CN111241693B - 基于疲劳积累假说的寿命预测系统 - Google Patents
基于疲劳积累假说的寿命预测系统 Download PDFInfo
- Publication number
- CN111241693B CN111241693B CN202010048312.5A CN202010048312A CN111241693B CN 111241693 B CN111241693 B CN 111241693B CN 202010048312 A CN202010048312 A CN 202010048312A CN 111241693 B CN111241693 B CN 111241693B
- Authority
- CN
- China
- Prior art keywords
- data
- stress
- amplitude
- value
- life
- 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
- 238000009825 accumulation Methods 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 94
- 230000005540 biological transmission Effects 0.000 claims abstract description 54
- 238000012545 processing Methods 0.000 claims abstract description 30
- 239000000463 material Substances 0.000 claims description 49
- 230000003750 conditioning effect Effects 0.000 claims description 42
- 238000001228 spectrum Methods 0.000 claims description 23
- 238000012544 monitoring process Methods 0.000 claims description 22
- 238000007906 compression Methods 0.000 claims description 19
- 230000006835 compression Effects 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 9
- KLARSDUHONHPRF-UHFFFAOYSA-N [Li].[Mn] Chemical compound [Li].[Mn] KLARSDUHONHPRF-UHFFFAOYSA-N 0.000 claims description 8
- 125000004122 cyclic group Chemical group 0.000 claims description 8
- 239000011664 nicotinic acid Substances 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 2
- 239000011148 porous material Substances 0.000 claims description 2
- 230000014759 maintenance of location Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 12
- 238000001514 detection method Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 230000035945 sensitivity Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明为基于疲劳积累假说的智能寿命预测系统。智能寿命预测系统包括能够测量试样、机械设备应变信号和进行数据处理的硬件平台；能够采集数据、处理数据、并根据疲劳积累假说的理论基础及其相关算法预测出试样、设备寿命的软件平台；和将硬件平台的节点网络与上述的软硬件结合形成一套寿命预测系统。本发明得到的寿命预测系统可以精确地预测和评估机械结构的寿命和可靠性，具有数据无线传输和分布式应变检测能力。
Description
技术领域
本发明涉及材料疲劳寿命诊断和无线数据传输领域，尤其涉及一种新型基于疲劳积累假说的智能寿命预测系统。
背景技术
疲劳破坏具有隐蔽性高和突发性强的特点，在破坏前基本没有明显的征兆，对机械装备的安全运行产生严重危害。疲劳破坏一旦发生，将造成重大事故和生命财产损失。因此，为了保证工业结构的可靠性和安全性，准确预测和评估机械结构的疲劳寿命，掌握设备的运行状态，在加强安全和减小经济损失方面具有重要意义。机械结构的安全性可以通过静强度理论、疲劳理论、损伤容限耐久性设计理论得到提高。
在线监测技术正由有线的传感监测网络向具有低功耗、低成本、分布式和自组织特点的无线传感网络发展。无线传感网络技术包含传感器、数据采集与传输，数据处理及诊断模块。
传感器是无线传感网络技术的基础，在对机械结构进行监测时，可以通过应变的测量发现结构疲劳程度、裂纹可能出现的区域。金属电阻型应变传感器具有制造成本低和信息读取系统相对简单的特点，可以应用于无线传感网络对应变进行测量。但是，金属电阻式应变传感器的工作原理为传感层几何形状的改变，导致器件灵敏度低，影响传感数据的可靠性。低的灵敏度和高的功耗使得金属电阻式应变传感器还无法满足无线传感网络的需求。本发明需要一个能提高材料、仪器、设备寿命预测灵敏度并降低功耗的部件或材料的寿命预测方法和系统。
发明内容
本发明目的是提供一种基于疲劳积累假说的寿命预测的方法和系统，该方法和系统能提高材料、仪器、设备寿命预测效果，减少数据传输数据，节约能量，减少线路布置。
具体地，本发明提供的一种基于疲劳积累假说的部件或材料的寿命预测方法，其包括以下步骤：
S1：采集反映目标设备工作状况的监测数据，其中所述监测数据包括应变的历史数据；
S2：对监测数据进行预处理，获得预数据集，
S3：压缩预数据集，构建压缩数据集；
S4：从压缩数据集中分别提取小应力循环和大应力循环，获得标准应力谱；
S5：利用标准应力谱根据部件或材料的S-N曲线预测寿命，
任选地，S6：将寿命预测结果传输到终端。
在一个或多个实施方案中，S1中的采集通过传感器和调理电路进行。传感器例如基于仿生裂纹的柔性全桥传感器或基于仿生裂纹的柔性全桥传感器。在一个或多个实施方案中，传感器的输出信号经滤波处理，然后经A/D转换。所述柔性传感器灵敏度高，拉伸率高。调理电路例如PGA305调理电路。
在一个或多个实施方案中，S2中的预处理包括将应变数据转换为应力数据。在一个或多个实施方案中，应变与应力为线弹性关系，即
σ＝Eε
其中，ε为应变数据，σ为应力数据，E为材料的弹性模量。
在一个或多个实施方案中，S3中压缩预数据集保留能提取出循环应力下应力幅值的峰谷值数据。在一个或多个实施方案中，压缩预数据集包括以下方法中的一种或多种：等值数压缩、峰谷值提取、去除无效幅值。
在一个或多个实施方案中，等数值压缩能够保存数据中某峰值或谷值在区域内的唯一性。优选地，相邻的等值数只保留一个。
在一个或多个实施方案中，峰谷值提取采用相邻数字差的乘积是否大于零(即是否同好)来进行判断。
在一个或多个实施方案中，去除无效幅值包括，将小于阈值的幅值作为随机误差产生的无效幅值去除。在一个或多个实施方案中，去除无效幅值包括，在雨流计数法提取循环幅值之后加入阈值判断。在一个或多个实施方案中，阈值的设定在雨流计数法一次循环后完成。
在一个或多个实施方案中，阈值通过如下公式确定：
变程阈值＝(最大值-最小值)×Δ％，
其中Δ为阈值的设定精度。
在一个或多个实施方案中，S4中的提取小应力循环和大应力循环通过用雨流计数法处理压缩数据集来实现。在一个或多个实施方案中，雨流计数法包括步骤：依次雨流计数、对接和二次雨流计数。
在一个或多个实施方案中，雨流计数法包括：进行一次雨流计数法提取半循环。具体地，采用全半循环的方法，将一次雨流计数提取的小应力循环和剩余的峰谷值点都作为半循环进行处理。
在一个或多个实施方案中，S5中，根据Miner准则利用标准应力谱根据部件或材料的S-N曲线预测寿命。
在一个或多个实施方案中，S5包括：
(1)将S3中获得的应力谱根据幅值分组，
(2)获得不同幅值分组的循环次数nl i＝1，2，...，
(3)从S-N曲线得到不同幅值分组的寿命值Ni i＝1，1...，
(4)利用Miner准则得到设备材料的剩余寿命。
在一个或多个实施方案中，Miner准则如下所示：
在一个或多个实施方案中，S2-S5通过处理器进行，例如STM32L431KB处理器。
在一个或多个实施方案中，S6中，寿命预测结果经由无线传输发送到终端，优选蓝牙无线传输。在一个或多个实施方案中，S6通过无线传输蓝牙模块进行，例如CC2640R2F无线传输蓝牙模块。
在一个或多个实施方案中，S2-S6通过智能寿命芯片系统实现。所述智能寿命芯片系统包括，调理电路、处理器、电源、电路板和任选的无线传输蓝牙模块。优选地，所述智能寿命芯片系统包括，PGA305调理电路、STM32L431KB处理器、CC2640R2F无线传输蓝牙模块、CR2032锂锰电池及配套电路板。在一个或多个实施方案中，智能寿命芯片系统是处理、存储、展示数据的终端，例如计算机、手机等。
本发明还提供一种部件或材料的寿命预测系统或装置，其特征在于，包括：
采集模块，用于采集反映目标设备工作状况的监测数据，其中所述监测数据包括应变的历史数据；
数据处理模块，用于对监测数据进行预处理，获得预数据集；压缩预数据集，构建压缩数据集；从压缩数据集中分别提取小应力循环和大应力循环，获得标准应力谱；
预测模块，用于利用标准应力谱根据部件或材料的S-N曲线预测寿命，
任选的数据传输模块，用于将寿命预测结果传输到终端，
任选的电源模块，用于提供电能。
在一个或多个实施方案中，采集模块是传感器和任选的调理电路。传感器例如基于多孔化材料的柔性全桥传感器或基于仿生裂纹的柔性全桥传感器。在一个或多个实施方案中，传感器的输出信号经滤波处理，然后经A/D转换。所述柔性传感器灵敏度高，拉伸率高。调理电路例如PGA305调理电路。
在一个或多个实施方案中，数据处理模块和预测模块是处理器，例如STM32L431KB处理器。
在一个或多个实施方案中，预处理包括将应变数据转换为应力数据。在一个或多个实施方案中，应变与应力为线弹性关系，即
σ＝Eε
其中，ε为应变数据，σ为应力数据，E为部件或材料的弹性模量。
在一个或多个实施方案中，压缩预数据集保留能提取出循环应力下应力幅值的峰谷值数据。在一个或多个实施方案中，压缩预数据集包括以下方法中的一种或多种：等值数压缩、峰谷值提取、去除无效幅值。
在一个或多个实施方案中，等数值压缩能够保存数据中某峰值或谷值在区域内的唯一性。优选地，相邻的等值数只保留一个。
在一个或多个实施方案中，峰谷值提取采用相邻数字差的乘积是否大于零(即是否同好)来进行判断。
在一个或多个实施方案中，去除无效幅值包括，将小于阈值的幅值作为随机误差产生的无效幅值去除。在一个或多个实施方案中，去除无效幅值包括，在雨流计数法提取循环幅值之后加入阈值判断。在一个或多个实施方案中，阈值的设定在雨流计数法一次循环后完成。
在一个或多个实施方案中，阈值通过如下公式确定：
变程阈值＝(最大值-最小值)×Δ％，
其中Δ为阈值的设定精度。
在一个或多个实施方案中，提取小应力循环和大应力循环通过用雨流计数法处理压缩数据集来实现。在一个或多个实施方案中，雨流计数法包括步骤：依次雨流计数、对接和二次雨流计数。
在一个或多个实施方案中，雨流计数法包括：进行一次雨流计数法提取半循环。具体地，采用全半循环的方法，将一次雨流计数提取的小应力循环和剩余的峰谷值点都作为半循环进行处理。
在一个或多个实施方案中，所述预测包括：根据Miner准则利用标准应力谱根据部件或材料的S-N曲线预测寿命。
在一个或多个实施方案中，S5包括：
(1)将S3中获得的应力谱根据幅值分组，
(2)获得不同幅值分组的循环次数ni i＝1，2，...，
(3)从S-N曲线得到不同幅值分组的寿命值Ni i＝1，1...，
(4)利用Miner准则得到设备材料的剩余寿命。
在一个或多个实施方案中，Miner准则如下所示：
在一个或多个实施方案中，数据传输模块是无线传输模块，例如蓝牙模块，优选CC2640R2F无线传输蓝牙模块。
在一个或多个实施方案中，电源模块是电池，例如CR2032锂锰电池。
在一个或多个实施方案中，任选的调理电路、数据处理模块和任选的数据传输模块是智能寿命芯片系统。所述智能寿命芯片系统包括，调理电路、处理器、电源、电路板和任选的无线传输蓝牙模块。优选地，所述智能寿命芯片系统包括，PGA305调理电路、STM32L431KB处理器、CC2640R2F无线传输蓝牙模块、CR2032锂锰电池及配套电路板。在一个或多个实施方案中，智能寿命芯片系统是处理、存储、展示数据的终端，例如计算机、手机等。
本发明还提供一种基于疲劳积累假说的部件或材料的寿命预测系统，包括：
基于多孔化材料的新型柔性全桥传感器；
用于采集、调理、计算的智能寿命芯片及扩展电路；
基于疲劳损伤寿命积累假说的寿命预测算法；
调度智能寿命芯片电路采集、电源管理、无线传输的软件系统；
(移动)终端处理及展示的软件。
在优选的实施方案中，本文所述的系统包括硬件平台和软件平台。硬件平台包括：传感器、任选的调理电路、处理器和任选的传输模块。优选地，硬件平台包括：基于仿生裂纹的新型柔性全桥传感器；用于采集、调理、计算的智能寿命芯片及扩展电路；进行数据最终处理并存储、展示数据的终端(计算机、手机等)。其中智能寿命芯片电路包括，PGA305调理电路、STM32L431KB处理器、CC2640R2F无线传输蓝牙模块、CR2032锂锰电池及配套电路板。软件平台包括：如本文所述的寿命预测方法；调度智能寿命芯片电路采集、电源管理、无线传输的软件系统；(移动)终端处理及展示的软件。
一种基于疲劳积累假说的智能寿命预测装置，包括：传感器、任选的调理电路、处理器和任选的传输模块。
在一个或多个实施方案中，传感器是柔性传感器。
在一个或多个实施方案中，调理电路与传感器和处理器连接，通过传感器采集的信号经过放大滤波电路之后，经过模数转换器(ADC)进行电压数据的转换。
在一个或多个实施方案中，处理器与调理电路和传输模块连接，其中，通过中断唤醒功能，处理器被唤醒对电源管理进行控制，对调理电路分配电能，进行数据采集控制；处理器利用本文所述方法预测部件或材料的寿命；并且处理器将寿命预测结果经由传输模块发送到终端。
本发明还公开了一种部件或材料的寿命预测系统，包括计算机以及运行于计算机上的一计算机程序，计算机程序在计算机上运行本文所述的方法。
本发明还公开了一种存储计算机程序的计算机可读存储介质，其特征在于，存储介质上所存储的计算机程序运行后执行本文所述的方法。
附图说明
图1为本发明一实施方案的电路原理图。
图2为本发明一实施方案的装置示意图。
图3为本发明一实施方案的的寿命预测流程图。
图4为雨流计数法示意图。
图5为本发明一实施方案的系统示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明：
本发明提供基于疲劳积累假说的智能寿命预测系统。智能寿命预测系统分为三部分，一是能够测量试样、机械设备应变信号和进行数据处理的硬件平台；二是能够采集数据、处理数据、并根据疲劳积累假说的理论基础及其相关算法预测出试样、设备寿命的软件平台；三是将硬件平台的节点网络与上述的软硬件结合形成一套寿命预测系统。本发明得到的寿命预测系统可以精确地预测和评估机械结构的寿命和可靠性，具有数据无线传输和分布式应变检测能力。
本文所述寿命包括感兴趣的试样、部件、材料、仪器、设备、装置、系统等的寿命。本文的寿命预测原理基于线性疲劳损伤积累假说，通过雨流计数算法对数据进行处理得到数据的标准应力谱，之后对比材料的S-N曲线，根据Miner准则便可确定材料的疲劳寿命。具体处理流程分为以下步骤：
S1：采集反映目标设备工作状况的监测数据，其中所述监测数据包括应变的历史数据；
S2：对监测数据进行预处理，获得预数据集，
S3：压缩预数据集，构建压缩数据集；
S4：从压缩数据集中分别提取小应力循环和大应力循环，获得标准应力谱；
S5：利用标准应力谱根据部件或材料的S-N曲线预测寿命，
任选地，S6：将寿命预测结果传输到终端。
本发明中，S1中的采集通过高灵敏度高拉伸率的传感器和调理电路进行。传感器例如基于仿生裂纹的柔性全桥传感器或基于仿生裂纹的柔性全桥传感器。在一个或多个实施方案中，传感器的输出信号经滤波处理，然后经A/D转换。调理电路可以是具有数字和/或模拟输出的电阻式传感信号调理器，具有可编程模拟前端、ADC和数字信号处理功能，可直接连接传感元件。可以采用三阶温度和非线性补偿来实现高精度，例如PGA305调理电路。PGA305调理电路与传感器和STM32L431KB处理器连接；通过桥式传感器采集的信号经过放大滤波电路之后，经过模数转换器(ADC)进行电压数据的转换。
本发明中，S2中预处理包括将应变数据转换为应力数据。首先，根据不同材料的应变与应力的关系可以将应传感器测得的应变数据转换为应力数据，例如假定材料的应变与应力存在着线弹性关系，则可得到应力与应变的关系为：
σ＝Eε
其中，ε为应变数据，σ为应力数据，E为材料的弹性模量。
本发明中，由于对设备材料进行监测是一个长期的过程，通过定时(10Hz)采集应变数据的数据量将会变得十分庞大，这无论对数据存储，算法处理，低功耗等方面考虑都是十分不利的；同时，根据线性疲劳损伤积累假说，可以忽略材料的应变过程，而只保留下可以提取出循环应力下应力幅值的数据峰谷值数据。即进行S3数据压缩处理。本发明中，数据压缩处理分为三个具体的算法步骤，等值数压缩、峰谷值提取和去除无效幅值。
等数值压缩：为了保存一段数据中某个峰值或谷值领域内的唯一性，避免在峰谷值提取时产生影响，将相邻的等值数只保留一个。
峰谷值提取：峰值或谷值是一段数据的极值，可采用相邻数字差的乘积是否大于零(即是否同好)来进行判断，同时注意到经过等数值压缩后的数据，相邻数字差的成绩必不为零。峰谷值提取完成之后将峰谷值数据保存，剔除非峰谷值的数据。
去除无效幅值：在实际数据采集的过程，由于环境、电路、器件性能等因素，经过滤波放大后的数据还是不可避免的有着随机误差。随机误差的波动影响着峰谷值数据，例如在一段应力上升的数据中由于随机误差而产生了局部的峰谷值。这些峰谷值实际上不应当参与到寿命预测的计算之中。但显然，由随机误差所产生的幅值在绝大多数情况下对比真实应力幅值相差较大，因此可以通过设定幅值阈值的方法，将小于阈值的应力幅作为随机误差产生的无效幅值去除而不纳入寿命预测的计算之中。
去除无效幅值在算法之后只需在雨流计数法提取循环幅值之后加入一个判断条件即可。阈值可以通过以下公式确定：
变程阈值＝(最大值-最小值)×Δ％
其中Δ为阈值的设定精度，靠经验给定。阈值的设定可以在雨流计数法一次循环后完成。
本发明中，S4中提取小应力循环和大应力循环利用雨流计数法处理压缩数据集来实现。本发明中，“小应力循环”定义为在循环应力数据中，应力增加的过程中，在某点减少应力，随后又增加。在一段循环应力数据中，可能出现这样的情况，应力增加的过程中，在某点减少应力，随后又增加。这样从工程上来看，不应当作为前后两个应力循环，而应当作为大一个大幅值的应力循环中“嵌入”了一个小应力循环。雨流计数算法又可称为“塔顶法”，主要用于工程界，特别在疲劳寿命计算中运用非常广泛。雨流计数法的目的在将这些“嵌入”的小应力循环从中提取出来，这样才能保留数据的本质特征，提高设备寿命预测的准确性。雨流计数法具体可分为一次雨流计数、对接、二次雨流计数三个步骤完成。
雨流计数法有下列规则：
(a)雨流在实验记录的起点和依次在每一个峰值的内边开始。
(b)雨流在流到峰值处竖直下滴，一直流到对面有一个比开始是最大值(或最小值)更大的最大值(或更小的最小值)为止。
(c)当雨流遇到来自上面屋顶留下的雨时，就停止流动，并构成一个循环。
(d)根据雨滴流动的起点和终点，画出各个循环，将所有循环逐一取出，并记录峰谷值。
(e)每一雨流的水平长度可以作为该循环的幅值。
(f)将一次雨流计数提取出小应力幅循环后剩下的发散收敛载荷时间历程等效为一个收敛发散型的载荷时间历程，进行第二阶段的雨流计数。最后将小应力循环和大应力循环相加得到总的应力循环。本发明在传统雨流计数法的基础上进行改进和化简：进行一次雨流计数法提取半循环；采用全半循环的方法，将一次雨流计数提取的小循环和二次雨流计数法剩余的峰谷值点都作为半循环进行处理。将初始应力值点作为原点，应力峰谷值与初始原点应力值的差值作为半循环的应力幅值，避免通过使用应力峰谷值之间做差作为应力幅值，减少计算时间。
本发明中，S5中根据Miner准则利用标准应力谱根据部件或材料的S-N曲线预测寿命。寿命预测的主要内容是通过预设定的材料的S-N曲线参数，根据Miner准则估计出设备材料的剩余寿命。具体步骤如下，将由雨流计数法所提取出的所有应力幅进行分组统计，统计出不同的幅值分组的循环次数ni i＝1，2，...从S-N曲线参数可以的到不同幅值分组下的寿命值Ni i＝1，1...利用Miner准则
可得到设备材料的剩余寿命。
示例性地，S2-S5通过处理器进行，例如STM32L431KB处理器。STM32L431KB处理器与PGA305调理电路和CC2640R2F无线传输蓝牙模块连接；通过定时中断唤醒功能，定期被唤醒对点源管理进行控制，对PGA305调理电路进行数据采集控制；利用基于疲劳损伤寿命积累假说的寿命预测算法处理数据；将寿命预测结构结果经由蓝牙无线传输发送到终端。
在一个或多个实施方案中，S6中，寿命预测结果经由无线传输发送到终端，优选蓝牙无线传输。在一个或多个实施方案中，S6通过无线传输蓝牙模块进行，例如CC2640R2F无线传输蓝牙模块。示例性地，CC2640R2F无线传输蓝牙模块与STM32L431KB处理器连接；实现与终端的对接，并实现STM32L431KB处理器与终端之间的数据传输。
在一个或多个实施方案中，S2-S6通过智能寿命芯片系统实现。所述智能寿命芯片系统包括，任选的调理电路、处理器、电源、电路板和任选的无线传输蓝牙模块。优选地，所述智能寿命芯片系统包括，PGA305调理电路、STM32L431KB处理器、CC2640R2F无线传输蓝牙模块、CR2032锂锰电池及配套电路板。在一个或多个实施方案中，智能寿命芯片系统是处理、存储、展示数据的终端，例如计算机、手机等。
本发明还提供一种部件或材料的寿命预测系统，其特征在于，包括：
采集模块，用于采集反映目标设备工作状况的监测数据，其中所述监测数据包括应变的历史数据；
数据处理模块，用于对监测数据进行预处理，获得预数据集；压缩预数据集，构建压缩数据集；从压缩数据集中分别提取小应力循环和大应力循环，获得标准应力谱；
预测模块，用于利用标准应力谱根据部件或材料的S-N曲线预测寿命，
任选的数据传输模块，用于将寿命预测结果传输到终端。
任选的电源模块，用于提供电能。
本文中，电源模块是电池，例如布置在配套电路板上的CR2032锂锰电池。
本发明还提供一种基于疲劳积累假说的智能寿命预测系统，包括：基于多孔化材料的新型柔性全桥传感器；用于采集、调理、计算的智能寿命芯片及扩展电路；基于疲劳损伤寿命积累假说的寿命预测算法；调度智能寿命芯片电路采集、电源管理、无线传输的软件系统；(移动)终端处理及展示的软件。
在优选的实施方案中，本文所述的系统包括硬件平台和软件平台。硬件平台包括：传感器、任选的调理电路、处理器和任选的传输模块。优选地，硬件平台包括：基于仿生裂纹的新型柔性全桥传感器；用于采集、调理、计算的智能寿命芯片及扩展电路；进行数据最终处理并存储、展示数据的终端(计算机、手机等)。其中智能寿命芯片电路包括，PGA305调理电路、STM32L431KB处理器、CC2640R2F无线传输蓝牙模块、CR2032锂锰电池及配套电路板。软件平台包括：如本文所述的寿命预测方法；调度智能寿命芯片电路采集、电源管理、无线传输的软件系统；(移动)终端处理及展示的软件。
本发明还提供一种基于疲劳积累假说的智能寿命预测装置，包括：传感器、调理电路、处理器和任选的传输模块。调理电路与传感器和处理器连接，任选的通过传感器采集的信号经过放大滤波电路之后，经过模数转换器(ADC)进行电压数据的转换。处理器与调理电路和传输模块连接，其中，通过中断唤醒功能，处理器被唤醒对电源管理进行控制，对调理电路分配电能，进行数据采集控制；处理器利用本文所述方法预测部件或材料的寿命；并且处理器将寿命预测结果经由传输模块发送到终端。
此外，本发明还公开一种部件或材料的寿命预测系统，包括计算机以及运行于计算机上的计算机程序，该计算机程序在该计算机上运行如前述实施方案的优化水泥原料调整量方法。
本发明还公开存储计算机程序的计算机可读存储介质，存储介质上所存储的计算机程序运行后执行如前述实施方案的优化水泥原料调整量方法。
尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施方案，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。
本领域技术人员将进一步领会，结合本文中所公开的实施方案来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。
结合本文所公开的实施方案描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。
结合本文中公开的实施方案描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。
在一个或多个示例性实施方案中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
Claims (27)
1.一种基于疲劳积累假说的部件或材料的寿命预测方法，包括：
(1)采集反映目标设备工作状况的监测数据，其中所述监测数据包括应变的历史数据；
(2)对监测数据进行预处理，获得预数据集，
(3)压缩预数据集，构建压缩数据集；
(4)通过雨流计数法处理压缩数据集，从压缩数据集中分别提取小应力循环和大应力循环，获得标准应力谱；
(5)利用标准应力谱根据部件或材料的S-N曲线预测寿命，
其中，所述雨流计数法包括：进行一次雨流计数法提取半循环，采用全半循环的方法，将一次雨流计数提取的小应力循环和剩余的峰谷值点都作为半循环进行处理。
2.如权利要求1所述的方法，其特征在于，所述方法具有选自以下的一个或多个特征：
步骤(1)中，采集通过传感器进行，传感器的输出信号经滤波处理；
步骤(2)中，预处理包括将应变数据转换为应力数据，
步骤(3)中，压缩预数据集保留能提取出循环应力下应力幅值的峰谷值数据；
雨流计数法包括步骤：一次雨流计数、对接和二次雨流计数；
步骤(5)中，根据Miner准则利用标准应力谱根据部件或材料的S-N曲线预测寿命。
3.如权利要求2所述的方法，其特征在于，所述方法具有选自以下的一个或多个特征：
步骤(2)中，预处理包括将应变数据转换为应力数据，应变与应力为如下所示的弹性段的线性关系：
σ＝Eε
其中，ε为应变数据，σ为应力数据，E为材料的弹性模量；
步骤(3)中，压缩预数据集包括以下方法中的一种或多种：等值数压缩、峰谷值提取、去除无效幅值；
步骤(5)包括：
1)将S3中获得的应力谱根据幅值分组，
2)获得不同幅值分组的循环次数ni i＝1，2，...，
3)从S-N曲线得到不同幅值分组的寿命值Ni i＝1，1...，
4)利用Miner准则得到设备材料的剩余寿命。
4.如权利要求3所述的方法，其特征在于，所述方法具有选自以下的一个或多个特征：
等值数压缩能够保存数据中某峰值或谷值在区域内的唯一性；
峰谷值提取采用相邻数字差的乘积是否大于零来进行判断；
去除无效幅值包括，将小于阈值的幅值作为随机误差产生的无效幅值去除，其中阈值的设定在雨流计数法一次循环后完成。
5.如权利要求4所述的方法，其特征在于，所述方法具有选自以下的一个或多个特征：
所述等值数压缩中，相邻的等值数只保留一个，
所述去除无效幅值包括，在雨流计数法提取循环幅值之后加入阈值判断。
6.如权利要求5所述的方法，其特征在于，所述方法具有选自以下的一个或多个特征：
所述去除无效幅值包括，在雨流计数法提取循环幅值之后加入阈值判断，阈值通过如下公式确定：
变程阈值＝(最大值-最小值)×Δ％，
其中Δ为阈值的设定精度；
Miner准则如下所示：
7.如权利要求1-3中任一项所述的方法，其特征在于，所述方法还包括步骤：(6)将寿命预测结果传输到终端。
8.如权利要求7所述的方法，其特征在于，步骤(6)中，寿命预测结果经无线传输发送到终端。
9.如权利要求8所述的方法，其特征在于，步骤(6)中，所述无线传输是蓝牙无线传输。
10.一种部件或材料的寿命预测装置，其特征在于，包括：
采集模块，用于采集反映目标设备工作状况的监测数据，其中所述监测数据包括应变的历史数据；
数据处理模块，用于对监测数据进行预处理，获得预数据集；压缩预数据集，构建压缩数据集；通过雨流计数法处理压缩数据集，从压缩数据集中分别提取小应力循环和大应力循环，获得标准应力谱；
预测模块，用于利用标准应力谱根据部件或材料的S-N曲线预测寿命，
其中，所述雨流计数法包括：进行一次雨流计数法提取半循环，采用全半循环的方法，将一次雨流计数提取的小应力循环和剩余的峰谷值点都作为半循环进行处理。
11.如权利要求10所述的装置，其特征在于，所述装置具有选自以下的一个或多个特征：
采集模块包括传感器，传感器的输出信号经滤波处理；
数据处理模块和预测模块是处理器；
数据处理模块通过预处理将应变数据转换为应力数据；
数据处理模块对预数据集的压缩保留能提取出循环应力下应力幅值的峰谷值数据；
雨流计数法包括步骤：依次雨流计数、对接和二次雨流计数；
预测模块根据Miner准则利用标准应力谱根据部件或材料的S-N曲线预测寿命。
12.如权利要求11所述的装置，其特征在于，所述装置具有选自以下的一个或多个特征：
所述采集模块还包括调理电路，
所述传感器是基于多孔化材料的柔性全桥传感器或基于仿生裂纹的柔性全桥传感器，
所述数据处理模块通过预处理将应变数据转换为应力数据，应变与应力为如下所示的弹性段的线性关系，
σ＝Eε
其中，ε为应变数据，σ为应力数据，E为部件或材料的弹性模量；
数据处理模块对预数据集的压缩保留能提取出循环应力下应力幅值的峰谷值数据，压缩预数据集包括以下方法中的一种或多种：等值数压缩、峰谷值提取、去除无效幅值；
预测模块根据Miner准则利用标准应力谱根据部件或材料的S-N曲线预测寿命，所述预测包括：
1)将S3中获得的应力谱根据幅值分组，
2)获得不同幅值分组的循环次数ni i＝1，2，...，
3)从S-N曲线得到不同幅值分组的寿命值Ni i＝1，1...，
4)利用Miner准则得到设备材料的剩余寿命。
13.如权利要求12所述的装置，其特征在于，调理电路是PGA305调理电路，和/或，所述处理器是STM32L431KB处理器。
14.如权利要求12所述的装置，其特征在于，所述装置具有选自以下的一个或多个特征：
等值数压缩能够保存数据中某峰值或谷值在区域内的唯一性；
峰谷值提取采用相邻数字差的乘积是否大于零来进行判断；
去除无效幅值包括，将小于阈值的幅值作为随机误差产生的无效幅值去除，其中阈值的设定在雨流计数法一次循环后完成；Miner准则如下所示：
15.如权利要求14所述的装置，其特征在于，所述装置具有选自以下的一个或多个特征：
所述等值数压缩中，相邻的等值数只保留一个，
所述去除无效幅值包括，在雨流计数法提取循环幅值之后加入阈值判断。
16.如权利要求15所述的装置，其特征在于，所述去除无效幅值包括，在雨流计数法提取循环幅值之后加入阈值判断，阈值通过如下公式确定：
变程阈值＝(最大值-最小值)×Δ％，
其中Δ为阈值的设定精度。
17.如权利要求12所述的装置，其特征在于，所述装置还包含数据传输模块，用于将寿命预测结果传输到终端。
18.如权利要求17所述的装置，其特征在于，所述数据传输模块是无线传输模块。
19.如权利要求18所述的装置，其特征在于，所述数据传输模块是蓝牙模块。
20.如权利要求12所述的装置，其特征在于，所述装置还包含电源模块。
21.如权利要求17所述的装置，其特征在于，所述数据处理模块、调理电路和数据传输模块是智能寿命芯片系统。
22.如权利要求21所述的装置，其特征在于，所述智能寿命芯片系统包括，调理电路、处理器、电源、电路板和无线传输蓝牙模块。
23.如权利要求22所述的装置，其特征在于，所述智能寿命芯片系统包括，PGA305调理电路、STM32L431KB处理器、CC2640R2F无线传输蓝牙模块、CR2032锂锰电池及电路板。
24.一种基于疲劳积累假说的部件或材料的寿命预测系统，包括：传感器、处理器、电源管理模块；以及实现权利要求1-9中任一项所述的方法的计算机程序。
25.如权利要求24所述的寿命预测系统，其还包括调理电路和/或传输模块。
26.一种部件或材料的寿命预测装置，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-9中任一项所述的方法。
27.一种存储计算机程序的计算机可读存储介质，其特征在于，存储介质上所存储的计算机程序运行后执行权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010048312.5A CN111241693B (zh) | 2020-01-16 | 2020-01-16 | 基于疲劳积累假说的寿命预测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010048312.5A CN111241693B (zh) | 2020-01-16 | 2020-01-16 | 基于疲劳积累假说的寿命预测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111241693A CN111241693A (zh) | 2020-06-05 |
| CN111241693B true CN111241693B (zh) | 2024-04-09 |
Family
ID=70872708
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010048312.5A Active CN111241693B (zh) | 2020-01-16 | 2020-01-16 | 基于疲劳积累假说的寿命预测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111241693B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113138005B (zh) * | 2021-05-13 | 2023-07-11 | 华东理工大学 | 基于特征提取和神经网络的车辆随机载荷模式识别系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007149150A2 (en) * | 2006-06-22 | 2007-12-27 | The Boeing Company | System and method for determining fatigue life expenditure of a component |
| CN104266921A (zh) * | 2014-10-17 | 2015-01-07 | 南京嘉视信电子有限公司 | 基于无线智能节点的钢桥疲劳寿命便携式评估系统及方法 |
| CN106556522A (zh) * | 2016-11-16 | 2017-04-05 | 天津金岸重工有限公司 | 一种海洋平台起重机金属结构的寿命评估方法 |
-
2020
- 2020-01-16 CN CN202010048312.5A patent/CN111241693B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2007149150A2 (en) * | 2006-06-22 | 2007-12-27 | The Boeing Company | System and method for determining fatigue life expenditure of a component |
| CN104266921A (zh) * | 2014-10-17 | 2015-01-07 | 南京嘉视信电子有限公司 | 基于无线智能节点的钢桥疲劳寿命便携式评估系统及方法 |
| CN106556522A (zh) * | 2016-11-16 | 2017-04-05 | 天津金岸重工有限公司 | 一种海洋平台起重机金属结构的寿命评估方法 |
Non-Patent Citations (3)
| Title |
|---|
| 基于雨流法的起重机金属结构疲劳寿命分析软件;薛志钢等;《起重运输机械》;20181120(第11期);正文第1-6节 * |
| 焊缝疲劳寿命预测的无线传感器网络检验;孙立等;《电子测量技术》;20130715(第07期);全文 * |
| 起重机械疲劳寿命分析预测软件开发及工程应用;陈力等;《中国安全生产科学技术》;20160930(第09期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111241693A (zh) | 2020-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3665462B1 (en) | Identification of air leaks in a compressed air system using a plurality of current measurement sensors | |
| CN111241693B (zh) | 基于疲劳积累假说的寿命预测系统 | |
| Pillay et al. | A data driven approach to performance assessment of PID controllers for setpoint tracking | |
| CN113138005B (zh) | 基于特征提取和神经网络的车辆随机载荷模式识别系统 | |
| CN111312414B (zh) | 核电厂疲劳监测和寿命评估系统的疲劳评价方法 | |
| CN104299408A (zh) | 一种高压电气设备温度监测装置 | |
| CN111830110A (zh) | 一种氧气传感器自校准方法、装置及系统 | |
| CN117370917B (zh) | 一种城市智慧路灯寿命预测方法及系统 | |
| CN112766535B (zh) | 一种考虑负荷曲线特征的建筑负荷预测方法及系统 | |
| CN115905341A (zh) | 数据质量异常的检测方法、装置、电子设备及存储介质 | |
| CN116743180A (zh) | 一种储能电源数据智能存储方法 | |
| CN111626360A (zh) | 用于检测锅炉故障类型的方法、装置、设备和存储介质 | |
| CN116499609A (zh) | 核电厂波动瞬态的自动识别方法、系统、计算机设备和存储介质 | |
| CN114279494B (zh) | 基于改进lstm的光纤光栅高炉炉壳温度补偿检测方法 | |
| CN115932593A (zh) | 电站温度热失控预警方法、系统及终端 | |
| CN113987000A (zh) | 数据采集方法、装置、设备及存储介质 | |
| CN111811388A (zh) | 一种低功耗应变监测传感器及监测方法 | |
| CN113267597A (zh) | 风场智能环境监测平台 | |
| CN204189300U (zh) | 一种高压电气设备温度监测装置 | |
| CN108981835B (zh) | 利用燃气压力间接计量燃气使用量的方法 | |
| CN117805542B (zh) | 一种矿用隔爆本质安全型变频器运行监控系统 | |
| CN117870779B (zh) | 一种自动化设备远程无线智能监控方法及系统 | |
| CN113762619B (zh) | 配电物联网用户负荷识别方法、系统、设备和存储介质 | |
| RU2724449C1 (ru) | Устройство и способ мониторинга давления среды в оборудовании | |
| CN117783792B (zh) | 基于多参数实时监测的阀侧套管绝缘状态检测方法及系统 |
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 |