CN114487104B - 基于优化变分模态相关系数对起重设备损伤的实时监测方法 - Google Patents
基于优化变分模态相关系数对起重设备损伤的实时监测方法 Download PDFInfo
- Publication number
- CN114487104B CN114487104B CN202210036047.8A CN202210036047A CN114487104B CN 114487104 B CN114487104 B CN 114487104B CN 202210036047 A CN202210036047 A CN 202210036047A CN 114487104 B CN114487104 B CN 114487104B
- Authority
- CN
- China
- Prior art keywords
- acoustic emission
- modal
- lifting
- threshold function
- correlation coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 title claims abstract description 14
- 230000009467 reduction Effects 0.000 claims abstract description 18
- 230000003068 static effect Effects 0.000 claims abstract description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009659 non-destructive testing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 229910000746 Structural steel Inorganic materials 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000006247 magnetic powder Substances 0.000 description 1
- 238000005272 metallurgy Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
Classifications
-
- 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
- G01N29/14—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 using acoustic emission techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/028—Material parameters
- G01N2291/0289—Internal structure, e.g. defects, grain size, texture
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明公开一种基于优化变分模态相关系数对起重设备损伤的实时监测方法，首先将所获取的声发射信号按照起重设备的工况分为静载阶段、吊钩起落阶段、小车运行阶段和大车运行阶段，取吊钩起落阶段的声发射信号，运用新的小波阈值函数降噪的方法进行降噪，降低了起重设备声发射信号中的干扰并提高了信号的信噪比，同时本发明提出了优化变分模态分解方法对降噪后的声发射信号进行了分解，进而计算叠加后的模态分量与原始数据的相关系数，当相关系数达到起重设备裂纹的临界报警点时报警。实现对起重设备损伤的实时监测，具有适应性强、鲁棒性较好的特点。
Description
技术领域
本发明属于起重设备结构损伤监测领域，尤其涉及一种基于优化变分模态相关系数对起重设备损伤的实时监测方法。
背景技术
起重设备作为重要的货物装载工具，实现了生产过程中的机械化与自动化，节省了大量人力物力，已广泛应用于机械制造、石油化工、冶金和建筑行业。由于起重机的工作环境通常较为恶劣，加之工作时受到交变载荷的作用，长期工作其内部的损伤（焊接缺陷和疲劳裂纹等）容易造成起重机结构件的弯曲变形甚至断裂，引起严重的安全事故。因此，实现对起重机结构件损伤的有效检测和诊断具有重要的意义。
目前，关于起重设备设备无损检测的方法主要分为声发射、超声、磁粉、渗透和应力应变等方法。声发射是指材料受到外力或内力作用时发生形变或断裂而产生瞬态弹性波的一种现象，故声发射信号直接来源于材料裂纹本身。声发射作为一种动态无损检测方法，与其他的无损检测方法相比具有检测效率高、实现实时监测及适合复杂的工作环境等优点。目前，很多学者对起重设备的声发射信号进行了研究：窦艳涛等结合缺陷源的准确定位、持续时间和峰值频率等特征对损伤源和噪声源进行了划分；张一辉等研究了起重机结构钢材料Q235b在拉伸损伤时的声发射特性；李力等通过经验模式分解方法分析了裂纹扩展时的声发射特性。特别是李杨等发表了基于自适应优化VMD的起重机主梁损伤声发射无损检测方法的专利，首先通过VMD对信号进行降噪，再通过重心频率对起重机进行检测。由于起重设备的声发射信号具有突发性和不可预知性的特点，该方法难以对摩擦干扰信号进行滤除，会造成误判现象。
发明内容
本发明是为了解决现有技术所存在的上述技术问题，提供一种基于优化变分模态相关系数对起重设备损伤的实时监测方法。
本发明的技术解决方案是：一种基于优化变分模态相关系数对起重设备损伤的实时监测方法，其特征在于依次按照如下步骤进行：
一种基于优化变分模态相关系数对起重设备损伤的实时监测方法，依次按照如下步骤进行：
步骤1：声发射信号的获取和预处理
将声发射传感器均布在主梁的上侧，设置采样频率为5M/s、滤波条件为25-850kHz及门槛值为40dB，使用声发射采集系统获取声发射信号；将所获取的声发射信号按照起重设备的工况分为静载阶段、吊钩起落阶段、小车运行阶段和大车运行阶段，对吊钩起落阶段的声发射信号按如下步骤进行处理；
步骤2：降噪处理
使用新的非线性小波阈值函数对声发射信号进行降噪处理，所述新的非线性小波阈值函数为：
其中， 为阈值函数；c为函数形状的调整因子，0＜c＜1，通过调整参数c使得新的非线性小波阈值函数介于硬阈值函数与软阈值函数之间；
步骤3：对降噪后的声发射信号进行优化变分模态分解
以W为模态分解条数，对降噪后的声发射信号进行优化变分模态分解，限制带宽α=2000；
所述W为最大值时对应的K值，式中rk+1及rk按照公式/>计算，其中：/>=1,2,3……K，/>为模态分量的能量值，/>为原始声发射信号的能量，K为假设的模态分解条数；
所述 ，/>，式中n为信号的长度，m(i)为模态分量，x(i)为信号的时间序列，fs为采样频率，t为采样时间；
步骤4：将分解后的W条模态分量进行傅里叶变换计算其频谱图，将处于80~200kHz内的模态分量进行叠加，计算叠加后的模态分量与原始数据的相关系数，当相关系数达到起重设备裂纹的临界报警点时报警。
本发明首先将所获取的声发射信号按照起重设备的工况分为静载阶段、吊钩起落阶段、小车运行阶段和大车运行阶段，取吊钩起落阶段的声发射信号，运用新的小波阈值函数降噪的方法进行降噪，降低了起重设备声发射信号中的干扰并提高了信号的信噪比，同时本发明提出了优化变分模态分解方法对降噪后的声发射信号进行了分解，进而计算叠加后的模态分量与原始数据的相关系数，当相关系数达到起重设备裂纹的临界报警点时报警。实现对起重设备损伤的实时监测，具有适应性强、鲁棒性较好的特点，有效提高了起重设备工作的安全性和可靠性。
附图说明
图1是本发明实施例的流程图。
图2是本发明实施例调整因子不同的取值下其阈值函数的形状曲线图。
图3是本发明实施例调整因子为0.5时降噪后的起重机声发射信号示意图。
图4是本发明实施例采用不同模态分解条数下比值增长率变化的示意图。
图5是本发明实施例起重设备声发射信号六阶模态分量的频谱图。
图6是本发明实施例关键模态分量合成后的频谱图。
具体实施方式
本发明的一种基于优化变分模态相关系数对起重设备损伤的实时监测方法如图1所示，依次按照如下步骤进行：
步骤1：声发射信号的获取和预处理
将四个声发射传感器均布在主梁的上侧，以铅笔芯在声发射传感器之间进行试验，计算起重设备材料Q235b材料的声速；设置采样频率为5M/s、滤波条件为25-850kHz及门槛值为40dB，使用声发射采集系统获取声发射信号；将所获取的声发射信号按照起重设备的工况分为静载阶段、吊钩起落阶段、小车运行阶段和大车运行阶段，对吊钩起落阶段的声发射信号按如下步骤进行处理；
步骤2：降噪处理
使用新的非线性小波阈值函数对声发射信号进行降噪处理是指对声发射信号通过小波多尺度分解（基于声发射信号的特点，确定小波分解的层数为六层）、新的非线性小波阈值函数降噪、小波逆变换得到重构信号，即得到降噪后的声发射信号；
结合起重设备的声发射信号突发性和不可预知性的特点，在非线性阈值函数中增加了形状调整因子，构成新的非线性小波阈值函数。降噪处理过程中通过调整形状因子来适应不同的特征信号，提高了非线性阈值函数的性能。
所述新的非线性小波阈值函数为：
其中， 为阈值函数；c为函数形状的调整因子，0＜c＜1，通过调整参数c使得新的非线性小波阈值函数介于硬阈值函数与软阈值函数之间；
图2是调整因子不同的取值下其阈值函数的形状曲线图。图2中分别有c=1、0.7、0.5、0.3、0.15时的阈值函数的分布曲线，该阈值函数能够解决硬阈值函数的振荡问题，也能够解决软阈值函数重构后的偏差问题，具有较强的适用性和可调性。当c=1时，非线性阈值函数趋向于硬阈值函数，当c=0时，非线性阈值函数趋向于软阈值函数，所以通过调整参数c使得阈值函数介于硬阈值函数与软阈值函数之间。
图3是本发明实施例调整因子为0.5时降噪后的起重机声发射信号示意图。 从图3可以看出，本发明实施例采用的使用新的非线性小波阈值函数对声发射信号进行降噪处理，可以有效滤除信号中尖锐与突变部分，很好的保留了原始信号的趋势。
步骤3：对降噪后的声发射信号进行优化变分模态分解
以W为模态分解条数，按照现有技术对降噪后的声发射信号进行优化变分模态分解，不施加直流分量，限制带宽α=2000；
传统的分解方法中W值是任意设定的，但随着分解条数的不断增加，分解的模态分量能量之和会大于原始信号的总能量，但是分解数量较少时，会导致声发射的关键信号无法分离，故本发明是以VMD分解中各个分量之间是正交关系，理论上来说分解后各个模态能量之和与原始信号的总能量相等为依据，提出了基于能量角度对分解数量W进行选定，具体如下：
所述W为最大值时对应的K值，式中rk+1及rk按照公式/>计算，其中：/>=1,2,3……K，/>为模态分量的能量值，/>为原始声发射信号的能量，K为假设的模态分解条数，可以是2、3、4、5、6、7……等；
所述 ，/>，式中n为信号的长度，m(i)为模态分量，x(i)为信号的时间序列，fs为采样频率，t为采样时间；
图4是本发明实施例采用不同模态分解条数下比值增长率的变化示意图。
从图4可以看出，最大时最应的K=6，故模态分解条数W=6；
步骤4：将分解后的6条模态分量进行傅里叶变换计算其频谱图如图5所示，将处于80~200kHz内的模态分量进行叠加如图6所示，计算叠加后的模态分量与原始数据的相关系数，当相关系数达到起重设备裂纹的临界报警点时报警。
由于VMD计算时间较长，声发射信号的采集频率较高数据量较大，所以每次取100000个点进行VMD计算，以此迭代。
如图5所示，第二阶模态分量和第三阶模态分量的主要能量分布在80~200kHz内，所以将其叠加后进行傅里叶变换，绘制如图6所示的叠加后的模态分量频谱图，最后计算出叠加后的模态分量与原始数据的相关系数。
所述临界报警点时报警点是选择与本发明实施例中类型相同且含有预制裂纹缺陷的起重机做为测试对象，按照本发明实施例步骤1-步骤4，得到叠加后的模态分量与原始数据的相关系数，以相关系数的最大值作为临界报警点。
本发明实施例以起重块为1t、1.5t、2t、2.5t和3t进行实验，其中起重块为1.5t、2t、2.5t不同工况下80~200kHz频率段内模态分量的相关系数如表1所示。
通过表1可以发现，当吊钩起落时，载荷量的大小几乎不影响相关系数的变化，而小车运行和大车运行时相关系数与载荷量似乎不存在线性关系，可能是由于此时滚轮与轨道之间的摩擦信号占据了主导地位。故本发明将吊钩起落的相关函数作为起重设备裂纹监测的关键指标，确定关键指标的敏感数值，以此判断起重设备是否产生裂纹缺陷。
Claims (1)
1.一种基于优化变分模态相关系数对起重设备损伤的实时监测方法，其特征在于依次按照如下步骤进行：
步骤1：声发射信号的获取和预处理
将声发射传感器均布在主梁的上侧，设置采样频率为5M/s、滤波条件为25-850kHz及门槛值为40dB，使用声发射采集系统获取声发射信号；将所获取的声发射信号按照起重设备的工况分为静载阶段、吊钩起落阶段、小车运行阶段和大车运行阶段，对吊钩起落阶段的声发射信号按如下步骤进行处理；
步骤2：降噪处理
使用新的非线性小波阈值函数对声发射信号进行降噪处理，所述新的非线性小波阈值函数为：
其中， 为阈值函数；c为函数形状的调整因子，0＜c＜1，通过调整参数c使得新的非线性小波阈值函数介于硬阈值函数与软阈值函数之间；
步骤3：对降噪后的声发射信号进行优化变分模态分解
以W为模态分解条数，对降噪后的声发射信号进行优化变分模态分解，限制带宽α=2000；
所述W为最大值时对应的K值，式中rk+1及rk按照公式/>计算，其中：/>=1,2,3……K，/>为模态分量的能量值，/>为原始声发射信号的能量，K为假设的模态分解条数；
所述 ，/>，式中n为信号的长度，m(i)为模态分量，x(i)为信号的时间序列，fs为采样频率，t为采样时间；
步骤4：将分解后的W条模态分量进行傅里叶变换计算其频谱图，将处于80~200kHz内的模态分量进行叠加，计算叠加后的模态分量与原始数据的相关系数，当相关系数达到起重设备裂纹的临界报警点时报警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210036047.8A CN114487104B (zh) | 2022-01-13 | 2022-01-13 | 基于优化变分模态相关系数对起重设备损伤的实时监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210036047.8A CN114487104B (zh) | 2022-01-13 | 2022-01-13 | 基于优化变分模态相关系数对起重设备损伤的实时监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114487104A CN114487104A (zh) | 2022-05-13 |
| CN114487104B true CN114487104B (zh) | 2024-02-02 |
Family
ID=81512726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210036047.8A Active CN114487104B (zh) | 2022-01-13 | 2022-01-13 | 基于优化变分模态相关系数对起重设备损伤的实时监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114487104B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102436586A (zh) * | 2011-10-28 | 2012-05-02 | 哈尔滨工业大学 | 一种基于小波阈值降噪和经验模态分解的高光谱图像分类方法 |
| 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 |
| CN110598615A (zh) * | 2019-09-04 | 2019-12-20 | 北京建筑大学 | 一种用于桥梁结构监测的数据降噪方法及系统 |
| CN110849968A (zh) * | 2019-11-05 | 2020-02-28 | 东南大学 | 基于自适应优化vmd的起重机主梁损伤声发射无损检测方法 |
-
2022
- 2022-01-13 CN CN202210036047.8A patent/CN114487104B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102436586A (zh) * | 2011-10-28 | 2012-05-02 | 哈尔滨工业大学 | 一种基于小波阈值降噪和经验模态分解的高光谱图像分类方法 |
| 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 |
| CN110598615A (zh) * | 2019-09-04 | 2019-12-20 | 北京建筑大学 | 一种用于桥梁结构监测的数据降噪方法及系统 |
| CN110849968A (zh) * | 2019-11-05 | 2020-02-28 | 东南大学 | 基于自适应优化vmd的起重机主梁损伤声发射无损检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114487104A (zh) | 2022-05-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101566541B (zh) | 采用突变模型对在役16Mn钢承力件进行拉伸损伤的评估系统 | |
| CN104881567A (zh) | 一种基于统计模型的桥梁健康监测数据小波降噪方法 | |
| CN106845429B (zh) | 振动信号分级判断识别方法、落石能量规模计算方法、落石危险预警方法 | |
| Abdullah et al. | A study of fatigue data editing using the Short-Time Fourier Transform (STFT) | |
| CN104458173B (zh) | 钢框架结构突变损伤的识别方法及系统 | |
| CN114487104B (zh) | 基于优化变分模态相关系数对起重设备损伤的实时监测方法 | |
| CN114964769A (zh) | 一种风电齿轮箱振动信号故障诊断方法 | |
| CN112115802A (zh) | 一种起重机回转机构齿轮故障诊断方法、系统及存储介质 | |
| CN113504038B (zh) | 一种工程装备臂架结构损伤评估方法 | |
| CN101776644A (zh) | 基于双谱分析的在役16锰钢承力件疲劳损伤状态表征与定量评估系统 | |
| CN110849968B (zh) | 基于自适应优化vmd的起重机主梁损伤声发射无损检测方法 | |
| CN116738314A (zh) | 一种基于神经网络的空压机故障检测方法 | |
| Sun et al. | Fault diagnosis of planetary gearbox based on signal denoising and convolutional neural network | |
| CN114001703B (zh) | 一种滑坡变形数据实时过滤方法 | |
| Xi et al. | Analysis of tool wear condition based on logarithm energy entropy and wavelet packet transformation | |
| Liu et al. | Multivariate wavelet denoising method based on synchrosqueezing for rolling element bearing fault diagnosis | |
| 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 | |
| Song et al. | Fault diagnosis and analysis of ball mill jars based on wavelet denoising and AR model power spectrum | |
| 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 | |
| CN114484286B (zh) | 水锤冲击压力信号的自适应滤波降噪方法 | |
| Liu et al. | Modal frequency identification of quayside container crane based on empirical mode decomposition and power spectrum | |
| CN112507599B (zh) | 一种基于粒子滤波算法的钕铁硼磁体裂纹断裂预测方法 | |
| Cao et al. | Strategy for detection and suppression of random impulse interferences in gearbox vibration signals | |
| CN111400883B (zh) | 基于频谱压缩的磁声发射信号特征提取方法 | |
| CN111678665B (zh) | 一种工件的结构质量实时监测方法与装置 |
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 |