CN111579870B - 结构件损伤监测与累积程度的诊断方法 - Google Patents
结构件损伤监测与累积程度的诊断方法 Download PDFInfo
- Publication number
- CN111579870B CN111579870B CN202010326345.1A CN202010326345A CN111579870B CN 111579870 B CN111579870 B CN 111579870B CN 202010326345 A CN202010326345 A CN 202010326345A CN 111579870 B CN111579870 B CN 111579870B
- Authority
- CN
- China
- Prior art keywords
- damage
- probability
- rmsd
- structural member
- degree
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R27/00—Arrangements for measuring resistance, reactance, impedance, or electric characteristics derived therefrom
- G01R27/02—Measuring real or complex resistance, reactance, impedance, or other two-pole characteristics derived therefrom, e.g. time constant
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种结构件损伤监测与累积程度的诊断方法,属于损伤检测技术领域,包括以下步骤:测量结构件的电阻抗,并提取所述电阻抗的特征参数;根据所述特征参数,建立结构件的损伤区域概率诊断模型;根据所述特征参数,建立损伤累积程度概率诊断模型;通过结构件的损伤区域概率诊断模型,以及损伤累积程度概率诊断模型,对结构件的累积损伤进行判定。本发明可对复杂的结构件进行无损损伤监测,同时也可对结构件的损伤的累积程度进行诊断,且不受结构件本身结构及材料的影响。
Description
技术领域
本发明涉及一种结构件损伤监测与累积程度的诊断方法,属于损伤检测技术领域。
背景技术
随着航空航天、机械制造、建筑等领域的发展,金属-非金属连接件等复杂结构被广泛应用于各行各业。作为典型的金属与非金属复合结构件直升机发动机进气净化器装置,其长期暴露在尘雾弥漫的环境中,高速运转的含尘空气进人发动机并产生高速撞击,导致发动机进气净化器受损,严重影响直升机的使用寿命,发生安全事故,因此对复杂结构存在的结构缺陷检测就变成至关重要的工作。
目前常用于含有复杂结构的无损检测方法有红外检测法、CR射线检测法、超声C扫描法、激光剪切散斑法、激光全息检测法等方法。然而现有的无损检测方法通常受到结构件本身的复杂程度以及结构件本身材料等条件的限制,因此适用范围小。例如,红外检测技术是根据被测件温度变化的差异来判别结构件的损伤,因此对材料的导热系数、厚度有一定的要求,复杂情况下会影响检测灵敏度;CR/X 射线对空气层不敏感、检测周期长、费用高、设备庞大,对人体不安全,因此不适合进行在线实时操作;激光检测方法受穿透性、设备稳定性、实时性影响,目前尚无法做到现场检测。
发明内容
本发明是提供一种结构件损伤监测与累积程度的诊断方法,可对复杂的结构件进行无损损伤监测,同时也可对结构件的损伤的累积程度进行诊断,且不受结构件本身结构及材料的影响。
为达到上述目的,本发明所采用的技术方案是:一种结构件损伤监测与累积程度的诊断方法,其特征在于,包括以下步骤:测量结构件的电阻抗,并提取所述电阻抗的特征参数;根据所述特征参数,建立结构件的损伤区域概率诊断模型;根据所述特征参数,建立损伤累积程度概率诊断模型;通过结构件的损伤区域概率诊断模型,以及损伤累积程度概率诊断模型,对结构件的累积损伤进行判定。
进一步地,所述测量结构件的电阻抗包括以下步骤:对结构件进行区域划分,每个所述区域包含多个压电片;采用电压电流法获取该区域内结构件的电阻抗。
进一步地,所述特征参数由公式(1)计算得到:
其中,RMSDRe为结构件的电阻抗特征参数,Re(xi)为第i次被测结构件健康时结构件阻抗的实部;Re(yi)表示第i次被测结构件损伤时结构件阻抗的实部;xi是第i次被测结构件健康时结构件的电阻抗, yi表示第i次被测结构件损伤时结构件的电阻抗;N为自然常数。
进一步地,所述建立结构件的损伤区域概率诊断模型包括以下步骤:计算所述特征参数与结构件的累积损伤程度之间的函数关系;根据所述函数关系计算得到损伤区域概率诊断模型。
进一步地,所述函数关系如公式(2)所示:
D(RMSDRe)=K·Δa-γ (2)
其中K,a,γ为幂函数方程参数;Δ为累积损伤程度; D(RMSDRe)为特征参数与累积损伤程度之间的函数关系。
进一步地,所述损伤区域概率诊断模型,由公式(3)得到:
其中,η(k)为第k个压电片的区域准确度,D(RMSDRe)为特征参数与累积损伤程度之间的函数关系;k表示压电片的编号。
进一步地,所述损伤累积程度概率诊断模型由公式(4)得到:
其中,ε(j)为累积损伤概率,j为累积损伤程度,μj为(RMSDRe)j的均值,σj为(RMSDRe)j的标准差;(RMSDRe)j为在j累积损伤程度下,结构件的电阻抗的特征参数;RMSDRe为结构件的电阻抗特征参数。
进一步地,所述对结构累积损伤进行判定包括以下步骤:根据结构件的损伤区域概率诊断模型确定损伤区域;确定损伤区域后,在该区域下,通过损伤累积程度概率诊断模型判断结构累积损伤程度。
本发明通过测量结构件的电阻抗并建立结构件的损伤区域概率诊断模型,以及损伤累积程度概率诊断模型,从而对复杂的结构件进行无损损伤监测,同时也可对结构件的损伤的累积程度进行诊断。结构的机械阻抗反映了结构由于形状、连接状态等改变引起的结构状态变化。由于远场载荷、刚度和边界条件的改变对机械阻抗的影响可以忽略,因此阻抗方法不需借助结构模型,可适用于复杂结构。利用压电片的机电耦合特性以及压电片与结构的相互作用可测得结构的电阻抗,从而获取结构机械阻抗,因此以结构件的电阻抗建立的损伤区域概率诊断模型,损伤累积程度概率诊断模型不受结构件本身结构及材料影响,从而扩大了适用范围。
附图说明
图1是本发明实施例中试件结构以及传感/激励阵列的布局示意图;
图2是本发明方法流程图;
图3是本发明实施例中健康和不同累积损伤程度下的特征参数分布图;
图4是本发明实施例中损伤区域的概率分布图;
图5是本发明实施例中累积损伤程度的概率分布图;
图6为本发明实施例中损伤累积程度概率诊断模型的判断结果
其中:1-金属板,2-非金属结构件,3-压电片。
具体实施方式
为了更好的理解本发明的实质,下面结合具体实施例和附图对本发明作进一步的阐述。
本发明涉及一种结构件损伤监测与累积程度的诊断方法,尤其适用于金属-非金属连接件等具有复杂结构的无损检测。
如图2所示,是本发明方法流程图,包括如下步骤:
步骤一、在待测结构上安装测量机电阻抗的压电片,利用电压电流法获取结构件的阻抗信息。
本发明实施例所采用的试件为金属-非金属复杂结构的结构件,即以金属板结构作为基础结构,非金属结构作为功能结构,二者粘合形成的结构件。非金属结构整体呈蜂窝状的稀疏阵列排布,根据非金属结构的阵列排布,对结构件按矩形划分区域,并在所划分的区域中设置压电片。由于同一个压电片既可作为激励器,用以向试件结构中发出正弦交变激励信号;又可作为传感器,用以采集试件结构的响应导纳信号,从而形成一个监测区域。所述监测区域包括多个非金属结构和压电片,其中同一监测区域中,压电片位于矩形区域的中心线上,且相互对称。
如图1所示,将压电片依次编号为a、b、c、d。区域A和区域B 内各自包含6个非金属构件组成的结构部分和2个压电片,即分别为一个监测区域。区域A中包含了压电片a和压电片b,压电片a和压电片b位于区域A的中心线上,且相互对称;区域B中包含了压电片 c和压电片d,压电片c和压电片d位于区域B的中心线上,且相互对称。
电压电流法就是利用欧姆定律得出压电片的电阻抗。通过选用合适的分压电阻,将其与压电片输入输出电路组成一个串联回路,激励信号通过输入通道,经过分压电阻对压电片进行激励,数据采集仪器通过输入通道在压电片两侧采集反馈的电信号,在已知输出电压和分压电阻,又测得采集电压,根据欧姆定律便得出了压电片的电阻抗,即为结构件的电阻抗。
步骤二、基于机电耦合原理提取压电片电阻抗的特征参数。
在低频带,用均方根偏差方法获得的数据结果会相对更接近线性,并且由于在压电片的阻抗信息中,阻抗虚部在真实的环境中会更容易受到类似于温度或者磁场的影响,具有一定不可靠性,因此利用阻抗的实部作为压电片电阻抗的特征参数,如下式所示:
其中,RMSDRe为结构件的电阻抗特征参数,Re(xi)为第i次被测结构件健康时结构件阻抗的实部;Re(yi)表示第i次被测结构件损伤时结构件阻抗的实部;xi是第i次被测结构件健康时结构件的电阻抗, yi表示第i次被测结构件损伤时结构件的电阻抗;N为自然常数。
步骤三、建立结构件的损伤区域概率诊断模型。
1、计算结构件损伤累积程度与特征参数之间的函数关系。
待测区域内,特征参数与累积损伤程度之间的函数关系如公式 (3):
D(RMSDRe)=K·Δa-γ (2)
其中,Δ为累积损伤程度;D(RMSDRe)为特征参数与累积损伤程度之间的函数关系;K,a,γ为幂函数方程参数。
计算并记录该区域内结构件在健康状态和不同累积损伤程度下的特征参数,如图3所示,对比损伤区域周围压电片不同累积损伤程度和健康状态下特征参数的值,特征参数随累积损伤程度的加深而加大,从而确定损伤的发生。
2、根据公式(2)所计算出的函数关系,建立损伤区域概率诊断模型。
采用高斯概率分布数学思想:某事件发生的概率越大,则该事件发生的可能性越大,建立损伤区域概率诊断模型。
定义损伤区域的概率诊断模型参数,如公式(3)所示:
其中,η(k)为第k个压电片的区域准确度,k表示压电片的编号。
通过比较不同压电片下的η,η越大则该压电片所对应的区域损伤的概率越大,如图4所示。
步骤四,构建损伤累积程度概率诊断模型;
根据一维高斯概率模型分布的原理,在确定损伤区域的基础上,设计判定损伤累积程度概率诊断模型和表征系数。
更具体地,定义损伤累积程度概率诊断模型:累积损伤概率ε(j),其中j表示累积损伤程度。ε越大则该压电片所对应的累积损伤的程度概率越大。
其中,ε(j)为累积损伤概率,j为累积损伤程度,μj为 (RMSDRe)j的均值,σj为(RMSDRe)j标准差;(RMSDRe)j为在j累积损伤程度下的压电片阻抗的特征参数;RMSDRe为压电片阻抗的特征参数。
特征参数的累积损伤程度概率结果分布服从高斯分布,对照不同程度累积损伤概率模型,得到的诊断概率值越大,则表明对应的损伤累积程度发生的概率越高,如图5所示。
步骤五,完成结构累积损伤的判定。
分析区域准确度η(k),即通过比较不同压电片下的η,η越大则该压电片所对应的区域损伤的概率越大;
确定损伤区域后,在该区域下,分析累积损伤概率ε(j),即通过比较不同累积损伤程度下(j),ε越大则该区域该压电片所对应的累积损伤的程度概率越大,从而完成结构累积损伤程度的判定。
更具体地,利用电脑作为上位机,通过多次测试频率范围的敏感度,设定激励信号的频率的变化范围为20kHz-120kHz,正弦激励信号的固定幅值为9V,每次频率扫描间隔量是1kHz,总共扫描测量101 次,设置相邻两个频率的激励信号的间隔时间为20ms,分压电阻大小为10KΩ,K=21.15,a=0.8307,γ=16.23。当RMSDRe为35时,分别计算轻度损伤模型,轻中度损伤模型,中重度损伤模型,重度损伤模型。其中,j=1为轻度损伤模型,j=2为轻中度损伤模型,j=3为中重度损伤模型,j≥4为重度损伤模型。
上述四个诊断模型获得的损伤发生概率呈中重度损伤附近的特征值显著最大,因此判定,此时发生的损伤程度为中重度损伤程度,如图6所示。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (1)
1.一种结构件损伤监测与累积程度的诊断方法,其特征在于,包括以下步骤:
测量结构件的电阻抗,并提取所述电阻抗的特征参数;
根据所述特征参数,建立结构件的损伤区域概率诊断模型;
根据所述特征参数,建立损伤累积程度概率诊断模型;
通过结构件的损伤区域概率诊断模型,以及损伤累积程度概率诊断模型,对结构件的累积损伤进行判定;
所述特征参数由公式(1)计算得到:
其中,RMSDRe为结构件的电阻抗特征参数,Re(xi)为第i次被测结构件健康时结构件阻抗的实部;Re(yi)表示第i次被测结构件损伤时结构件阻抗的实部;xi是第i次被测结构件健康时结构件的电阻抗,yi表示第i次被测结构件损伤时结构件的电阻抗;N为自然常数;
所述建立结构件的损伤区域概率诊断模型包括以下步骤:
计算所述特征参数与结构件的累积损伤程度之间的函数关系;
根据所述函数关系计算得到损伤区域概率诊断模型;
所述函数关系如公式(2)所示:
D(RMSDRe)=K·Δa-γ (2)
其中K,a,γ为幂函数方程参数;Δ为累积损伤程度;D(RMSDRe)为根据累积损伤程度计算特征参数的函数估计值;
所述损伤区域概率诊断模型,由公式(3)得到:
其中,η(k)为第k个压电片的区域准确度,D(RMSDRe)为根据累积损伤程度计算特征参数的函数估计值;k表示压电片的编号;
所述损伤累积程度概率诊断模型由公式(4)得到:
其中,ε(j)(RMSDRe)为累积损伤概率,j为累积损伤程度,μj为(RMSDRe)j的均值,σj为(RMSDRe)j的标准差;(RMSDRe)j为在j累积损伤程度下,结构件的电阻抗的特征参数;RMSDRe为结构件的电阻抗特征参数;
所述对结构累积损伤进行判定包括以下步骤:
分析区域准确度η(k),即通过比较不同压电片下的η(k),η(k)越大则该压电片所对应的区域损伤的概率越大;
确定损伤区域后,在该区域下,分析累积损伤概率ε(j)(RMSDRe),即通过比较不同累积损伤程度下,ε(j)(RMSDRe)越大则该区域该压电片所对应的累积损伤的程度概率越大,从而完成结构累积损伤程度的判定;
所述测量结构件的电阻抗包括以下步骤:
对结构件进行区域划分,每个所述区域包含多个压电片;
采用电压电流法获取各区域内结构件的压电片的电阻抗。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010326345.1A CN111579870B (zh) | 2020-04-23 | 2020-04-23 | 结构件损伤监测与累积程度的诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010326345.1A CN111579870B (zh) | 2020-04-23 | 2020-04-23 | 结构件损伤监测与累积程度的诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111579870A CN111579870A (zh) | 2020-08-25 |
CN111579870B true CN111579870B (zh) | 2022-07-26 |
Family
ID=72113061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010326345.1A Active CN111579870B (zh) | 2020-04-23 | 2020-04-23 | 结构件损伤监测与累积程度的诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111579870B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113899786B (zh) * | 2021-10-18 | 2022-06-28 | 西北工业大学 | 脱粘损伤检测方法、装置及电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5665913A (en) * | 1996-03-07 | 1997-09-09 | E-Systems, Inc. | Method and apparatus for evaluation and inspection of composite-repaired structures |
CN101561379A (zh) * | 2009-05-13 | 2009-10-21 | 清华大学 | 一种用于结构损伤检测的敲击扫描方法 |
CN104597083A (zh) * | 2015-01-13 | 2015-05-06 | 大连理工大学 | 基于超声导波和机电阻抗的移动式损伤检测方法 |
CN109738489A (zh) * | 2018-12-06 | 2019-05-10 | 西安交通大学 | 多重连续雷电流分量作用下碳纤维复合材料损伤计算方法 |
-
2020
- 2020-04-23 CN CN202010326345.1A patent/CN111579870B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5665913A (en) * | 1996-03-07 | 1997-09-09 | E-Systems, Inc. | Method and apparatus for evaluation and inspection of composite-repaired structures |
CN101561379A (zh) * | 2009-05-13 | 2009-10-21 | 清华大学 | 一种用于结构损伤检测的敲击扫描方法 |
CN104597083A (zh) * | 2015-01-13 | 2015-05-06 | 大连理工大学 | 基于超声导波和机电阻抗的移动式损伤检测方法 |
CN109738489A (zh) * | 2018-12-06 | 2019-05-10 | 西安交通大学 | 多重连续雷电流分量作用下碳纤维复合材料损伤计算方法 |
Non-Patent Citations (1)
Title |
---|
《基于EMI技术的混凝土冲击损伤演化特性》;林越翔;《华中科技大学学报》;20190630;第98-103页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111579870A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107438758B (zh) | 用于带有频率同步的结构健康监视的方法和系统 | |
CA2360759C (en) | Diagnostic layer and methods for detecting structural integrity of composite and metallic materials | |
CN107014668A (zh) | 一种基于压电和智能涂层传感器的疲劳裂纹综合监测方法 | |
CN113720907B (zh) | 一种轮廓与深度顺序辨识的复合材料分层损伤辨识方法 | |
Lalande et al. | High-frequency impedance analysis for NDE of complex precision parts | |
KR100937095B1 (ko) | 유도초음파를 이용한 구조건전성 모니터링 방법 | |
Kecik et al. | Damage detection by recurrence and entropy methods on the basis of time series measured during composite milling | |
Monaco et al. | Methodologies for guided wave-based SHM system implementation on composite wing panels: results and perspectives from SARISTU scenario 5 | |
Winston et al. | Structural health monitoring with piezoelectric active sensors | |
Muller et al. | Image reconstruction and characterisation of defects in a carbon fibre/epoxy composite monitored with guided waves | |
CN111579870B (zh) | 结构件损伤监测与累积程度的诊断方法 | |
Moon et al. | Optimization of excitation frequency and guided wave mode in acoustic wavenumber spectroscopy for shallow wall-thinning defect detection | |
Soman et al. | Damage assessment in composite beam using infrared thermography, optical sensors, and terahertz technique | |
KR101830461B1 (ko) | 기계 부품 내부에 존재하는 결함의 방향을 측정하기 위한 방법 및 그 장치 | |
US9664649B2 (en) | Structural health monitoring system employing electromechanical impedance technology | |
CN108151870B (zh) | 一种基于频响函数的施工质量问题检测方法 | |
KR20100090912A (ko) | 유도초음파를 이용한 구조건전성 모니터링 방법 | |
CN114354350A (zh) | 一种复合材料分层损伤监测方法 | |
Pereyra et al. | Damage detection in a stiffened plate using modal strain energy differences | |
KR100844893B1 (ko) | 구조 건전도 모니터링 장치 | |
Seaver et al. | Quantitative detection of low energy impact damage in a sandwich composite wing | |
Sharma | Laser doppler vibrometer for efficient structural health monitoring | |
Kurnyta et al. | Assessment of sensor technologies for aircraft SHM systems | |
Rickli et al. | Fault detection and prognosis of assembly locating systems using piezoelectric transducers | |
Migot et al. | Investigations of fatigue crack detection using local vibration techniques: Numerical and experimental studies |
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 |