CN112945449A - 一种复合材料螺栓连接结构早期松动评估方法及系统 - Google Patents
一种复合材料螺栓连接结构早期松动评估方法及系统 Download PDFInfo
- Publication number
- CN112945449A CN112945449A CN202110118391.7A CN202110118391A CN112945449A CN 112945449 A CN112945449 A CN 112945449A CN 202110118391 A CN202110118391 A CN 202110118391A CN 112945449 A CN112945449 A CN 112945449A
- Authority
- CN
- China
- Prior art keywords
- composite material
- nonlinear
- frequency
- bolt
- connection structure
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/24—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for determining value of torque or twisting moment for tightening a nut or other member which is similarly stressed
- G01L5/246—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for determining value of torque or twisting moment for tightening a nut or other member which is similarly stressed using acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/0028—Force sensors associated with force applying means
- G01L5/0042—Force sensors associated with force applying means applying a torque
-
- 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
-
- 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
- G01N29/12—Analysing solids by measuring frequency or resonance of acoustic waves
-
- 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
- G01N29/22—Details, e.g. general constructional or apparatus details
- G01N29/24—Probes
- G01N29/2437—Piezoelectric probes
- G01N29/245—Ceramic probes, e.g. lead zirconate titanate [PZT] probes
-
- 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
- G01N29/34—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor
- G01N29/346—Generating the ultrasonic, sonic or infrasonic waves, e.g. electronic circuits specially adapted therefor with amplitude characteristics, e.g. modulated signal
-
- 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
- G01N29/36—Detecting the response signal, e.g. electronic circuits specially adapted therefor
- G01N29/42—Detecting the response signal, e.g. electronic circuits specially adapted therefor by frequency filtering or by tuning to resonant frequency
-
- 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
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4418—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a model, e.g. best-fit, regression analysis
-
- 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
- G01N29/46—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by spectral analysis, e.g. Fourier analysis or wavelet analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/478—Contour-based spectral representations or scale-space representations, e.g. by Fourier analysis, wavelet analysis or curvature scale-space [CSS]
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/26—Composites
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Abstract
本发明公开了一种复合材料螺栓连接结构早期松动评估方法及系统,包括:获取复合材料螺栓连接结构超声波响应的二阶非线性系数及边带非线性系数;搭建非线性超声监测系统,确定最佳响应频率及声调制信号参数;对不同预紧状态的螺栓连接结构开展非线性超声波检测实验,分别获取一发一收的高频响应信号及两发一收的声调制响应信号;对响应信号进行处理分析,获得螺栓不同预紧状态下的上述两种参数的变化规律,构建基于机器学习算法的回归模型;基于所述模型进行复合材料螺栓连接结构早期松动评估。本发明联合谐波法和声调制技术两种非线性超声检测方法,对于螺栓松动早期状态监测效果更为显著、准确。
Description
技术领域
本发明涉及复合材料螺栓连接早期松动监测技术领域,尤其涉及一种复合材料螺栓连接结构早期松动评估方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
碳纤维增强复合材料因其具有质量轻、强度高、耐腐蚀、耐高温等优良性能,为航空航天、铁路轨道、建筑桥梁、化工设备等领域的轻量化、使用寿命及环境适应性问题提供了可行的解决方案,在现代材料应用体系中占据愈发重要的位置。
在复合材料连接结构中,螺栓连接因其易于装拆、承载能力强等优点,已成为工程应用中最为广泛的连接方式。设备在运行过程中,不可避免地承受蠕变、振动、冲击等力学作用,使螺栓连接结构易发生滑移和松动,严重影响设备安全性和可靠性。因此,对复合材料螺栓连接结构开展早期松动监测、诊断及预警,具有极为重要的意义。
目前,对于螺栓连接状态检测国内外研究较多,主要包括基于振动特性、声学特性和基于机电阻抗的三种常用技术方法。其中,由于超声波具有成本低、传播距离远等优势,使得利用声学特征的超声导波检测方法获得了诸多青睐。超声导波检测法的原理为:向被测结构发送一定频率的超声波激励信号,接收包含连接结构预紧信息的响应信号,通过提取响应信号中包含的声学特征参数来实现螺栓连接状态的评估。超声导波法通常分为线性超声法和非线性超声法,二者的区别在于,线性超声从时域提取线性声学特征参数,如反射回波,飞行时间延迟,能量衰减等,非线性超声从频域提取非线性声学特征参数,如谐波,调制频谱边带,共振频率偏移等。大量学者的研究证明,非线性超声相较于其他方法,对于材料微小损伤及结构早期性能退化的检测灵敏度更高,效果更为显著。其中,谐波法具有更高的灵敏度,但对于材料非线性及系统非线性的区分有一定难度,声调制法则具有较广的检测范围,且可以排除系统非线性的干扰。
但是,基于非线性超声的复合材料螺栓连接结构的状态监测研究尚处于起步阶段,是复合材料应用领域亟待解决的关键问题。
发明内容
为了解决上述问题,本发明提出了一种复合材料螺栓连接早期松动评估方法及系统,结合谐波法、声调制两种非线性超声检测方法的优点,具有灵敏度高、检测范围广、抗干扰能力强等优点。
在一些实施方式中,采用如下技术方案:
一种复合材料螺栓连接结构早期松动评估方法,包括:
获取复合材料螺栓连接结构超声波响应的二阶非线性系数及边带非线性系数;
搭建非线性超声监测系统,对所述非线性超声监测系统进行参数优化实验,确定最佳响应频率及声调制信号参数;
基于上述实验结果,对不同预紧状态的螺栓连接结构开展非线性超声波检测实验,分别获取一发一收的高频响应信号及两发一收的声调制响应信号;
对响应信号进行处理分析,提取二阶非线性系数及边带非线性系数,获得螺栓不同预紧状态下的上述两种参数的变化规律,构建基于机器学习算法的回归模型;
基于所述模型进行复合材料螺栓连接结构早期松动评估。
进一步地,获取复合材料螺栓连接结构超声波响应的二阶非线性系数及边带非线性系数,作为螺栓松动状态评估指标,具体为:
其中,A1为基波幅值,A2为二次谐波,E(FH±FL)、E(FH±2FL)分别为一阶、二阶调制边带能量值,E(FH)、E(FL)分别为高频基波、高频基波成分的能量值。
进一步地,所述非线性超声监测系统,具体包括:
两片碳纤维增强聚合物层压板通过螺栓搭接连接;
在所述螺栓位置的一侧设定位置分别粘贴第一激发压电片和第二激发压电片,另一侧设定位置粘贴一枚接收压电片。
进一步地,对所述非线性超声监测系统进行参数优化实验,具体为:
根据复合材料板的强度特性,设置不同的螺栓扭矩,代表螺栓的不同预紧状态;
对于第一激发压电片,选择不同频率范围、幅值大小的扫频信号对不同预紧状态下的复合材料螺栓结构进行激励,获取接收压电片的响应信号;
对于第二激发压电片,选择不同频率、幅值的五峰波信号对不同预紧状态下的复合材料螺栓结构进行激励,获取接收压电片的响应信号;
对上述获取的响应信号进行傅里叶变换,选取对预紧状态变化最为灵敏的幅值及频率范围,作为声调制信号参数。
进一步地,对不同预紧状态的螺栓连接结构开展非线性超声波检测实验,分别获取一发一收的高频响应信号及两发一收的声调制响应信号,具体为:
基于获取到的声调制信号参数,分别选择正弦扫频信号和五波峰信号作为低频、高频调制信号开展实验,对不同预紧状态下的复合材料螺栓连接结构进行声调制激励;
获取不同预紧状态下一发一收的高频响应信号及两发一收的声调制响应信号。
进一步地,对响应信号进行处理分析,提取二阶非线性系数,具体过程为:
对高频响应信号进行傅里叶变换,提取谐波值,带入二非线性系数表达式,获得二阶非线性系数值;
按照上述方法,获得不同预紧状态下的高频五波峰/正弦响应信号的二阶非线性系数。
进一步地,对响应信号进行处理分析,提取边带非线性系数,具体为:
对声调制信号进行经验模态分解,提取出主要包含谐波、边带成分的有效本质模态函数;
进行带通滤波、同步解调,经带通滤波后的调制信号与输入高频探测信号相乘;
对所得信号进行低通滤波去除高频成分,获得非线性边带系数;
按照上述方法,获得不同预紧状态下的非线性边带系数。
在另一些实施方式中,采用如下技术方案:
一种复合材料螺栓连接结构早期松动评估系统,包括:
参数获取模块,用于获取复合材料螺栓连接结构超声波响应的二阶非线性系数及边带非线性系数;
非线性超声监测系统,用于对所述非线性超声监测系统进行参数优化实验,确定最佳响应频率及声调制信号参数;
响应信号获取模块,用于对不同预紧状态的螺栓连接结构开展非线性超声波检测实验,分别获取一发一收的高频响应信号及两发一收的声调制响应信号;
回归模型构建模块,用于对响应信号进行处理分析,提取二阶非线性系数及边带非线性系数,获得螺栓不同预紧状态下的上述两种参数的变化规律,构建基于机器学习算法的回归模型;
螺栓状态评估模块,用于基于所述模型进行复合材料螺栓连接结构早期松动评估。
在另一些实施方式中,采用如下技术方案:
一种终端设备,其包括处理器和存储器,处理器用于实现各指令;存储器用于存储多条指令,所述指令适于由处理器加载并执行上述的复合材料螺栓连接结构早期松动评估方法。
在另一些实施方式中,采用如下技术方案:
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行上述的复合材料螺栓连接结构早期松动评估方法。
与现有技术相比,本发明的有益效果是:
本发明针对力学性能、非线性耦合机制较复杂的复合材料螺栓连接结构,提出了一种基于非线性声学的螺栓连接结构早期松动状态检测技术。利用非线性声学原理,对复合材料螺栓结构的性能退化进行直观的声学表征,适用于大型设备复合材料螺栓连接等复杂结构的状态监测,同时为复合材料连接结构的设计优化提供数据支撑。
本发明联合谐波法和声调制技术两种非线性超声检测方法,对于螺栓松动早期状态监测效果更为显著、准确。谐波法对于结构的早期退化更为灵敏,声调制法检测范围更广,且能够排除系统非线性干扰,基于两种方法所构建的非线性声学特征与螺栓松动之间关联性更加准确、紧密,同时实现早期松动监测,弥补了线性检测方法的不足,极大降低了安全运营风险和维护维修成本,具有广阔前景和较高的工程应用价值。
本发明的其他特征和附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本方面的实践了解到。
附图说明
图1为本发明实施例中复合材料螺栓连接结构早期松动评估方法流程图;
图2为本发明实施例中基于非线性超声的复合材料连接结构监测系统示意图;
图3为本发明实施例中基于机器学习算法的回归模型构建示意图;
图4为本发明实施例中对调制信号进行带通滤波和同步解调原理图。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
在一个或多个实施方式中,公开了一种复合材料螺栓连接结构早期松动评估方法,参照图1,包括以下过程:
(1)获取复合材料螺栓的二阶非线性系数及边带非线性系数;
具体地,二阶非线性系数表达式:
式中,A1为基波幅值,A2为二次谐波;
边带非线性系数表达式:
式中,E(FH±FL)、E(FH±2FL)分别为一阶、二阶调制边带能量值,E(FH)、E(FL)分别为高频基波、高频基波成分的能量值。
(2)搭建非线性超声监测系统;
具体地,搭建如图2所示的非线性超声监测系统,系统主要由碳纤维增强复合材料连接体、压电陶瓷传感器(3片)、信号发生器、功率放大器、示波器组成:信号发生器激励产生低频正弦扫频信号和高频五峰波信号,对扫频信号进行功率放大,然后将扫频信号和五峰波信号分别通过第一激发压电片(PZT1)和第二激发压电片(PZT2)对碳纤维复合材料板进行声调制激励,激励信号通过螺栓连接结构后,携带螺栓预紧信息的响应信号在连接结构另一侧被第三接收压电片(PZT3)接收,响应信号通过示波器进行数据采集和在线显示。
制备试件,试件为16层碳纤维增强聚合物(CFRP)层压板,铺设顺序为[+45/-45/0/90]2S,尺寸为270mm*50mm*5mm,在板一侧使用钻头钻孔与钻头铣孔对复合材料进行开孔处理,并利用8.8级M8螺栓将两板按照图2所示方式搭接;
粘贴传感器,使用环氧树脂胶将压电陶瓷传感器粘贴于螺栓连接结构两侧位置处,左侧两枚为激发压电片PZT1、PZT2,右侧一枚为接收压电片PZT3,如图2所示。
由于超声导波在碳纤维复合材料板中的传播存在较强的衰减特性,因此在设计传感器布局时应尽量缩小超声波传播距离,本实施例设定压电片与螺栓中心距离为50mm。
(3)对所述非线性超声监测系统进行参数优化实验,确定最佳响应频率及声调制信号参数;
①根据复合材料板的强度特性,设置螺栓扭矩范围为0-8N·m间的8个值(1N·m、2N·m、3N·m、4N·m、5N·m、6N·m、7N·m、8N·m),代表了螺栓的8种松动状态,以下所有实验均将针对此扭矩设置值展开;
②对PZT1,选择不同频率范围、幅值大小的扫频信号对8种预紧状态下的复合材料螺栓结构进行激励,获取PZT3的响应信号;
③对PZT2,选择不同频率、幅值的五峰波信号对8种预紧状态下的复合材料螺栓结构进行激励,获取PZT3响应信号;
对②③中获取的响应信号进行傅里叶变换,选取对预紧状态变化最为灵敏的幅值及频率范围,作为声调制信号参数。
(4)基于上述实验结果,对不同预紧状态的螺栓连接结构开展非线性超声波检测实验,分别获取一发一收的高频响应信号及两发一收的声调制响应信号;
①根据预实验的最佳响应参数,分别选择正弦扫频信号(PZT1)和五波峰信号(PZT2)作为低频(FL)、高频(FH)调制信号开展实验,幅值的扫频信号对8种预紧状态下的复合材料螺栓连接结构进行声调制激励;
②获取8个扭矩值下“一发一收”的高频响应信号及“两发一收”的声调制响应信号。
(4)如图3所示,对响应信号进行处理分析,提取二阶非线性系数及边带非线性系数,获得螺栓不同预紧状态下的上述两种参数的变化规律,构建基于机器学习算法的回归模型;
对高频响应信号和声调制响应信号的处理过程如下:
①对高频响应信号R1进行傅里叶变换,提取谐波值,带入二非线性系数表达式,获得二阶非线性系数值;
②对8个扭矩值下的高频五波峰/正弦响应信号,重复步骤①,获得不同松动状态下的二阶非线性系数;
③对声调制信号R2进行经验模态分解(EMD),得到若干有效本质模态函数(IMFs),提取出主要包含谐波(频率成分为nFH、nFL)、边带调制(频率成分为FH±nFL)等特征的有效IMFs;
④对上述调制信号进行带通滤波,获得包含3阶边频成分的频带信号,然后进行同步解调,原理如图4所示:将带通滤波后的调制信号与高频响应信号进行时域相乘,相当于进行了两信号在频域内的卷积,此时含有调制信息的边带频率分量FH±nFL将转移至nFL的低频段。
⑤对所得信号进行低通滤波去除高频成分,仅保留的nFL频率部分带入非线性边带系数表达式,获得非线性边带系数;
⑥对9个扭矩状态下的高频响应信号及声调制响应信号,重复步骤③至⑤,获得不同松动程度下的非线性边带参数。
⑦重复步骤②-⑤,将获得的多组非线性谐波、边带系数与螺栓扭矩值的对应数据进行回归分析,得到螺栓松动状态与非线性系数间的变化规律,从而进行复合材料螺栓连接早期松动的识别与评估。
实施例二
在一个或多个实施方式中,公开了一种基于非线性超声的复合材料螺栓连接早期松动评估系统,包括:
参数获取模块,用于获取复合材料螺栓连接结构超声波响应的二阶非线性系数及边带非线性系数;
非线性超声监测系统,用于对所述非线性超声监测系统进行参数优化实验,确定最佳响应频率及声调制信号参数;
响应信号获取模块,用于对不同预紧状态的螺栓连接结构开展非线性超声波检测实验,分别获取一发一收的高频响应信号及两发一收的声调制响应信号;
回归模型构建模块,用于对响应信号进行处理分析,提取二阶非线性系数及边带非线性系数,获得螺栓不同预紧状态下的上述两种参数的变化规律,构建基于机器学习算法的回归模型;
螺栓状态评估模块,用于基于所述模型进行复合材料螺栓连接早期松动评估。
需要说明的是,上述各模块的具体实现方式已经在实施例一中进行说明,不再赘述。
实施例三
在一个或多个实施方式中,公开了一种终端设备,包括服务器,所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现实施例一中的复合材料螺栓连接结构早期松动评估方法。为了简洁,在此不再赘述。
应理解,本实施例中,处理器可以是中央处理单元CPU,处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC,现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。
实施例一中的复合材料螺栓连接结构早期松动评估方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种复合材料螺栓连接结构早期松动评估方法,其特征在于,包括:
获取复合材料螺栓连接结构超声波响应的二阶非线性系数及边带非线性系数;
搭建非线性超声监测系统,对所述非线性超声监测系统进行参数优化实验,确定最佳响应频率及声调制信号参数;
基于上述实验结果,对不同预紧状态的螺栓连接结构开展非线性超声波检测实验,分别获取一发一收的高频响应信号及两发一收的声调制响应信号;
对响应信号进行处理分析,提取二阶非线性系数及边带非线性系数,获得螺栓不同预紧状态下的上述两种参数的变化规律,构建基于机器学习算法的回归模型;
基于所述模型进行复合材料螺栓连接结构早期松动评估。
3.如权利要求1所述的一种复合材料螺栓连接结构早期松动评估方法,其特征在于,所述非线性超声监测系统,具体包括:
两片碳纤维增强聚合物层压板通过螺栓搭接连接;
在所述螺栓位置的一侧设定位置分别粘贴第一激发压电片和第二激发压电片,另一侧设定位置粘贴一枚接收压电片。
4.如权利要求3所述的一种复合材料螺栓连接结构早期松动评估方法,其特征在于,对所述非线性超声监测系统进行参数优化实验,具体为:
根据复合材料板的强度特性,设置不同的螺栓扭矩,代表螺栓的不同预紧状态;
对于第一激发压电片,选择不同频率范围、幅值大小的扫频信号对不同预紧状态下的复合材料螺栓结构进行激励,获取接收压电片的响应信号;
对于第二激发压电片,选择不同频率、幅值的五峰波信号对不同预紧状态下的复合材料螺栓结构进行激励,获取接收压电片的响应信号;
对上述获取的响应信号进行傅里叶变换,选取对预紧状态变化最为灵敏的幅值及频率范围,作为声调制信号参数。
5.如权利要求1所述的一种复合材料螺栓连接结构早期松动评估方法,其特征在于,对不同预紧状态的螺栓连接结构开展非线性超声波检测实验,分别获取一发一收的高频响应信号及两发一收的声调制响应信号,具体为:
基于获取到的声调制信号参数,分别选择正弦扫频信号和五波峰信号作为低频、高频调制信号开展实验,对不同预紧状态下的复合材料螺栓连接结构进行声调制激励;
获取不同预紧状态下一发一收的高频响应信号及两发一收的声调制响应信号。
6.如权利要求1所述的一种复合材料螺栓连接结构早期松动评估方法,其特征在于,对响应信号进行处理分析,提取二阶非线性系数,具体过程为:
对高频响应信号进行傅里叶变换,提取谐波值,带入二非线性系数表达式,获得二阶非线性系数值;
按照上述方法,获得不同预紧状态下的高频五波峰/正弦响应信号的二阶非线性系数。
7.如权利要求1所述的一种复合材料螺栓连接结构早期松动评估方法,其特征在于,对响应信号进行处理分析,提取边带非线性系数,具体为:
对声调制信号进行经验模态分解,提取出主要包含谐波、边带成分的有效本质模态函数;
进行带通滤波、同步解调,经带通滤波后的调制信号与输入高频探测信号相乘;
对所得信号进行低通滤波去除高频成分,获得非线性边带系数;
按照上述方法,获得不同预紧状态下的非线性边带系数。
8.一种复合材料螺栓连接结构早期松动评估系统,其特征在于,包括:
参数获取模块,用于获取复合材料螺栓连接结构超声波响应的二阶非线性系数及边带非线性系数;
非线性超声监测系统,用于对所述非线性超声监测系统进行参数优化实验,确定最佳响应频率及声调制信号参数;
响应信号获取模块,用于对不同预紧状态的螺栓连接结构开展非线性超声波检测实验,分别获取一发一收的高频响应信号及两发一收的声调制响应信号;
回归模型构建模块,用于对响应信号进行处理分析,提取二阶非线性系数及边带非线性系数,获得螺栓不同预紧状态下的上述两种参数的变化规律,构建基于机器学习算法的回归模型;
螺栓状态评估模块,用于基于所述模型进行复合材料螺栓连接结构早期松动评估。
9.一种终端设备,其包括处理器和存储器,处理器用于实现各指令;存储器用于存储多条指令,其特征在于,所述指令适于由处理器加载并执行权利要求1-7任一项所述的复合材料螺栓连接结构早期松动评估方法。
10.一种计算机可读存储介质,其中存储有多条指令,其特征在于,所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的复合材料螺栓连接结构早期松动评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110118391.7A CN112945449B (zh) | 2021-01-28 | 2021-01-28 | 一种复合材料螺栓连接结构早期松动评估方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110118391.7A CN112945449B (zh) | 2021-01-28 | 2021-01-28 | 一种复合材料螺栓连接结构早期松动评估方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112945449A true CN112945449A (zh) | 2021-06-11 |
CN112945449B CN112945449B (zh) | 2022-05-10 |
Family
ID=76238720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110118391.7A Active CN112945449B (zh) | 2021-01-28 | 2021-01-28 | 一种复合材料螺栓连接结构早期松动评估方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112945449B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113758996A (zh) * | 2021-08-30 | 2021-12-07 | 浙江工业大学 | 基于混频非线性超声的法兰螺栓松动检测方法及检测装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120134238A1 (en) * | 2010-11-29 | 2012-05-31 | Naratte, Inc. | Acoustic modulation protocol |
CN103940910A (zh) * | 2014-05-15 | 2014-07-23 | 厦门大学 | 非线性超声评估优化热处理工艺的方法和装置 |
CN104764805A (zh) * | 2015-03-19 | 2015-07-08 | 北京工业大学 | 一种用于有机材料热氧老化评价的非线性超声检测方法 |
US20170089963A1 (en) * | 2015-09-24 | 2017-03-30 | Harman International Industries, Inc. | Techniques for improving swept sine analyses |
CN108169330A (zh) * | 2018-03-07 | 2018-06-15 | 哈尔滨工业大学深圳研究生院 | 基于非线性超声谐波法的混凝土构件轴向应力无损检测的装置和方法 |
CN111442869A (zh) * | 2020-04-30 | 2020-07-24 | 北京理工大学 | 一种螺栓轴向应力的非线性超声检测方法 |
CN111536994A (zh) * | 2020-04-29 | 2020-08-14 | 中国人民解放军国防科技大学 | 一种谐振式微陀螺多模态协同控制方法、系统及谐振式微陀螺 |
-
2021
- 2021-01-28 CN CN202110118391.7A patent/CN112945449B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120134238A1 (en) * | 2010-11-29 | 2012-05-31 | Naratte, Inc. | Acoustic modulation protocol |
CN103940910A (zh) * | 2014-05-15 | 2014-07-23 | 厦门大学 | 非线性超声评估优化热处理工艺的方法和装置 |
CN104764805A (zh) * | 2015-03-19 | 2015-07-08 | 北京工业大学 | 一种用于有机材料热氧老化评价的非线性超声检测方法 |
US20170089963A1 (en) * | 2015-09-24 | 2017-03-30 | Harman International Industries, Inc. | Techniques for improving swept sine analyses |
CN108169330A (zh) * | 2018-03-07 | 2018-06-15 | 哈尔滨工业大学深圳研究生院 | 基于非线性超声谐波法的混凝土构件轴向应力无损检测的装置和方法 |
CN111536994A (zh) * | 2020-04-29 | 2020-08-14 | 中国人民解放军国防科技大学 | 一种谐振式微陀螺多模态协同控制方法、系统及谐振式微陀螺 |
CN111442869A (zh) * | 2020-04-30 | 2020-07-24 | 北京理工大学 | 一种螺栓轴向应力的非线性超声检测方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113758996A (zh) * | 2021-08-30 | 2021-12-07 | 浙江工业大学 | 基于混频非线性超声的法兰螺栓松动检测方法及检测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112945449B (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102226783B (zh) | 一种基于振动声调制技术的管道闭合裂纹检测装置及方法 | |
CN101806778B (zh) | 金属材料疲劳早期损伤非线性超声在线检测方法 | |
Razi et al. | Improvement of a vibration-based damage detection approach for health monitoring of bolted flange joints in pipelines | |
CN105372330A (zh) | 板中微裂纹检测用非线性Lamb波混频方法 | |
CN101889203B (zh) | 检测工件中的缺陷的设备、系统和方法 | |
Pavlopoulou et al. | Evaluation of instantaneous characteristics of guided ultrasonic waves for structural quality and health monitoring | |
CN103760243A (zh) | 一种微裂纹无损检测装置及方法 | |
CN112945449B (zh) | 一种复合材料螺栓连接结构早期松动评估方法及系统 | |
CN201637722U (zh) | 金属材料疲劳早期损伤非线性超声在线检测装置 | |
CN111157629B (zh) | 基于Lamb波的非线性混频技术对板中微裂纹方向识别方法 | |
CN105044216A (zh) | 一种非金属管道损伤穿透式导波检测新方法 | |
Li et al. | Transmissibility function-based fault diagnosis methods for beam-like engineering structures: a review of theory and properties | |
Shen et al. | Health monitoring of aerospace bolted lap joints using nonlinear ultrasonic spectroscopy: Theory and experiments | |
CN112857798B (zh) | 一种基于频谱分析的多轴系机械传动系统质量评估方法及装置 | |
Reynolds et al. | Active loose bolt detection in a complex satellite structure | |
JP2022189728A (ja) | レールの継手におけるネジ穴のひび割れを非線形超音波高調波で検出する方法 | |
CN113758996A (zh) | 基于混频非线性超声的法兰螺栓松动检测方法及检测装置 | |
CN116735705B (zh) | 基于超声导波线性与非线性特性的损伤检测方法及装置 | |
CN113009554B (zh) | 一种基于sh0导波的螺栓组连接松动情况的检测方法和装置 | |
CN112710740B (zh) | 基于pn码的时间反演多螺栓损伤超声波检测方法及系统 | |
Sun et al. | Interaction of guided waves in isotropic elastic plates with weak material nonlinearity: Sum-frequency, difference frequency, second harmonic and zero-frequency components | |
CN112710734B (zh) | 基于gold码的螺栓损伤超声波检测方法及系统 | |
CN114047254A (zh) | 一种基于zynq的金属微裂纹非线性超声检测方法 | |
Fekrmandi et al. | Monitoring the health of a beam remotely by using scanning laser vibrometer | |
CN116625934A (zh) | 一种基于主动调控振型节线的损伤识别方法 |
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 |