN110990978B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911328361.8A CN110990978B (zh) 2019-12-20 2019-12-20 一种螺栓状态监测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911328361.8A CN110990978B (zh) 2019-12-20 2019-12-20 一种螺栓状态监测方法和装置

Publications (2)

Publication Number Publication Date
CN110990978A true CN110990978A (zh) 2020-04-10
CN110990978B CN110990978B (zh) 2023-05-05

Family

ID=70073704

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911328361.8A Active CN110990978B (zh) 2019-12-20 2019-12-20 一种螺栓状态监测方法和装置

Country Status (1)

Country Link
CN (1) CN110990978B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111855817A (zh) * 2020-07-28 2020-10-30 西北工业大学 复杂结构件云边端协同检测疲劳裂纹的方法
CN111947825A (zh) * 2020-08-10 2020-11-17 河南九域恩湃电力技术有限公司 一种用于输电线路铁塔紧固螺栓的应力检测系统
CN112014470A (zh) * 2020-09-04 2020-12-01 山东大学 一种螺栓连接状态定量评估方法及系统
CN112861223A (zh) * 2021-01-26 2021-05-28 石家庄铁道大学 一种用于输电铁塔结构件损伤甄别方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000131195A (ja) * 1998-10-23 2000-05-12 Mitsubishi Electric Corp ボルトの緩み判定装置
CN106909733A (zh) * 2017-02-23 2017-06-30 长沙理工大学 一种钢桁架桥梁关键构件高强螺栓健康状态监测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000131195A (ja) * 1998-10-23 2000-05-12 Mitsubishi Electric Corp ボルトの緩み判定装置
CN106909733A (zh) * 2017-02-23 2017-06-30 长沙理工大学 一种钢桁架桥梁关键构件高强螺栓健康状态监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王涛;刘绍鹏;李川;刘佳来;杨丹;李友荣;: "基于压电时间反演法的螺栓松动检测研究", 传感技术学报 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111855817A (zh) * 2020-07-28 2020-10-30 西北工业大学 复杂结构件云边端协同检测疲劳裂纹的方法
CN111855817B (zh) * 2020-07-28 2021-10-26 西北工业大学 复杂结构件云边端协同检测疲劳裂纹的方法
CN111947825A (zh) * 2020-08-10 2020-11-17 河南九域恩湃电力技术有限公司 一种用于输电线路铁塔紧固螺栓的应力检测系统
CN112014470A (zh) * 2020-09-04 2020-12-01 山东大学 一种螺栓连接状态定量评估方法及系统
CN112014470B (zh) * 2020-09-04 2021-10-22 山东大学 一种螺栓连接状态定量评估方法及系统
CN112861223A (zh) * 2021-01-26 2021-05-28 石家庄铁道大学 一种用于输电铁塔结构件损伤甄别方法

Also Published As

Publication number Publication date
CN110990978B (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN110990978B (zh) 一种螺栓状态监测方法和装置
Mousavi et al. Damage detection and localization of a steel truss bridge model subjected to impact and white noise excitations using empirical wavelet transform neural network approach
Yanez-Borjas et al. Statistical time features for global corrosion assessment in a truss bridge from vibration signals
Omoregbee et al. Fault detection in roller bearing operating at low speed and varying loads using Bayesian robust new hidden Markov model
CN114705432B (zh) 防爆电机轴承健康状态评估方法及系统
Nguyen et al. Damage identification of a concrete arch beam based on frequency response functions and artificial neural networks
Vazirizade et al. Online nonlinear structural damage detection using Hilbert Huang transform and artificial neural networks
García-Fernández et al. A review on fatigue monitoring of structures
Gecgel et al. Deep convolutional neural network framework for diagnostics of planetary gearboxes under dynamic loading with feature-level data fusion
He et al. An exploratory study of underwater bolted connection looseness detection using percussion and a shallow machine learning algorithm
Li et al. On-line fault detection in wind turbine transmission system using adaptive filter and robust statistical features
Cong et al. Research on the order selection of the autoregressive modelling for rolling bearing diagnosis
CN116522089A (zh) 一种金属结构早期疲劳裂纹与剩余寿命预测方法及系统
Jiang et al. Rolling bearing quality evaluation based on a morphological filter and a Kolmogorov complexity measure
Yi et al. On a prediction method for remaining useful life of rolling Bearings via VMD-based dispersion entropy and GAN
CN116499742A (zh) 一种基于集成学习的旋转机械故障监测方法
CN107633127A (zh) 一种基于多尺度动力学分离的连接结构松动诊断方法
Liu et al. On-stream inspection for pitting corrosion defect of pressure vessels for intelligent and safe manufacturing
Li et al. Research on intelligent structural health monitoring system
Yanez-Borjas et al. Statistical time features-based methodology for fatigue cracks detection in a four-story building
Omoregbee et al. Low speed rolling bearing diagnostics using acoustic emission and higher order statistics techniques
Kramti et al. Particle filter based approach for remaining useful life prediction of high-speed shaft bearing in wind turbine generators
Zhao et al. Vibration feature extraction and fault detection method for transmission towers
Ullah et al. State of the Art Vibration Analysis of Electrical Rotating Machines
Wang et al. Degradation feature extraction of quay side crane lifting gearbox based on Katz fractal dimensional-Singular value decomposition

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