CN116429902A - 一种风机叶片多裂纹声发射监测方法及系统 - Google Patents
一种风机叶片多裂纹声发射监测方法及系统 Download PDFInfo
- Publication number
- CN116429902A CN116429902A CN202310494052.8A CN202310494052A CN116429902A CN 116429902 A CN116429902 A CN 116429902A CN 202310494052 A CN202310494052 A CN 202310494052A CN 116429902 A CN116429902 A CN 116429902A
- Authority
- CN
- China
- Prior art keywords
- crack
- acoustic emission
- fan blade
- sensors
- acoustic
- 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 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 230000006378 damage Effects 0.000 claims abstract description 45
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims abstract description 18
- 238000009826 distribution Methods 0.000 claims abstract description 15
- 239000000463 material Substances 0.000 claims abstract description 14
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims abstract description 6
- 230000009467 reduction Effects 0.000 claims abstract description 6
- 230000005236 sound signal Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 19
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 2
- 230000000977 initiatory effect Effects 0.000 claims 1
- 239000012530 fluid Substances 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 2
- 238000010168 coupling process Methods 0.000 abstract description 2
- 238000005859 coupling reaction Methods 0.000 abstract description 2
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000000306 component Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 235000019687 Lamb Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000035784 germination Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
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
- G01N29/14—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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- 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
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/18—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using ultrasonic, sonic, or infrasonic waves
- G01S5/22—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- 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
- G01N2291/023—Solids
-
- 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
- G01N2291/025—Change of phase or condition
- G01N2291/0258—Structural degradation, e.g. fatigue of composites, ageing of oils
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Abstract
本发明提供了一种风机叶片多裂纹声发射监测方法及系统,根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式;利用布设方式的传感器阵列获取风机叶片的声发射信号;对各传感器获取的声发射信号进行降噪处理,在时域范围内进行小波变化和分解,提取多裂纹损伤的特征参数;基于特征参数,建立声波信号图,确定各传感器之间声波到达时差,根据时差确定风机叶片多裂纹声发射源疲劳损伤位置。本发明能够提高流体机械机组叶片裂纹的故障监测能力、有效提取声发射信号特征、能够识别出主裂纹,避免了复杂力学计算求解的难题,也克服了传统信号处理方法无法提取多耦合信号微细特征的问题,避免由于叶片的裂纹故障而引起的事故发生。
Description
技术领域
本发明属于监测技术领域,涉及一种风机叶片多裂纹声发射监测方法及系统。
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。
海上风力发电不仅成本低廉,环保无污染,而且风力资源无穷无尽。目前可再生能源利用中风力发电技术是最成熟,最具规模化开发条件的发电方式,其应用前景十分广阔。世界各国对风电发展都给予高度重视,尤其是发达国家,把开发风电作为调整能源结构、保护环境、合理利用资源、实现可持续发展的重要措施。
在风机工作过程中,最重要的核心部件是风机叶片,叶片的运行状态和使用寿命直接关乎风力发电的效率和风力发电的安全性。因此对运行中的风机叶片进行疲劳损伤监测就显得尤为重要。
风机叶片在能量转换中起到的作用十分重要,是风力发电的主要过流部分,所以叶片是否能稳定运转,直接决定了风电机组的工作效率与成本。在常见的风机设备故障中,由于叶片裂纹故障难以监测、初期隐蔽性好不易察觉,导致在监测过程中常被忽略,从而造成设备安全隐患。叶片裂纹故障现已成为风机运行过程中十分常见的隐患问题,以简单、高效、准确的方式对叶片裂纹故障进行监测,研究叶片裂纹损伤,尽可能的避免经济损失,是目前国内外设备故障诊断的主要难题。
由于风机叶片上的裂纹为非均匀分布的多裂纹组合,各个裂纹之间的相互作用也因其方向与分布的不同而形成不同的应力场,从而导致结构的剩余强度通常与以单一裂纹模型确定的剩余强度结果并不相同。裂纹分布较近时,裂纹之间的互相影响使得裂纹偏离各自的扩展方向,并且在达到一定条件时发生合并,形成新的主裂纹扩展,叶片裂纹的扩展速率会突然加快乃至发生瞬时断裂,对结构的寿命产生非常大的影响。因此,多裂纹监测是结构寿命评估的关键问题。但是,一直以来,对于叶片裂纹的研究主要集中在单裂纹上,对于多裂纹的定量辨识问题较少研究。
目前叶片裂纹监测技术主要包括振动测试、油液监测、热成像采样等方式,但是这些常见的监测方法都不适合大型流体机械机组的现场监测。声发射技术以其特有的实时无损监测的优势和特点,现在已成为材料领域和工程研究领域一种常用的疲劳损伤监测手段,其监测的灵敏性和监测结果的可靠性得到许多研究成果和现场试验的验证。应用声发射技术对机组叶片进行疲劳损伤监测,不但能定位出疲劳损伤裂纹发生的位置,还能监测出疲劳损伤裂纹扩展的全过程。但是声发射损伤监测过程中也会受到外界环境的干扰,比如仪器的激励效应、夹具碰撞以及环境噪音等外界因素的干扰,可能导致所采集的裂纹扩展信号和其他噪声信号的频率很相近,这样就会导致很难区分真正的疲劳损伤信号。
针对声发射信号的提取和声发射信号的去噪问题一直都是声发射疲劳裂纹损伤监测的热点问题,目前普遍采用的声发射参数分析方法并没有利用到声发射疲劳裂纹损伤的全部信息,对采集到的声发射信号进行处置和对信号波形进行识别的相关研究还有待加强。对于风机叶片这类工作环境恶劣的构件,采集到的是多模态混叠信号,常规的信号处理技术很难提取出真正有用的信息,这也为如何区分多裂纹损伤的信号特征,进而监测裂纹状态提升了难度。
发明内容
本发明为了解决上述问题,提出了一种风机叶片多裂纹声发射监测方法及系统,本发明能够提高流体机械机组叶片裂纹的故障监测能力、有效提取声发射信号特征、能够识别出主裂纹,避免了复杂力学计算求解的难题,也克服了传统信号处理方法无法提取多耦合信号微细特征的问题,避免由于叶片的裂纹故障而引起的事故发生。
根据一些实施例,本发明采用如下技术方案:
一种风机叶片多裂纹声发射监测方法,包括以下步骤:
根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式;
利用所述布设方式的传感器阵列获取风机叶片的声发射信号;
对各传感器获取的声发射信号进行降噪处理,在时域范围内进行小波变化和分解,提取多裂纹损伤的特征参数;
基于特征参数,建立声波信号图,确定各传感器之间声波到达时差,根据时差确定风机叶片多裂纹声发射源疲劳损伤位置。
作为可选择的实施方式,根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式的具体过程包括:
以目标叶片为声源,距离所述声源一定范围内,布设三个声信号传感器,其中三个声信号传感器呈L型布设,以距离声源最近的声信号传感器为L的交点,且其余声信号传感器距离该交点处的声信号传感器的距离,均远小于其和声源的距离。
作为可选择的实施方式,根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式的具体过程包括:
以目标叶片为声源,距离所述声源一定范围内,布设四个声信号传感器,其中四个声信号传感器呈Z型布设,以距离声源最近的声信号传感器为Z型中间的交点之一,且其余声信号传感器距离该交点处的声信号传感器的距离,均远小于其和声源的距离。
进一步的,相邻的两个声信号传感器的距离相同。
作为可选择的实施方式,所述分解为EMD经验模态分解。
作为可选择的实施方式,确定各传感器之间声波到达时差的具体过程包括:采用时差法分析各声波之间的到达同一波阵面的时间差。
作为进一步的,通过分析传感器接收到的波形图,读取比较首波到达时刻,即可得到任意两个传感器的首波到达时差。
作为可选择的实施方式,根据时差确定风机叶片多裂纹声发射源疲劳损伤位置的具体过程包括:根据各传感器的时差,确定声发射源所在的传播方向,当声发射信号到达同一阵列中的传感器时,将波阵面看作相互平行的平面,相邻传感器在不同方向与位于交点处的传感器连线与位于交点处的传感器和声源之间的连线的夹角看做近似相同,根据几何关系表示所述夹角;
结合各传感器之间接收到声发射信号的时间差,表示声速;
联合各表达式,计算声发射源位置。
作为可选择的实施方式,根据采集的声发射源信号,对信号幅值进行分析,确定信号能量频率范围以及信号能量与持续时间,进而判断出结构的损伤状态所属阶段。
作为进一步的,信号幅值进行分析包括如果产生的信号幅值在第一范围,则为萌生阶段,如果在第二范围,则为扩展阶段,如果产生的信号幅值在第三范围,则为断裂阶段,第三范围大于第二范围,第二范围大于第一范围。
作为进一步的,声发射信号能量与持续时间的判断过程包括,如果应力位移曲线从设定峰值应力开始不再是线性的,则认为微裂纹萌生,如果应力先急剧下降,后来下降缓慢,声发射信号的数量不断增加,能量增大,则为宏观裂纹合并;如果载荷下降缓慢,连续信号较少,且产生了高于设定值的能量信号,则认为是宏观裂纹扩展阶段。
作为进一步的,在分析时,利用均方根误差评价信号的相关性质量。
一种风机叶片多裂纹声发射监测系统,包括:
传感器布设方式确定模块,被配置为根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式;
信号获取模块,被配置为获取风机叶片的声发射信号;
第一处理模块,被配置为对各传感器获取的声发射信号进行降噪处理,在时域范围内进行小波变化和分解,提取多裂纹损伤的特征参数;
第二处理模块,被配置基于特征参数,建立声波信号图,确定各传感器之间声波到达时差,根据时差确定风机叶片多裂纹声发射源疲劳损伤位置。
与现有技术相比,本发明的有益效果为:
本发明不仅适用于风机叶片多裂纹疲劳损伤监测,也能够很好地适用于同类型的其他设备;仅需要4-6个声发射传感器,能够大大减少连续监测结构的成本;不需要任何迭代算法,有效地提高了定位精度和速度。
本发明对声发射监测中的风机叶片多裂纹疲劳损伤声发射源定位问题提出了新的方法,通过及时发现损伤位置及潜在威胁从而保障结构的安全性,在船舶与海洋工程、土木工程、海上新能源等领域有着良好的应用前景。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例方式的传感器布置方式;
图2为风机叶片多裂纹监测的声发射源定位模型的建立过程;
图3为风机叶片多裂纹监测过程中裂纹状态识别的算法实现;
图4为对采集到的声发射信号进行小波分解的示意图;
图5为本发明实施方式的“L”型传感器簇(1)示意图;
图6为本发明实施方式的“L”型传感器簇(2)示意图;
图7为本发明实施方式的“L”型传感器簇(3)示意图;
图8为本发明实施方式的“Z”型传感器簇示意图。。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明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发明的示例性实施方式。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:
一种适用于风机叶片多裂纹声发射监测方法,主要包括五个步骤:
第一步,根据风机叶片材料的声速分布性质建立声发射源定位传感器阵列;
第二步,记录并且存储各传感器接收到的来自声源的声波信号;
第三步,分析声波信号图,得到所需时差;
第四步,根据时差确定真伪声发射源的位置,即结构损伤位置;
第五步,判断出真实声发生源的位置,即结构损伤的真实位置。
其中,第一步中针对风机叶片多裂纹疲劳损伤状态建立声发射源定位的传感器阵列,需要根据风机叶片材料的声速分布性质进行,建立不同的声发射源定位传感器阵列方法。
第二步中记录并且存储各传感器接收到的来自声源的声波信号,对采集到的风机叶片多裂纹损伤的声发射信号进行去噪处理,而后在时域范围内进行小波分析、EMD经验模态分解,进而提取出多裂纹损伤的特征参数,进一步提升盲源信号分离的效果。
如图2所示,本发明建立了声发射源定位模型,所述模型包括以下几个部分:
裂纹监测阈值:通过研究裂纹率和幅值的大小,当测得的信号能量超过无裂纹时的110%时,认为有裂纹。
针对裂纹位置进行定位分析;
建立衰减定位模型,主要通过将采集到的裂纹声发射信号进行小波包分解,研究其能量分布特性,进而实现声源的定位;
宽频带声发射源定位模型:根据裂纹监测阈值选择节点,计算各有效节点的能量值,对各节点定位结果取均值便可得到准确的裂纹位置信息。
在部分实施例中,可以通过小波分析手段来对测试信号进行消噪,再利用智能算法(如盲去卷积MBLMS算法)来分离盲源信号并提取风机裂纹损伤声发射信号特征参数,进而根据提取的特征量来定量诊断裂纹疲劳损伤的发展趋势及裂纹扩张态势,并由此进一步明确疲劳损伤产生裂纹所处的状态与声发射信号特征参数之间的相关性,进而建立相关函数关系式。
在本实施例中,如图所示,可以确定小波包基函数和分解层数,根据裂纹监测阈值选择节点;计算各有效节点衰减系统,频率带入各节点的中心频率;计算各有效节点能量值,对各节点定位结果取均值,可以得到准确的裂纹源位置信息。
另外,构建“L”型或“Z”型传感器阵列的声发射源定位系统(具体下面介绍),仅需要4-6个声发射传感器,能够大大减少连续监测结构的成本;不需要任何迭代算法,有效地提高了定位精度和速度。
第三步中的分析声波信号图,得到所需时差,具体方法如下所述。
在风机叶片表面产生的声发射裂纹损伤的波形不是单一的波,声波在传播过程中不断地在边界之间反射和折射,形成包含很多模式的Lamb波,使得传感器接收到的声波很复杂。而如果根据叶片的厚度选择合适的频率,则可以使球壳壁中只存在S0和A0低阶模式波。其中,S0模式波的速度往往最快,会成为最先到达的为首波,而通过首波的分析得到同一波阵面的到达时差。
由于声学事件产生声波的准确时间是未知的,所以无法从到达各传感器的不同时刻获得精准的传播时间,但是各声波之间的到达时间差却很容易获得,因此采用时差法进行分析,则
Δtij=ti-tj=(Ti-T0)-(Tj-T0)=Ti-Tj=ΔTij
虽然声波到达各传感器的时刻T和传播时间t均不同,但是它们的差值ΔTij和Δtij是一样的。通过分析传感器接收到的波形图,读取比较首波到达时刻,即可得到任意两个传感器的首波到达时差。其中,如果球形容器表面中的波速定义为c,传播距离定义为di,那么声波从第i个传感器到第j个传感器的时差与从第i个传感器到第j个传感器的距离关系为dij=c×Δtij。
第四步中的根据时差确定声发射源位置,具体步骤如下所述。
如图5-图7所示,通过一组“L”型传感器阵列的时差,可以确定一个声发射源所在的大圆即传播方向;假设各传感器S1、S2、和S3的坐标分别为(x1,y1)、(x2,y2)、(x3,y3),声源P的坐标是(xp,yp),则三个接收传感器的坐标关系为:x1=x2-d,y1=y2,x3=x2以及y3=y1-d。其中传感器之间的距离d需要远小于从声发射源P到形传感器阵列(S1、S2、和S3)的距离,因此从声发射源到达同一阵列中的三个传感器的斜率大致相同。
当声发射信号到达同一阵列中的传感器时,可以将波阵面看作相互平行的平面,即使对于各向异性的材料,声发射源到各传感器在方向α上的波速c(α)也可看做近似相同,则附图中的角度α根据几何关系可以表示为:
将传感器S1和S2接收到声发射信号的时间差定义为Δt21,传感器S2和S3接收到声发射信号的时间差定义为Δt23,则:
由上述二式可得:
则声速可以表示为:
第五步中的判断真实声发射源的位置,根据步骤1-4中采集到的声发射信号进行分析处理,得到风机叶片多裂纹声发射源疲劳损伤位置。
如图8所示,提供了一种z型传感阵列,假设各传感器S1、S2、S3和S4的坐标分别为(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4),声源P的坐标是(xp,yp),标号相邻的两个传感器之间的距离均为d,其中传感器S2和声源P距离最近,为D,其中传感器之间的距离d需要远小于从声发射源P到形传感器阵列(S1、S2、和S3)的距离,从声发射源到达同一阵列中的四个传感器的斜率大致相同。具体判断过程和L型传感器阵列相似,在此不再赘述。
具体分析处理过程如图3所示,根据采集的声发射源信号,对信号幅值进行分析,确定信号能量频率范围以及信号能量与持续时间,进而判断出结构的损伤状态(处于萌生-扩展-断裂的哪个阶段)。
根据声发射信号的数量、信号能量频率范围以及信号能量与持续时间等特征参数,进一步验证本发明提供的风机叶片多裂纹声发射监测的可靠性。
其中,信号幅值进行分析包括:如果产生的信号幅值在第一范围,则为萌生阶段,如果在第二范围,则为扩展阶段,如果产生的信号幅值在第三范围,则为断裂阶段,第三范围大于第二范围,第二范围大于第一范围。至于第一、第二和第三范围的设定,可以根据具体情况进行配置,在此不再赘述。
声发射源信号的数量分析可以选用现有方法,如参数分析法、频谱分析法。信号能量频率范围,包括弹性变形阶段、塑性变形阶段、裂纹扩展阶段等。
声发射信号能量与持续时间的判断过程包括,如果应力位移曲线从设定峰值应力开始不再是线性的,则认为微裂纹萌生,如果应力先是急剧下降,后来下降缓慢,声发射信号的数量不断增加,能量增大,则为宏观裂纹合并;如果载荷下降缓慢,连续信号较少,且产生了高于设定值的能量信号,则认为是宏观裂纹扩展阶段。
在分析时,还可以利用均方根误差评价相关性质量。
通过多次改变模拟声源的位置,进行重复实验,实验结果表明不同声发射源位置预测的误差都不大,证明该技术能够实现声发射源的快速定位。
实施例二:
一种风机叶片多裂纹声发射监测系统,包括:
传感器布设方式确定模块,被配置为根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式;
信号获取模块,被配置为获取风机叶片的声发射信号;
第一处理模块,被配置为对各传感器获取的声发射信号进行降噪处理,在时域范围内进行小波变化和分解,提取多裂纹损伤的特征参数;
第二处理模块,被配置基于特征参数,建立声波信号图,确定各传感器之间声波到达时差,根据时差确定风机叶片多裂纹声发射源疲劳损伤位置。
本发明中的一种适用于风机叶片的多裂纹疲劳损伤声发射源监测方法不仅适用于风机叶片多裂纹疲劳损伤监测,也能够很好地适用于同类型的其他设备;仅需要4-6个声发射传感器,能够大大减少连续监测结构的成本;不需要任何迭代算法,有效地提高了定位精度和速度。本发明对声发射监测中的风机叶片多裂纹疲劳损伤声发射源定位问题提出了新的方法,通过及时发现损伤位置及潜在威胁从而保障结构的安全性,在船舶与海洋工程、土木工程、石油化工、海上新能源等领域有着良好的应用前景。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
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)
1.一种风机叶片多裂纹声发射监测方法,其特征是,包括以下步骤:
根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式;
利用所述布设方式的传感器阵列获取风机叶片的声发射信号;
对各传感器获取的声发射信号进行降噪处理,在时域范围内进行小波变化和分解,提取多裂纹损伤的特征参数;
基于特征参数,建立声波信号图,确定各传感器之间声波到达时差,根据时差确定风机叶片多裂纹声发射源疲劳损伤位置。
2.如权利要求1所述的一种风机叶片多裂纹声发射监测方法,其特征是,根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式的具体过程包括:
以目标叶片为声源,距离所述声源一定范围内,布设三个声信号传感器,其中三个声信号传感器呈L型布设,以距离声源最近的声信号传感器为L的交点,且其余声信号传感器距离该交点处的声信号传感器的距离,均远小于其和声源的距离。
3.如权利要求1所述的一种风机叶片多裂纹声发射监测方法,其特征是,根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式的具体过程包括:
以目标叶片为声源,距离所述声源一定范围内,布设四个声信号传感器,其中四个声信号传感器呈Z型布设,以距离声源最近的声信号传感器为Z型中间的交点之一,且其余声信号传感器距离该交点处的声信号传感器的距离,均远小于其和声源的距离。
4.如权利要求2或3所述的一种风机叶片多裂纹声发射监测方法,其特征是,相邻的两个声信号传感器的距离相同。
5.如权利要求1所述的一种风机叶片多裂纹声发射监测方法,其特征是,确定各传感器之间声波到达时差的具体过程包括:采用时差法分析各声波之间的到达同一波阵面的时间差。
6.如权利要求5所述的一种风机叶片多裂纹声发射监测方法,其特征是,通过分析传感器接收到的波形图,读取比较首波到达时刻,即可得到任意两个传感器的首波到达时差。
7.如权利要求1所述的一种风机叶片多裂纹声发射监测方法,其特征是,根据时差确定风机叶片多裂纹声发射源疲劳损伤位置的具体过程包括:根据各传感器的时差,确定声发射源所在的传播方向,当声发射信号到达同一阵列中的传感器时,将波阵面看作相互平行的平面,相邻传感器在不同方向与位于交点处的传感器连线与位于交点处的传感器和声源之间的连线的夹角看做近似相同,根据几何关系表示所述夹角;
结合各传感器之间接收到声发射信号的时间差,表示声速;
联合各表达式,计算声发射源位置。
8.如权利要求1所述的一种风机叶片多裂纹声发射监测方法,其特征是,根据采集的声发射源信号,对信号幅值进行分析,确定信号能量频率范围以及信号能量与持续时间,进而判断出结构的损伤状态所属阶段。
9.如权利要求8所述的一种风机叶片多裂纹声发射监测方法,其特征是,信号幅值进行分析包括如果产生的信号幅值在第一范围,则为萌生阶段,如果在第二范围,则为扩展阶段,如果产生的信号幅值在第三范围,则为断裂阶段,第三范围大于第二范围,第二范围大于第一范围;
或,声发射信号能量与持续时间的判断过程包括,如果应力位移曲线从设定峰值应力开始不再是线性的,则认为微裂纹萌生,如果应力先急剧下降,后来下降缓慢,声发射信号的数量不断增加,能量增大,则为宏观裂纹合并;如果载荷下降缓慢,连续信号较少,且产生了高于设定值的能量信号,则认为是宏观裂纹扩展阶段。
10.一种风机叶片多裂纹声发射监测系统,其特征是,包括:
传感器布设方式确定模块,被配置为根据风机叶片材料的声速分布性质确定发射源定位传感器阵列布设方式;
信号获取模块,被配置为获取风机叶片的声发射信号;
第一处理模块,被配置为对各传感器获取的声发射信号进行降噪处理,在时域范围内进行小波变化和分解,提取多裂纹损伤的特征参数;
第二处理模块,被配置基于特征参数,建立声波信号图,确定各传感器之间声波到达时差,根据时差确定风机叶片多裂纹声发射源疲劳损伤位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310494052.8A CN116429902A (zh) | 2023-04-26 | 2023-04-26 | 一种风机叶片多裂纹声发射监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310494052.8A CN116429902A (zh) | 2023-04-26 | 2023-04-26 | 一种风机叶片多裂纹声发射监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116429902A true CN116429902A (zh) | 2023-07-14 |
Family
ID=87083286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310494052.8A Pending CN116429902A (zh) | 2023-04-26 | 2023-04-26 | 一种风机叶片多裂纹声发射监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116429902A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116973451A (zh) * | 2023-08-02 | 2023-10-31 | 郑州大学 | 一种预应力孔道内钢束损伤双声发射传感器空间定位方法 |
CN117216911A (zh) * | 2023-11-07 | 2023-12-12 | 天津大学 | 基于惯性释放理论的单立柱式海上风机结构响应计算方法 |
-
2023
- 2023-04-26 CN CN202310494052.8A patent/CN116429902A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116973451A (zh) * | 2023-08-02 | 2023-10-31 | 郑州大学 | 一种预应力孔道内钢束损伤双声发射传感器空间定位方法 |
CN117216911A (zh) * | 2023-11-07 | 2023-12-12 | 天津大学 | 基于惯性释放理论的单立柱式海上风机结构响应计算方法 |
CN117216911B (zh) * | 2023-11-07 | 2024-02-02 | 天津大学 | 基于惯性释放理论的单立柱式海上风机结构响应计算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116429902A (zh) | 一种风机叶片多裂纹声发射监测方法及系统 | |
Zhang et al. | Deep convolutional neural network probability imaging for plate structural health monitoring using guided waves | |
CN107014668A (zh) | 一种基于压电和智能涂层传感器的疲劳裂纹综合监测方法 | |
Muñoz et al. | New pipe notch detection and location method for short distances employing ultrasonic guided waves | |
CN101285796B (zh) | 热障涂层损伤及其失效过程的声发射实时检测方法 | |
CN104239681B (zh) | 基于脉冲激励响应信号互功率谱函数的主轴系统运行模态分析方法 | |
Xu et al. | Fan fault diagnosis based on symmetrized dot pattern analysis and image matching | |
CN105334269A (zh) | 一种基于神经网络和导波特征数据库的管道缺陷类别判别方法 | |
CN103760243A (zh) | 一种微裂纹无损检测装置及方法 | |
CN105866250B (zh) | 基于振动的通风机叶片裂纹识别方法 | |
CN103901102B (zh) | 一种基于超声相控阵技术的锻件典型缺陷识别方法 | |
Hall et al. | Acoustic emissions diagnosis of rotor-stator rubs using the KS statistic | |
CN108007681A (zh) | 一种利用麦克风阵列进行机械故障检测的方法 | |
CN107121501A (zh) | 一种汽轮机叶轮缺陷分类方法 | |
CN112162034A (zh) | 一种应用结构噪声的钢-混凝土组合梁损伤识别方法 | |
Jamia et al. | Mistuning identification in a bladed disk using wavelet packet transform | |
CN203745428U (zh) | 一种微裂纹无损检测装置 | |
Wang et al. | Identification of engine faults based on acoustic emission signals using a 1DCNN-ViT ensemble model | |
Choi et al. | Application of modal-based damage-detection method to locate and evaluate damage in timber beams | |
Lu et al. | Shaft crack identification based on vibration and AE signals | |
CN108287197A (zh) | 声发射塔吊安全检测系统的信号处理方法 | |
CN108205016A (zh) | 声发射塔吊安全检测的工控机系统 | |
Wang et al. | Lamb wave tomography technique for crack damage detection | |
Huang et al. | System eigenvalue identification of mistuned bladed disks using least-squares complex frequency-domain method | |
Gao et al. | Acoustic emission-based small leak detection of propulsion system pipeline of sounding rocket |
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 |