CN111122135A - 一种评估法兰螺栓连接结构松动程度的方法 - Google Patents

Abstract

本发明公开了一种评估法兰螺栓连接结构松动程度的方法，包括以下步骤：步骤1：对螺栓连接结构进行随机激励，获取状态子空间；步骤2：对步骤1获取的状态子空间进行投影得到状态投影矩阵，所述状态投影矩阵包括正常状态投影矩阵和松动状态投影矩阵；步骤3：基于核的支持向量数据描述方法对步骤2得到的正常状态投影矩阵进行建模，得到超球体模型；步骤4：根据步骤3得到的超球体模型构造松动指标；步骤5；根据步骤4构造的松动指标判定螺栓连接结构的松动程度。本发明具有结果可靠、操作易行、成本低和可实施性强的特点，适用于现场实时评估螺栓连接结构的松动程度，有利于提高结构的可靠性和安全性，具有重要的工程实用价值。

Description

一种评估法兰螺栓连接结构松动程度的方法

技术领域

本发明属于机械结构健康状态程度判定方法技术领域，具体涉及一种评估法兰螺栓连接结构松动程度的方法。

背景技术

螺栓连接结构作为一种最常用的预紧连接结构，具有刚性好、结构简单、装拆方便、连接可靠等优点，在航空航天、武器装备中应用广泛。在实际使用过程中，受温度、振动等环境因素的影响，螺栓连接结构将不可避免地发生松动。螺栓连接结构松动会影响整体结构的密封性、稳定性和安全性，引起整体结构可靠性下降。因此，研究螺栓连接结构松动特性，判定其松动程度对提高结构可靠性、改善结构实用性具有重要的意义。

目前常用的结构松动判定方法有基于机电阻抗法、基于计算机视觉法和基于振动响应法。基于机电阻抗法通过监测螺栓连接部机械阻抗的变化来确定螺栓预紧力，检测范围有限且需要昂贵的高精度阻抗分析仪，应用范围受限。基于计算机视觉法基于螺栓周向位移来识别螺栓松动，但难以检测小量级的预紧状态变化，精度低。

发明内容

针对现有技术中的技术问题，本发明提供了一种评估法兰螺栓连接结构松动程度的方法，该方法精度高、成本低、简单可靠，便于应用于工作实际中。

为解决上述技术问题，本发明通过以下技术方案予以解决：

一种评估法兰螺栓连接结构松动程度的方法，包括以下步骤：

步骤1：对螺栓连接结构进行随机激励，获取状态子空间；

步骤2：对步骤1获取的状态子空间进行投影得到状态投影矩阵，所述状态投影矩阵包括正常状态投影矩阵和松动状态投影矩阵；

步骤3：基于核的支持向量数据描述方法对步骤2得到的正常状态投影矩阵进行建模，得到超球体模型；

步骤4：根据步骤3得到的超球体模型构造松动指标；

步骤5；根据步骤4构造的松动指标判定螺栓连接结构的松动程度。

进一步地，所述步骤1具体如下：

利用振动台对螺栓连接结构进行随机激励，产生结构振动响应信号，从结构振动响应信号中提取时域特征和频域特征，根据提取的时域特征和频域特征构造特征矩阵；

基于线性判别分析方法对所述特征矩阵进行降维得到降维矩阵W，并将所述降维矩阵W标准化后得到张成的状态子空间S，表示为：

其中，

为状态子空间的基向量；h为状态子空间维数。

进一步地，所述步骤2具体如下：

通过线性判别分析方法获得正常状态子空间S_norm，即正常状态投影矩阵，表示为：

将t时刻的松动状态的状态数据投影到正常状态子空间S_norm上得到松动状态投影矩阵X_t，表示为：

进一步地，所述步骤3具体如下：

首先，将正常状态投影矩阵通过核方法映射到高维核重构希尔伯特空间中，然后，利用支持向量数据描述方法进行建模，将正常状态投影矩阵表示为一个球心为a和半径为R的超球体模型Hs(R,a)，如下式：

其中，Hs(R,a)为由位置参数a和尺寸参数R确定的超球体模型；x_k为支持向量；K(·)为支持向量核函数；a为超球体模型的位置参数，表示超球体的位置；R为超球体模型的形状参数，表示超球体的大小；α_i为由拉格朗日乘子构成的向量。

进一步地，所述步骤4具体如下：

在进行螺栓连接结构松动评估过程中，其运行状态包括两部分：一部分是正常无松动状态作为基准状态，另外一部分是当前松动状态作为待预测状态；

当前松动状态投影矩阵在核重构希尔伯特空间中，螺栓松动状态t对应的状态数据到超球体模型Hs(R,a)球心的距离为d，表示为：

定义d-R为不同松动状态到超球体模型Hs(R,a)球心的距离，将d-R作为松动指标。

进一步地，所述步骤5具体如下：

对松动指标d-R进行归一化，利用归一化后的松动指标d-R判定螺栓连接结构的松动程度，归一化后的松动指标d-R与1的差值反映了螺栓连接结构的松动程度：当松动指标d-R接近1时，则表示螺栓连接结构状态与正常状态接近；当松动指标d-R偏离1时，则表示螺栓连接结构状态偏离正常状态。

与现有技术相比，本发明至少具有以下有益效果：本发明一种评估法兰螺栓连接结构松动程度的方法，通过随机激励实验获得螺栓连接结构的振动响应信息，从振动响应信息提取时域和频域特征构造特征矩阵，利用线性判别分析方法对特征矩阵进行状态信息模式分析从而获得状态子空间，再利用子空间投影算法获得状态投影矩阵，利用基于核的支持向量数据描述方法将该状态投影矩阵表示为高维特征空间中的超球体模型，通过核函数将低维非线性问题转换为高维线性问题，能更好地刻画状态投影矩阵间的距离关系，最后计算当前松动状态在核希尔伯特空间中到正常无松动状态超球体模型球心的距离作为松动指标，所定义的松动指标反映了两类状态信息的相似程度，能够刻画出松动状态偏离正常状态的程度；利用该松动指标反映螺栓连接结构的松动程度，其优点是，利用松动指标刻画法兰螺栓连接结构松动状态偏离正常状态的程度，从而评估法兰螺栓连接结构的松动程度，不需要建立有限元模型，具有结果可靠、操作易行、成本低和可实施性强的特点，适用于现场实时评估螺栓连接结构的松动程度，有利于提高结构的可靠性和安全性，具有重要的工程实用价值。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式中的技术方案，下面将对具体实施方式描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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，还可以根据这些附图获得其他的附图。

图1为本发明螺栓连接结构松动指标构造流程图；

图2为本发明实施例中一法兰螺栓连接结构的示意图；

图3为螺栓外部激励的功率谱密度；

图4为螺栓连接结构不同松动状态在外部随机激励下振动响应信号的时域图，其中，图4(a)～(h)分别为结构处于1～8种松动状态时振动响应信号的时域波形图；

图5为实施例所定义的松动指标随结构状态变化的趋势图。

图中：1-上圆筒；2-上法兰盘；3-下法兰盘；4-下圆筒；5-底盘。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。

基于振动响应法根据螺栓连接结构在外部激励下产生的响应信息判定螺栓连接结构特性，为判定螺栓连接结构松动程度提供了方便、有效的途径。当螺栓连接结构出现不同程度的松动时，结构的动力学特性，如刚度、阻尼等会发生改变，表现为在外部激励下螺栓连接结构响应信息内在模式的改变。因此，分析螺栓连接结构正常状态与松动状态下响应信息模式的相似程度，进而构造松动指标，利用松动指标判定螺栓连接结构松动程度是一种有效的技术途径。

如图1所示，作为本发明的某一具体实施方式，一种评估法兰螺栓连接结构松动程度的方法，具体包括以下步骤：

步骤1：利用振动台对螺栓连接结构进行随机激励，产生结构振动响应信号，采集结构振动响应信号，从结构振动响应信号中提取时域特征和频域特征，根据提取的时域特征和频域特征构造特征矩阵；基于线性判别分析方法对所述特征矩阵进行降维得到降维矩阵W，并将所述降维矩阵W标准化后得到张成的状态子空间S，表示为：

其中，

为状态子空间的基向量；h为状态子空间维数，即张成的状态子空间的基向量的个数。

步骤2：对步骤1获取的状态子空间进行投影得到状态投影矩阵，状态投影矩阵包括正常状态投影矩阵和松动状态投影矩阵，正常状态投影矩阵也就是指无松动状态投影矩阵，具体方法如下：

通过线性判别分析方法获得正常状态子空间S_norm，即正常状态投影矩阵，表示为：

将t时刻的松动状态的状态数据投影到正常状态子空间S_norm上得到松动状态投影矩阵X_t，表示为：

上式即表示当前状态获得了一个h维的向量集合为松动状态投影矩阵。

步骤3：基于核的支持向量数据描述方法对步骤2得到的正常状态投影矩阵进行建模，得到超球体模型，建模方法具体如下：

首先，将正常状态投影矩阵通过核方法映射到高维核重构希尔伯特空间(Reproducing Kernel Hilbert Space，RKHS)中去，实现将低维空间中的非线性问题转化为高维空间中的线性问题；

然后，利用支持向量数据描述方法进行建模，将正常状态投影矩阵表示为一个球心为a和半径为R的超球体模型Hs(R,a)，如下式所示：

其中，Hs(R,a)为由位置参数a和尺寸参数R确定的超球体模型；x_k为支持向量；K(·)为支持向量核函数；a为超球体模型的位置参数，表示超球体的位置；R为超球体模型的形状参数，表示超球体的大小；α_i为由拉格朗日乘子构成的向量。

步骤4：根据步骤3得到的超球体模型构造松动指标，构造方法具体如下：

在进行螺栓连接结构松动评估过程中，将其运行状态分为两部分，一部分是正常无松动状态作为基准状态，另外一部分就是当前松动状态作为待预测状态；

计算当前松动状态投影矩阵在核重构希尔伯特空间中到超球体Hs(R,a)球心的距离，也就是说，记：当前松动状态投影矩阵在核重构希尔伯特空间中，螺栓松动状态t对应的状态数据到超球体模型Hs(R,a)球心的距离为d，d表示如下式：

将d-R作为基于支持向量数据描述的松动指标，定义d-R为不同松动状态到正常无松动状态球心(超球体模型球心)的距离，这样能够有效反映松动状态与正常无松动状态的相似程度。

步骤5；根据步骤4构造的松动指标判定螺栓连接结构的松动程度，判定方法具体如下：

对松动指标d-R进行归一化，利用归一化后的松动指标d-R判定螺栓连接结构的松动程度，归一化后的松动指标d-R与1的差值反映了螺栓连接结构的松动程度：当松动指标d-R接近1时，则表示螺栓连接结构状态与正常状态接近；当松动指标d-R偏离1时，则表示螺栓连接结构状态偏离正常状态。

在本发明的上述具体实施方式方法的指导思想下，以下给出一个具体应用实例过程，同时验证了本发明在工程应用中的有效性。

如图2所示为本实施例设计制作了一种典型的螺栓连接结构，该螺栓连接结构主要由上圆筒1、上法兰盘2、下法兰盘3、下圆筒4和底盘5组成，通过六组连接螺栓将上法兰盘2和下法兰盘3连接，为测量螺栓振动响应信号，在上圆筒1上布置一个加速度传感器。

调整六组连接螺栓的预紧力，共模拟了8种松动状态，每种状态对应的预紧力大小如表1所示。

表1螺栓连接结构状态

表1中定义了8种螺栓连接结构状态。从表1中可以看出，正常状态时螺栓预紧力为20N；从状态1到状态8，螺栓连接结构预紧力不断减小，松动程度依次加深。

将螺栓连接结构放置在激振台上进行随机激励实验，激振力的功率谱密度如图3所示。图3为螺栓外部激励的功率谱密度，激励频率范围为10-2340Hz，在50-1500Hz范围内，激励能量维持在0.002g²/Hz。图3中，横坐标表示频率，单位为赫兹(Hz)；纵坐标表示功率谱密度，单位为g²/Hz。利用振动加速度传感器和数据采集设备采集并存储8种状态下螺栓连接结构的振动加速度响应信号。

螺栓连接结构8种状态的振动加速度时域信号图如图4所示。图4为螺栓连接结构不同松动状态在外部随机激励下振动响应信号的时域图，其中，图4(a)～(h)分别为结构处于1～8种松动状态时振动响应信号的时域波形图。图4中，横坐标表示时间，单位为s；纵坐标表示幅值，单位为g。从图4可以看出，8种状态下结构动态响应信号时域波形没有明显区别，未能直观反映出结构的松动程度。

利用本发明所述的方法计算螺栓连接结构正常状态与松动状态响应信息的松动指标，从而得到螺栓连接结构松动状态的评估结果，具体结合图5和表2所示。图5为本实施例所定义的松动指标随螺栓连接结构状态变化的趋势图，表2为螺栓连接结构松动程度的判定结果。图5中，横坐标表示8种螺栓连接结构状态，纵坐标表示每种状态对应的松动指标。

表2螺栓连接结构松动程度判定结果

从图5和表2中可以看出，螺栓连接结构处于正常状态时，松动指标等于1；随着螺栓连接结构松动程度依次增加，松动指标的值逐渐减小。松动指标值减小趋势与螺栓连接结构松动程度变化一致，根据松动指标能够判定结构松动程度。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (6)

1.一种评估法兰螺栓连接结构松动程度的方法，其特征在于，包括以下步骤：

步骤1：对螺栓连接结构进行随机激励，获取状态子空间；

步骤2：对步骤1获取的状态子空间进行投影得到状态投影矩阵，所述状态投影矩阵包括正常状态投影矩阵和松动状态投影矩阵；

步骤3：基于核的支持向量数据描述方法对步骤2得到的正常状态投影矩阵进行建模，得到超球体模型；

步骤4：根据步骤3得到的超球体模型构造松动指标；

步骤5；根据步骤4构造的松动指标判定螺栓连接结构的松动程度。

2.根据权利要求1所述的一种评估法兰螺栓连接结构松动程度的方法，其特征在于，所述步骤1具体如下：

利用振动台对螺栓连接结构进行随机激励，产生结构振动响应信号，从结构振动响应信号中提取时域特征和频域特征，根据提取的时域特征和频域特征构造特征矩阵；

基于线性判别分析方法对所述特征矩阵进行降维得到降维矩阵W，并将所述降维矩阵W标准化后得到张成的状态子空间S，表示为：

其中，

为状态子空间的基向量；h为状态子空间维数。

3.根据权利要求2所述的一种评估法兰螺栓连接结构松动程度的方法，其特征在于，所述步骤2具体如下：

通过线性判别分析方法获得正常状态子空间S_norm，即正常状态投影矩阵，表示为：

将t时刻的松动状态的状态数据投影到正常状态子空间S_norm上得到松动状态投影矩阵X_t，表示为：

4.根据权利要求3所述的一种评估法兰螺栓连接结构松动程度的方法，其特征在于，所述步骤3具体如下：

首先，将正常状态投影矩阵通过核方法映射到高维核重构希尔伯特空间中，然后，利用支持向量数据描述方法进行建模，将正常状态投影矩阵表示为一个球心为a和半径为R的超球体模型Hs(R,a)，如下式：

其中，Hs(R,a)为由位置参数a和尺寸参数R确定的超球体模型；x_k为支持向量；K(·)为支持向量核函数；a为超球体模型的位置参数，表示超球体的位置；R为超球体模型的形状参数，表示超球体的大小；α_i为由拉格朗日乘子构成的向量。

5.根据权利要求4所述的一种评估法兰螺栓连接结构松动程度的方法，其特征在于，所述步骤4具体如下：

在进行螺栓连接结构松动评估过程中，其运行状态包括两部分：一部分是正常无松动状态作为基准状态，另外一部分是当前松动状态作为待预测状态；

当前松动状态投影矩阵在核重构希尔伯特空间中，螺栓松动状态t对应的状态数据到超球体模型Hs(R,a)球心的距离为d，表示为：

定义d-R为不同松动状态到超球体模型Hs(R,a)球心的距离，将d-R作为松动指标。

6.根据权利要求5所述的一种评估法兰螺栓连接结构松动程度的方法，其特征在于，所述步骤5具体如下：

对松动指标d-R进行归一化，利用归一化后的松动指标d-R判定螺栓连接结构的松动程度，归一化后的松动指标d-R与1的差值反映了螺栓连接结构的松动程度：当松动指标d-R接近1时，则表示螺栓连接结构状态与正常状态接近；当松动指标d-R偏离1时，则表示螺栓连接结构状态偏离正常状态。

Images