CN111737848A - 基于时域应变信号分解的起重机械主梁结构裂纹识别方法 - Google Patents
基于时域应变信号分解的起重机械主梁结构裂纹识别方法 Download PDFInfo
- Publication number
- CN111737848A CN111737848A CN202010395110.8A CN202010395110A CN111737848A CN 111737848 A CN111737848 A CN 111737848A CN 202010395110 A CN202010395110 A CN 202010395110A CN 111737848 A CN111737848 A CN 111737848A
- Authority
- CN
- China
- Prior art keywords
- signal
- decomposition
- time domain
- strain
- signal decomposition
- 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.)
- Pending
Links
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000005284 excitation Effects 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000013500 data storage Methods 0.000 claims abstract description 4
- 230000004044 response Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 10
- 230000000694 effects Effects 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000002474 experimental method Methods 0.000 abstract description 3
- 230000036541 health Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 description 10
- 239000002184 metal Substances 0.000 description 6
- 229910000831 Steel Inorganic materials 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 239000010959 steel Substances 0.000 description 5
- 238000003466 welding Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 206010016256 fatigue Diseases 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 229910000746 Structural steel Inorganic materials 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011888 foil Substances 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000006249 magnetic particle Substances 0.000 description 1
- 238000004519 manufacturing process Methods 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
- 230000035515 penetration Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009781 safety test method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/045—Analysing solids by imparting shocks to the workpiece and detecting the vibrations or the acoustic waves caused by the shocks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4472—Mathematical theories or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/17—Function evaluation by approximation methods, e.g. inter- or extrapolation, smoothing, least mean square method
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Abstract
本发明提供一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法，根据典型工况对实际起重机结构进行应力分析，找出起重机结构中易产生裂纹的位置；根据应力分析结果布置信号采集的应变片；进行结构的动态应变信号采集实验；设置信号采集分析软件的界面参数，对待测结构施加适当激励，完成动态应变信号的采集和数据存储；读取数据并进行时域信号分解处理；根据信号分解的分量构造损伤指标以识别裂纹。本发明无需停机操作，有利于实时监测；对起重机主梁结构裂纹损伤都有较好的定位效果，且损伤指标能很好的反映出结构对应健康监测区域的裂纹损伤程度。
Description
技术领域
本发明涉及结构损伤识别领域，具体涉及一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法，适用于各类起重机的承载结构裂纹监测。
背景技术
起重机是在重大行业生产中广泛应用的关键机械设备，其工作环境恶劣，作为其主要组成部分的金属结构往往遭到破坏。相关统计结果表明，大量的港口起重机事故是由于金属结构失效引起的。起重机中结构件的寿命对整机的寿命具有关键性的影响。
起重机金属结构的损伤形式多样。其中，裂纹是金属结构常见的损伤形式，主要产生在焊接部位及应力集中的地方。焊接连接因为省工、省料、易实现机械化和自动化的特点，在金属结构的连接中应用最为普遍。然而由于加工工艺以及其他各种原因，在实际工作中往往是焊缝处最先出现裂纹的萌芽，小车机构起吊重物和移动产生的循环车轮荷载使其发生扩展，进而引起结构破坏。对于日益大型化的桥架型起重机来说，裂纹等微小损伤、内部损伤通常难以发现，故有必要研究相应的损伤识别方法以改善安全检测工作的状况。
超声波检测、渗透检测等传统无损检测方法对裂纹类结构损伤有较好的识别效果，已经广泛应用于起重机安全检测工作中，但这些常规的无损检测法操作过于复杂还会造成不必要的停机，不利于实现实时监测。声发射技术在旋转机械的裂纹检测中有广泛研究，但因其信号过于敏感和相关损伤数据库的缺乏，在起重机安全检测行业中的推广受到了限制。基于动力学参数的损伤识别方法便于实时在线监测数据，但受损伤敏感性限制，该方法主要针对的是结构较为明显的破损状态的识别，而诊断裂纹类型的微小损伤是很困难的。
为此本发明提出了基于时域应变信号分解的结构裂纹识别方法，以克服现有损伤识别方法的不足。时域动应变信号方便实时在线采集和监测，另外其损伤的灵敏度也足以识别结构中的细小裂纹。
发明内容
发明目的：本发明为保障对起重机金属结构实时在线的损伤状况监测，尤其针对裂纹类微小损伤的发现和定位，提供一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法。
技术方案：一种基于时域应变信号分解的起重机械主梁结构裂纹损伤识别方法，具体包括以下步骤：
(1)根据典型工况对实际起重机结构进行应力分析，找出起重机结构中易产生裂纹的位置；
(2)根据应力分析结果布置信号采集的应变片；
(3)进行结构的动态应变信号采集，设置信号采集分析软件的界面参数，对待测结构施加适当激励，完成动态应变信号的采集和数据存储；
(4)读取数据，并基于总体平均经验模式分解进行时域信号分解处理；
(5)基于信号分解的分量构造损伤指标以识别裂纹。
进一步地，步骤(1)所述易产生裂纹的位置主要有应力集中位置、疲劳危险截面及焊缝连接位置。
进一步地，步骤(2)所述应变片通过无线埋入式布置于主梁上。
进一步地，步骤(3)所述信号采集分析软件为NV-Gate软件，与多通道测试分析系统配套，采集界面设置主要包括采样频率、应变片参数、激励方式，采集得到的实验数据将存为matlab的数据格式。
进一步地，所述步骤(4)包括以下步骤：
(41)定义要进行EMD的总次数M，j表示进行经验模式分解的当前次数；
(42)将信号加入高斯白噪声，用EMD的方法分解加噪后待处理信号，得到s个本征模函数分量IMFi,j，表示第j次分解出来的第i个本征模函数；
(43)将M次EMD得到的每个阶段对应的本征模函数分量进行平均值求解，这个最后的值就是通过EEMD得到的最终本征模函数IMFeemd，其表达式如下：
进一步地，步骤(5)所述损伤指标表达式如下：
其中，ESu与ESd为未受损伤与受损后主梁结构的动应变响应第一阶信号分解分量能量均方根值，EFu与EFd为未受损伤与受损后主梁结构受到的激励信号第一阶信号分解分量能量均方根值；
在ts时间内，动应变响应的第一阶信号分解分量的能量均方根为：
同样时段内，激励的第一阶信号分解分量的能量均方根为：
通过比较裂纹萌发前后各应变片贴片位置的损伤指标大小从而识别裂纹发生的位置及程度。
有益效果：与现有技术相比，本发明的有益效果：1、相比于起重机的常规无损检测法(磁粉探伤等)，本发明无需停机操作，有利于实时监测；2、所使用的EEMD信号分解方法相比于小波类方法，基函数可以自适应选定，更适用于非平稳时变信号，相比于EMD方法，改善了初始信号极值点分布，从而克服某些信号因极值点分布不均导致的模态混淆现象；3、本发明对至少1mm深度的裂纹损伤都有较好的定位效果，且损伤指标能很好的反映出结构对应健康监测区域的裂纹损伤程度。
附图说明
图1是起重机三维简易模型图；
图2是主梁截面示意图；
图3是样机有限元模型初始仿真应力分析图；
图4是动应变信号采集实验敲击与贴片位置示意图；
图5是无损伤样本梁激励信号与贴片位置的动应变信号图；
图6是裂纹模拟1梁激励信号与贴片位置的动应变信号图；
图7是裂纹模拟2梁激励信号与贴片位置的动应变信号图；
图8是时域动应变初始信号与EEMD分解信号图；
图9是裂纹模拟1梁损伤识别效果图；
图10是裂纹模拟2梁损伤识别效果图。
具体实施方式
下面结合附图对本发明作进一步描述。
参见图1为一台轻量级门式单梁起重机简化结构模型，主梁由两根支座支撑，两个法兰盘将简化模型的主梁和两个支座通过螺栓连接。起重机模型钢材使用Q235碳素结构钢，所用材料的弹性模量E为210GPa，泊松比v为0.3，密度ρ为7.9kg/m3。支腿采用的是100×100×4的方形型钢，与底板焊接在一起构成支座。模型主梁为组合箱形梁，长2.52m，其截面如图2所示，截面的具体尺寸： B1为0.092m，B2为0.12m，H为0.092m，T1，T2都是0.004m。
本发明主要针对主梁的局部裂纹识别。实际样机模型的损伤模拟通过钢板局部位置的线切割来实现。主要在下翼缘板跨中和四分之一部分两处特定位置预制 10cm左右的裂纹，深度分为1，2，3mm三个等级。结构损伤工况如表1所示。
表1实际模型裂纹设置说明
本发明提供的一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法，具体包括以下步骤：
步骤1：根据典型工况对实际起重机结构进行应力分析，找出起重机结构中易产生裂纹的位置。
假设样机主梁上有四轮小车，以小车挂重停在跨中位置为典型工况，对底板作固定处理，建立样机有限元模型，进行初步静力学仿真分析，找出起重机结构中易产生裂纹的位置。结果如图3所示，可以发现主梁跨中位置为疲劳危险区域，端部连接法兰结构为应力集中区域，还有焊缝连接位置都为易产生裂纹的位置。
步骤2：根据应力分析结果布置信号采集的应变片。
起重机主梁端部的结构衔接位置往往会产生应力集中，主梁的跨中位置往往是疲劳危险截面位置，还有大型起重机承载结构由多段钢板拼接组成，会形成多处等距的对接焊缝，这些都需要布置应变片进行结构健康监测。应变片推荐选择无线埋入式，其型号尺寸、电桥类型等根据实际结构尺寸、工作环境和测量要求等综合选择。
根据步骤1应力分析结果布置应变片如图4所示，贴片位置1和5是主梁端部应力集中区；贴片位置3是跨中位置危险截面区；贴片位置2和4是假设该区域存在对接焊缝。此处采用的应变片为120欧5AA型带引线电阻应变片，选择简易的四分之一桥路接线。
步骤3：进行结构的动态应变信号采集，设置信号采集分析软件的界面参数，对待测结构施加适当激励，完成动态应变信号的采集和数据存储。
信号采集分析软件为NV-Gate软件，与多通道测试分析系统配套，采集界面设置主要包括采样频率、应变片参数、激励方式，采集得到的实验数据将存为 matlab的数据格式。
选择086D20型激振力锤敲击以施加简易的冲击激励。敲击位置选择位置2 (主梁四分之一处)的上翼缘板，如图4，以避开结构主要低阶模态的振型结点，使采集的信号包含更多的有效结构状态信息。实验采集无损伤样本梁和裂纹模拟 1，2样本梁的激励信号和动态应变信号如图5～7所示，实验数据保存为matlab 数据包格式。
步骤4：读取数据，并基于总体平均经验模式分解进行时域信号分解处理。
总体平均经验模式分解时域信号处理方法(Ensemble Empirical ModeDecomposition，EEMD)是在经验模式分解(Empirical Mode Decomposition,EMD) 方法基础上的改进，在EMD分解前对信号加入高斯白噪声，多次重复取平均以减小加噪影响。EEMD方法可以改善初始信号极值点分布，从而克服某些信号因极值点分布不均导致的模态混淆现象。经验模式分解方法的表达式如下：
式中，x(t)为采集的时程信号，IMFemd,i(t)为经验模式分解所得的第i阶本征模函数(Intrinsic Mode Function,IMF)分量，rn(t)为分解所得的残余项。
经验模式分解中的每个本征模函数具有唯一的瞬时频率并具有实际物理意义，且本征模函数必须满足两个条件：一是对于一列数据，极值点和过零点数目必须相等或至多相差一点；二是在任意点，由局部极大点构成的包络线和局部极小点构成的包络线的平均值为零。
步骤4具体包括以下步骤：
(1)定义要进行EMD的总次数M，j表示进行经验模式分解的当前次数；
(2)将信号加入高斯白噪声，用EMD的方法分解加噪后待处理信号，得到s个本征模函数分量IMFi,j，表示第j次分解出来的第i个本征模函数；
(3)将M次EMD得到的每个阶段对应的本征模函数分量进行平均值求解，这个最后的值就是通过EEMD得到的最终本征模函数IMFeemd，其表达式如下：
编写matlab程序读取实验数据并基于EEMD方法进行时域信号分解处理， EEMD方法根据常规经验取值设置：初始加入标准差0.05的高斯白噪声，经验模式分解总次数为10次，以裂纹模拟2梁在激励位置4、贴片位置2条件下采集的时域动应变信号为例，EEMD分解得到14个本征模函数分量，具体形式如图8所示。
步骤5：基于信号分解的分量构造损伤指标以识别裂纹。
损伤指标为：
式中，ESu与ESd为未受损伤与受损后主梁结构的动应变响应第一阶信号分解分量能量均方根值，EFu与EFd为未受损伤与受损后主梁结构受到的激励信号第一阶信号分解分量能量均方根值。
在ts时间内，动应变响应的第一阶信号分解分量的能量均方根为：
同样时段内，激励的第一阶信号分解分量的能量均方根为：
通过比较裂纹萌发前后各应变片贴片位置的损伤指标大小从而识别裂纹发生的位置及程度。
编写matlab程序，基于各通道时域动态应变信号分解结果计算裂纹损伤指标以识别裂纹。统计裂纹模拟1梁和2梁各动应变信号通道对应的裂纹损伤指标数值见表2，损伤识别效果绘制成柱状图，如图9和图10所示。可以明显发现，损伤位置附近的裂纹损伤指标数值会明显增大，并且指标大小与损伤程度呈正相关，可以一定程度上反映出裂纹深度。
表2损伤样机裂纹损伤指标数值统计
由此，基于时域动态应变信号总体平均经验模式分解的损伤识别方法能够有效识别结构的微小裂纹。实际的大型起重机承载结构往往是多段钢板拼接组成，由此形成的对接焊缝的分布对应变片的布置方案是一个很好的参考，另外，承载中的危险截面、结构设计中一些难以避免的应力集中位置也都需要加以分析和考量。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法，其特征在于，包括以下步骤：
(1)根据典型工况对实际起重机结构进行应力分析，找出起重机结构中易产生裂纹的位置；
(2)根据应力分析结果布置信号采集的应变片；
(3)进行结构的动态应变信号采集，设置信号采集分析软件的界面参数，对待测结构施加适当激励，完成动态应变信号的采集和数据存储；
(4)读取数据，并基于总体平均经验模式分解进行时域信号分解处理；
(5)基于信号分解的分量构造损伤指标以识别裂纹。
2.根据权利要求1所述的一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法，其特征在于，步骤(1)所述易产生裂纹的位置主要有应力集中位置、疲劳危险截面及焊缝连接位置。
3.根据权利要求1所述的一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法，其特征在于，步骤(2)所述应变片通过无线埋入式布置于主梁上。
4.根据权利要求1所述的一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法，其特征在于，步骤(3)所述信号采集分析软件为NV-Gate软件，与多通道测试分析系统配套，采集界面设置主要包括采样频率、应变片参数、激励方式，采集得到的实验数据将存为matlab的数据格式。
5.根据权利要求1所述的一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法，其特征在于，所述步骤(4)包括以下步骤：
(41)定义要进行EMD的总次数M，j表示进行经验模式分解的当前次数；
(42)将信号加入高斯白噪声，用EMD的方法分解加噪后待处理信号，得到s个本征模函数分量IMFi,j，表示第j次分解出来的第i个本征模函数；
(43)将M次EMD得到的每个阶段对应的本征模函数分量进行平均值求解，这个最后的值就是通过EEMD得到的最终本征模函数IMFeemd，其表达式如下：
6.根据权利要求1所述的一种基于时域应变信号分解的起重机械主梁结构裂纹识别方法，其特征在于，步骤(5)所述损伤指标表达式如下：
其中，ESu与ESd为未受损伤与受损后主梁结构的动应变响应第一阶信号分解分量能量均方根值，EFu与EFd为未受损伤与受损后主梁结构受到的激励信号第一阶信号分解分量能量均方根值；
在ts时间内，动应变响应的第一阶信号分解分量的能量均方根为：
同样时段内，激励的第一阶信号分解分量的能量均方根为：
通过比较裂纹萌发前后各应变片贴片位置的损伤指标大小从而识别裂纹发生的位置及程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010395110.8A CN111737848A (zh) | 2020-05-12 | 2020-05-12 | 基于时域应变信号分解的起重机械主梁结构裂纹识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010395110.8A CN111737848A (zh) | 2020-05-12 | 2020-05-12 | 基于时域应变信号分解的起重机械主梁结构裂纹识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111737848A true CN111737848A (zh) | 2020-10-02 |
Family
ID=72647092
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010395110.8A Pending CN111737848A (zh) | 2020-05-12 | 2020-05-12 | 基于时域应变信号分解的起重机械主梁结构裂纹识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111737848A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112525467A (zh) * | 2020-11-26 | 2021-03-19 | 山东科技大学 | 一种适用于悬臂梁的冲击损伤区域识别方法及装置 |
| CN114791928A (zh) * | 2022-04-13 | 2022-07-26 | 河海大学 | 一种时域信息熵驱动的边界自适应结构疲劳损伤检测方法 |
| CN116070105A (zh) * | 2023-03-17 | 2023-05-05 | 湖北工业大学 | 基于小波变换及残差网络的组合梁损伤识别方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2783089A1 (en) * | 2012-07-11 | 2014-01-11 | Farid Taheri | Damage detection in pipes and joint systems |
| CN103900826A (zh) * | 2014-04-01 | 2014-07-02 | 重庆长安汽车股份有限公司 | 实时监测汽车底盘结构疲劳损伤的方法 |
| CN106446320A (zh) * | 2016-07-08 | 2017-02-22 | 燕山大学 | 基于imf瞬时能量曲率差值的井架钢结构损伤识别方法 |
| WO2017202139A1 (zh) * | 2016-05-26 | 2017-11-30 | 东南大学 | 一种基于长标距应变影响包络线的桥梁损伤识别方法 |
| CN107830996A (zh) * | 2017-10-10 | 2018-03-23 | 南京航空航天大学 | 一种飞行器舵面系统故障诊断方法 |
| CN108564046A (zh) * | 2018-04-19 | 2018-09-21 | 南京大学 | 基于改进eemd的钢结构动态应变信号处理方法 |
| CN110008627A (zh) * | 2019-04-16 | 2019-07-12 | 陕西理工大学 | 一种用于高速铁路挡风墙结构的损伤预警方法 |
| WO2019179340A1 (zh) * | 2018-03-19 | 2019-09-26 | 河北工业大学 | 基于eemd和msb的滚动轴承故障特征提取方法 |
-
2020
- 2020-05-12 CN CN202010395110.8A patent/CN111737848A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2783089A1 (en) * | 2012-07-11 | 2014-01-11 | Farid Taheri | Damage detection in pipes and joint systems |
| CN103900826A (zh) * | 2014-04-01 | 2014-07-02 | 重庆长安汽车股份有限公司 | 实时监测汽车底盘结构疲劳损伤的方法 |
| WO2017202139A1 (zh) * | 2016-05-26 | 2017-11-30 | 东南大学 | 一种基于长标距应变影响包络线的桥梁损伤识别方法 |
| CN106446320A (zh) * | 2016-07-08 | 2017-02-22 | 燕山大学 | 基于imf瞬时能量曲率差值的井架钢结构损伤识别方法 |
| CN107830996A (zh) * | 2017-10-10 | 2018-03-23 | 南京航空航天大学 | 一种飞行器舵面系统故障诊断方法 |
| WO2019179340A1 (zh) * | 2018-03-19 | 2019-09-26 | 河北工业大学 | 基于eemd和msb的滚动轴承故障特征提取方法 |
| CN108564046A (zh) * | 2018-04-19 | 2018-09-21 | 南京大学 | 基于改进eemd的钢结构动态应变信号处理方法 |
| CN110008627A (zh) * | 2019-04-16 | 2019-07-12 | 陕西理工大学 | 一种用于高速铁路挡风墙结构的损伤预警方法 |
Non-Patent Citations (2)
| Title |
|---|
| 任宜春等: "基于改进Hilbert-Huang变换的结构损伤识别方法研究", 《振动与冲击》, vol. 34, no. 18, pages 1 - 5 * |
| 杨宇等: "基于EMD与神经网络的滚动轴承故障诊断方法", 《振动与冲击》, vol. 24, no. 1, pages 1 - 6 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112525467A (zh) * | 2020-11-26 | 2021-03-19 | 山东科技大学 | 一种适用于悬臂梁的冲击损伤区域识别方法及装置 |
| CN114791928A (zh) * | 2022-04-13 | 2022-07-26 | 河海大学 | 一种时域信息熵驱动的边界自适应结构疲劳损伤检测方法 |
| CN116070105A (zh) * | 2023-03-17 | 2023-05-05 | 湖北工业大学 | 基于小波变换及残差网络的组合梁损伤识别方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111737848A (zh) | 基于时域应变信号分解的起重机械主梁结构裂纹识别方法 | |
| JP5044806B2 (ja) | リアルタイム溶接品質判定装置及び判定方法 | |
| CN104931576B (zh) | 一种焊接裂纹扩展过程的表征方法 | |
| CN103995051B (zh) | 一种识别正交异性钢桥面板焊缝缺陷的试验装置和方法 | |
| CN101122578A (zh) | 铁磁性金属构件疲劳裂纹和应力集中的磁记忆检测方法 | |
| CN104677751B (zh) | 一种基于焊接过程热效应计算的电阻点焊焊点质量检测方法 | |
| US11821848B2 (en) | Laser-based non-destructive spike defect inspection system | |
| CN102564875A (zh) | 基于五点弯曲测试的钢丝绳疲劳评估系统 | |
| Wuriti et al. | Acoustic emission test method for investigation of M250 maraging steel pressure vessels for aerospace applications | |
| CN104568487B (zh) | 岸边集装箱起重机的安全评估方法及安全评估装置 | |
| Harshitha et al. | Damage detection of structural members using internet of things (IoT) paradigm | |
| CN204389194U (zh) | 岸边集装箱起重机的安全评估装置 | |
| CN116067592A (zh) | 预制拼装梁桥纵桥向损伤快速诊断方法 | |
| CN111721510B (zh) | 一种基于实时监测的钢吊车梁智慧诊断方法 | |
| CN111141437B (zh) | 电阻点焊接头内部残余应力测量方法 | |
| CN111609984A (zh) | 基于柔度矩阵对角元素变化的起重机械主梁结构损伤识别方法 | |
| Kai-liang et al. | Crack analysis of multi-plate intersection welded structure in port machinery using finite element stress calculation and acoustic emission testing | |
| CN101788536A (zh) | 基于双谱分析的在役16锰钢承力件焊接结构形变损伤状态表征与定量评估系统 | |
| Zhou et al. | Detection of butt weld of laser-MIG hybrid welding of thin-walled profile for high-speed train | |
| CN205210025U (zh) | 一种检测焊缝缺陷的超声波检测系统 | |
| Shen et al. | Investigation on acoustic emission source of bridge crane | |
| CN114487124B (zh) | 一种基于声发射信号特征参数的起重机结构损伤诊断方法 | |
| CN115981255B (zh) | 一种钢结构试验平台的性能监测方法及系统 | |
| KR101040926B1 (ko) | 기계의 결함 진단방법 | |
| CN111855397A (zh) | 无损检测方法及系统 |
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 |