CN113916698B - 一种管道共振弯曲疲劳试验机控制系统及其试验方法 - Google Patents
一种管道共振弯曲疲劳试验机控制系统及其试验方法 Download PDFInfo
- Publication number
- CN113916698B CN113916698B CN202111146445.7A CN202111146445A CN113916698B CN 113916698 B CN113916698 B CN 113916698B CN 202111146445 A CN202111146445 A CN 202111146445A CN 113916698 B CN113916698 B CN 113916698B
- Authority
- CN
- China
- Prior art keywords
- pipeline
- test
- prediction result
- data
- finite element
- 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
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/32—Investigating strength properties of solid materials by application of mechanical stress by applying repeated or pulsating forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0001—Type of application of the stress
- G01N2203/0005—Repeated or cyclic
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0014—Type of force applied
- G01N2203/0023—Bending
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0058—Kind of property studied
- G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
- G01N2203/0073—Fatigue
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/02—Details not specific for a particular testing method
- G01N2203/026—Specifications of the specimen
- G01N2203/0262—Shape of the specimen
- G01N2203/0274—Tubular or ring-shaped specimens
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明公开了一种管道共振弯曲疲劳试验机控制系统及其试验方法,包括激振系统、减震系统、数据采集仪、数据采集计算机、PLC及控制IO设备、计算仿真计算机和系统控制计算机,数据采集仪将采集的数据通过数据采集计算机传输给系统控制计算机和计算仿真计算机,计算仿真计算机将采集的数据与计算仿真结果和ROM预测结果进行对比,当采集的数据与计算仿真结果之间的误差发生突变时,或采集的数据与计算仿真结果之间的误差没有发生突变、但采集的数据与ROM预测结果之间的误差大于设定误差值时,均表明试验机异常,同时,系统控制计算机根据采集的数据管道压力试验状态,当管道压力发生突变时表明试验机异常。本发明可以精确的监测控制试验进程。
Description
技术领域
本发明涉及管道共振弯曲疲劳试验,特别涉及一种管道共振弯曲疲劳试验机控制系统及其试验方法。
背景技术
近年来随着我国对基础制造业的大力发展,我国油气资源得到大力开发。在石油天然气的采集与利用中,油气管道起到日益增长的作用。由于油气管道运输通常为液体或气体等流体,在运输资源过程中,管道可以对内部流体进行连续运输,并且保留较高的安全性、密闭性与运输量,同时管道成本很低。因此油气管道现已经被广泛地应用到实际资源的开发中。
在实际管道系统中,由于管道会持续受到外部的振动干扰,或者管道内部的工作状态发生周期变化。管道内流体往往会产生压力冲击或脉动,引起机械振动和噪声。在此之中,疲劳破坏是埋地管道主要的失效方式之一,超载、地下空洞等因素都会加剧地下管道结构的疲劳损伤,实际管道工程中管道破坏产生的危害巨大,比如污染环境、损坏元件、当情形严重是还会造成设备的严重损毁与人员伤亡事故。因此人们需要方便高效的测试系统来测试管道在振动条件下的疲劳强度,从而提前预知管道振动对管道系统造成的破坏,保证其安全运行。
目前针对管道进行疲劳试验的设备也有很多研究,共振弯曲疲劳试验机具有效率高,设备稳定等优点应用较为广泛,主要方法是通过对管道进行激励,使钢管按照一阶模态进行振动,同时对钢管一阶振型振动位移为零的点进行柔性支撑。再针对具体管道试验进行试验时,需要配置具体试验参数以及保证试验安全,所以除了硬件设备之外还需要整套控制系统并建立整机模型,提供完整的系统模型。
发明内容
本发明的目的是克服现有技术中的不足,提供一种管道共振弯曲疲劳试验机控制系统及其试验方法,可以精确的监测控制试验进程。
本发明所采用的技术方案是:一种管道共振弯曲疲劳试验机控制系统,包括:
激振系统,用于施加外部激励以带动管道配重及管道试样振动;
减震系统,所述减震系统设置在管道试样的支点位置,用于减震;
数据采集仪,用于采集管道应力、管道位移以及管道压力数据;
数据采集计算机,用于对试验数据进行采集并保存;
PLC及控制IO设备,用于控制所述激振系统的电机的转速和启停;以及
计算仿真计算机和系统控制计算机,所述计算仿真计算机用于计算试验配置参,并得到管道应力和管道位移的计算仿真结果和ROM预测结果,分别根据计算仿真结果和ROM预测结果对所述系统控制计算机下达控制指令;所述系统控制计算机用于判断管道压力试验状态并根据判断结果对所述PLC及控制IO设备下达控制指令,同时,将所述计算仿真计算机下达的控制指令传递给所述PLC及控制IO设备;
其中,所述数据采集仪将采集的数据传输给所述数据采集计算机,所述数据采集计算机再将采集的数据传输给所述系统控制计算机和所述计算仿真计算机,所述计算仿真计算机将采集的数据与计算仿真结果和ROM预测结果进行对比,当采集的数据与计算仿真结果之间的误差发生突变时,或采集的数据与计算仿真结果之间的误差没有发生突变、但采集的数据与ROM预测结果之间的误差大于设定误差值时,均表明试验机异常,此时,所述计算仿真计算机对所述系统控制计算机发送控制指令,所述系统控制计算机将所述计算仿真计算机的控制指令传递给所述PLC及控制IO设备以控制所述激振系统的电机,同时,所述系统控制计算机根据采集的数据管道压力试验状态,当管道压力发生突变时表明试验机异常,此时,所述系统控制计算机对所述PLC及控制IO设备下达控制指令以控制所述激振系统的电机。
进一步地,所述的试验配置参数包括管道固有频率、电机激振频率、支点位置和偏心块夹角。
进一步地,所述激振系统包括电机和激振器。
本发明所采用的技术方案是:一种基于上述控制系统的试验方法,包括以下步骤:
步骤1,建立机理模型及有限元模型,其中,所述机理模型计算得到作为所述有限元模型输入参数的有限元边界条件配置参数,同时计算得到试验配置参数,并对试验结果中的管道应力和管道位移进行预测得到机理模型预测结果;所述有限元模型计算得到试验配置参数数值,并对试验结果中的管道应力和管道位移进行预测得到有限元模型预测结果;
步骤2,对步骤1中得到的数据以及以往试验数据进行统计及分类,并将数据采集仪采集的管道应力数据和管道位移数据分别与步骤1得到的机理模型预测结果和有限元模型预测结果进行对比以监控试验状态,若采集的数据与机理模型预测结果之间的误差发生突变、或采集的数据与有限元模型预测结果之间的误差发生突变时,停止试验,检查试验机;若采集的数据与机理模型预测结果之间的误差以及采集的数据与有限元模型预测结果之间的误差不发生突变,进入步骤3;
步骤3,根据以往试验数据和步骤1得到的机理模型预测结果和有限元模型预测结果进行SVM机器学习分类预测,建立ROM模型;
步骤4,根据步骤3建立的ROM模型实时计算管道应力和管道位移,得到ROM预测结果,并将数据采集仪采集的管道应力数据和管道位移数据与ROM预测结果进行对比以监控试验状态,若采集的数据与ROM预测结果之间的误差大于设定误差值时,停止试验,调整偏心块夹角和管道激振频率后再次运行试验机。
进一步地,步骤2中,所述机理模型的输入参数包括理论优化参数、所述有限元模型的输入参数包括仿真优化参数,通过对理论优化参数和仿真优化参数进行优化,优化机理模型和有限元模型。
进一步地,步骤2中,所述的步骤1中得到的数据包括机理模型计算得到的试验配置参数、机理模型预测结果、有限元模型计算得到的试验配置参数、有限元模型预测结果,其中,将机理模型计算得到的试验配置参数和有限元模型计算得到的试验配置参数分类为试验输入参数,将机理模型预测结果和有限元模型预测结果分类为试验输出参数。
进一步地,步骤2和步骤3中,所述的以往试验数据为机理模型计算得到的试验配置参数、机理模型预测结果、有限元模型计算得到的试验配置参数和有限元模型预测结果,其中,步骤2中,将以往试验数据中的机理模型计算得到的试验配置参数和有限元模型计算得到的试验配置参数分类为试验输入参数,将以往试验数据中的机理模型预测结果和有限元模型预测结果分类为试验输出参数。
本发明的有益效果是:本发明一种管道共振弯曲疲劳试验机控制系统及其试验方法,可以精确的监测控制试验进程。通过SVM机器学习的方法,得到ROM模型用于试验,并在试验中采用数据通讯方法实时监测试验状态,用于控制试验设备,通过两步监控保证试验设备正常,防止出现意外损坏试验设备,保护生命财产安全。
附图说明
图1:管道共振弯曲疲劳试验机示意图;
图2:本发明管道共振弯曲疲劳试验机控制系统示意图;
图3:本发明试验方法示意图
附图标注:
1——电机 2——万向联轴器
3——激振器 4——动载荷配重
5——夹紧套筒 6——柔性支撑机构
7——管道试样 8——静载荷配重
9——底座 10——计算仿真计算机
11——系统控制计算机 12——数据采集计算机
13——PLC及控制IO设备 14——激振系统
15——减震系统 16——数据采集仪
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下:
如图1所示,目前,管道共振弯曲疲劳试验机机械系统主要由电机1、万向联轴器2、激振器3、动载荷配重4、夹紧套筒5、柔性支撑机构6、管道试样7、静载荷配重8和底座9。电机1通过螺栓与万向联轴器2相连,万向联轴器2另一端与激振器3相连,激振器3与动载荷配重4通过螺栓连接,动载荷配重4连接管道试样7一端有法兰盘,通过螺栓与夹紧套筒5连接,夹紧套筒5上有螺栓孔,通过螺栓加紧在管道试样7上,在管道试样7两个支点位置装有柔性支撑机构6,管道试样7另一端同样装有静载荷配重8;柔性支撑机构6和电机1通过固定螺栓紧固在底座9上。动载荷配重4和静载荷配重8统称为管道配重。
如图2所示,一种管道共振弯曲疲劳试验机控制系统,包括激振系统14、减震系统15、数据采集仪16、数据采集计算机12、PLC及控制IO设备13、计算仿真计算机10、系统控制计算机11。所述激振系统14包括通过万向联轴器2相连接的电机1和激振器3,用于施加外部激励以带动管道配重及管道试样7振动。所述减震系统15设置在管道试样7的支点位置,用于减震。所述数据采集仪16用于采集管道应力、管道位移以及管道压力数据。所述数据采集计算机12用于对试验数据进行采集并保存。所述PLC及控制IO设备13用于控制所述激振系统14的电机1的转速和启停,同时监控试验异常情况,在试验异常时,控制电机1停止运行。所述计算仿真计算机10需要根据具体试验对象进行计算,得到试验配置参数,所述试验配置参数包括管道固有频率、电机1激振频率、支点位置、偏心块夹角等参数,并且,所述计算仿真计算机10计算得到管道应力和管道位移的计算仿真结果和ROM预测结果,分别根据计算仿真结果和ROM预测结果对所述系统控制计算机11下达控制指令。所述系统控制计算机11用于判断管道压力试验状态并根据判断结果对所述PLC及控制IO设备13下达控制指令,同时,将所述计算仿真计算机10下达的控制指令传递给所述PLC及控制IO设备13。
其中,所述计算仿真计算机10需要根据具体试验对象进行计算,得到试验配置参数;所述系统控制计算机11根据所述计算仿真计算机10的激振频率通过人机交互界面与PLC及控制IO设备13,控制试验机的启动停止以及异常保护,当所述系统控制计算机11给所述PLC及控制IO设备13控制信号,控制所述激振系统14振动,所述激振系统14带动管道配重及管道试样7振动,所述减震系统15安装在支点位置,并测量支点位置的振动,同时所述数据采集仪16采集管道应力、管道位移以及管道压力等数据,数据采集结果传输到所述数据采集计算机12,再通过UDP数据通讯将数据传输到所述系统控制计算机11和所述计算仿真计算机10,所述计算仿真计算机10实时得到计算仿真结果和ROM预测结果,并将采集的数据与计算仿真结果和ROM预测结果进行对比,当采集的数据与计算仿真结果之间的误差发生突变时,或采集的数据与计算仿真结果之间的误差没有发生突变、但采集的数据与ROM预测结果之间的误差大于设定误差值时,均表明试验机异常,此时,所述计算仿真计算机10通过UDP数据通讯对所述系统控制计算机11发送控制指令,所述系统控制计算机11将所述计算仿真计算机10的控制指令传递给所述PLC及控制IO设备13以控制所述激振系统14的电机1停止运行,同时,所述系统控制计算机11根据采集的数据管道压力试验状态,当管道压力发生突变时表明试验机异常,此时,所述系统控制计算机11对所述PLC及控制IO设备13下达控制指令以控制所述激振系统14的电机1停止运行。
如图3所示,本发明试验方法的基本思想是建立整机系统模型,主要包括机理模型、有限元模型以及ROM模型,通过对管道试样7采集的试验数据以及有限元计算数据,机理模型计算数据,方法建立ROM模型,最后将建立的ROM模型用于试验控制系统中。具体包括:
第一,建立机理模型及有限元模型
机理模型是机械产品根据有关的力学理论以及材料理论得到的产品的理论模型,该模型可以通过已知的外形尺寸、材料属性、边界条件等初步实现对产品性能的预测。机理模型中有些已知内容趋于简化,所以需要可变参数对计算结果进行调整,进而得到最佳的机理模型;有限元模型是借助有限元的方法对产品建立完整的几何模型,在通过材料属性的定义、边界条件的施加以及网格划分等进行计算,得到有限元计算结果,该方法区别于传统的有限元方法,主要体现在可通过定义参数对有限元模型计算结果进行调整,通过计算多个参数值对比从而得到最优的有限元模型。
所述机理模型的输入参数包括试验对象尺寸参数(包括管道的外径、壁厚、长度)、试验环境参数(包括外界的温度、外部打给管道试样7的水压)以及理论优化参数,输出参数包括作为有元模型输入参数的有限元边界条件配置参数、试验配置参数以及试验数据预测;所述有限元模型输入参数包括试验对象尺寸参数、有限元边界条件配置参数以及仿真优化参数,输出参数包括试验配置参数和试验数据预测。其中,所述试验配置参数均包括管道固有频率、电机1激振频率、支点位置、偏心块夹角,所述试验数据预测均包括管道应力和管道位置,但是,所述机理模型计算得到的试验配置参数值与所述有限元模型计算得到的试验配置参数值不同、所述机理模型计算得到的试验数据预测值与所述有限元模型计算得到的试验数据预测值不同;所述理论优化参数和所述仿真优化参数均为试验机的阻尼;所述有限元边界条件配置参数包括材料属性。所述机理模型计算有限元边界条件配置参数,同时计算出试验配置参数,并对试验结果中的管道应力和管道位移进行预测得到机理模型预测结果(即所述机理模型的试验数据预测);有限元模型同样计算试验配置参数,并对试验结果中的管道应力和管道位移进行预测得到有限元模型预测结果(即所述有限元模型的试验数据预测)。通过试验数据采集与机理模型预测结果和有限元模型预测结果对比,通过对理论优化参数和仿真优化参数进行参数优化,使得机理模型和有限元模型更加精确,再将优化后的机理模型和有限元模型用于监测控制试验状态,即,通过在优化后的机理模型和有限元模型中输入
管道共振弯曲疲劳试验机的工作原理为通过施加外部激励,可以使管道按照一阶模态振动,当外部激励接近梁的一阶固有频率时,管道就会发生共振,假设施加位置为自由约束管道的一端,若给管道施加一个接近其一阶固有频率的外部激励F=F0sin(ωdt),其中,F0为外部激振力幅值,t为时间,ωd为外部激振力频率,即ωd≈ωn,ωn为管道固有频率,则管道会发生共振;通过在有限元软件中建立三维几何模型,材料属性以及边界条件,通过模态分析和谐响应分析计算求解管道的固有频率、节点位置、管道应力以及管道位移,其中可根据试验结果调整试验机阻尼参数。
第二,数据统计及分类,并进行第一次判断
对步骤1中得到的数据进行统计及分类,其中,所述的数据包括机理模型计算得到的试验配置参数、机理模型预测结果、有限元模型计算得到的试验配置参数、有限元模型预测结果,所述机理模型的试验配置参数和所述有限元模型的试验配置参数为偏心块夹角、电机1激振频率,所述机理模型预测结果和所述有限元模型预测结果为管道应力和管道位移。将机理模型计算得到的试验配置参数和有限元模型计算得到的试验配置参数分类为试验输入参数,将机理模型预测结果和有限元模型预测结果分类为试验输出参数,为机器学习做数据整理准备。
此外,将数据采集仪16采集的管道应力数据和管道位移数据分别与步骤1得到的机理模型预测结果和有限元模型预测结果进行对比以监控试验状态,若采集的数据与机理模型预测结果之间的误差发生突变、或采集的数据与有限元模型预测结果之间的误差发生突变时,停止试验,检查试验机;若采集的数据与机理模型预测结果之间的误差以及采集的数据与有限元模型预测结果之间的误差不发生突变,进入下一步。在这一步判断中,只检测误差是否发生突变,但允许误差大于设定误差值。
第三、基于SVM机器学习建立ROM模型
由于在试验中有限元模型不能满足实时计算以及机理模型计算精度不高的问题,所以,根据步骤1得到的机理模型预测结果和有限元模型预测结果进行SVM机器学习分类预测,建立ROM模型。
第四,试验预测及监控(第二次判断)
根据步骤3建立的ROM模型实时计算管道应力和管道位移,得到ROM预测结果,设置偏心块夹角以及电机1激振频率,启动电机1,通过数据采集仪16采集的管道应力数据和管道位移数据,将数据采集仪16采集的管道应力数据和管道位移数据与ROM预测结果进行对比以监控试验状态,若采集的数据与ROM预测结果之间的误差大于设定误差值时,试验异常,给系统控制计算机11发送控制指令,停止试验,调整偏心块夹角和管道激振频率后再次启动电机1。
尽管上面结合附图对本发明的优选实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,并不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以做出很多形式,这些均属于本发明的保护范围之内。
Claims (7)
1.一种管道共振弯曲疲劳试验机控制系统,其特征在于,包括:
激振系统(14),用于施加外部激励以带动管道配重及管道试样(7)振动;
减震系统(15),所述减震系统(15)设置在管道试样(7)的支点位置,用于减震;
数据采集仪(16),用于采集管道应力、管道位移以及管道压力数据;
数据采集计算机(12),用于对试验数据进行采集并保存;
PLC及控制IO设备(13),用于控制所述激振系统(14)的电机(1)的转速和启停;以及
计算仿真计算机(10)和系统控制计算机(11),所述计算仿真计算机(10)用于计算试验配置参数,并得到管道应力和管道位移的计算仿真结果和ROM预测结果,分别根据计算仿真结果和ROM预测结果对所述系统控制计算机(11)下达控制指令;所述系统控制计算机(11)用于判断管道压力试验状态并根据判断结果对所述PLC及控制IO设备(13)下达控制指令,同时,将所述计算仿真计算机(10)下达的控制指令传递给所述PLC及控制IO设备(13);
其中,所述数据采集仪(16)将采集的数据传输给所述数据采集计算机(12),所述数据采集计算机(12)再将采集的数据传输给所述系统控制计算机(11)和所述计算仿真计算机(10),所述计算仿真计算机(10)将采集的数据与计算仿真结果和ROM预测结果进行对比,当采集的数据与计算仿真结果之间的误差发生突变时,或采集的数据与计算仿真结果之间的误差没有发生突变、但采集的数据与ROM预测结果之间的误差大于设定误差值时,均表明试验机异常,此时,所述计算仿真计算机(10)对所述系统控制计算机(11)发送控制指令,所述系统控制计算机(11)将所述计算仿真计算机(10)的控制指令传递给所述PLC及控制IO设备(13)以控制所述激振系统(14)的电机(1),同时,所述系统控制计算机(11)根据采集的数据管道压力试验状态,当管道压力发生突变时表明试验机异常,此时,所述系统控制计算机(11)对所述PLC及控制IO设备(13)下达控制指令以控制所述激振系统(14)的电机(1)。
2.根据权利要求1所述的管道共振弯曲疲劳试验机控制系统,其特征在于,所述的试验配置参数包括管道固有频率、电机(1)激振频率、支点位置和偏心块夹角。
3.根据权利要求1所述的管道共振弯曲疲劳试验机控制系统,其特征在于,所述激振系统(14)包括电机(1)和激振器(3)。
4.一种基于上述权利要求1至3任一项所述的控制系统的试验方法,其特征在于,包括以下步骤:
步骤1,建立机理模型及有限元模型,其中,所述机理模型计算得到作为所述有限元模型输入参数的有限元边界条件配置参数,同时计算得到试验配置参数,并对试验结果中的管道应力和管道位移进行预测得到机理模型预测结果;所述有限元模型计算得到试验配置参数数值,并对试验结果中的管道应力和管道位移进行预测得到有限元模型预测结果;
步骤2,对步骤1中得到的数据以及以往试验数据进行统计及分类,并将数据采集仪(16)采集的管道应力数据和管道位移数据分别与步骤1得到的机理模型预测结果和有限元模型预测结果进行对比以监控试验状态,若采集的数据与机理模型预测结果之间的误差发生突变、或采集的数据与有限元模型预测结果之间的误差发生突变时,停止试验,检查试验机;若采集的数据与机理模型预测结果之间的误差以及采集的数据与有限元模型预测结果之间的误差不发生突变,进入步骤3;
步骤3,根据以往试验数据和步骤1得到的机理模型预测结果和有限元模型预测结果进行SVM机器学习分类预测,建立ROM模型;
步骤4,根据步骤3建立的ROM模型实时计算管道应力和管道位移,得到ROM预测结果,并将数据采集仪(16)采集的管道应力数据和管道位移数据与ROM预测结果进行对比以监控试验状态,若采集的数据与ROM预测结果之间的误差大于设定误差值时,停止试验,调整偏心块夹角和管道激振频率后再次运行试验机。
5.根据权利要求4所述的试验方法,其特征在于,步骤2中,所述机理模型的输入参数包括理论优化参数、所述有限元模型的输入参数包括仿真优化参数,通过对理论优化参数和仿真优化参数进行优化,优化机理模型和有限元模型。
6.根据权利要求4所述的试验方法,其特征在于,步骤2中,所述的步骤1中得到的数据包括机理模型计算得到的试验配置参数、机理模型预测结果、有限元模型计算得到的试验配置参数、有限元模型预测结果,其中,将机理模型计算得到的试验配置参数和有限元模型计算得到的试验配置参数分类为试验输入参数,将机理模型预测结果和有限元模型预测结果分类为试验输出参数。
7.根据权利要求4所述的试验方法,其特征在于,步骤2和步骤3中,所述的以往试验数据为机理模型计算得到的试验配置参数、机理模型预测结果、有限元模型计算得到的试验配置参数和有限元模型预测结果,其中,步骤2中,将以往试验数据中的机理模型计算得到的试验配置参数和有限元模型计算得到的试验配置参数分类为试验输入参数,将以往试验数据中的机理模型预测结果和有限元模型预测结果分类为试验输出参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111146445.7A CN113916698B (zh) | 2021-09-28 | 2021-09-28 | 一种管道共振弯曲疲劳试验机控制系统及其试验方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111146445.7A CN113916698B (zh) | 2021-09-28 | 2021-09-28 | 一种管道共振弯曲疲劳试验机控制系统及其试验方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113916698A CN113916698A (zh) | 2022-01-11 |
CN113916698B true CN113916698B (zh) | 2023-09-26 |
Family
ID=79236924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111146445.7A Active CN113916698B (zh) | 2021-09-28 | 2021-09-28 | 一种管道共振弯曲疲劳试验机控制系统及其试验方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113916698B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002214068A (ja) * | 1995-02-13 | 2002-07-31 | Hitachi Ltd | 構造物の振動試験装置及びそれに用いるデジタル計算機ならびに振動試験方法 |
CN102175136A (zh) * | 2010-12-22 | 2011-09-07 | 天津大学 | 直管多轴棘轮应变测试系统及方法 |
CN103076247A (zh) * | 2013-01-16 | 2013-05-01 | 南京航空航天大学 | 材料弯曲疲劳试验系统及试验方法 |
CN103335902A (zh) * | 2013-06-17 | 2013-10-02 | 南京航空航天大学 | 真实管道弯曲疲劳试验系统及方法 |
NL2010556C2 (en) * | 2013-04-03 | 2014-10-06 | Onderzoekscentrum Voor Aanwending Van Staal N V | Fatigue testing of a test specimen. |
CN107436263A (zh) * | 2017-08-18 | 2017-12-05 | 中机生产力促进中心 | 一种弹簧钢丝扭转疲劳试验方法及其装置 |
CN107808056A (zh) * | 2017-10-30 | 2018-03-16 | 四川长虹空调有限公司 | 空调压缩机配管振动可靠性评估方法 |
CN110909505A (zh) * | 2019-12-03 | 2020-03-24 | 上海核工程研究设计院有限公司 | 核电厂疲劳监测和寿命评估系统的瞬态温度场计算方法 |
CN113138115A (zh) * | 2020-01-17 | 2021-07-20 | 天津益普科技发展有限公司 | 全尺寸海洋管道共振旋转弯曲疲劳试验机 |
-
2021
- 2021-09-28 CN CN202111146445.7A patent/CN113916698B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002214068A (ja) * | 1995-02-13 | 2002-07-31 | Hitachi Ltd | 構造物の振動試験装置及びそれに用いるデジタル計算機ならびに振動試験方法 |
CN102175136A (zh) * | 2010-12-22 | 2011-09-07 | 天津大学 | 直管多轴棘轮应变测试系统及方法 |
CN103076247A (zh) * | 2013-01-16 | 2013-05-01 | 南京航空航天大学 | 材料弯曲疲劳试验系统及试验方法 |
NL2010556C2 (en) * | 2013-04-03 | 2014-10-06 | Onderzoekscentrum Voor Aanwending Van Staal N V | Fatigue testing of a test specimen. |
CN103335902A (zh) * | 2013-06-17 | 2013-10-02 | 南京航空航天大学 | 真实管道弯曲疲劳试验系统及方法 |
CN107436263A (zh) * | 2017-08-18 | 2017-12-05 | 中机生产力促进中心 | 一种弹簧钢丝扭转疲劳试验方法及其装置 |
CN107808056A (zh) * | 2017-10-30 | 2018-03-16 | 四川长虹空调有限公司 | 空调压缩机配管振动可靠性评估方法 |
CN110909505A (zh) * | 2019-12-03 | 2020-03-24 | 上海核工程研究设计院有限公司 | 核电厂疲劳监测和寿命评估系统的瞬态温度场计算方法 |
CN113138115A (zh) * | 2020-01-17 | 2021-07-20 | 天津益普科技发展有限公司 | 全尺寸海洋管道共振旋转弯曲疲劳试验机 |
Non-Patent Citations (2)
Title |
---|
深海管道钢的腐蚀疲劳裂纹扩展特性试验研究;谭玉娜;余建星;余杨;王昭宇;王华昆;李修波;中国海洋大学学报(自然科学版)(006);全文 * |
深海管道非线性屈曲理论计算方法;余建星;李智博;杜尊峰;傅明炀;卞雪航;杨源;;海洋工程(01);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113916698A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2718999C2 (ru) | Кепстральный анализ исправности нефтепромыслового насосного оборудования | |
JPH04305140A (ja) | 運転中軸系の亀裂検知方法 | |
CN105651496B (zh) | 一种液压导管疲劳寿命指标确定方法 | |
CN102507205A (zh) | 一种检测航空发动机风扇叶片颤振故障的方法 | |
CN109060117A (zh) | 联轴器对中自动调整系统 | |
CN112728416B (zh) | 一种高温高压动力管道状态监测系统 | |
CN103674545B (zh) | 一种机械故障侦测方法 | |
CN109707653B (zh) | 一种天然气长输管道离心压缩机组智能监控系统 | |
US10481037B2 (en) | Method for detecting deterioration defect of structural part | |
CN103399227B (zh) | 一种游梁式抽油机远程平衡测试方法 | |
CN113916698B (zh) | 一种管道共振弯曲疲劳试验机控制系统及其试验方法 | |
CN106596722A (zh) | 一种带电检测绝缘子的方法、装置及检测仪 | |
Pavlov et al. | Improving the reliability of hydraulic drives components | |
Matta et al. | Vibration and fatigue failures at pipeline facilities | |
Moslått et al. | A digital twin for lift planning with offshore heave compensated cranes | |
Sandhu et al. | Condition Monitoring of Nuclear Equipment-Piping Systems Subjected to Normal Operating Loads Using Deep Neural Networks | |
CN103712682A (zh) | 基于有限元分析法的主井提升机主轴振动监测方法 | |
CN102384088B (zh) | 基于转矩流量智能软测量的涡旋压缩机控制系统及方法 | |
Li et al. | Online identification and verification of the elastic coupling torsional stiffness | |
EP2702458A1 (en) | Method and apparatus for characterizing process control equipment integrity | |
CN110441054B (zh) | 联轴器连接状态下旋转机械轴系不对中故障状态检测方法 | |
CN117321392A (zh) | 电子振动测量系统 | |
Hsu et al. | Condition monitoring and fault detection of wind turbines generator | |
Lian et al. | Numeerical Calculation and Test of the Influence of Environmental Vibration on Coriolis Flowmeter | |
CN117888840A (zh) | 钻井过程中钻井液溢流以及漏失的监控方法及装置 |
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 |