CN112985811B - 基于虚拟激励源的结构故障定位方法 - Google Patents
基于虚拟激励源的结构故障定位方法 Download PDFInfo
- Publication number
- CN112985811B CN112985811B CN202110514098.2A CN202110514098A CN112985811B CN 112985811 B CN112985811 B CN 112985811B CN 202110514098 A CN202110514098 A CN 202110514098A CN 112985811 B CN112985811 B CN 112985811B
- Authority
- CN
- China
- Prior art keywords
- excitation source
- sensor
- energy
- virtual
- fault
- 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
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
- G01M15/00—Testing of engines
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Locating Faults (AREA)
Abstract
本发明公开了基于虚拟激励源的结构故障定位方法,属于传感定位技术领域。通过制造一个激励源使待监测的结构体振动,在结构体表面布置若干传感器采集结构体的振动参数信息;然后对采集到的振动参数信息进行预处理,提取因故障的发生而产生变化的能量参数,在此基础上研究复杂度低、精确度高的故障定位算法,该算法将故障点视为虚拟激励源,其表征信息以能量的形式在结构体内传播,依据能量传播理论,通过分析结构损伤前后采样点能量的变化,推算出故障点位置,在开车过程中实时完成对飞机机翼的健康诊断,降低人工成本,提高飞行安全性。
Description
技术领域
本发明涉及一种结构故障定位方法,具体涉及基于虚拟激励源的结构故障定位方法。
背景技术
航空飞行器在使用过程中在疲劳载荷的作用下难免发生损伤,在结构关键部位(如机翼)萌生裂纹,产生故障点。利用传感器网络准确实时地获取与机翼中损伤位置和程度等相关的信息,对提高和增强飞机的安全性,降低飞机维护成本具有重要意义。为了能及时定位出机翼结构中可能存在的损伤,就必须找到一些切实可行的损伤检测方法,发展一些高效简便的无损检测技术。
目前研究较多的结构健康监测技术是基于Lamb波的结构损伤成像方法,早期的损伤成像算法由于信号处理手段较为复杂,而需要过多的时间进行信号分析及损伤识别,于是后来的研究者提出了一种基于损伤存在概率的快速成像方法,损伤概率成像法首先计算以某条单一路径为长轴的椭圆区域内全部点存在的损伤概率,然后通过叠加传感器网络中所有路径确定的椭圆区域来监测整个区域内全部点出现损伤的概率,并通过损伤概率最大点的位置来判断结构上的损伤位置。
上述方法完全从概率的角度来确定故障点,忽略了传感器所测数据之间的必然联系,故障定位范围和精度由传感器的数量决定,需要多个激励源和传感器进行大量的数据采集,对数据采集的要求较高且定位算法效率较低。
发明内容
本发明旨在解决现有技术中对结构的损伤检测方法存在的上述问题,提出了一种基于虚拟激励源的结构故障定位方法,该方法解决了传感器数量限制故障定位范围和精度的问题,用较少的传感器和激励源就可以完成故障定位。
为了实现上述发明目的,本发明的技术方案如下:
基于虚拟激励源的结构故障定位方法,其特征在于,包括如下步骤:
步骤S1、制造一个激励源使待监测的结构体振动,在结构体表面布置若干传感器采集结构体的振动参数信息;
进一步的,还包括步骤S5、采用概率成像的方式确定故障点的坐标范围。
步骤A、假设虚拟激励源能量为,坐标为,加上未知常数,总共四个未知数,只需要四个传感器信息就能解出方程组;假设这四个用于故障检测的传感器的位置信息分别为;四个传感器接收到的虚拟反相激励能量根据式(1)求出,分别为,代入公式(2),可以得到方程组:
步骤B、令:
化简得到:
其中:
进一步的,所述的采用概率成像的方式确定故障点的坐标范围包括如下步骤:
以单个传感器来计算,设定其对应的损伤概率最大圆上的点的损伤概率为1,结构体其他位置的损伤概率以圆环形式向内向外减小;
判定损伤概率最大的坐标点位置为:
综上所述,本发明具有以下优点:
1、本发明所述的故障定位方法,将故障点视为虚拟激励源,其表征信息以能量的形式在结构体内传播,依据能量传播理论,通过分析结构损伤前后采样点能量的变化,推算出故障点位置,在开车过程中实时完成对飞机机翼的健康诊断,降低人工成本,提高飞行安全性;
2、本发明提出的算法充分利用了振动信号中包含的能量信息,只需要一个激励源和四个传感器即可实现故障点定位,无须布置大面积传感器网络,而且本算法复杂度低,计算速度快,采用本方法对复杂结构体进行结构健康诊断时,具备较大的成本优势和实际应用价值。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例1
本发明提供了一种基于虚拟激励源的结构故障定位方法,可应用于任意结构性故障点的检测。实施时,需制造一个激励源使待监测的结构体振动,在结构体表面布置传感器采集结构体的振动参数信息。
本实施例以飞机开车时,发动机振动作为激励源为例,利用便携式可吸附在机翼表面的传感器采集系统采集开车时飞机机翼振动参数信息,所述的传感器采集系统由若干传感器组成。对传感器采集到的振动参数信息进行预处理,提取其中因故障的发生而产生变化的能量参数,在此基础上研究复杂度低、精确度高的故障定位算法,该故障定位算法将故障点视为虚拟激励源,其表征信息以能量的形式在结构体内传播,依据能量传播理论,通过分析结构损伤前后采样点能量的变化,推算出故障点位置,在开车过程中实时完成对飞机机翼的健康诊断,降低人工成本,提高飞行安全性。
该故障定位方法包括如下步骤:
步骤1、将结构体上出现的故障点视作一个与原振动反相的虚拟激励源,而故障点出现所引起的故障点外部各点能量的变化,是反相虚拟激励源与正常情况下的振动相互叠加的结果,那么虚拟激励源对传感器产生的反相激励能量为:
式(2-3)可以理解为故障点存在于以传感器为中心,为半径的圆上,该圆我们称之为损伤概率最大圆。三个圆环可以相交于一点,那么理论上通过三个传感器的损伤概率最大圆就能确定出故障点位置。在本申请中,传感器布置应稍微远离激励源,让待监测点处于激励源和传感器之间,但也不能太远,不然测量误差太大,传感器之间需间隔布置。
步骤4、将传感器的位置信息带入式(2-3)中可以获得关于虚拟激励源能量和位置参数的方程组。假设虚拟激励源能量为,坐标为,加上未知常数,总共四个未知数,只需要四个传感器信息就能解出方程组;假设这四个用于故障检测的传感器的位置信息分别为,各个传感器接收到的虚拟反相激励能量根据公式(2-1)可以求出,分别为,代入公式(2-3),可以得到方程组:
步骤5、令:
化简得到:
其中:
故障点的产生引起了传感器所接收到的信号变化,而信号变化的程度和传感器与故障点之间的位置关系有必然联系。本发明充分利用该关系,解决传感器数量限制故障定位范围和精度的问题,用较少的传感器和激励源即可完成故障定位。
实施例2
本实施例提供了一种基于虚拟激励源的结构故障定位法,在实施例1的基础上,进一步的,由于实际情况受多种因素影响,比如能量传播过程中并非理想状态下的各向同性,而且会有一定的衰减、加上振动回波的影响等等,都会导致的计算有一定误差,最终使得解出的故障点位置存在偏差。
考虑到这些因素,可以采用概率成像的方式确定故障点的坐标范围,以增加定位的准确性。步骤如下:
步骤一、以单个传感器来计算,设定对应的损伤概率最大圆上的点的损伤概率为1,结构体其他位置的损伤概率以圆环形式向内向外减小。
步骤四、判定损伤概率最大的坐标点位置为:
实施例3
本实施例提供了一种基于虚拟激励源的结构故障定位法,在实施例2的基础上,进一步的,进行仿真验证:
仿真数据包括:虚拟激励源(也就是故障点)坐标(250,250),激励源总能量为100,四个传感器位置分别为(230,200)、(200,220)、(260,260)、(240,240)。根据能量在各向同性介质中的传播理论,计算出各个传感器接收到的能量分别为1.8569,1.7149,7.07,7.07。
将上述仿真数据传递给实施例1所述的虚拟激励源定位模型得出计算结果,再采用实施例2所述的概率成像方式确定虚拟激励源(故障点)的坐标范围。
使用仿真数据得出虚拟激励源定位模型的计算结果,再通过概率成像的方式展现出结构体各点损伤概率。
因本次仿真数据为4个传感器数据,虚拟激励源定位模型设定每个传感器的最大损伤概率为1,故本次仿真验证的理论最大损伤概率为4。
模型计算结果:
故障概率大于3的故障点坐标范围(232-264,234-258)。
故障概率大于3.5的故障点坐标范围(240-256,242-252)。
故障概率最大为3.9996,故障点坐标(250,250)。
虽然对本发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (4)
1.基于虚拟激励源的结构故障定位方法,其特征在于,包括如下步骤:
步骤S1、制造一个激励源使待监测的结构体振动,在结构体表面布置若干传感器采集结构体的振动参数信息;
步骤S2、将结构体上出现的故障点视作一个与原振动反相的虚拟激励源,而故障点出
现所引起的故障点外部各点能量的变化,是该反相虚拟激励源与正常情况下的振动相互叠
加的结果,则虚拟激励源对传感器产生的反相激励能量 为:
2.根据权利要求1所述的基于虚拟激励源的结构故障定位方法,其特征在于,还包括步骤S5、采用概率成像的方式确定故障点的坐标范围。
3.根据权利要求1或2所述的基于虚拟激励源的结构故障定位方法,其特征在于,所述
的将各个传感器的位置参数及接收到的虚拟反相激励能量带入式(2)中,建立关于虚拟
激励源能量和位置参数的方程组,并求解出故障点的坐标,包括如下步骤:
步骤A、假设虚拟激励源能量为,坐标为,加上未知常数,总共四个未知数,只
需要四个传感器信息就能解出方程组;假设这四个用于故障检测的传感器的位置信息分别
为;四个传感器接收到的虚拟反相激励能量根据式(1)求
出,分别为,代入公式(2),可以得到方程组:
步骤B、令:
化简得到:
其中:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514098.2A CN112985811B (zh) | 2021-05-12 | 2021-05-12 | 基于虚拟激励源的结构故障定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110514098.2A CN112985811B (zh) | 2021-05-12 | 2021-05-12 | 基于虚拟激励源的结构故障定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112985811A CN112985811A (zh) | 2021-06-18 |
CN112985811B true CN112985811B (zh) | 2021-09-07 |
Family
ID=76337587
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110514098.2A Active CN112985811B (zh) | 2021-05-12 | 2021-05-12 | 基于虚拟激励源的结构故障定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112985811B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114200532B (zh) * | 2021-12-14 | 2024-05-14 | 中国航发南方工业有限公司 | 航空发动机铸件机匣内多余物的检测装置及检测方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5698977A (en) * | 1993-10-12 | 1997-12-16 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Eddy current method for fatigue testing |
CN102323337A (zh) * | 2011-06-13 | 2012-01-18 | 南京邮电大学 | 一种采用合成波阵面激励的工程结构损伤主动监测方法 |
CN102353718A (zh) * | 2011-07-11 | 2012-02-15 | 南京航空航天大学 | 用于复合材料板结构损伤监测的Lamb波损伤概率成像方法 |
CN102998370A (zh) * | 2012-12-14 | 2013-03-27 | 南京邮电大学 | 一种工程结构无基准Lamb波时间反转损伤监测方法 |
CN103323527A (zh) * | 2013-06-06 | 2013-09-25 | 南京航空航天大学 | 基于多维阵列和空间滤波器的损伤无波速成像定位方法 |
CN105784853A (zh) * | 2016-04-14 | 2016-07-20 | 苏州泛能电力科技有限公司 | 一种工程结构方向性损伤主动监测与评估方法 |
CN105862935A (zh) * | 2016-04-12 | 2016-08-17 | 陕西理工学院 | 一种用于挡土墙结构系统的损伤识别方法 |
CN106769000A (zh) * | 2016-11-10 | 2017-05-31 | 哈尔滨工业大学 | 一种基于功率流有限元法的风电齿轮箱故障振动信号的传递路径确定方法 |
CN108169327A (zh) * | 2017-12-14 | 2018-06-15 | 南京航空航天大学 | 基于激励波束成型和加权图像融合的music腐蚀监测方法 |
CN109696480A (zh) * | 2018-05-10 | 2019-04-30 | 南昌航空大学 | 一种基于改进时间反转算法的玻璃纤维复合材料声发射源定位成像方法 |
CN111157629A (zh) * | 2020-01-06 | 2020-05-15 | 南京工业大学 | 基于Lamb波的非线性混频技术对板中微裂纹方向识别方法 |
CN112114037A (zh) * | 2020-08-26 | 2020-12-22 | 厦门大学 | 基于压电传感器的孔边裂纹识别精度的增强方法 |
CN112684012A (zh) * | 2020-12-02 | 2021-04-20 | 青岛科技大学 | 一种基于多参量信息融合的装备关键承力结构件故障诊断方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009041313A1 (ja) * | 2007-09-28 | 2009-04-02 | Krautkramer Japan Co., Ltd | 超音波探傷方法とその装置 |
CN101701936B (zh) * | 2009-11-13 | 2011-02-02 | 北京工业大学 | 基于换能器阵列虚拟聚焦的板结构兰姆波无损检测方法 |
JP5520737B2 (ja) * | 2010-07-30 | 2014-06-11 | 株式会社日立ハイテクノロジーズ | 欠陥検査装置および欠陥検査方法 |
CN102128788A (zh) * | 2010-12-21 | 2011-07-20 | 东南大学 | 基于改进自然激励技术的钢框架损伤诊断方法 |
CN106247171B (zh) * | 2015-06-12 | 2019-10-22 | 宁波市鄞州磁泰电子科技有限公司 | 管道缺陷检测方法、管道缺陷检测装置和管道缺陷检测设备 |
MX2020007262A (es) * | 2018-01-08 | 2020-12-10 | Ubicquia Llc | Modelado y manejo de falla de artefacto aereo de iluminacion. |
CN108375630A (zh) * | 2018-01-28 | 2018-08-07 | 北京工业大学 | 一种板结构表面缺陷无损检测方法 |
CN111537444B (zh) * | 2020-05-25 | 2021-07-06 | 南京航空航天大学 | 一种重复频率虚拟调控的激光超声无损检测方法及系统 |
CN112660417B (zh) * | 2020-12-25 | 2022-03-25 | 湖南航天机电设备与特种材料研究所 | 一种用于飞行器结构部件的结构损伤诊断方法及诊断系统 |
-
2021
- 2021-05-12 CN CN202110514098.2A patent/CN112985811B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5698977A (en) * | 1993-10-12 | 1997-12-16 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Eddy current method for fatigue testing |
CN102323337A (zh) * | 2011-06-13 | 2012-01-18 | 南京邮电大学 | 一种采用合成波阵面激励的工程结构损伤主动监测方法 |
CN102353718A (zh) * | 2011-07-11 | 2012-02-15 | 南京航空航天大学 | 用于复合材料板结构损伤监测的Lamb波损伤概率成像方法 |
CN102998370A (zh) * | 2012-12-14 | 2013-03-27 | 南京邮电大学 | 一种工程结构无基准Lamb波时间反转损伤监测方法 |
CN103323527A (zh) * | 2013-06-06 | 2013-09-25 | 南京航空航天大学 | 基于多维阵列和空间滤波器的损伤无波速成像定位方法 |
CN105862935A (zh) * | 2016-04-12 | 2016-08-17 | 陕西理工学院 | 一种用于挡土墙结构系统的损伤识别方法 |
CN105784853A (zh) * | 2016-04-14 | 2016-07-20 | 苏州泛能电力科技有限公司 | 一种工程结构方向性损伤主动监测与评估方法 |
CN106769000A (zh) * | 2016-11-10 | 2017-05-31 | 哈尔滨工业大学 | 一种基于功率流有限元法的风电齿轮箱故障振动信号的传递路径确定方法 |
CN108169327A (zh) * | 2017-12-14 | 2018-06-15 | 南京航空航天大学 | 基于激励波束成型和加权图像融合的music腐蚀监测方法 |
CN109696480A (zh) * | 2018-05-10 | 2019-04-30 | 南昌航空大学 | 一种基于改进时间反转算法的玻璃纤维复合材料声发射源定位成像方法 |
CN111157629A (zh) * | 2020-01-06 | 2020-05-15 | 南京工业大学 | 基于Lamb波的非线性混频技术对板中微裂纹方向识别方法 |
CN112114037A (zh) * | 2020-08-26 | 2020-12-22 | 厦门大学 | 基于压电传感器的孔边裂纹识别精度的增强方法 |
CN112684012A (zh) * | 2020-12-02 | 2021-04-20 | 青岛科技大学 | 一种基于多参量信息融合的装备关键承力结构件故障诊断方法 |
Non-Patent Citations (2)
Title |
---|
"Contactless Diagnostics of Turbine Blade Vibration and Damage";Pavel Procházka et al.;《Journal of Physics: Conference Series 9th International Conference on Damage Assessment of Structures (DAMAS 2011)》;20110731;全文 * |
"结构系统故障诊断的理论与方法";董聪等;《强度与环境》;20000315;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112985811A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109253882B (zh) | 一种基于变分模态分解和灰度共生矩阵的转子裂纹故障诊断方法 | |
WO2020192621A1 (zh) | 一种基于叶端定时的转子叶片动应变场测量方法及其系统 | |
CN106770664B (zh) | 一种基于全聚焦成像算法改进边缘缺陷检测的方法 | |
CN103913588B (zh) | 无人飞行器的飞行参数的测量方法及装置 | |
CN102539107B (zh) | 一种实现风洞试验信号精确同步的方法 | |
CN102507742B (zh) | 一种机械复合管结合强度的评价方法 | |
CN112985811B (zh) | 基于虚拟激励源的结构故障定位方法 | |
CN104502452A (zh) | 一种基于超声导波驱动/传感阵列的结构损伤评估方法 | |
WO2005093404A2 (en) | Acoustic imaging of defects using sensor array | |
CN114235962B (zh) | 一种面向各向异性结构的超声导波成像方法及系统 | |
CN110703150A (zh) | 基于声振耦合信号的变压器内部故障检测与定位方法 | |
Mesnil et al. | Validation of spectral finite element simulation tools dedicated to guided wave based structure health monitoring | |
Zhu et al. | A two-step impact localization method for composite structures with a parameterized laminate model | |
CN104297003A (zh) | 基于动态报警阈值的转向架旋转部件的故障监测方法 | |
CN109271936A (zh) | 基于感知哈希算法的飞机振动故障数据库构建与检索方法 | |
CN113720916A (zh) | 基于缺陷概率重构算法的空气耦合超声检测方法及装置 | |
Zhao et al. | Probabilistic diagnostic algorithm-based damage detection for plates with non-uniform sections using the improved weight function | |
CN109976311A (zh) | 一阶定值控制系统传感器故障诊断方法及诊断系统 | |
CN102914594A (zh) | 基于频率等高线的管道横向裂纹定量诊断方法 | |
Mandal et al. | A new monocable circumferential acoustic scanner tool (CAST-M) for cased-hole and openhole applications | |
CN103994859B (zh) | 一种高精度在线动平衡检测控制系统和方法 | |
CN116953279A (zh) | 航空发动机涡轮叶片高频振动叶尖定时监测方法及系统 | |
CN116358873A (zh) | 滚动轴承故障诊断方法、装置、设备及介质 | |
CN114910562A (zh) | 基于Lamb波频谱的复合材料损伤定位与成像 | |
Yu et al. | Research on bolt looseness monitoring based on electromechanical impedance transmissibility technology |
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 |