压电阻抗解耦技术在螺栓联接状态监测中的应用

针对螺栓联接状态监测问题,提出了基于压电阻抗解耦技术的螺栓松动监测技术。建立相应的实验装置,检测螺栓在不同预紧力下的导纳信号,将所采集的压电导纳信号,剔除导纳信号的被动部分后对所得到的导纳信号主动部分采用阻抗解耦算法,获得新的测点结构阻抗信息。以解耦得到的测点结构阻抗信号的实部定义了RMSD(Root Mean Square Deviation均方根偏差)损伤指标,识别螺栓联接状态(表现为螺栓轴向预紧力变化)。试验表明:导纳实部损伤指标能反映螺栓的联接状态;将解耦得到的机械阻抗实部作为监测螺栓联接状态的指标,较之常用的直接采用导纳信号实部定义的RMSD损伤指标,该方法所得的损伤指标明显提高,能更加有效的识别螺栓联接状态。     

温变工况下螺栓松动检测的独立成分分析方法

导波损伤检测技术的关键在于检测出结构损伤引起的导波信号变化,但环境温度变化也会影响导波传播过程,引起信号改变,导致损伤检测的失败。为了消除温度变化的影响,笔者采用独立成分分析(independent component analysis,简称ICA)方法处理导波响应信号。作为一种盲源分离的算法,ICA能够从混合信号中提取得到独立的未知源信号分量。因此利用ICA方法能将导波的响应源信号从被温度变化干扰的混合信号中分离出来,实现消除温度变化干扰的目的。为验证该方法的可行性,以螺栓连接铝板为对象进行实验,采集不同温度下螺栓全紧及松动状态的导波响应信号,将其经过ICA方法处理后应用到损伤定位算法中。结果表明,应用ICA处理后的导波信号能够成功定位松动螺栓,证实了ICA方法排除温度变化对导波传播影响的有效性。     

压电阻抗技术用于智能螺栓的实验研究

针对工程结构中的螺栓连接件易松动的问题,进行了基于压电阻抗技术(EMI)的螺栓松动监测实验。实验将锆钛酸铅压电陶瓷材料(PZT)直接粘贴在螺栓和螺母上,通过万能试验机对螺栓施加不同的拉力来模拟螺栓预紧力的变化,采用精密阻抗分析仪提取不同螺栓和螺母上压电材料的导纳信号,引入基于电导纳的均方根偏差(RMSD)损伤指标,建立螺栓松动程度和预紧力之间的对应关系。试验结果表明,不同型号的螺栓和螺母上安装的压电材料都可以感知预紧力的变化;得到了损伤指标(RMSD)和预紧力之间的定量对应关系;通过分析损伤指标和预紧力之间的关系可得到螺栓的松动情况,并且可直接定位松动的螺栓。研究表明基于压电阻抗技术的智能螺栓(智能螺母)可以实现松动自检测。     

载荷影响下的机电阻抗协整结构损伤识别方法

高频机电阻抗(electromechanical impedance, 简称EMI)方法利用粘贴在结构表面的压电传感器(piezoelectric transducer, 简称PZT)进行主动激励,通过连续监测和分析PZT机电导纳信号的变化评估结构的健康状态;然而EMI方法容易受到环境工况变化的影响,导致结构损伤的误报。针对此问题,采用时间序列协整方法处理及消除结构工作载荷对阻抗谱特征信号的影响。该方法是基于结构动荷载作用下PZT阻抗谱导纳信号的非平稳特征,将动荷载影响下的阻抗谱非平稳时间序列经线性组合变换成平稳时间序列,根据得到的协整余量序列有效判断结构的健康状态。为验证该方法的有效性,开展了动应力影响下铝梁结构的螺栓松动损伤识别实验。结果表明,协整消除了动态应力对EMI方法的影响,当铝梁内存在持续变化的应力时,仍可以准确识别螺栓松动。机电阻抗协整方法能够消除结构健康监测中荷载作用的影响,及时准确地进行结构损伤识别。     

载荷影响下的机电阻抗协整结构损伤识别方法

高频机电阻抗(electromechanical impedance,简称EMI)方法利用粘贴在结构表面的压电传感器(piezoelectric transducer,简称PZT)进行主动激励,通过连续监测和分析PZT机电导纳信号的变化评估结构的健康状态;然而EMI方法容易受到环境工况变化的影响,导致结构损伤的误报。针对此问题,采用时间序列协整方法处理及消除结构工作载荷对阻抗谱特征信号的影响。该方法是基于结构动荷载作用下PZT阻抗谱导纳信号的非平稳特征,将动荷载影响下的阻抗谱非平稳时间序列经线性组合变换成平稳时间序列,根据得到的协整余量序列有效判断结构的健康状态。为验证该方法的有效性,开展了动应力影响下铝梁结构的螺栓松动损伤识别实验。结果表明,协整消除了动态应力对EMI方法的影响,当铝梁内存在持续变化的应力时,仍可以准确识别螺栓松动。机电阻抗协整方法能够消除结构健康监测中荷载作用的影响,及时准确地进行结构损伤识别。     

基于小波包-神经网络方法的支撑座连接螺栓松动损伤诊断的实验研究

在某导弹支撑座模型宽带随机振动实验的基础上,针对其连接螺栓松动所产生的支撑座结构响应的非平稳特性,采用小波包分析的方法得到缩减的信号特征;然后利用BP神经网络的模式分类功能,进行了螺栓松动程度的损伤识别研究。实验结果表明,小波包结合神经网络的方法可以有效地识别该支撑座连接螺栓的松动程度。     

螺栓松动损伤的亚谐波共振识别方法

螺栓松动将导致结构完整性的破坏,螺栓连接状态的实时有效监测和评估具有重大意义。提出了一种基于亚谐波共振分析的螺栓松动识别方法。针对螺栓连接结构简化的单自由度非线性模型,采用多尺度方法分析了亚谐波共振现象,定性模拟了螺栓松动损伤亚谐波激励条件。以铝梁螺栓搭接结构为实验对象,利用粘贴在铝梁表面的压电作动/传感单元,采用不同频率的激励信号作用在作动片上,传感片接收响应信号,对其进行频谱分析,通过提取响应频谱中的亚谐波成分进行螺栓松动损伤识别。仿真与实验结果表明,亚谐波产生所需激励频率在两倍固有频率附近,使用亚谐波检测方法能有效识别螺栓松动。     

框架结构松动EEMD损伤识别实验研究

针对连接结构在振动环境下易发生松动的问题,进行了框架结构模型连接松动损伤识别实验研究。根据螺钉在不同扭矩下的结构稳态响应信号,分析了信号功率谱差异和松动损伤引起的非线性特征,对响应信号进行了总体平均经验模式分解(EEMD),利用第1阶固有模式函数(IMF)构造能量损伤指标进行螺钉连接松动识别。结果表明,基于高频固有模式函数所构造的能量损伤指标可以有效表征不同扭矩下的连接松动所引起的结构非线性损伤,能够较好地反映螺钉连接结构的松动情况。     

振动敏感特征与流形学习的风机基座螺栓松动程度诊断

为实现在役风机基座螺栓松动程度诊断的自动化与高精度,解决松动特征提取与敏感特征选取、高维非线性约简与松动程度稳定识别的问题,提出基于振动敏感特征与流形学习约简的风机基座螺栓松动程度诊断方法。首先,融合振动信号时频特征构建出原始松动程度特征集,实现对松动程度的定量表征;设计出风机基座连接螺栓松动程度敏感性指标算法,选取敏感特征构建松动程度敏感特征集,增强特征集的表征性能。再应用正交局部保持映射流形学习算法对松动程度敏感特征集进行非线性约简,滤除冗余信息获得分类特性好的低维松动程度特征集,并输入加权最近邻分类器进行松动程度识别。工程应用结果证明了所提方法的可行性和有效性。     

基于虚拟材料模型的螺栓松动预测研究

螺栓连接在风力发电机等复杂装备中得到了广泛应用。设备的工作载荷及机械振动会引起螺栓松动,导致螺栓连接失效,严重影响设备的正常运行。为此,以海上风力发电机塔筒连接螺栓为研究对象,建立了螺栓结合面连接刚度模型,进行了塔筒法兰连接螺栓的松动状态预测研究。首先,建立了螺栓结合面刚度,通过虚拟材料模型对其进行了表征,探究了预紧力对虚拟材料层模型的影响特性,为有限元模型提供了参数;然后,通过力锤实验,并结合实测数据建立了高精度的有限元模型;最后,通过法兰连接件的前10阶扭转、弯曲固有频率,以任意两阶模态的频率变化平方比、预紧力变化前后频率相对变化比分别作为螺栓定位、定量指标,进行了螺栓松动预测。研究结果表明：随着预紧力的增加,固有频率呈现逐渐增大的趋势,但灵敏度稍有下降;通过对螺栓松动测试结果的统计可得,螺栓松动定位识别精度达到95.24%;单、多螺栓预紧力下降程度定量精度分别为93.4%、90.2%;基于虚拟材料模型的螺栓松动预测方法具备精度高、通用性强的特点,可为螺栓连接的数字孪生实时监测提供重要参考。