CN111189624B - 基于振动信号时频特征的螺栓连接结构松动状态识别方法 - Google Patents

基于振动信号时频特征的螺栓连接结构松动状态识别方法 Download PDF

Info

Publication number
CN111189624B
CN111189624B CN202010017978.4A CN202010017978A CN111189624B CN 111189624 B CN111189624 B CN 111189624B CN 202010017978 A CN202010017978 A CN 202010017978A CN 111189624 B CN111189624 B CN 111189624B
Authority
CN
China
Prior art keywords
time
connection structure
bolt connection
frequency
sequence
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
Application number
CN202010017978.4A
Other languages
English (en)
Other versions
CN111189624A (zh
Inventor
王九龙
盛俊杰
向亮
黄强
李树勇
张思才
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.)
General Engineering Research Institute China Academy of Engineering Physics
Original Assignee
General Engineering Research Institute China Academy of Engineering Physics
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 General Engineering Research Institute China Academy of Engineering Physics filed Critical General Engineering Research Institute China Academy of Engineering Physics
Priority to CN202010017978.4A priority Critical patent/CN111189624B/zh
Publication of CN111189624A publication Critical patent/CN111189624A/zh
Application granted granted Critical
Publication of CN111189624B publication Critical patent/CN111189624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01M13/00—Testing of machine parts

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)

Abstract

本发明公开了一种基于振动信号时频特征的螺栓连接结构松动状态识别方法，包括：通过结构模态测试，利用振动传感器获取螺栓连接结构振动响应信号，并对信号进行截取；对响应信号作短时傅里叶变换，得到其时频图；时频图作二值化处理，得到二值化矩阵；用二值化矩阵重新排列生成像素点序列，将螺栓连接结构初始状态的序列定义为基准序列，其他序列定义为对比序列；计算对比序列与基准序列的欧式距离，通过欧式距离大小判别螺栓连接结构松动状态。本发明利用短时傅里叶变换得到螺栓连接结构振动信号不同状态下的时频图，并结合图像处理技术提取其时频特征，建立时频特征与螺栓松动的映射关系，实现螺栓连接结构的松动识别。

Description

基于振动信号时频特征的螺栓连接结构松动状态识别方法
技术领域
本发明涉及螺栓连接技术领域，尤其涉及一种螺栓连接结构松动状态识别方法。
背景技术
螺栓连接是机械系统应用最广泛的连接形式之一，其连接可靠性关系到整个系统的正常运行。由于机械设备结构的复杂性与现场工况的不确定性，螺栓连接结构经常会承受振动、冲击、高温和辐照等恶劣工况，进而产生滑动、松动甚至脱离现象。如果不能及时发现松动故障并更换螺栓，不仅会影响整个机械系统的正常运行，严重还会造成巨大的经济损失和人员伤亡。
螺栓松动问题，得到了国内外学者的广泛关注和研究。现有的螺栓松动识别方法包括声发射技术、图像处理技术、基于振动特性的特征提取技术等。其中，由于振动传感器安装方便、信号获取容易、信息丰富且参数稳定，被应用最为广泛，通过提取振动信号模态特征、小波包能量特征和频域特征等来表征螺栓连接结构状态，实现松动识别。上述方法大多单独利用振动信号时域特征或频域特征，并未有效综合考虑螺栓连接结构振动信号的时频特征。
发明内容
本发明的目的就在于为了解决上述问题而提供一种基于振动信号时频特征的螺栓连接结构松动状态识别方法，该方法综合利用振动信号的时频特征，并结合图像处理技术，实现螺栓连接结构松动识别。
为了实现上述目的，本公开提供一种基于振动信号时频特征的螺栓连接结构松动状态识别方法，包括：
通过结构模态测试，利用振动传感器获取螺栓连接结构振动响应信号，并对信号进行截取；
对响应信号作短时傅里叶变换，得到其时频图；
时频图作二值化处理，得到二值化矩阵；
用二值化矩阵重新排列生成像素点序列，将螺栓连接结构初始状态的序列定义为基准序列，其他序列定义为对比序列；
计算对比序列与基准序列的欧式距离，通过欧式距离大小判别螺栓连接结构松动状态。
可选地，信号截取范围为以脉冲极值点为初始点的1倍采样频率长度的范围。
可选地，二值化处理过程包括：
求时频矩阵均值；
大于矩阵均值的点定义为1，小于矩阵均值的点定义为0。
可选地，求时频矩阵均值为对时频图中所有的点求均值。
可选地，二值化矩阵以行排列方式或列排列方式生成像素点序列。
可选地，基准序列表示为X0＝[x01,x02…x0N]，对比序列表示为Xk＝[xk1,xk2…xkN](k＝1:K)，其中N表示序列长度，K表示螺栓连接结构的K个预紧状态；
欧式距离计算采用下式:
Figure BDA0002359636270000021
本发明的有益效果在于：
本发明涉及的基于振动信号时频特征的螺栓连接结构松动状态识别方法，利用短时傅里叶变换得到螺栓连接结构振动信号不同状态下的时频图，并结合图像处理技术提取其时频特征，建立时频特征与螺栓松动的映射关系，实现螺栓连接结构的松动识别。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是本发明所述的基于振动信号时频特征的螺栓连接结构松动状态识别方法的流程图；
图2是20N·m拧紧力矩状态下螺栓连接结构振动响应图；
图3为不同拧紧力矩状态下螺栓连接结构振动响应信号时频图；
图4为不同拧紧力矩状态下螺栓连接结构振动响应信号二值化时频特征图；
图5为基准序列与对比序列部分片段对比图，其中基准序列为20N·m拧紧力矩状态，对比序列为2N·m拧紧力矩状态；
图6为不同拧紧力矩状态下的序列欧式距离折线图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
如图1所示，本发明涉及的基于振动信号时频特征的螺栓连接结构松动状态识别方法，包括：
步骤一、在螺栓连接结构处安装振动传感器，对不同拧紧力矩状态下的螺栓连接结构进行模态测试，通过数据采集设备得到不同连接状态的振动响应信号，采样频率为20480Hz，并对信号进行截取。
信号截取范围以脉冲极值点为初始点的1倍采样频率长度，可根据不同螺栓预紧振动响应改变截取长度，优选的是应覆盖整个响应过程，如图2所示。
步骤二、对步骤一所得的振动信号做短时傅里叶变换，得其振动时频图，如图3所示。
步骤三、对步骤二所得的时频图作二值化处理：对时频图对应的时频矩阵的所有的点求均值，大于矩阵均值的点定义为1，小于矩阵均值的点定义为0，得到二值化矩阵，即得二值化时频特征图，如图4所示。
步骤四、步骤三所得的二值化矩阵以行排列方式或列排列方式生成像素点序列，如图5所示。
将螺栓连接结构初始状态的序列定义为基准序列X0＝[x01,x02…x0N]，其他序列定义为对比序列Xk＝[xk1,xk2…xkN](k＝1:K)，其中N表示序列长度，K表示螺栓连接结构的K个预紧状态；
步骤五、计算对比序列与基准序列的欧式距离，建立螺栓拧紧状态与特征序列之间的映射关系，通过欧式距离大小判别螺栓连接结构松动状态，如图6所示，欧式距离随拧紧力矩变小逐渐增大，表征松动状态与基准状态(20N·m)之间差距增大。
欧式距离计算采用下式：
Figure BDA0002359636270000041
本发明普遍适用于基于振动信号时频特征的螺栓松动状态识别。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (5)

1.基于振动信号时频特征的螺栓连接结构松动状态识别方法，其特征在于，包括：
通过结构模态测试，利用振动传感器获取螺栓连接结构振动响应信号，并对信号进行截取；
对响应信号作短时傅里叶变换，得到其时频图；
时频图作二值化处理，得到二值化矩阵；
用二值化矩阵重新排列以行排列方式或列排列方式生成像素点序列，将螺栓连接结构初始状态的序列定义为基准序列，其他序列定义为对比序列；
计算对比序列与基准序列的欧式距离，通过欧式距离大小判别螺栓连接结构松动状态。
2.根据权利要求1所述的螺栓连接结构松动状态识别方法，其特征在于，信号截取范围为以脉冲极值点为初始点的1倍采样频率长度的范围。
3.根据权利要求1所述的螺栓连接结构松动状态识别方法，其特征在于，二值化处理过程包括：
求时频矩阵均值；
大于矩阵均值的点定义为1，小于矩阵均值的点定义为0。
4.根据权利要求3所述的螺栓连接结构松动状态识别方法，其特征在于，求时频矩阵均值为对时频图中所有的点求均值。
5.根据权利要求1所述的螺栓连接结构松动状态识别方法，其特征在于：基准序列表示为X0＝[x01,x02…x0N]，对比序列表示为Xk＝[xk1,xk2…xkN](k＝1:K)，其中N表示序列长度，K表示螺栓连接结构的K个预紧状态；
欧式距离计算采用下式:
Figure FDA0003252575750000011
CN202010017978.4A 2020-01-08 2020-01-08 基于振动信号时频特征的螺栓连接结构松动状态识别方法 Active CN111189624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010017978.4A CN111189624B (zh) 2020-01-08 2020-01-08 基于振动信号时频特征的螺栓连接结构松动状态识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010017978.4A CN111189624B (zh) 2020-01-08 2020-01-08 基于振动信号时频特征的螺栓连接结构松动状态识别方法

Publications (2)

Publication Number Publication Date
CN111189624A CN111189624A (zh) 2020-05-22
CN111189624B true CN111189624B (zh) 2021-11-02

Family

ID=70706174

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010017978.4A Active CN111189624B (zh) 2020-01-08 2020-01-08 基于振动信号时频特征的螺栓连接结构松动状态识别方法

Country Status (1)

Country Link
CN (1) CN111189624B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114166479A (zh) * 2021-10-26 2022-03-11 山东大齐通信电子有限公司 一种电机螺栓的动态检测及紧固装置与方法
CN114441125B (zh) * 2021-12-24 2022-10-28 北京化工大学 一种非接触式透平机械高转速叶片振动多模态分解方法
CN116296377B (zh) * 2023-05-10 2023-08-01 北京奔驰汽车有限公司 工业机器人的rv减速器故障预测方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127112A (zh) * 2016-06-15 2016-11-16 北京工业大学 基于dlle模型的数据降维与特征理解方法
CN110347870A (zh) * 2019-06-19 2019-10-18 西安理工大学 基于视觉显著性检测与层次聚类法的视频摘要化生成方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103728135A (zh) * 2013-12-16 2014-04-16 西安交通大学 一种非负矩阵分解的轴承故障特征提取和诊断方法
CN104881631B (zh) * 2015-04-16 2018-11-13 广西师范大学 多特征整合的宫颈细胞图像特征提取与识别方法及其装置
CN108875684A (zh) * 2018-06-29 2018-11-23 电子科技大学 基于光纤感测时频图处理的列车运行状态参数估计方法
CN109374318A (zh) * 2018-09-27 2019-02-22 南京康尼机电股份有限公司 基于dpc的轨道车辆多门系统异常检测方法和系统
CN109506907B (zh) * 2018-11-06 2020-05-22 西安交通大学 一种基于振动响应信息的螺栓连接结构松动状态识别方法
CN110044566A (zh) * 2018-11-06 2019-07-23 西安交通大学 一种基于振动模态信息的螺栓松动程度判别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106127112A (zh) * 2016-06-15 2016-11-16 北京工业大学 基于dlle模型的数据降维与特征理解方法
CN110347870A (zh) * 2019-06-19 2019-10-18 西安理工大学 基于视觉显著性检测与层次聚类法的视频摘要化生成方法

Also Published As

Publication number Publication date
CN111189624A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
CN111189624B (zh) 基于振动信号时频特征的螺栓连接结构松动状态识别方法
CN110852201B (zh) 一种基于多脉冲包络谱匹配的脉冲信号检测方法
CN105223482B (zh) 局部放电特高频信号波形的小波分解二值去噪方法
WO2007048238B1 (en) Method and system for high-resolution extraction of quasi-periodic signals
CN101201282A (zh) 一种用于斜拉桥索力检测的基频识别方法
Song et al. A method for specific emitter identification based on empirical mode decomposition
CN111239705B (zh) 激光雷达的信号处理方法、装置、设备及存储介质
CN110619296A (zh) 一种基于奇异分解的信号降噪方法
CN108880622B (zh) 一种电力线通信系统中脉冲噪声的识别方法及系统
CN104658542A (zh) 基于正交的加性扩频音频水印嵌入方法、检测方法及系统
CN109490852B (zh) 一种线性调频脉冲信号调频斜率极性确定方法
CN112751629A (zh) 基于时频图像处理的宽带特定信号检测方法
CN111160317A (zh) 微弱信号盲提取方法
CN110275190B (zh) 一种基于查表法的北斗信号高精度捕获方法
CN115061203A (zh) 一种基于频域奇异值分解的矿山单通道微震信号降噪方法及应用
CN103743969A (zh) 一种近场电磁辐射干扰测量信号的测量噪声抑制方法
CN103886868B (zh) 冲击声检测方法及检测系统
US8175829B2 (en) Analyzer for signal anomalies
CN107677995B (zh) 一种基于pmepr-pslr联合优化的ofdm波形设计方法
CN113705377A (zh) 基于奇异值分解和相关熵理论结合的微弱特征提取方法
CN104793211A (zh) 一种风廓线雷达干扰抑制方法
CN109104205A (zh) 一种数字信道化接收机脉冲检测系统
CN116186519A (zh) Link4A和Link11信号检测方法、介质及装置
CN103929215A (zh) 一种msk直扩通信高效检测方法
CN112115842B (zh) 一种基于改进提升小波变换和高次自相关处理的微弱电信号检测系统及其方法

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