CN116878831A - 一种螺栓松动监测方法及监测装置 - Google Patents
一种螺栓松动监测方法及监测装置 Download PDFInfo
- Publication number
- CN116878831A CN116878831A CN202310043474.3A CN202310043474A CN116878831A CN 116878831 A CN116878831 A CN 116878831A CN 202310043474 A CN202310043474 A CN 202310043474A CN 116878831 A CN116878831 A CN 116878831A
- Authority
- CN
- China
- Prior art keywords
- bolt
- value
- sequence
- dynamic strain
- loosening
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012806 monitoring device Methods 0.000 title claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000003672 processing method Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000008859 change Effects 0.000 claims description 23
- 238000004458 analytical method Methods 0.000 claims description 18
- 230000008878 coupling Effects 0.000 claims description 18
- 238000010168 coupling process Methods 0.000 claims description 18
- 238000005859 coupling reaction Methods 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000003247 decreasing effect Effects 0.000 description 4
- 238000006467 substitution reaction Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01M13/00—Testing of machine parts
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/22—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring angles or tapers; for testing the alignment of axes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
Abstract
一种螺栓松动监测方法及监测装置,提出一种螺栓监测信号采集处理方法,结合该方法获得了一种螺栓松动系数计算方法,进而获得了一种螺栓预松动预警方法;并提出了一种螺栓动态应变均值的增长系数计算方法;应用上述数据处理,并联合采集所需的信号,获得一种螺栓松动监测装置;解决当前风机法兰盘螺栓松动监测方法和装置欠缺的问题,可减少风机法兰盘螺栓松动引起的安全事故的发生,及科学指导风机日常运维的进而降低日常维修成本。
Description
技术领域
本发明涉及结构安全监测方法及装置技术领域,具体涉及一种螺栓松动监测方法及监测装置。
背景技术
风机法兰盘螺栓松动是风机运营期间的一种常见故障;目前还没有较成熟的监测方法和装置,已有的螺栓松动监测方法和装置主要有:(1)使用应变计对螺栓的应力进行监测;(2)使用超声波探测螺栓长度或使用角度传感器检测螺栓与螺母之间的相对角度变化两种方法;这三种方法都存在各自的突出点和不足的地方;(1)中:应变计可非常灵敏地感应到螺栓应变应力的变化,但是其输出值对外部荷载作用等也较敏感;因此,此方法的监测结果的可靠性较差;(2)中:超声波探测法由于受环境温度影响较大,用于长期监测时需要采取温漂补偿装置,导致安装过程复杂、监测成本过高,限制了其使用范围;
而且采集的信号受到周围电磁干扰后,采集的信号混入了这种随机性扰动无法消除,导致数据失真,无法进行有效利用;因此如何消除干扰,对采集信号消除这种干扰影响,目前缺乏有效技术措施;
目前针对螺栓松动,普遍是采用传感器监测其变形量,传统依赖于变形的大小,即变形量的变化尺度,缺乏一种有效可以预测的螺栓松动的核算方法,而依赖于传感器的监测,是已经发生变形的结果,如果依据变形量进行更换维护存在两个问题:如果变形量定得过大,导致螺栓已经被破坏,已经发生安全隐患,起到是事后预警,无法有效规避设备运行的安全隐患;如果定的变形量过小,依据此进行更换维护,则存在随机性的误差,以及螺栓尚且有使用寿命余量,导致其无法完全发挥其应有的使用寿命;因此传统这种单个传感器的测应变的方式,存在要么过频或过早的更换,或者存在过晚或螺栓破坏后的维修更换,即隐患下的设备运行风险无法规避;
因此,目前对螺栓松动的结构性风险,缺乏有效的预警方法,也缺少一种可以有效对螺栓松动监测的装置。
发明内容
有鉴于此,针对现有技术的不足,本发明的目的在于提供一种新型螺栓松动监测方法:把螺栓的应变监测数据和螺母相对转动数据深度融合,建立了螺栓松动概率评估和松动预警模型、螺栓松动后的影响程度评估及松动报警模型,进而实现风机法兰盘螺栓松动前的趋势预警和松动后的危险性程度报警;基于此方法设计了一种新的装置螺栓松动监测装置。
本申请旨在解决背景技术中的问题之一。
本发明所采用的技术方案为:为实现上述目的及其他相关目的,本发明提供一种螺栓监测信号采集处理方法,将t时段内采集的螺母转动角度和动应变变化值耦合操作后,提取大于或等于0的值,去除小于0的值;耦合操作为:t时段内采集的螺母转动角度和动应变变化值一一对应相乘。
本申请提供的一种技术方案,还具有以下技术特征:
优选的,t时段内采集至少一组A和B;
A为螺栓动态应变相对初始值的n个变化数值序列:At=[a1 a2 … an-1 an];
B为螺母转动角度相对初始值的n个变化数值序列:Bt=[b1 b2 … bn-1 bn];
序列A乘以序列B合得到序列C:C=[a1b1 a2b2 … an-1bn-1 anbn];
n≥z≥1,且z为整数,满足C序列里azbz大于或等于0的值:
提取az,得到数据序列At′;
提取bz,得到数据序列Bt′。
优选的,提取提取az、提取bz的顺序一致,z从1至n,筛选符合azbz大于或等于0条件的对应的az和bz。
优选的,数据序列At′、Bt′分别进行均值计算,得到螺栓t时段内的应变均值,即该t时段的特征值at、bt;
第1个t时段至第m个t时段,连续监测得到包含m个特征值的序列:
动态应变均值序列,Amt=[a1t a2t … a(m-1)t amt];
螺母转动角度均值序列;Bmt=[b1t b2t … b(m-1)t bmt]。
应用上述一种螺栓监测信号采集处理方法,得到一种螺栓松动系数计算方法,K个mt时段间隔内,得到样本序列:
A1mt,A2mt,…,Akmt,B1mt,B2mt,…,Bkmt;
连续增大的序列:该序列的每个值不小于下一个相邻值,
即该序列的每个值满足:ayxt≤ay(x+1)t,byxt≤by(x+1)t,1≤x≤m,1≤y≤k;
其中,A1mt,A2mt,…,Akmt中连续增大的序列数量统计为S;
其中,B1mt,B2mt,…,Bkmt中连续增大的序列数量统计为T;
对特征值序列分别进行增长趋势评估概率计算:
动态应变均值序列出现增长趋势的概率为:P(A)=S/K;
螺母转动角度均值序列出现增长趋势的概率为:P(B)=T/K;
螺栓松动系数P(C)=βP(A)+(1-β)P(B);0≤β≤1,β为修正系数,和螺栓及螺母规格材料相关;
代入P(A)和P(B),P(C)=(βS+T-βT)/K。
优选的,K个mt时段间,每个相邻的mt时段之间,为连续的或等间隔,或非等间隔的。
优选的,t/n为1秒。
优选的,t时段为一分钟,n为60。
优选的,K个mt时段,在一个月内。
应用上述一种螺栓松动系数计算方法,得到一种螺栓预松动预警方法,P(C)<0.5,螺栓为安全的,不发出预警;P(C)≥0.5,发出螺栓松动预警。
一种螺栓动态应变均值的增长系数计算方法,对一个动态应变均值序列,或一个以上按时序衔接的动态变均值序列,进行均值增长筛选,设动态应变均值序列为d=[d1 d2… dp-1 dp];
d中相邻的数值中,依次h从1至p,不符合dh<dh+1,去除dh+1得到序列d′;
对序列d′循环执行均值增长筛选,直至数列dlast中所有均值,均符合dh<dh+1;
数列dlast中的均值个数为r个,则增长系数为:P(d)=r/p。
该技术方案,还具有以下技术特征:
优选的,得到一种螺栓预松动预警方法,应用一种螺栓动态应变均值的增长系数计算方法获得P(d),P(C)≥0.5,且:螺母转动角度变化值的最大值或最小值的绝对值大于1°,动态应变均值的增长系数P(d)大于0.5;发出螺栓松动预警。
一种螺栓松动监测装置,包含螺栓动应变感应模块、螺母转动角度感应模块、数据采集与分析模块,数据采集与分析模块连接螺栓动应变感应模块和螺母转动角度感应模块;
螺栓动应变感应模块,用于监测法兰盘螺栓的动态应变值;
螺母转动角度感应模块,用于监测螺母相对螺栓的转动角度值;
数据采集与分析模块,用于采集螺栓动应变感应模块信号、螺母转动角度感应模块信号。
该技术方案,还具有以下技术特征:
优选的,螺栓动应变感应模块为全桥型电阻式动态应变计,全桥型电阻式动态应变计通过;两端焊接在螺栓上;螺母转动角度感应模块口合在螺母上。
优选的,数据采集与分析模块在线提取出各监测参量的特征值,数据采集与分析模块对采集信号进行耦合操作并计算均值,获得均值序列,并获取T、S、K;螺栓松动概率评估与预警模块,用于计算P(C)。
优选的,螺栓松动监测装置用于法兰盘螺栓松动监测,螺栓动应变感应模块和螺母转动角度感应模块通过同频次采样开关,连接数据采集与分析模块。
优选的,同频次采样开关为等周期同步采样器。
优选的,螺栓松动概率评估与预警模块,用于评估螺栓可能会松动的概率和趋势,及对松动概率较大的螺栓发出松动预警信息。
优选的,螺栓松动程度和安全报警模块,用于评估螺栓松动后的影响程度和发出松动危险性报警信息。
本发明,具有以下有益效果:
1、本发明针对螺栓松动现象,尤其是风机法兰盘的螺栓松动现象,但是还没有较成熟的监测方法和装置;本项发明创造性地提出了一种实施成本低、结果可靠的风机法兰盘螺栓松动监测方法和设计了相应装置。
2、本发明采用一种螺栓监测信号采集处理方法,通过耦合操作消除电磁干扰信号值,去除了干扰和随机错误值,获得有效的精准的采集信号,为精准预测螺栓松动提供技术支撑;该原理是:螺栓被拉长时,动态应变值增大,反之变小;螺栓被拉长时,螺母相对螺栓的角度值变大,反之变小;因此,在螺栓预应力未完全损失前,动态应变计和角度传感器输出值具有变化方向一致性,耦合操作中,大于或等于0的值为应变变化值和角度变化值符合同向变化的一致性,为有效数据;耦合操作中,小于0的值为应变变化值和角度变化值不符合同向变化的一致性,为干扰数据。
3、本发明在消除干扰信号后,利用耦合操作获得采集的信号,并进行均值化,获得均值序列,为下一步的螺栓松动系数计算提供数据支撑;本计算方法,依据螺栓采集到的多个动态应变均值序列和螺母转动角度均值序列,统计其中递增的序列,即可知道螺栓的连续变化情况,并根据上述采集的均值序列的变化统计,得到螺栓松动系数,即其中螺栓在间隔的多个mt时段内,多个序列呈现连续增长,在增长序列内的单个mt时段,动态应变均值也是连续增大的;本发明提供了一种行之有效的螺栓松动系数的估算方法,提供及时采集的信号处理,获得螺栓松动的安全评估情况;为检修维护提供可靠的依据;本项发明可解决当前风机法兰盘螺栓松动监测方法和装置欠缺的问题,可减少风机法兰盘螺栓松动引起的安全事故的发生,及科学指导风机日常运维的进而降低日常维修成本。
4、本发明还提供了一种利用采集信号值的最大值的应用处理方法,在螺母转动角度变化值的最大值或最小值的绝对值大于1°,且动态应变均值的增长系数P(d)大于0.5,利用这种变化的突变情况,来估算螺栓松动的风险,作为螺栓松动的一个标志信号,对于排除干扰,或者说弥补前期起步阶段采集的均值序列过少,如k小于30,t为一分钟;导致的螺栓使用并监测的初期,由于P(A)、P(B)、P(C)持续增长,叠加数据样本少的情况导致的螺栓松动系数大,从而估算螺栓风险大的这种误触发,消除这种误触发非常有效。
附图说明
图1为本发明的一种螺栓松动监测装置的系统示意图;
图2为本发明的一种螺栓松动监测方法的流程示意图;
图3为本发明的一种螺栓松动监测装置的动应变计安装状态示意图;
图4为本发明的一种螺栓松动监测装置的角度传感器的示意图;
图中标记说明如下:
1、螺栓
2、动应变计
3、角度传感器
4、螺母。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步详细说明。这些实施方式仅用于说明本发明,而并非对本发明的限制。
在本发明的描述中,需要说明的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
一种螺栓监测信号采集处理方法,将t时段内采集的螺母转动角度和动应变变化值耦合操作后,提取大于或等于0的值,去除小于0的值;耦合操作为:t时段内采集的螺母转动角度和动应变变化值一一对应相乘;
本发明具有这样的特点:利用耦合操作,消除了电磁干扰,以及两者变形异常;利用这样一个变化趋势的协同性,螺栓被拉长时,动态应变值增大,反之变小;
螺栓被拉长时,螺母相对螺栓的角度值变大,反之变小;
因此,在螺栓预应力未完全损失前,动态应变计和角度传感器输出值具有变化方向一致性。
具体的,t时段内采集至少一组A和B;t时段根据应用场景和传感器采样频次确定,可以为一分钟,每秒采集一次;或者t时段为一小时,每秒采集一次;
A为螺栓动态应变相对初始值的n个变化数值序列:At=[a1 a2 … an-1 an];
B为螺母转动角度相对初始值的n个变化数值序列:Bt=[b1 b2 … bn-1 bn];
序列A乘以序列B合得到序列C:C=[a1b1 a2b2 … an-1bn-1 anbn];
n≥z≥1,且z为整数,满足C序列里azbz大于或等于0的值:
提取az,得到数据序列At′;
提取bz,得到数据序列Bt′;得到消除干扰的均值数列,为接下来的分析提供可靠的数据基础。
具体的,提取提取az、提取bz的顺序一致,z从1至n,筛选符合azbz大于或等于0条件的对应的az和bz。
具体的,数据序列At′、Bt′分别进行均值计算,得到螺栓t时段内的应变均值,即该t时段的特征值at、bt;
第1个t时段至第m个t时段,连续监测得到包含m个特征值的序列:
动态应变均值序列,Amt=[a1t a2t … a(m-1)t amt];
螺母转动角度均值序列;Bmt=[b1t b2t … b(m-1)t bmt]。
应用上述一种螺栓监测信号采集处理方法,得到一种螺栓松动系数计算方法,K个mt时段间隔内,得到样本序列:
A1mt,A2mt,…,Akmt,B1mt,B2mt,…,Bkmt;
连续增大的序列:该序列的每个值不小于下一个相邻值,
即该序列的每个值满足:ayxt≤ay(x+1)t,byxt≤by(x+1)t,1≤x≤n,1≤y≤k;
其中,A1mt,A2mt,…,Akmt中连续增大的序列数量统计为S;
其中,B1mt,B2mt,…,Bkmt中连续增大的序列数量统计为T;
对特征值序列分别进行增长趋势评估概率计算:
动态应变均值序列出现增长趋势的概率为:P(A)=S/K;
螺母转动角度均值序列出现增长趋势的概率为:P(B)=T/K;
螺栓松动系数P(C)=βP(A)+(1-β)P(B);0≤β≤1,β为修正系数,和螺栓及螺母规格材料相关;
代入P(A)和P(B),P(C)=(βS+T-βT)/K;
根据应用场景,可以建立初始β系数,令β=0.5,然后进行仿真模拟,或者试验,然后修正β,使其接近模拟或者仿真结果,当误差小于5%时,迭代修正的β值即为该螺栓规格的修正系数。
具体的,针对风机法兰盘某螺栓松动进行测试其螺栓松动系数,并在其松动后进行记录;
观察校验螺栓情况,获得如下数据,及观察结果如下:
K=100;
S | P(A) | T | P(B) | 是否松动 |
5 | 0.05 | 5 | 0.05 | 否 |
15 | 0.15 | 15 | 0.15 | 否 |
25 | 0.25 | 10 | 0.1 | 否 |
35 | 0.35 | 15 | 0.15 | 否 |
45 | 0.45 | 20 | 0.2 | 否 |
55 | 0.55 | 25 | 0.25 | 否 |
65 | 0.65 | 20 | 0.2 | 是 |
75 | 0.75 | 35 | 0.35 | 是 |
85 | 0.85 | 20 | 0.2 | 是 |
95 | 0.95 | 30 | 0.3 | 是 |
对初始代入β为0.4、0.5、0.6,计算P(C),校对是否符合观察结果,对β调整方向;
β | 0.4 | 0.5 | 0.6 | 是否松动 |
P(C) | 0.05 | 0.05 | 0.05 | 否 |
P(C) | 0.15 | 0.15 | 0.15 | 否 |
P(C) | 0.16 | 0.175 | 0.19 | 否 |
P(C) | 0.23 | 0.25 | 0.27 | 否 |
P(C) | 0.3 | 0.325 | 0.35 | 否 |
P(C) | 0.37 | 0.4 | 0.43 | 否 |
P(C) | 0.38 | 0.425 | 0.47 | 是 |
P(C) | 0.51 | 0.55 | 0.59 | 是 |
P(C) | 0.46 | 0.525 | 0.59 | 是 |
P(C) | 0.56 | 0.625 | 0.69 | 是 |
因此进一步的,调整代入β为0.7、0.8、0.9,校对是否符合观察结果;
β | 0.7 | 0.8 | 0.9 | 是否松动 |
P(C) | 0.05 | 0.05 | 0.05 | 否 |
P(C) | 0.15 | 0.15 | 0.15 | 否 |
P(C) | 0.205 | 0.22 | 0.235 | 否 |
P(C) | 0.29 | 0.31 | 0.33 | 否 |
P(C) | 0.375 | 0.4 | 0.425 | 否 |
P(C) | 0.46 | 0.49 | 0.52 | 否 |
P(C) | 0.515 | 0.56 | 0.605 | 是 |
P(C) | 0.63 | 0.67 | 0.71 | 是 |
P(C) | 0.655 | 0.72 | 0.785 | 是 |
P(C) | 0.755 | 0.82 | 0.885 | 是 |
因此β在0.7和0.8之间,通过获得更多的样本可以进一步修正β,因此,本次观察和校对的β=0.75;对后续的螺栓松动可以采用此修正系数进行估算,代入β=0.75,P(C)=(0.75S+0.25T)/K。
具体的,K个mt时段间,每个相邻的mt时段之间,为连续的或等间隔,或非等间隔的。
应用上述一种螺栓松动系数计算方法,得到一种螺栓预松动预警方法,P(C)<0.5,螺栓为安全的,不发出预警;P(C)≥0.5,发出螺栓松动预警。
一种螺栓动态应变均值的增长系数计算方法,对一个动态应变均值序列,或一个以上按时序衔接的动态变均值序列,进行均值增长筛选,设动态应变均值序列为d=[d1 d2… dp-1 dp];
d中相邻的数值中,依次h从1至p,不符合dh<dh+1,去除dh+1得到序列d′;
对序列d′循环执行均值增长筛选,直至数列dlast中所有均值,均符合dh<dh+1;
数列dlast中的均值个数为r个,则增长系数为:P(d)=r/p;该增长系数,可以估算动态应变的变化速度,及其符合连续增长,由于动态应变是连续变化的,即伸缩式变化,而且只有一次比一次的应变大,螺栓才可能被破坏,包括疲劳破坏及一次性过载破坏;因此采用此增长系数,可以估算螺栓的连续应变是否处于安全范围内。
具体的,得到一种螺栓预松动预警方法,应用一种螺栓动态应变均值的增长系数计算方法获得P(d),P(C)≥0.5,且:螺母转动角度变化值的最大值或最小值的绝对值大于1°,动态应变均值的增长系数P(d)大于0.5;发出螺栓松动预警;利用该系数P(d)消除初始样本过少导致的误触发预警,以及排除螺母转动角度变化值比较小的情况下的干扰数据,一般螺母转动角的绝对值小于1°,可以认为无松动风险。
如图3、4,一种螺栓松动监测装置,包含螺栓动应变感应模块、螺母转动角度感应模块、数据采集与分析模块,数据采集与分析模块连接螺栓动应变感应模块和螺母转动角度感应模块;
螺栓动应变感应模块,用于监测法兰盘螺栓的动态应变值;螺栓动应变感应模块为动应变计2;
螺母转动角度感应模块,用于监测螺母相对螺栓的转动角度值;螺母转动角度感应模块为角度传感器3;
数据采集与分析模块,用于采集螺栓动应变感应模块信号、螺母转动角度感应模块信号。
具体的,螺栓动应变感应模块为全桥型电阻式动态应变计,全桥型电阻式动态应变计通过;两端焊接在螺栓1上;螺母转动角度感应模块口合在螺母4上。
具体的,数据采集与分析模块在线提取出各监测参量的特征值,数据采集与分析模块对采集信号进行耦合操作并计算均值,获得均值序列,并获取T、S、K;螺栓松动概率评估与预警模块,用于计算P(C)。
具体的,螺栓松动概率评估与预警模块,用于评估螺栓可能会松动的概率和趋势,及对松动概率较大的螺栓发出松动预警信息。
具体的,螺栓松动程度和安全报警模块,用于评估螺栓松动后的影响程度和发出松动危险性报警信息。
具体的,如图2,t/n为1秒,t时段为一分钟,n为60;K个mt时段,在一个月内;
通过持续获取采集信号,并经过耦合操作,获得了动态应变均值序列出现增长趋势的概率为:P(A)=S/K;螺母转动角度均值序列出现增长趋势的概率为:P(B)=T/K;螺栓松动系数P(C)=0.8P(A)+0.2P(B);动态应变数据对螺栓松动早期更加敏感,而角度数据对螺栓松动早期敏感度较低,基于两个监测参量对螺栓松动的敏感程度,可确定不同的加权系数,本案例动态应变数据的加权系数为0.75,角度为0.25,针对不同螺栓,然后依据监测结果,可以迭代修正该系数,修正对应的螺栓所属的系数。
如图1,模块1为螺栓动应变感应模块,用于实时感应法兰盘螺栓的动态应变值,此模块可由多个动应变传感器构成。每个法兰盘可等间隔选择多个螺栓做为动应变监测对象,及在每个螺栓上竖向安装1个动应变计。
动应变传感器的性能指标满足以下要求:
有效频带优于0-10Hz;灵敏度大于0.1毫伏/微应变;最大测量量程优于3000微应变;分辨率优于1微应变;RS485通讯;动应变计可选择市面上的全桥型电阻式动态应变计,如QZDB-B型动态应变计;应变计的两端底座直接焊接在螺栓上,如图3所示。
模块2为螺母转动角度感应模块,用于实时感应螺母相对螺栓的转动角度值;此模块可由多个角度传感器构成。每个法兰盘可等间隔选择多个螺栓做为螺母松动角度监测对象,及在每个螺栓上安装1个角度传感器;
角度传感器的性能指标满足以下要求:角度分辨率优于0.1度;最大测量量程为360度;RS485通讯;角度传感器底部磁座内尺寸与螺栓外尺寸匹配成螺丝固定,传感器外部罩需固定在螺母上表面,如图4所示。
模块3为数据采集与分析模块,用于采集动应变信号、螺母转动角度信号,和在线提取出各监测参量的特征值;其中采用的耦合操作筛选有效数据,排除干扰;利用对于该螺栓先建立的修正系数β,并进行计算P(C)、P(A)、P(B);并计算P(d)。
模块4为螺栓松动概率评估与预警模块,用于评估螺栓可能会松动的概率和趋势,及对松动概率较大的螺栓发出松动预警信息;
模块5为螺栓松动程度和安全报警模块,用于评估螺栓松动后的影响程度和发出松动危险性报警信息。
具体的,本发明还提出一种多个螺栓估算松动风险的方法,
步骤1:单个螺栓松动程度等级分为:正常、松动预警、松动报警。
P(C)<0.5,螺栓松动正常;
P(C)≥0.5,松动预警。
当满足以下条件1和2时,则判断为螺栓松动报警:
条件1:螺母转动角度变化值的绝对值大于1°;
条件2:动态应变均值的增长系数P(d)大于0.5.
步骤2:整个法兰盘的螺栓松动安全等级按照下表判断;
总的来说,本申请是这样使用和实现的,利用一种螺栓监测信号采集处理方法,利用耦合操作,消除干扰信号,获得可靠的信号均值;结合该方法获得了一种螺栓松动系数计算方法,计算迭代修正系数β,确定螺栓松动系数P(C),进而获得了一种螺栓预松动预警方法;并提出了一种螺栓动态应变均值的增长系数计算方法,P(d)并作为预警启动有效标志;应用上述数据处理,并联合采集所需的信号,获得一种螺栓松动监测装置,解决当前风机法兰盘螺栓松动监测方法和装置欠缺的问题。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (10)
1.一种螺栓监测信号采集处理方法,其特征在于,将t时段内采集的螺母转动角度和动应变变化值耦合操作后,提取耦合结果满足大于或等于0的对应的采集值,去除耦合结果小于0的对应的采集值;耦合操作为:t时段内采集的螺母转动角度和动应变变化值一一对应相乘。
2.根据权利要求1所述的一种螺栓监测信号采集处理方法,其特征在于,t时段内采集至少一组A和B;
A为螺栓动态应变相对初始值的n个变化数值序列:At=[a1 a2…an-1 an];
B为螺母转动角度相对初始值的n个变化数值序列:Bt=[b1 b2…bn-1 bn];
序列A乘以序列B合得到序列C:C=[a1b1 a2b2…an-1bn-1 anbn];
n≥z≥1,且z为整数,满足C序列里azbz大于或等于0的值:
提取az,得到数据序列At′;
提取bz,得到数据序列Bt′。
3.根据权利要求2所述的一种螺栓监测信号采集处理方法,其特征在于,数据序列At′、Bt′分别进行均值计算,得到螺栓t时段内的应变均值,即该t时段的特征值at、bt;
第1个t时段至第m个t时段,连续监测得到包含m个特征值的序列:
动态应变均值序列,Amt=[a1t a2t…a(m-1)t amt];
螺母转动角度均值序列;Bmt=[b1t b2t…b(m-1)t bmt]。
4.一种螺栓松动系数计算方法,应用如权利要求3所述的一种螺栓监测信号采集处理方法,其特征在于:K个mt时段间隔内,得到样本序列:
A1mt,A2mt,...,Akmt,B1mt,B2mt,...,Bkmt;
连续增大的序列:该序列的每个值不小于下一个相邻值,
即该序列的每个值满足:ayxt≤ay(x+1)t,byxt≤by(x+1)t,1≤x≤m,1≤y≤k;
其中,A1mt,A2mt,...,Akmt中连续增大的序列数量统计为S;
其中,B1mt,B2mt,...,Bkmt中连续增大的序列数量统计为T;
对特征值序列分别进行增长趋势评估概率计算:
动态应变均值序列出现增长趋势的概率为:P(A)=s/K;
螺母转动角度均值序列出现增长趋势的概率为:P(B)=T/K;
螺栓松动系数P(C)=βP(A)+(1-β)P(B),0≤β≤1,β为修正系数;
代入P(A)和P(B),P(C)=(βS+T-βT)/K。
5.一种螺栓预松动预警方法,应用如权利要求4所述的一种螺栓松动系数计算方法,其特征在于,P(C)<0.5,螺栓为安全的,不发出预警;P(C)≥0.5,发出螺栓松动预警。
6.一种螺栓动态应变均值的增长系数计算方法,其特征在于,对一个动态应变均值序列,或一个以上按时序衔接的动态变均值序列,进行均值增长筛选,设动态应变均值序列为d=[d1 d2…dp-1 dp];
d中相邻的数值中,依次h从1至p,不符合dh<dh+1,去除dh+1得到序列d′;
对序列d′循环执行均值增长筛选,直至数列dlast中所有均值,均符合dh<dh+1;
数列dlast中的均值个数为r个,则增长系数为:P(d)=r/p。
7.根据权利要求6所述的一种螺栓预松动预警方法,应用如权利要求7所述的一种种螺栓动态应变均值的增长系数计算方法得到P(d),其特征在于,P(C)≥0.5,且:螺母转动角度变化值的最大值或最小值的绝对值大于1°,动态应变均值的增长系数P(d)大于0.5;发出螺栓松动预警。
8.一种螺栓松动监测装置,其特征在于,包含螺栓动应变感应模块、螺母转动角度感应模块、数据采集与分析模块,数据采集与分析模块连接螺栓动应变感应模块和螺母转动角度感应模块;
螺栓动应变感应模块,用于监测法兰盘螺栓的动态应变值;
螺母转动角度感应模块,用于监测螺母相对螺栓的转动角度值;
数据采集与分析模块,用于采集螺栓动应变感应模块信号、螺母转动角度感应模块信号。
9.根据权利要求8所述的一种螺栓松动监测装置,其特征在于,螺栓动应变感应模块为全桥型电阻式动态应变计,全桥型电阻式动态应变计通过;两端焊接在螺栓上;螺母转动角度感应模块口合在螺母上。
10.根据权利要求8所述的一种螺栓松动监测装置,其特征在于,数据采集与分析模块在线提取出各监测参量的特征值,数据采集与分析模块对采集信号进行耦合操作并计算均值,获得均值序列,并获取权利要求4所述的T、S、K;螺栓松动概率评估与预警模块,用于计算并获取权利要求4所述的P(C)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310043474.3A CN116878831A (zh) | 2023-01-29 | 2023-01-29 | 一种螺栓松动监测方法及监测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310043474.3A CN116878831A (zh) | 2023-01-29 | 2023-01-29 | 一种螺栓松动监测方法及监测装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116878831A true CN116878831A (zh) | 2023-10-13 |
Family
ID=88264931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310043474.3A Pending CN116878831A (zh) | 2023-01-29 | 2023-01-29 | 一种螺栓松动监测方法及监测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116878831A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117404260A (zh) * | 2023-12-14 | 2024-01-16 | 吉睿智控科技(天津)有限公司 | 螺栓松动监测方法、装置、电子设备和存储介质 |
-
2023
- 2023-01-29 CN CN202310043474.3A patent/CN116878831A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117404260A (zh) * | 2023-12-14 | 2024-01-16 | 吉睿智控科技(天津)有限公司 | 螺栓松动监测方法、装置、电子设备和存储介质 |
CN117404260B (zh) * | 2023-12-14 | 2024-02-13 | 吉睿智控科技(天津)有限公司 | 螺栓松动监测方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116878831A (zh) | 一种螺栓松动监测方法及监测装置 | |
CN106840322A (zh) | 一种计量器具在线软校准的方法和实现该方法的装置 | |
CN109139390B (zh) | 一种基于声信号特征库的风机桨叶故障识别方法 | |
CN116222670B (zh) | 一种城市绿地规划用生态景观边坡监测方法 | |
CN110553631B (zh) | 一种关于水位流量关系的水位测量系列误差分析方法 | |
CN101936754B (zh) | 大坝安全监测自动化数据采集装置的测量数据在线自校方法 | |
CN114065509A (zh) | 一种地质灾害防治用裂缝计的故障排查方法 | |
CN114414037A (zh) | 一种风力发电机组叶片健康监测装置及监测方法 | |
CN112968931A (zh) | 一种基于多传感器的农作物环境温度数据融合系统及方法 | |
CN102298072B (zh) | 一种微差压式高精度测风装置及其测量方法 | |
CN117390378A (zh) | 一种双碳平台数据智能管理方法及系统 | |
CN116804569A (zh) | 一种铁路路基塌陷监测方法和系统 | |
CN112528227A (zh) | 一种基于数理统计的传感器异常数据识别方法 | |
CN109029506A (zh) | 一种信号采集方法和系统 | |
CN113074931B (zh) | 紧固件松动检测方法、装置、电子设备和存储介质 | |
CN115144052A (zh) | 一种水电站水头计算方法及系统 | |
CN107909804B (zh) | 用于地质灾害监测设备的现场诊断装置及诊断方法 | |
CN112184645A (zh) | 风机叶片检测方法、系统及其计算机可存储介质 | |
CN116561705B (zh) | 一种三个雨量传感器数据融合计算方法、系统及终端 | |
CN113029242B (zh) | 结构健康监测系统中光纤光栅传感器异常诊断方法 | |
CN116520236B (zh) | 一种智能电表的异常检测方法和系统 | |
CN212300813U (zh) | 一种机械旋转部件在线故障诊断装置 | |
CN117310455B (zh) | 一种基于电信号的口腔扫描仪电路板故障检测方法 | |
CN116044381B (zh) | 一种测井电缆的无线磁记号采集系统 | |
CN117517476A (zh) | 一种声发射传感器数据质量在线评估方法 |
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 |