CN113515849A - 列车关键结构的寿命预测方法、系统、设备及存储介质 - Google Patents
列车关键结构的寿命预测方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN113515849A CN113515849A CN202110528032.9A CN202110528032A CN113515849A CN 113515849 A CN113515849 A CN 113515849A CN 202110528032 A CN202110528032 A CN 202110528032A CN 113515849 A CN113515849 A CN 113515849A
- Authority
- CN
- China
- Prior art keywords
- life
- target structure
- determining
- residual
- detection data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001514 detection method Methods 0.000 claims abstract description 50
- 230000000977 initiatory effect Effects 0.000 claims abstract description 36
- 239000000835 fiber Substances 0.000 claims description 19
- 239000000463 material Substances 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 9
- 230000036541 health Effects 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010953 base metal Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003466 welding 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
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- 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
- G06F2119/04—Ageing analysis or optimisation against ageing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本申请公开了一种列车关键结构的寿命预测方法,包括:接收传感系统实时发送的目标结构的检测数据;根据检测数据,确定出目标结构的损伤萌生阶段的剩余寿命,并且确定出目标结构的裂纹扩展阶段的剩余寿命;将损伤萌生阶段的剩余寿命与裂纹扩展阶段的剩余寿命叠加,作为得到的目标结构的剩余寿命。应用本申请的方案,可以实时进行列车关键结构的寿命预测,并且准确性高,且具有一定的保守性。本申请还提供了一种列车关键结构的寿命预测系统、设备及存储介质,具有相应技术效果。
Description
技术领域
本发明涉及轨道交通技术领域,特别是涉及一种列车关键结构的寿命预测方法、系统、设备及存储介质。
背景技术
为了保证高速动车组的运营安全,目前,已经建立了涵盖工序检查、运用检修以及高级检修的安全监控体系。并且,随着高速动车组保有量、运营里程、运行速度以及运行条件的不断发展,工序检查的无实时性、运用检修的效率低下、高级检修的周期过长等问题逐渐凸显。
其中,结构健康监测是指利用传感监测手段,诊断并预测结构的服役情况。目前,轨道交通领域已经开展了结构健康监测技术应用的部分尝试,通常的方案是在车辆入库时,基于某一种特定的传感器,通过其检测的数据特性,建立相应的结构失效判断准则,得到结构健康监测结果。但是,这样的方案不能及时确定出结构健康情况,并且准确性也较差。
综上所述,如何及时、准确地进行结构健康监测,是目前本领域技术人员急需解决的技术问题。
发明内容
本发明的目的是提供一种列车关键结构的寿命预测方法、系统、设备及存储介质,以及时、准确地进行结构健康监测。
为解决上述技术问题,本发明提供如下技术方案:
一种列车关键结构的寿命预测方法,包括:
接收传感系统实时发送的目标结构的检测数据;
根据所述检测数据,确定出所述目标结构的损伤萌生阶段的剩余寿命,并且确定出所述目标结构的裂纹扩展阶段的剩余寿命;
将所述损伤萌生阶段的剩余寿命与所述裂纹扩展阶段的剩余寿命叠加,作为得到的所述目标结构的剩余寿命。
优选的,所述传感系统包括光纤光栅传感器组、声发射传感器组以及压电智能传感器组。
优选的,根据所述检测数据,确定出所述目标结构的损伤萌生阶段的剩余寿命,包括:
根据所述检测数据中的由所述光纤光栅传感器组检测的应力数据,并且基于Miner线性疲劳累计损伤算法,确定出所述目标结构的损伤萌生阶段的剩余寿命。
优选的,根据所述检测数据,确定出所述目标结构的裂纹扩展阶段的剩余寿命,包括:
根据所述检测数据中的由所述光纤光栅传感器组检测的应力数据,以及由所述声发射传感器组检测的裂纹信息,基于FAD法,确定出临界裂纹长度;
根据所述检测数据中的由所述压电智能传感器组检测的初始裂纹长度,并根据材料参数以及所述临界裂纹长度,基于裂纹扩展速率定律,确定出所述目标结构的裂纹扩展阶段的剩余寿命。
优选的,所述材料参数为通过Paris公式得到的修正之后的材料参数。
优选的,在确定出所述目标结构的损伤萌生阶段的剩余寿命之前,还包括:
根据所述检测数据,根据雨流计数法以及Miner线性疲劳累计损伤算法,确定出所述目标结构的等效应力幅值;
仅当所述目标结构的等效应力幅值在预设范围内时,执行所述根据所述检测数据,确定出所述目标结构的损伤萌生阶段的剩余寿命,并且确定出所述目标结构的裂纹扩展阶段的剩余寿命的操作;当所述目标结构的等效应力幅值超出预设范围时,输出第一提示信息。
优选的,所述传感系统为耐高温耐高寒的高精度传感系统。
一种列车关键结构的寿命预测系统,包括:
检测数据接收模块,用于接收传感系统实时发送的目标结构的检测数据;
寿命计算模块,用于根据所述检测数据,确定出所述目标结构的损伤萌生阶段的剩余寿命,并且确定出所述目标结构的裂纹扩展阶段的剩余寿命;
叠加模块,用于将所述损伤萌生阶段的剩余寿命与所述裂纹扩展阶段的剩余寿命叠加,作为得到的所述目标结构的剩余寿命。
一种列车关键结构的寿命预测设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现上述任一项所述的列车关键结构的寿命预测方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的列车关键结构的寿命预测方法的步骤。
应用本发明实施例所提供的技术方案,接收的是传感系统实时发送的目标结构的检测数据,从而使得本申请的方案可以实时进行目标结构的剩余寿命的计算,即本申请的方案可以及时的进行结构健康监测。并且,本申请的方案中,根据检测数据,确定出目标结构的损伤萌生阶段的剩余寿命,并且确定出目标结构的裂纹扩展阶段的剩余寿命,由于是将损伤萌生阶段的剩余寿命与裂纹扩展阶段的剩余寿命叠加,作为得到的目标结构的剩余寿命,因此得到的目标结构的剩余寿命较为准确,且具有一定的保守性。综上所述,本申请的方案可以实时进行列车关键结构的寿命预测,并且准确性高,且具有一定的保守性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明中一种列车关键结构的寿命预测方法的实施流程图;
图2为本发明中一种列车关键结构的寿命预测系统的结构示意图;
图3为本发明中一种列车关键结构的寿命预测设备的结构示意图;
图4为本发明一种具体实施方式中的雨流计数法的基本过程示意图;
图5为本发明一种具体实施方式中的基于Paris公式的裂纹扩展规律示意图。
具体实施方式
本发明的核心是提供一种列车关键结构的寿命预测方法,可以实时进行列车关键结构的寿命预测,并且准确性高,且具有一定的保守性。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明中一种列车关键结构的寿命预测方法的实施流程图,该列车关键结构的寿命预测方法可以包括以下步骤:
步骤S101:接收传感系统实时发送的目标结构的检测数据。
传感系统的具体构成可以根据实际需要进行设定和调整,例如,在本发明的一种具体实施方式中,传感系统可以包括光纤光栅传感器组、声发射传感器组以及压电智能传感器组。
具体的,可以根据数值计算、设计要求、台架试验及线路的运营经验,确定列车的各个结构的监测区域。进一步的,结合传感器的力学参数传递特性和敏感范围,在监测区域的相应位置,布局光纤光栅传感器组、发射传感器组以及压电智能传感器组。
可以理解的是,在实际应用中,列车可以存在多个需要进行寿命预测的结构,本申请是以目标结构为例进行的寿命预测的说明,在实际应用中,目标结构可以是任意一个需要进行寿命预测的结构。
光纤光栅传感器组可以提供多点的应力数据,从而可以确定出被测区域的应力场的分布。声发射传感器组通过声发射信号,可以进行裂纹源的精确定位。;压电智能传感器组通过高频超声导波,可以获得裂纹的尺寸信息。
该种实施方式中,采用光纤光栅传感器组、声发射传感器组以及压电智能传感器组作为传感系统,有利于提高最终得到的目标结构的剩余寿命的准确性。
进一步的,考虑到列车的运行环境复杂,因此,在本发明的一种具体实施方式中,传感系统可以具体为耐高温耐高寒的高精度传感系统,有利于提高本申请的方案的稳定性以及准确性。此外,在其他场合中,传感系统还可以具有耐高湿、高盐雾、紫外辐射量、高风沙等性质,进一步地提高本申请方案的稳定性。高精度的传感系统通常要求裂纹监测精度控制在长度≤3mm。当然,为了保障方案的可靠性,除了传感系统,例如处理器,数据传输线路等其余部件也可以具有耐高温,耐高寒,耐高湿等性质。
本申请的方案中,需要实时地确定出目标结构的剩余寿命,从而可以及时的进行设备故障的预测以及发现。因此,本申请的方案中,需要传感系统实时进行目标结构的检测,进而控制器可以接收到传感系统实时发送的目标结构的检测数据。
步骤S102:根据检测数据,确定出目标结构的损伤萌生阶段的剩余寿命,并且确定出目标结构的裂纹扩展阶段的剩余寿命。
具体的,可以基于应力数据,利用Miner线性疲劳累计损伤算法确定出目标结构的损伤萌生阶段的剩余寿命,以及目标结构的裂纹扩展阶段的剩余寿命。
而本申请可以采用光纤光栅传感器组、声发射传感器组以及压电智能传感器组作为传感系统,因此,可以根据检测数据中的由光纤光栅传感器组检测的应力数据,并且基于Miner线性疲劳累计损伤算法,确定出目标结构的损伤萌生阶段的剩余寿命。
进一步的,在本发明的一种具体实施方式中,为了进一步的提高预测的准确性,可以基于Miner线性疲劳累计损伤算法确定出目标结构的损伤萌生阶段的剩余寿命,并且基于FAD(Failure Assessment Diagram,失效评定曲线)法确定出目标结构的裂纹扩展阶段的剩余寿命。
在基于Miner线性疲劳累计损伤算法,确定出目标结构的损伤萌生阶段的剩余寿命时,具体的,可以利用公式确定出目标结构的总损伤D。式中,σi表示应力谱第i级等效应力幅,可以基于光纤光栅传感器组检测的应力数据获得。ni表示第i级应力水平所对应的应力循环次数。Ni表示对应于σi水平下最大寿命值,C为材料参数。m是应力测点所在部位的曲线方程的指数。
得到了目标结构发生失效时的运营公里数Lf之后,Lf-LI便是剩余的运营公里数。而目标结构的损伤萌生阶段的剩余寿命,通常可以用天,或者车轮旋转圈数来体现,因此实际应用中,可以将Lf-LI除以每天平均运营里程,得到以天为单位的目标结构的损伤萌生阶段的剩余寿命Nf。也可以基于Lf-LI和车轮直径,得到以车轮旋转圈数为单位的目标结构的损伤萌生阶段的剩余寿命Nf1。当然,其他场合中,例如可以直接将剩余的运营公里数Lf-LI作为目标结构的损伤萌生阶段的剩余寿命。
在本发明的一种具体实施方式中,在执行步骤S102之前,可以包括:
步骤一:根据检测数据,根据雨流计数法以及Miner线性疲劳累计损伤算法,确定出目标结构的等效应力幅值;
步骤二:仅当目标结构的等效应力幅值在预设范围内时,执行步骤S102;当目标结构的等效应力幅值超出预设范围时,输出第一提示信息。
该种实施方式中,在执行步骤S102之前,先对目标结构的等效应力幅值进行计算,如果目标结构的等效应力幅值超出预设范围,则说明目标结构已经出现了问题,因此不必再进行后续的目标结构的剩余寿命预测流程,而是直接输出第一提示信息,使得工作人员注意到该情况。当然,当目标结构的等效应力幅值在预设范围内时,可以执行步骤S102。
在确定出目标结构的等效应力幅值时,可以根据检测数据,根据雨流计数法以及Miner线性疲劳累计损伤算法进行确定。
具体的,图4为雨流计数法的基本过程示意图,可以根据雨流计数法,对光纤光栅传感器组检测的应力数据进行循环计数处理,然后将监测的目标结构在列车运营过程中承受的变幅载荷转变为多阶等效载荷谱,例如在一种具体场合中,转变为16阶等效载荷谱。
之后,可以基于Miner线性疲劳累计损伤算法,并且基于针对变幅加载条件的S-N曲线形式,计算出目标结构的等效应力幅值,使得各级应力水平产生的损伤均可以得到合理的考虑,得到略偏保守的评估结果。可以表示为:
σaeq即为得到的目标结构的等效应力幅值,L表示规定使用年限内的总运营公里数。LI表示实测动应力时的运行公里数。σi表示应力谱第i级等效应力幅。ni表示第i级应力水平所对应的应力循环次数,即应力谱中第i级应力的出现次数。m是应力测点所在部位的曲线方程的指数。N是与结构或材料的疲劳极限所对应的循环次数,根据国际焊接学会IIW发布的《焊接接头和部件的疲劳设计建议》,焊接结构可以取200万次,母材取1000万次。
在确定出目标结构的损伤萌生阶段的剩余寿命之后,可以确定出目标结构的裂纹扩展阶段的剩余寿命,并且如前文的描述,可以基于FAD法确定出目标结构的裂纹扩展阶段的剩余寿命。
即在本发明的一种具体实施方式中,确定出目标结构的裂纹扩展阶段的剩余寿命,可以具体包括:
第一个步骤:根据检测数据中的由光纤光栅传感器组检测的应力数据,以及由声发射传感器组检测的裂纹信息,基于FAD法,确定出临界裂纹长度;
第二个步骤:根据检测数据中的由压电智能传感器组检测的初始裂纹长度,并根据材料参数以及临界裂纹长度,基于裂纹扩展速率定律,确定出目标结构的裂纹扩展阶段的剩余寿命。
具体的,可以根据BS 7910标准《金属结构缺陷验收评定方法》计算塑性区尺寸,确定出可接受最大裂纹深度ac。式中的Kmat表示临界应力强度因子,可以由BS7910标准中获得,σ0是屈服强度,单位为MPa。
并且,可以根据检测数据中的由光纤光栅传感器组检测的应力数据,确定出目标结构的应力场分布信息,进而确定出裂纹处的最大应力σ;
而基于FAD法,将声发射传感器组检测的裂纹信息,裂纹处的最大应力σ,以及可接受最大裂纹深度ac输入至断裂分析软件中进行迭代计算,可以得到临界裂纹长度Cc。声发射传感器组检测的裂纹信息可以包括缺陷位置、缺陷类型及结构形式等项目,断裂分析软件例如可以具体为Crackwise 5.0软件。
得到了临界裂纹长度Cc之后,可以基于材料参数C和m,基于裂纹扩展速率定律,对初始裂纹长度到临界裂纹长度进行积分,从而确定出目标结构的裂纹扩展阶段的剩余寿命Nf2。
进一步的,在本发明的一种具体实施方式中,确定目标结构的裂纹扩展阶段的剩余寿命时,采用的材料参数为通过Paris公式得到的修正之后的材料参数,即利用列车实际运用数据对Paris公式材料参数进行修正,从而进一步地提高计算出的目标结构的裂纹扩展阶段的剩余寿命的准确性。可参阅图5,为基于Paris公式的裂纹扩展规律示意图,可以表示为表示裂纹扩展速率,其中的a表示裂纹深度或宽度,N表示应力循环次数,ΔK表示应力强度因子变化范围。
步骤S103:将损伤萌生阶段的剩余寿命与裂纹扩展阶段的剩余寿命叠加,作为得到的目标结构的剩余寿命。
计算出了损伤萌生阶段的剩余寿命以及裂纹扩展阶段的剩余寿命,便可以将二者叠加,即求和,便可以得到目标结构的剩余寿命。
应用本发明实施例所提供的技术方案,接收的是传感系统实时发送的目标结构的检测数据,从而使得本申请的方案可以实时进行目标结构的剩余寿命的计算,即本申请的方案可以及时的进行结构健康监测。并且,本申请的方案中,根据检测数据,确定出目标结构的损伤萌生阶段的剩余寿命,并且确定出目标结构的裂纹扩展阶段的剩余寿命,由于是将损伤萌生阶段的剩余寿命与裂纹扩展阶段的剩余寿命叠加,作为得到的目标结构的剩余寿命,因此得到的目标结构的剩余寿命较为准确,且具有一定的保守性。综上所述,本申请的方案可以实时进行列车关键结构的寿命预测,并且准确性高,且具有一定的保守性。
相应于上面的方法实施例,本发明实施例还提供了一种列车关键结构的寿命预测系统,可与上文相互对应参照。
参见图2所示,为本发明中一种列车关键结构的寿命预测系统的结构示意图,包括:
检测数据接收模块201,用于接收传感系统实时发送的目标结构的检测数据;
寿命计算模块202,用于根据检测数据,确定出目标结构的损伤萌生阶段的剩余寿命,并且确定出目标结构的裂纹扩展阶段的剩余寿命;
叠加模块203,用于将损伤萌生阶段的剩余寿命与裂纹扩展阶段的剩余寿命叠加,作为得到的目标结构的剩余寿命。
在本发明的一种具体实施方式中,传感系统包括光纤光栅传感器组、声发射传感器组以及压电智能传感器组。
在本发明的一种具体实施方式中,寿命计算模块202根据检测数据,确定出目标结构的损伤萌生阶段的剩余寿命,具体包括:
寿命计算模块202根据检测数据中的由光纤光栅传感器组检测的应力数据,并且基于Miner线性疲劳累计损伤算法,确定出目标结构的损伤萌生阶段的剩余寿命。
在本发明的一种具体实施方式中,寿命计算模块202根据检测数据,确定出目标结构的裂纹扩展阶段的剩余寿命,具体包括:
寿命计算模块202根据检测数据中的由光纤光栅传感器组检测的应力数据,以及由声发射传感器组检测的裂纹信息,基于FAD法,确定出临界裂纹长度;
寿命计算模块202根据检测数据中的由压电智能传感器组检测的初始裂纹长度,并根据材料参数以及临界裂纹长度,基于裂纹扩展速率定律,确定出目标结构的裂纹扩展阶段的剩余寿命。
在本发明的一种具体实施方式中,材料参数为通过Paris公式得到的修正之后的材料参数。
在本发明的一种具体实施方式中,还包括:
等效应力幅值计算模块,用于根据检测数据,根据雨流计数法以及Miner线性疲劳累计损伤算法,确定出目标结构的等效应力幅值;
触发模块,用于仅当目标结构的等效应力幅值在预设范围内时,触发寿命计算模块202;当目标结构的等效应力幅值超出预设范围时,输出第一提示信息。
在本发明的一种具体实施方式中,传感系统为耐高温耐高寒的高精度传感系统。
相应于上面的方法和系统实施例,本发明实施例还提供了一种列车关键结构的寿命预测设备和一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述任一实施例中的列车关键结构的寿命预测方法的步骤。这里所说的计算机可读存储介质包括随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质。
可参见图3,该列车关键结构的寿命预测设备可以包括:
存储器301,用于存储计算机程序;
处理器302,用于执行计算机程序以实现上述任一实施例中的列车关键结构的寿命预测方法的步骤。
还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种列车关键结构的寿命预测方法,其特征在于,包括:
接收传感系统实时发送的目标结构的检测数据;
根据所述检测数据,确定出所述目标结构的损伤萌生阶段的剩余寿命,并且确定出所述目标结构的裂纹扩展阶段的剩余寿命;
将所述损伤萌生阶段的剩余寿命与所述裂纹扩展阶段的剩余寿命叠加,作为得到的所述目标结构的剩余寿命。
2.根据权利要求1所述的列车关键结构的寿命预测方法,其特征在于,所述传感系统包括光纤光栅传感器组、声发射传感器组以及压电智能传感器组。
3.根据权利要求2所述的列车关键结构的寿命预测方法,其特征在于,根据所述检测数据,确定出所述目标结构的损伤萌生阶段的剩余寿命,包括:
根据所述检测数据中的由所述光纤光栅传感器组检测的应力数据,并且基于Miner线性疲劳累计损伤算法,确定出所述目标结构的损伤萌生阶段的剩余寿命。
4.根据权利要求2所述的列车关键结构的寿命预测方法,其特征在于,根据所述检测数据,确定出所述目标结构的裂纹扩展阶段的剩余寿命,包括:
根据所述检测数据中的由所述光纤光栅传感器组检测的应力数据,以及由所述声发射传感器组检测的裂纹信息,基于FAD法,确定出临界裂纹长度;
根据所述检测数据中的由所述压电智能传感器组检测的初始裂纹长度,并根据材料参数以及所述临界裂纹长度,基于裂纹扩展速率定律,确定出所述目标结构的裂纹扩展阶段的剩余寿命。
5.根据权利要求4所述的列车关键结构的寿命预测方法,其特征在于,所述材料参数为通过Paris公式得到的修正之后的材料参数。
6.根据权利要求1至5任一项所述的列车关键结构的寿命预测方法,其特征在于,在确定出所述目标结构的损伤萌生阶段的剩余寿命之前,还包括:
根据所述检测数据,根据雨流计数法以及Miner线性疲劳累计损伤算法,确定出所述目标结构的等效应力幅值;
仅当所述目标结构的等效应力幅值在预设范围内时,执行所述根据所述检测数据,确定出所述目标结构的损伤萌生阶段的剩余寿命,并且确定出所述目标结构的裂纹扩展阶段的剩余寿命的操作;当所述目标结构的等效应力幅值超出预设范围时,输出第一提示信息。
7.根据权利要求1所述的列车关键结构的寿命预测方法,其特征在于,所述传感系统为耐高温耐高寒的高精度传感系统。
8.一种列车关键结构的寿命预测系统,其特征在于,包括:
检测数据接收模块,用于接收传感系统实时发送的目标结构的检测数据;
寿命计算模块,用于根据所述检测数据,确定出所述目标结构的损伤萌生阶段的剩余寿命,并且确定出所述目标结构的裂纹扩展阶段的剩余寿命;
叠加模块,用于将所述损伤萌生阶段的剩余寿命与所述裂纹扩展阶段的剩余寿命叠加,作为得到的所述目标结构的剩余寿命。
9.一种列车关键结构的寿命预测设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至7任一项所述的列车关键结构的寿命预测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的列车关键结构的寿命预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528032.9A CN113515849A (zh) | 2021-05-14 | 2021-05-14 | 列车关键结构的寿命预测方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528032.9A CN113515849A (zh) | 2021-05-14 | 2021-05-14 | 列车关键结构的寿命预测方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113515849A true CN113515849A (zh) | 2021-10-19 |
Family
ID=78064447
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110528032.9A Pending CN113515849A (zh) | 2021-05-14 | 2021-05-14 | 列车关键结构的寿命预测方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113515849A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723016A (zh) * | 2021-11-01 | 2021-11-30 | 深圳市信润富联数字科技有限公司 | 冲头剩余寿命预测方法、装置、系统与可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000074677A (ko) * | 1999-05-25 | 2000-12-15 | 학교법인 인하학원 | 피로수명 예측 방법 |
CN104807966A (zh) * | 2015-04-30 | 2015-07-29 | 上海化学工业区公共管廊有限公司 | 一种管廊管道剩余强度与剩余寿命计算方法 |
CN111007108A (zh) * | 2019-10-30 | 2020-04-14 | 哈尔滨工业大学(威海) | 一种新型焊接结构健康监测系统与方法 |
CN111426461A (zh) * | 2020-04-14 | 2020-07-17 | 大连理工大学 | 机械零部件关键部位剩余疲劳寿命智能监测传感系统及设计方法 |
CN111815694A (zh) * | 2020-09-14 | 2020-10-23 | 湖南大学 | 一种疲劳裂纹扩展寿命预测方法、装置、设备及存储介质 |
CN112345217A (zh) * | 2020-10-07 | 2021-02-09 | 大连理工大学 | 一种飞机关键部位剩余疲劳寿命智能健康监测系统 |
-
2021
- 2021-05-14 CN CN202110528032.9A patent/CN113515849A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20000074677A (ko) * | 1999-05-25 | 2000-12-15 | 학교법인 인하학원 | 피로수명 예측 방법 |
CN104807966A (zh) * | 2015-04-30 | 2015-07-29 | 上海化学工业区公共管廊有限公司 | 一种管廊管道剩余强度与剩余寿命计算方法 |
CN111007108A (zh) * | 2019-10-30 | 2020-04-14 | 哈尔滨工业大学(威海) | 一种新型焊接结构健康监测系统与方法 |
CN111426461A (zh) * | 2020-04-14 | 2020-07-17 | 大连理工大学 | 机械零部件关键部位剩余疲劳寿命智能监测传感系统及设计方法 |
CN111815694A (zh) * | 2020-09-14 | 2020-10-23 | 湖南大学 | 一种疲劳裂纹扩展寿命预测方法、装置、设备及存储介质 |
CN112345217A (zh) * | 2020-10-07 | 2021-02-09 | 大连理工大学 | 一种飞机关键部位剩余疲劳寿命智能健康监测系统 |
Non-Patent Citations (3)
Title |
---|
吴丹: "基于多体动力学的车轴动应力分析及寿命研究", 《机械设计》, pages 52 - 56 * |
吴丹: "高速动车组车轴动应力计算及可靠性分析", 《兰州交通大学学报》, pages 76 - 80 * |
杨新华: "《动车组设计》", 31 August 2018, 华中科技大学出版社, pages: 155 - 159 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723016A (zh) * | 2021-11-01 | 2021-11-30 | 深圳市信润富联数字科技有限公司 | 冲头剩余寿命预测方法、装置、系统与可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
Thöns | On the value of monitoring information for the structural integrity and risk management | |
CN100582719C (zh) | 用于索结构中索系统的健康监测方法 | |
TWI683058B (zh) | 故障機率評估系統 | |
JP6463028B2 (ja) | 浮体施設の荷重・応力モニタリング方法及び浮体施設の荷重・応力モニタリングシステム | |
Soman et al. | Bi‐axial neutral axis tracking for damage detection in wind‐turbine towers | |
CN110390146B (zh) | 基于扇区载荷的风电机组塔筒焊缝疲劳损伤计算方法及产品 | |
EP2941640A1 (en) | Probabilistic modeling and sizing of embedded flaws in nondestructive inspections for fatigue damage prognostics and structural integrity assessment | |
CN105022860A (zh) | Pcb焊点随机振动疲劳寿命预测方法与系统 | |
EP2300887A2 (en) | Methods, apparatus and computer readable storage mediums for model-based diagnosis of gearboxes | |
Manouchehrynia et al. | Fatigue-based reliability in assessing the failure of an automobile coil spring under random vibration loadings | |
CN102422235B (zh) | 确定等效机械负荷 | |
WO2024041233A1 (zh) | 桥梁结构多因素耦合作用疲劳损伤与寿命的评估方法 | |
CN111832099A (zh) | 基于fbg和有限元模型修正的桥梁结构损伤识别方法 | |
Metaxa et al. | A review of structural health monitoring methods for composite materials | |
Iliopoulos et al. | Continuous fatigue assessment of an offshore wind turbine using a limited number of vibration sensors | |
CN113515849A (zh) | 列车关键结构的寿命预测方法、系统、设备及存储介质 | |
EP3951344A1 (en) | Methods and systems for damage evaluation of structural assets | |
RU2699918C1 (ru) | Способ диагностики технического состояния зданий и строительных сооружений | |
CN117852122A (zh) | 一种pc桥梁结构内钢绞线现存应力检测的方法 | |
KR102435166B1 (ko) | 정밀한 변형률-변위 예측을 위한 유전자 알고리즘과 ai 기술을 적용한 구조물의 계측 위치 및 개소 결정 방법 | |
Petrovska et al. | Application of structural monitoring data for fatigue life predictions of monopile-supported offshore wind turbines | |
CN111341396A (zh) | 一种大气环境对材料腐蚀安全评估方法及系统 | |
CN113251988A (zh) | 一种桥梁支座损伤的动力监测方法及系统 | |
CN115219216A (zh) | 一种排气系统的寿命评价方法 |
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 |