CN111080015B - 盾构设备及其实时寿命的预测系统和预测方法 - Google Patents
盾构设备及其实时寿命的预测系统和预测方法 Download PDFInfo
- Publication number
- CN111080015B CN111080015B CN201911320226.9A CN201911320226A CN111080015B CN 111080015 B CN111080015 B CN 111080015B CN 201911320226 A CN201911320226 A CN 201911320226A CN 111080015 B CN111080015 B CN 111080015B
- Authority
- CN
- China
- Prior art keywords
- load
- fatigue
- limit
- value
- amplitude
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 239000008358 core component Substances 0.000 claims abstract description 69
- 125000004122 cyclic group Chemical group 0.000 claims description 63
- 238000001228 spectrum Methods 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 38
- 238000013500 data storage Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 238000012546 transfer Methods 0.000 claims description 18
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 12
- 239000000306 component Substances 0.000 description 11
- 238000013461 design Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 238000007796 conventional method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- XEEYBQQBJWHFJM-UHFFFAOYSA-N iron Substances [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明公开了一种盾构设备及其实时寿命的预测系统和预测方法,预测系统包括采集处理装置、数据存储装置、极限识别预警装置和剩余疲劳寿命计算装置,剩余疲劳寿命计算装置用以当载荷幅值大于极限疲劳载荷时,利用载荷应力函数将载荷均值和载荷幅值转换为核心部件上各个疲劳热点的循环应力均值和循环应力幅值,并根据循环应力均值和循环应力幅值,通过雨流循环计数计算累计疲劳损伤得到核心部件的剩余疲劳寿命。上述预测系统,基于现场实测的工况数据,对核心部件的剩余寿命预测准确性相对较高,且工程可行性较好。
Description
技术领域
本发明涉及盾构设备寿命预测技术领域,特别涉及一种盾构设备及其实时寿命的预测系统和预测方法。
背景技术
盾构设备(包括盾构/TBM)是一种集机电液等多学科的复杂地下工程装备,在地铁、铁路、公路等国家重大基础设施建设中具有重要的战略作用,其关键部件服役寿命往往决定了产品的实际掘进里程。由于地质环境的复杂性和装备定制化等特点,盾构设备往往面临高危多变工况,难以通过物理实验进行验证。当前盾构设备设计一般是基于经验公式或实验模型,与产品实际服役环境载荷存在较大的差异,准确预测产品服役寿命十分困难,给产品设计优化、运营维护及再制造带来严峻挑战。因此,通过获取盾构设备服役载荷数据,编制载荷谱以及实现关键部件服役寿命预测,对于产品设计优化、智能运维等都具有重要意义,能显著提升产品核心竞争力。
随着盾构设备产业的发展,相关科研院所和企业开始关注产品载荷谱和服役寿命等问题。西南交通大学发表的《砂卵石地层盾构机关键部件可靠性与剩余使用寿命评估研究》和《盾构滚刀磨损寿命预测及破岩仿真研》、大连理工大学发表的《土压平衡盾构主轴承疲劳可靠性预测方法研究》、《基于BP神经网络的TBM主轴承载荷谱预测》和《空间分布载荷下TBM刀盘振动分析及寿命预测》、中铁工程装备集团有限公司发表的《硬岩TBM刀盘载荷谱编制方法研究》、河南科技大学发表的《盾构机主轴承的有限元分析及寿命研究》等对刀盘、刀具、主轴承等载荷谱及寿命预测进行了报道;中铁十八局集团隧道工程有限公司和沈阳工业大学分别申请了《基于数据驱动支持向量回归机的TBM刀具寿命预测方法》、《一种基于CAI值的TBM滚刀磨损预测方法》等专利。这些文献和专利主要从理论层面阐述了相关方法,没有考虑隧道施工环境载荷工况的多变性,不能实现基于现场施工工况的实时预测分析,所编制的载荷谱准确性不高,对产品设计优化及寿命评估预测指导作用有限。
发明内容
本发明的目的是提供一种盾构设备及其实时寿命的预测系统和预测方法,基于现场实测的工况数据,对核心部件的剩余寿命预测准确性相对较高,且工程可行性较好。
为实现上述目的,本发明提供一种盾构设备的实时寿命的预测系统,包括:
采集处理装置,采集处理装置用以采集并处理当前盾构设备的驱动系统的驱动力矩以及当前盾构设备的推进系统的推动力;
数据存储装置,数据存储装置用以存储驱动系统和推进系统的核心部件的载荷传递关系、极限载荷安全阈值、极限疲劳载荷、载荷应力函数;
极限识别预警装置,极限识别预警装置电连接于采集处理装置和数据存储装置,极限识别预警装置用以根据驱动力矩、推动力和载荷传递关系分别得到当前任一核心部件随时间变化的载荷历程数据,并根据载荷历程数据判断是否超过极限载荷安全阈值,若超过,则报警;极限识别预警装置还用以根据载荷历程数据得到各个循环的载荷均值和载荷幅值;
剩余疲劳寿命计算装置,剩余疲劳寿命计算装置电连接于数据存储装置和极限识别预警装置,剩余疲劳寿命计算装置用以当载荷幅值大于极限疲劳载荷时,利用载荷应力函数将载荷均值和载荷幅值转换为核心部件上各个疲劳热点的循环应力均值和循环应力幅值,并根据循环应力均值和循环应力幅值计算得到核心部件的剩余疲劳寿命。
可选地,剩余疲劳寿命计算装置包括:
应力合成模块,应力合成模块用以将全部疲劳热点在各类载荷下的循环应力均值和循环应力幅值进行合成,得到任一核心部件上疲劳热点的总循环应力均值和总循环应力幅值;
疲劳损伤值计算模块,疲劳损伤值计算模块用以根据修正后的S-N曲线、总循环应力均值和总循环应力幅值计算得到在各循环载荷下的疲劳损伤值;其中,数据存储装置存储S-N曲线,疲劳损伤值计算模块用以根据载荷均值法对S-N曲线进行修正,以得到修正后的S-N曲线;
累积疲劳损伤计算模块,累积疲劳损伤计算模块用以根据疲劳损伤理论对全部疲劳损伤值进行累积计算,以得到全部疲劳热点的累积疲劳损伤值;
剩余寿命计算模块,剩余寿命计算模块用以根据累积疲劳损伤值计算得到全部核心部件的剩余寿命。
可选地,还包括:
载荷谱生成装置,载荷谱生成装置用以当载荷幅值大于极限疲劳载荷时,获得载荷循环频次和载荷循环幅值,并根据载荷谱归纳方法计算得到全部核心部件的疲劳载荷谱。
可选地,还包括:
显示装置,显示装置电连接于极限识别预警装置、剩余疲劳寿命计算装置和载荷谱生成装置,显示装置用以显示当前盾构设备的推进系统的推动力、全部核心部件的剩余寿命和疲劳载荷谱,还用以当核心部件所受载荷超过极限载荷安全阈值时,通过高亮颜色显示超限载荷。
可选地,数据存储装置和载荷谱生成装置电连接,数据存储装置还用以存储疲劳载荷谱。
可选地,极限识别预警装置包括:
载荷数据判断模块,载荷数据判断模块用以判断载荷历程数据中的当前载荷数据是否为最大值,若是最大值,则判断当前载荷数据是否超过极限载荷安全阈值,若不是最大值,则判断载荷历程数据中的下一个数据是否为最大值,直至判断出载荷历程数据中的最大值,并判断最大值是否超过极限载荷安全阈值。
可选地,极限识别预警装置包括:
删除模块,删除模块用以当载荷幅值小于等于极限疲劳载荷时,删除当前载荷幅值所对应的循环。
可选地,数据存储装置具体为专家数据库模块,专家数据库模块还存储核心部件的材料参数和用以计算剩余疲劳寿命的计算模型。
本发明还提供一种盾构设备的实时寿命的预测方法,适用于上述任意一项的盾构设备的实时寿命的预测系统,包括:
采集并处理当前盾构设备的驱动系统的驱动力矩以及当前盾构设备的推进系统的推动力;
存储驱动系统和推进系统的核心部件的载荷传递关系、极限载荷安全阈值、极限疲劳载荷、载荷应力函数;
根据驱动力矩、推动力和载荷传递关系分别得到当前任一核心部件随时间变化的载荷历程数据,并根据载荷历程数据判断是否超过极限载荷安全阈值,若超过,则报警;
根据载荷历程数据得到各个循环的载荷均值和载荷幅值;当载荷幅值大于极限疲劳载荷时,利用载荷应力函数将载荷均值和载荷幅值转换为核心部件上各个疲劳热点的循环应力均值和循环应力幅值,并根据循环应力均值和循环应力幅值计算得到核心部件的剩余疲劳寿命。
本发明还提供一种盾构设备,包括任一项的盾构设备的实时寿命的预测系统。
相对于上述背景技术,本发明提供的盾构设备的实时寿命的预测系统,利用采集处理装置采集并处理当前盾构设备的驱动系统的驱动力矩以及当前盾构设备的推进系统的推动力,数据存储装置用以存储驱动系统和推进系统的核心部件的载荷传递关系、极限载荷安全阈值、极限疲劳载荷、载荷应力函数;极限识别预警装置能够根据所述驱动力矩、所述推动力和所述载荷传递关系分别得到当前任一核心部件随时间变化的载荷历程数据,并根据所述载荷历程数据判断是否超过所述极限载荷安全阈值,若超过,则报警;所述极限识别预警装置还用以根据所述载荷历程数据得到各个循环的载荷均值和载荷幅值;极限识别预警装置电连接于所述采集处理装置和所述数据存储装置,所述极限识别预警装置用以根据所述驱动力矩、所述推动力和所述载荷传递关系分别得到当前任一核心部件随时间变化的载荷历程数据,并根据所述载荷历程数据判断是否超过所述极限载荷安全阈值,若超过,则报警;所述极限识别预警装置还用以根据所述载荷历程数据得到各个循环的载荷均值和载荷幅值;剩余疲劳寿命计算装置用以当所述载荷幅值大于所述极限疲劳载荷时,利用所述载荷应力函数将所述载荷均值和所述载荷幅值转换为核心部件上各个疲劳热点的循环应力均值和循环应力幅值,并根据所述循环应力均值和所述循环应力幅值计算得到核心部件的剩余疲劳寿命。可以看出,本申请的核心有二,其一是判断当前核心部件所受载荷是否超过极限载荷安全阈值,以便及时调整施工参数,其二是通过剩余疲劳寿命计算装置实时计算核心部件的剩余寿命,极大确保了施工的安全可靠性。
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的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例所提供的一种盾构设备的实时寿命的预测系统的结构框图;
图2为本发明实施例所提供的一种盾构设备的实时寿命的预测方法的流程图。
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。
为了使本技术领域的技术人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
本发明实施例所提供的一种盾构设备的实时寿命的预测系统,如说明书附图1所示,包括采集处理装置100、数据存储装置200、极限识别预警装置300和剩余疲劳寿命计算装置400。
采集处理装置100用以采集并处理当前盾构设备的驱动系统的驱动力矩以及当前盾构设备的推进系统的推动力;驱动系统具有多个核心部件,推进系统同样具有多个核心部件,采集处理装置100可以基于已有的推进力和驱动力矩采集处理系统,该系统能够实时获取盾构设备在施工过程中的推进力和驱动力矩,可利用内置传感器获取推进系统、驱动系统(包括液压驱动、电机驱动等)工作时的相关信号,如油缸压力、电机功率、转速等,并通过对信号传输、采集、转换等获得盾构设备的实时工作推进力和驱动力矩数据。
数据存储装置200用以存储驱动系统和推进系统的核心部件的载荷传递关系、极限载荷安全阈值、极限疲劳载荷、载荷应力函数,数据存储装置200可具体为专家数据库模块,包含用于后续计算所需的数据和计算模型,不限于极限载荷安全阈值、载荷传递关系、载荷应力函数、极限疲劳载荷、关键材料参数等,其中关键材料参数包括S-N曲线、极限疲劳应力强度等,这些主要通过常规仿真计算、实验测试、机器学习、技术资料等方式获取,专家数据库模块还应包括用以计算剩余疲劳寿命的计算模型。
极限识别预警装置300电连接于采集处理装置100和数据存储装置200,极限识别预警装置300用以根据驱动力矩、推动力和载荷传递关系分别得到当前任一核心部件随时间变化的载荷历程数据,并根据载荷历程数据判断是否超过极限载荷安全阈值,若超过,则报警;极限识别预警装置还用以根据载荷历程数据得到各个循环的载荷均值和载荷幅值。
剩余疲劳寿命计算装置400电连接于数据存储装置200和极限识别预警装置300,剩余疲劳寿命计算装置400用以当载荷幅值大于极限疲劳载荷时,利用载荷应力函数将载荷均值和载荷幅值转换为核心部件上各个疲劳热点的循环应力均值和循环应力幅值,并根据循环应力均值和循环应力幅值计算得到核心部件的剩余疲劳寿命。
需要指出的是,由于驱动系统具有多个核心部件,推进系统同样具有多个核心部件,每一个核心部件上存在多个疲劳热点,因此针对每一个疲劳热点,往往被施加于多种不同类型的载荷,每一种载荷对于一个疲劳热点存在循环应力均值和循环应力幅值,因此为了更为全面地分析每一个疲劳热点所受应力情况,本申请将不同类型载荷的循环应力均值和循环应力幅值均合成于疲劳热点上。针对核心部件可以为易损部件和/或在施工过程中起到主要作用的部件,本文对此并不作出具体限制。
针对剩余疲劳寿命计算装置400,包括应力合成模块、疲劳损伤值计算模块、累积疲劳损伤计算模块和剩余寿命计算模块,应力合成模块用以将全部疲劳热点在各类载荷下的循环应力均值和循环应力幅值进行合成,得到任一核心部件上疲劳热点的总循环应力均值和总循环应力幅值;疲劳损伤值计算模块用以根据修正后的S-N曲线、总循环应力均值和总循环应力幅值计算得到在各循环载荷下的疲劳损伤值;其中,数据存储装置存储S-N曲线,疲劳损伤值计算模块用以根据载荷均值法对S-N曲线进行修正,以得到修正后的S-N曲线;累积疲劳损伤计算模块用以根据疲劳损伤理论对全部疲劳损伤值进行累积计算,以得到全部疲劳热点的累积疲劳损伤值;剩余寿命计算模块用以根据累积疲劳损伤值计算得到全部核心部件的剩余寿命。需要指出的是,上述计算方法均可参考现有技术,本文并未作出实质性改进。
参考说明书附图1,盾构设备的实时寿命的预测系统还可以包括载荷谱生成装置500,载荷谱生成装置500用以当载荷幅值大于极限疲劳载荷时,获得载荷循环频次和载荷循环幅值,并根据载荷谱归纳方法计算得到全部核心部件的疲劳载荷谱。
载荷谱生成装置500将各个核心部件的载荷循环频次和载荷循环幅值进行累计统计,利用常规载荷谱归纳编制方法得到各个核心部件的疲劳载荷谱(如八级载荷谱),并向显示装置600实时输出结果并显示,还可以同时利用数据存储装置200(专家数据库模块)保存数据。显示装置600可以根据实际需要设置有载荷谱及寿命预测界面等。
载荷谱生成装置500基于现场实测的工况数据生成的疲劳载荷谱,准确性相对较高,可用于同类型或下一代产品设计优化的输入。
显示装置600电连接于极限识别预警装置300、剩余疲劳寿命计算装置400和载荷谱生成装置500,显示装置600用以显示当前盾构设备的推进系统的推动力、全部核心部件的剩余寿命,还用以当核心部件所受载荷超过极限载荷安全阈值时,通过高亮颜色显示超限载荷。也即,显示装置600可以为现有的控制台显示器,载荷谱及寿命预测界面与显示装置600实现集成,能够按不同核心部件实时输出上述结果,并以高亮颜色显示超限载荷及剩余寿命预警。
极限识别预警装置300包括载荷数据判断模块,载荷数据判断模块用以判断载荷历程数据中的当前载荷数据是否为最大值,若是最大值,则判断当前载荷数据是否超过极限载荷安全阈值,若不是最大值,则判断载荷历程数据中的下一个数据是否为最大值,直至判断出载荷历程数据中的最大值,并判断最大值是否超过极限载荷安全阈值。
简单来说,针对每一个核心部件,均具有随时间变化的驱动力或者驱动力矩值,极限识别预警装置300依次判断该驱动力或者驱动力矩值是否为该核心部件上的最大值,选出最大值,并判断最大值是否超过极限载荷安全阈值,如果超过,则进行极限工况预警,施工人员检查并调整施工参数。
极限识别预警装置300还包括删除模块,删除模块用以当载荷幅值小于等于极限疲劳载荷时,删除当前载荷幅值所对应的循环。也即,倘若载荷幅值小于等于极限疲劳载荷,则说明此时核心部件所受应力较小,不会造成疲劳寿命降低,此时载荷幅值可予以删除。
本发明实施例还提供了一种盾构设备的实时寿命的预测方法,适用于上述的盾构设备的实时寿命的预测系统,包括:
采集并处理当前盾构设备的驱动系统的驱动力矩以及当前盾构设备的推进系统的推动力;
存储驱动系统和推进系统的核心部件的载荷传递关系、极限载荷安全阈值、极限疲劳载荷、载荷应力函数;
根据驱动力矩、推动力和载荷传递关系分别得到当前任一核心部件随时间变化的载荷历程数据,并根据载荷历程数据判断是否超过极限载荷安全阈值,若超过,则报警;
根据载荷历程数据得到各个循环的载荷均值和载荷幅值;当载荷幅值大于极限疲劳载荷时,利用载荷应力函数将载荷均值和载荷幅值转换为核心部件上各个疲劳热点的循环应力均值和循环应力幅值,并根据循环应力均值和循环应力幅值计算得到核心部件的剩余疲劳寿命。
具体来说,参考说明书附图2,第一步,可通过现有的采集处理装置100实时获取盾构设备在施工过程中驱动系统的驱动力矩以及推进系统的推动力,得到随时间变化的驱动力矩数据(驱动力矩时间历程数据)和随时间变化的推进力数据(推进力时间历程数据)。
第二步,对驱动力矩时间历程数据和推进力时间历程数据进行预处理,剔除异常信号数据。
第三步,利用数据存储装置200(专家数据库模块)存储的核心部件的载荷传递关系得到每个核心部件随时间变化的载荷历程数据,载荷传递关系可通过仿真计算(有限元/多体动力学)、实验测试、机器学习等一种或多种常规方法结合获取。
第四步,极限识别预警装置300读取上述载荷历程数据,判断是否为当前存储同类别数据的最大值,若是,进入第五步,若否,则进入第三步继续读取下一个数据。
第五步,判断当前读取的载荷历程数据是否超过了安全阈值,若是,启动施工极限工况安全预警,检查并及时调整施工参数以规避风险;若否,进入第六步。其中,安全阈值通过基于强度理论的仿真计算获取,并考虑一定的安全裕度,如1.25
第六步,将上述步骤得到的各部件最大载荷值输出到显示装置600的载荷谱及寿命预测界面,显示各部件当前极限工况驱动力矩/推进力,并保存该数据,数据可用于同类型或下一代产品设计校核、优化的输入。
第七步,对第三步的各核心部件的载荷时间历程数据按照常规方法进行雨流计数,得到载荷循环次数、载荷循环均值及载荷循环幅值。
第八步,将第七步得到的各关键部件的各个循坏载荷幅值与其极限疲劳载荷值进行对比,循环载荷幅值小于或等于极限疲劳载荷值则将该载荷循环剔除,大于极限疲劳载荷值则同时进入第九步和第十步,各关键部件极限疲劳载荷值根据常规仿真计算确定。
第九步,将第八步得到的各部件载荷循坏频次和载荷循坏幅值进行累计统计,利用常规载荷谱归纳编制方法得到各关键部件疲劳载荷谱(如八级载荷谱),向显示器的载荷谱及寿命预测界面实时输出结果并显示,同时保存数据。
第十步,利用载荷应力函数将第八步各关键部件各个循坏载荷均值和循坏载荷幅值转换成部件各个疲劳热点的循环应力均值和循环应力幅值,其中各核心部件疲劳热点和载荷应力拟合函数通过仿真计算、实验测试、机器学习等一种或多种常规方法结合获取。
第十一步,利用常规方法将各个核心部件的疲劳热点在各类载荷下的循环应力均值和循环应力幅值进行应力合成,得到各个核心部件的疲劳热点总的循环应力均值和幅值。
第十二步,利用经过载荷均值等常规方法修正后的材料S-N曲线对第十一步得到的各疲劳热点循环应力幅值进行疲劳损伤计算,得到各循环载荷下的疲劳损伤值。
第十三步,利用疲劳损伤理论对各个核心部件的疲劳热点的疲劳损伤值进行累计计算,得到各疲劳热点的累计疲劳损伤值。
第十四步,根据第十三步的计算结果,计算各个核心部件的剩余寿命,并向显示装置600的载荷谱及寿命预测界面实时输出结果并显示,同时保存数据。
本申请利用盾构设备现有系统实时采集的推进力和驱动力矩数据,并进行载荷谱编制和剩余寿命预测,能够实时获取盾构设备在现场施工环境下实际工况的极限和疲劳载荷谱,并提出基于数据和模型驱动的关键部件剩余寿命预测方法和系统。该方法和系统主要基于现场实测的工况数据,准确性相对较高,且利用盾构设备已有的系统和功能,工程可行性较好,通过本申请实施得到的数据和结果,可用于产品设计优化、智能运维、再制造等关键应用场景,解决当前盾构设备关键部件缺乏设计载荷谱以及难以预测服役寿命等问题,有助于提升产品核心竞争力。
本发明所提供的一种盾构设备,包括上述具体实施例所描述的实时寿命的预测系统;盾构设备的其他部分可以参照现有技术,本文不再展开。
需要说明的是,在本说明书中,诸如第一和第二之类的关系术语仅仅用来将一个实体与另外几个实体区分开来,而不一定要求或者暗示这些实体之间存在任何这种实际的关系或者顺序。
以上对本发明所提供的盾构设备及其实时寿命的预测系统和预测方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (9)
1.一种盾构设备的实时寿命的预测系统,其特征在于,包括:
采集处理装置,所述采集处理装置用以采集并处理当前盾构设备的驱动系统的驱动力矩以及当前盾构设备的推进系统的推动力;
数据存储装置,所述数据存储装置用以存储驱动系统和推进系统的核心部件的载荷传递关系、极限载荷安全阈值、极限疲劳载荷、载荷应力函数;
极限识别预警装置,所述极限识别预警装置电连接于所述采集处理装置和所述数据存储装置,所述极限识别预警装置用以根据所述驱动力矩、所述推动力和所述载荷传递关系分别得到当前任一核心部件随时间变化的载荷历程数据,并根据所述载荷历程数据判断是否超过所述极限载荷安全阈值,若超过,则报警;所述极限识别预警装置还用以根据所述载荷历程数据得到各个循环的载荷均值和载荷幅值;
剩余疲劳寿命计算装置,所述剩余疲劳寿命计算装置电连接于所述数据存储装置和所述极限识别预警装置,所述剩余疲劳寿命计算装置用以当所述载荷幅值大于所述极限疲劳载荷时,利用所述载荷应力函数将所述载荷均值和所述载荷幅值转换为核心部件上各个疲劳热点的循环应力均值和循环应力幅值,并根据所述循环应力均值和所述循环应力幅值计算得到核心部件的剩余疲劳寿命;
所述剩余疲劳寿命计算装置包括:
应力合成模块,所述应力合成模块用以将全部疲劳热点在各类载荷下的所述循环应力均值和所述循环应力幅值进行合成,得到任一核心部件上疲劳热点的总循环应力均值和总循环应力幅值;
疲劳损伤值计算模块,所述疲劳损伤值计算模块用以根据修正后的S-N曲线、所述总循环应力均值和所述总循环应力幅值计算得到在各循环载荷下的疲劳损伤值;其中,所述数据存储装置存储S-N曲线,所述疲劳损伤值计算模块用以根据载荷均值法对所述S-N曲线进行修正,以得到所述修正后的S-N曲线;
累积疲劳损伤计算模块,所述累积疲劳损伤计算模块用以根据疲劳损伤理论对全部所述疲劳损伤值进行累积计算,以得到全部所述疲劳热点的累积疲劳损伤值;
剩余寿命计算模块,所述剩余寿命计算模块用以根据所述累积疲劳损伤值计算得到全部核心部件的剩余疲劳寿命。
2.根据权利要求1所述的盾构设备的实时寿命的预测系统,其特征在于,还包括:
载荷谱生成装置,所述载荷谱生成装置用以当所述载荷幅值大于所述极限疲劳载荷时,获得载荷循环频次和载荷循环幅值,并根据载荷谱归纳方法计算得到全部核心部件的疲劳载荷谱。
3.根据权利要求2所述的盾构设备的实时寿命的预测系统,其特征在于,还包括:
显示装置,所述显示装置电连接于所述极限识别预警装置、所述剩余疲劳寿命计算装置和所述载荷谱生成装置,所述显示装置用以显示当前盾构设备的推进系统的推动力、全部核心部件的所述剩余疲劳寿命和所述疲劳载荷谱,还用以当核心部件所受载荷超过所述极限载荷安全阈值时,通过高亮颜色显示超限载荷。
4.根据权利要求3所述的盾构设备的实时寿命的预测系统,其特征在于,所述数据存储装置和所述载荷谱生成装置电连接,所述数据存储装置还用以存储所述疲劳载荷谱。
5.根据权利要求2所述的盾构设备的实时寿命的预测系统,其特征在于,所述极限识别预警装置包括:
载荷数据判断模块,所述载荷数据判断模块用以判断所述载荷历程数据中的当前载荷数据是否为最大值,若是最大值,则判断所述当前载荷数据是否超过所述极限载荷安全阈值,若不是最大值,则判断所述载荷历程数据中的下一个数据是否为最大值,直至判断出所述载荷历程数据中的最大值,并判断所述最大值是否超过所述极限载荷安全阈值。
6.根据权利要求2所述的盾构设备的实时寿命的预测系统,其特征在于,所述极限识别预警装置包括:
删除模块,所述删除模块用以当所述载荷幅值小于等于所述极限疲劳载荷时,删除当前所述载荷幅值所对应的循环。
7.根据权利要求2所述的盾构设备的实时寿命的预测系统,其特征在于,所述数据存储装置具体为专家数据库模块,所述专家数据库模块还存储核心部件的材料参数和用以计算所述剩余疲劳寿命的计算模型。
8.一种盾构设备的实时寿命的预测方法,适用于上述权利要求1-7任意一项所述的盾构设备的实时寿命的预测系统,其特征在于,包括:
采集并处理当前盾构设备的驱动系统的驱动力矩以及当前盾构设备的推进系统的推动力;
存储驱动系统和推进系统的核心部件的载荷传递关系、极限载荷安全阈值、极限疲劳载荷、载荷应力函数;
根据所述驱动力矩、所述推动力和所述载荷传递关系分别得到当前任一核心部件随时间变化的载荷历程数据,并根据所述载荷历程数据判断是否超过所述极限载荷安全阈值,若超过,则报警;
根据所述载荷历程数据得到各个循环的载荷均值和载荷幅值;当所述载荷幅值大于所述极限疲劳载荷时,利用所述载荷应力函数将所述载荷均值和所述载荷幅值转换为核心部件上各个疲劳热点的循环应力均值和循环应力幅值,并根据所述循环应力均值和所述循环应力幅值计算得到核心部件的剩余疲劳寿命。
9.一种盾构设备,其特征在于,包括如权利要求1至7任一项所述的盾构设备的实时寿命的预测系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320226.9A CN111080015B (zh) | 2019-12-19 | 2019-12-19 | 盾构设备及其实时寿命的预测系统和预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911320226.9A CN111080015B (zh) | 2019-12-19 | 2019-12-19 | 盾构设备及其实时寿命的预测系统和预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111080015A CN111080015A (zh) | 2020-04-28 |
CN111080015B true CN111080015B (zh) | 2023-07-25 |
Family
ID=70315941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911320226.9A Active CN111080015B (zh) | 2019-12-19 | 2019-12-19 | 盾构设备及其实时寿命的预测系统和预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111080015B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN111737901A (zh) * | 2020-06-23 | 2020-10-02 | 石家庄铁道大学 | 一种刀盘疲劳寿命预测方法及其应用 |
CN111950163B (zh) * | 2020-08-20 | 2023-05-09 | 上海电气风电集团股份有限公司 | 一种风力叶片疲劳寿命监测方法 |
CN113158352B (zh) * | 2020-11-25 | 2023-03-24 | 长江勘测规划设计研究有限责任公司 | 基于关键部件的水轮发电机组剩余使用寿命的评估方法 |
CN113569362B (zh) * | 2021-09-22 | 2021-12-21 | 南昌市建筑科学研究所(南昌市建筑工程质量检测中心) | 一种盾构管片的全寿命周期管理系统和方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011246952A (ja) * | 2010-05-26 | 2011-12-08 | Taisei Corp | 使用済みカッタービットの健全度評価方法 |
CN103926084A (zh) * | 2014-01-15 | 2014-07-16 | 中国第一汽车股份有限公司 | 轿车强度及疲劳预警方法及预警系统 |
CN104573172A (zh) * | 2014-11-19 | 2015-04-29 | 新疆金风科技股份有限公司 | 风力发电机组中的结构件的疲劳分析方法和疲劳分析装置 |
JP2017066652A (ja) * | 2015-09-29 | 2017-04-06 | 株式会社大林組 | 掘削モニタリング装置及び掘削状況判定方法 |
CN106644464A (zh) * | 2016-11-18 | 2017-05-10 | 南京工业大学 | 一种基于载荷谱分析的轧机传动系统关键零部件的疲劳寿命预警方法 |
CN109214078A (zh) * | 2018-08-28 | 2019-01-15 | 华南理工大学 | 一种转向节疲劳寿命分析方法 |
CN109376417A (zh) * | 2018-10-15 | 2019-02-22 | 中国海洋大学 | 一种海洋工程结构低周疲劳裂纹扩展速度与方向的预测方法 |
-
2019
- 2019-12-19 CN CN201911320226.9A patent/CN111080015B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011246952A (ja) * | 2010-05-26 | 2011-12-08 | Taisei Corp | 使用済みカッタービットの健全度評価方法 |
CN103926084A (zh) * | 2014-01-15 | 2014-07-16 | 中国第一汽车股份有限公司 | 轿车强度及疲劳预警方法及预警系统 |
CN104573172A (zh) * | 2014-11-19 | 2015-04-29 | 新疆金风科技股份有限公司 | 风力发电机组中的结构件的疲劳分析方法和疲劳分析装置 |
JP2017066652A (ja) * | 2015-09-29 | 2017-04-06 | 株式会社大林組 | 掘削モニタリング装置及び掘削状況判定方法 |
CN106644464A (zh) * | 2016-11-18 | 2017-05-10 | 南京工业大学 | 一种基于载荷谱分析的轧机传动系统关键零部件的疲劳寿命预警方法 |
CN109214078A (zh) * | 2018-08-28 | 2019-01-15 | 华南理工大学 | 一种转向节疲劳寿命分析方法 |
CN109376417A (zh) * | 2018-10-15 | 2019-02-22 | 中国海洋大学 | 一种海洋工程结构低周疲劳裂纹扩展速度与方向的预测方法 |
Non-Patent Citations (1)
Title |
---|
基于有限元的大型磨机回转体疲劳寿命研究;刘朋;《工程科技Ⅰ辑》;第3章 * |
Also Published As
Publication number | Publication date |
---|---|
CN111080015A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111080015B (zh) | 盾构设备及其实时寿命的预测系统和预测方法 | |
CN102705078B (zh) | 基于灰色模型的柴油机故障预测方法 | |
CN108106663B (zh) | 在线可视化创建和管理桥梁监测平台 | |
CN107703920A (zh) | 基于多元时间序列的列车制动系统的故障检测方法 | |
Li et al. | Application and outlook of information and intelligence technology for safe and efficient TBM construction | |
CN102564568B (zh) | 大型旋转机械复杂工况下的早期故障搜索方法 | |
CN103233741B (zh) | 定量化评价超大型地下洞室群施工期围岩稳定性的方法 | |
CN105003453A (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN204113701U (zh) | 一种矿井风机在线监测与故障诊断系统 | |
CN108470095B (zh) | 基于数据驱动径向基函数模型的tbm推进力预测方法 | |
CN102324040B (zh) | 桥式起重机当量载荷谱获取及疲劳剩余寿命估算方法 | |
CN103149042A (zh) | 工程起重机的安全评估决策系统及其安全评估决策方法 | |
CN115022187B (zh) | 一种电-气综合能源系统态势感知方法与装置 | |
Wang et al. | Determination of the minimum sample size for the transmission load of a wheel loader based on multi-criteria decision-making technology | |
CN104835102B (zh) | 列车测速方案评价方法和装置 | |
CN112926110A (zh) | 一种地铁车站施工过程风险实时可视化预警方法 | |
CN115563683A (zh) | 一种基于数字孪生的水利工程自动化安全监测管理系统 | |
CN116415479A (zh) | 一种基于数字孪生的连续油管疲劳寿命预警方法 | |
CN103487250A (zh) | 基于二维投射的煤矿设备预知维护方法 | |
CN103294876B (zh) | 一种煤矿安全评估的图形化事故树自动分析方法 | |
CN203333174U (zh) | 工程起重机的安全评估决策系统 | |
CN105258966A (zh) | 一种基于裂纹扩展信息的起重设备实时安全运行指标确定方法 | |
CN115758515A (zh) | Tbm隧道不良地质段智能支护决策方法 | |
CN111764963B (zh) | 基于Faster-RCNN的冲击地压预测方法 | |
CN102288430B (zh) | 支座角位移时基于混合监测的识别松弛索的递进式方法 |
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 |