光纤光栅传感器在CFRP冲击载荷监测中的应用研究

提出了一种用光纤光栅传感器监测CFRP结构冲击载荷的方法,构建了冲击监测系统。将FBG传感器粘贴于CFRP试件表面构成传感网络,针对不同冲击点,同一传感器监测的冲击响应信号进行分析,CFRP试件的一阶、二阶谐振频率为53 Hz、100 Hz,不同谐振频率对应的幅值随冲击点的改变而不同。冲击CFRP试件,对FBG传感网络感知的冲击响应信号进行小波包分解,获得各传感器的小波包能量谱图。结果表明传感器信号的第6阶小波包能量变化明显,能量大小与冲击点和传感器之间的距离及其夹角有关。研究结果将为CFRP结构的动态监测领域提供了实验参考。     

基于光纤光栅传感器的复合材料层合板冲击能量研究

复合材料结构较容易产生结构表面无法探测到的低速冲击损伤。试验利用光纤复合材料结构中布拉格光纤光栅传感器受到低速冲击后光栅中心波长随应力变化这一特性,在恒温下用布拉格光纤光栅传感器对复合材料智能结构受到的低速冲击能量给出判别,并对通过光纤光栅解调仪采集下来的低速冲击信号进行频谱分析。在计算冲击信号所有能量等级的频谱峰值后,给出可以界定能量等级的频谱峰值临界值,利用其来判别低速冲击能量等级。试验表明布拉格光纤光栅传感器可以监测复合材料受到冲击的信号,能够对复合材料结构低速冲击进行能量等级判断研究     

基于VMD和1.5维Teager能量谱的滚动轴承故障特征提取

为准确提取非线性、非平稳的滚动轴承故障信号中的故障特征,提出基于变分模式分解(Variational Mode Decomposition,VMD)和1.5维Teager能量谱的滚动轴承故障特征提取方法;变分模式分解(VMD)是一种新的信号自适应分解方法,1.5维Teager能量谱具有1.5维谱良好的降噪效果和Teager能量算子强化信号瞬态冲击的优点。故障特征提取过程:首先,对滚动轴承故障信号进行VMD分解得到一组分量,根据峭度-相关系数准则筛选出2个冲击特征明显分量进行信号重构;再次,对重构信号进行1.5维Teager能量谱分析;最后根据能量谱图的分析,提取出滚动轴承的内圈和滚动体故障特征。仿真信号和试验信号的分析都验证了提出方法的有效性;通过与EEMD分解比较,采用VMD变分模式分解和1.5维Teager能量谱的分析方法更具有区分性,可以有效识别滚动轴承的故障特征。     

基于EEMD-SVM的刀具磨损状态研究

针对刀具磨损监测中信号的非平稳特性和小样本建模中神经网络容易陷入局部值的问题,提出基于多传感器信号,运用集合经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)相结合的算法,实现对刀具磨损多状态的识别。首先对振动信号进行集合经验模态分解,将其分解为若干个本征模态函数(intrinsic mode function,IMF)之和,然后计算得到三向切削力信号的均值和各本征模态函数分量的能量百分比值作为磨损状态分类特征,最后运用支持向量机和Elman神经网络对刀具在不同磨损状态下的特征数据样本进行训练和识别。实验结果证明该方法能很好地实现对刀具磨损状态的识别,与Elman神经网络相比,支持向量机具有更高的识别率,更适合小样本情况下刀具磨损状态的分类识别。     

基于改进差分克里金的分布式光纤异常数据修复模型

分布式光纤监测过程中异常值的识别和丢失信号的修复是数据处理的重要环节.本文提出一种基于改进差分克里金的分布式光纤异常数据修复模型(KWSDE)用于解决分布式光纤异常传感数据问题.首先建立了光纤传感数据特征的求解模块,接着针对噪声信号提出了基于滑动窗口的加权平均差分降噪模块,然后构建基于自适应控制参数和加权最小二乘法的改进差分克里金修复模块,并给出了算法的具体实施步骤.最后为了验证所提模型的可行性,本文设计了分布式光纤的冲击实验分析其适用性.结果表明,在满足分布式光纤监测系统的数据特征前提下,本文所提出的修复模型的平均预测精度R2达到了0.9486,证明了其工程应用价值.     

基于小波包能量特征向量的光纤布拉格光栅低速冲击定位

光纤布拉格光栅(FBG)传感器在飞行器的实时冲击定位监测中具有广阔的应用前景。根据两次冲击位置距离越近接收到信号幅频特性相似度越高的关系,提出基于小波包能量特征向量与相似度匹配算法共同实现冲击定位的研究,构建了一套由光纤布拉格光栅传感器和复合材料层合板组成的冲击定位监测系统。首先通过遍布冲击建立能量特征向量数据库。然后通过试验点的能量特征向量与数据库中各点的能量特征向量进行相似度计算实现冲击定位。实验表明,对480 mm×480 mm的复合材料层合板的16次冲击定位实验中,该方法的最大误差为40 mm。     

一种抑制传感死区的Sagnac分布式传感器

提出了一种能抑制传感死区的Sagnac分布式光纤传感结构,利用2x2耦合器实现光路的循环.运用琼斯矩阵对光路进行了分析,指出只要延迟光纤的长度选择合适,就能消除传感光纤中的传感死区,排除信号中伪零频点对信号解调的干扰.在八个不同的点分别进行扰动定位监测,对得到的信号经滤波平滑后在局部最小值附近运用最小二乘法拟合,以确定零频点的位置.实验结果表明该系统能实现扰动定位,平均误差最大值为68 m,最小为3 m,证明了结构的正确性,表明该结构可用于远距离管道泄漏检测.     

免疫支持向量机复合故障诊断方法及试验研究

研究了传统分类算法在故障诊断中的不足,融合人工免疫系统中的实值否定选择(RNS)算法和支持向量机(SVM)算法提出了一种复合的故障诊断方法。在新方法中使用RNS算法产生检测器(非己集合)当作故障样本,这些样本再作为SVM算法的输入进行训练,这样就能解决分类算法所面临的训练样本不足的难题。轴向柱塞泵发生故障时,由于滑靴对斜盘冲击产生的振动信号被高频谐振信号调制,通过小波簇包络解调方法将调制信号解调出来,然后对包络信号用小波包分解子带特征能量法进行特征提取。最后用轴向柱塞泵多松靴和配流盘磨损多故障模式样本进行诊断测试,正确率可达90%以上,验证了复合诊断方法的有效性。     

基于FBG传感技术的复合材料T型加筋板低速冲击损伤监测

针对碳纤维增强树脂复合材料低速冲击损伤的实时监测,设计将布拉格光纤光栅（FBG）传感器埋植在复合材料T型加筋板结构的三角填充区,在线监测复合材料T型加筋板冲击损伤过程。分别将FBG传感器埋植于复合材料层合板内部和复合材料T型加筋板的三角填充区,对比FBG传感器的埋入对复合材料层合板和复合材料T型加筋板力学性能的影响。结果表明,内埋FBG传感器的复合材料层合板试样的拉伸强度比未埋植传感器的层合板试样降低了约5%,但在FBG传感器的破坏应变范围内,FBG传感器可以准确、实时地监测复合材料的应变信号。将FBG传感器埋入复合材料T型加筋板的三角填充区,内埋FBG传感器的T型加筋板样件压缩破坏载荷与未埋植的样件基本一致。通过对比T型加筋板蒙皮上冲击位置、冲击能量对FBG传感器测得的冲击过程持续时间和最大应变值的影响,表明冲击过程持续时间随着冲击能量增大而延长,最大应变值随着冲击距离的增加呈下降趋势,而最大应变值随着冲击能量的增大呈上升趋势。利用FBG传感器测得的应变信号可初步实现对复合材料T型加筋板蒙皮冲击损伤位置及冲击能量的实时监测。      

FBG智能传感器及其在土木工程中的应用研究

光纤光栅传感器已经越来越得到土木工程界的认可,并应用到了实际工程.针对大型土木工程结构长期健康监测的变形监测需要,在光纤光栅传输理论的基础上,分析了光纤光栅应变与温度传感特性以及光纤光栅应变传感的温度补偿原理和方法;研制开发出满足工程应用的光纤光栅封装传感器、FRP-OFBG复合智能筋、光纤光栅智能拉索;此外,考虑传感器开发和工程应用的需要,研究了光纤光栅应变传感的界面传递机理和误差修正.最后,建立了光纤光栅智能监测系统,并成功地将光纤光栅传感器应用到实际桥梁结构的施工与运营监测.     

基于BI-LSTM的小样本滚动轴承故障诊断方法研究

微弱故障特征的有效提取与判别模型的精确性是滚动轴承状态监测和故障诊断的关键。针对长短时记忆网络(LSTM)模型在少样本条件下存在故障诊断准确度较低的问题,提出一种基于双向长短时记忆网络(BI-LSTM)的小样本滚动轴承故障诊断方法:首先采用自适应白噪声的集合经验模态分解(CEEMDAN)与傅里叶变换对信号进行分解变换构成特征矩阵,然后采用BI-LSTM进行特征提取,获取每个样本序列的故障特征,最后采用逻辑回归(LR)将多个故障特征汇总学习。结果表明:所提出的方法在随机的小样本测试集上平均精确度相对传统LSTM模型提高30.8%,可为滚动轴承健康状态监测提供重要算法支撑。     

Hilbert变换在压电智能结构冲击定位中的应用

利用Hilbert变换在计算原时间序列瞬态属性方面的特性，把冲击应力波的时域信号变为连续的瞬态时序信号，易于提取与冲击定位相关的特征信息训练人工神经网络．实现冲击位置的自动识别。实验表明，以应力波信号的起始时间、峰值以及到达峰值的时间为特征向量具有较高的冲击定位精度，该方法可用于结构低速、小能量冲击的实时健康监测。     

基于EEMD能量熵及LS-SVM滚动轴承故障诊断

针对滚动轴承振动信号的非平稳特性和现实中难以获得大量典型故障样本的实际情况,提出基于集合经验模态分解（EEMD）能量熵和最小二乘支持向量机（LS-SVM）的滚动轴承故障诊断方法。首先通过EEMD分解将非平稳的原始振动信号分解成若干个平稳的固有模态函数（IMF）;滚动轴承同一部位发生不同严重程度的故障时,在不同频带内的信号能量值会发生改变,因此可通过计算振动信号的EEMD能量熵判断发生故障的严重程度;从包含主要故障信息的IMF分量中提取的能量特征作为输入来建立支持向量机,判断滚动轴承的技术状态和故障严重程度,并选用不同核函数对诊断效果进行分析比较。实验结果表明,该方法能有效地应用于滚动轴承的故障诊断。     

基于连续峭度优化的滚动轴承故障特征提取小波变换方法

为更有效提取滚动轴承早期故障中微弱冲击特征成分,提出基于连续峭度优化的小波变换故障特征提取方法。据连续峭度与小波能量相关程度,对原信号特征分量的小波系数及能量成分进行不同程度优化,强化故障信号中具有冲击特征的能量成分、削弱其它能量成分。通过优化的小波系数重构原信号特征分量,计算特征分量包络谱以提取冲击特征频率及相关倍频,实现对故障特征提取。通过仿真信号、实际轴承数据应用分析表明,该算法能强化冲击特征能量成分,能更有效提取早期故障中冲击特征。     

考虑车队叠加效应与桥面平整度影响的梁式桥动力冲击系数研究

针对桥面不平整度对冲击系数的影响,采用自编程序,模拟计算了一定量不平整度样本下混凝土梁式桥的冲击系数。结果表明,即使同等级不平整度影响下的冲击系数也具有离散性,现行的不平整度能量谱密度分级法用于冲击系数的计算具有一定的局限性;对不平整度样本所引起的冲击系数集合进行统计分析,结果表明,同等级、具有独立同分布相位角的不平整度样本引起的冲击系数集合服从正态分布。针对连续车队对冲击系数的影响,提出了一种采用延时叠加法计算适应度值的遗传算法,该算法可减少车桥耦合振动计算工作量,高效地对车队中车辆间距进行优化分析,得到车队作用下桥梁最大冲击系数及相应的车队布置。     

基于MSPCA的缸盖振动信号特征增强方法研究

针对发动机缸盖振动信号信噪比低的问题,提出了基于多尺度主元分析的故障特征增强方法。将缸盖振动信号小波包分解后,利用主成分分析对所有子带系数进行坐标变换,信号重构后再进行小波包分解,计算新坐标系下各子带的能量作为发动机故障的特征向量。仿真信号验证了本文所提算法对微弱冲击信号的增强能力,与支持向量机结合用于发动机十一种故障的诊断实例表明,故障分类准确率可达到98.76%。     

时频特征降维和多层次聚类相结合的轴承故障诊断新方法

从含噪信号中判断滚动轴承是否发生故障,同时确定故障发生位置和缺陷程度,针对这一轴承工作状态监测的核心问题,提出一种结合小波频带剖分、主成分分析、多层次聚类的滚动轴承故障诊断方法。首先,利用小波最优分解层数将获取的原始信号进行小波包分解得到小波能量谱;然后另取18个时域频域特征指标共同构成特征参数集,再经主成分分析处理,将参数集降到合适的维数;最后利用最佳类间距、样本间距组合和聚类有效性评价建立多层次聚类挖掘系统。实验和应用案例表明：该方法能够准确有效地诊断滚动轴承的不同故障类型和损伤程度,准确率达99.3%,可为轴承状态监测与智能故障诊断提供有效的理论参考。     

复合材料低速冲击损伤评估数值分析与试验研究

针对复合材料低速冲击损伤模式复杂多样以及损伤评估时损伤表征参数选取和简化困难的问题,通过编写VUMAT子程序,采用三维Hashin准则和Cohesive界面单元建立了复合材料从低速冲击损伤发生到损伤后压缩破坏的全过程仿真分析模型,用于复合材料低速冲击损伤评估,考虑了复合材料损伤模式的多样性,规避了损伤表征参数的选取和简化问题。分别进行了复合材料低速冲击试验和冲击后压缩试验,从冲击响应、损伤情况和剩余强度三方面将试验结果和仿真结果进行了对比,对比效果良好,表明建立的模型适用于复合材料低速冲击损伤评估。采用该模型进一步对冲击能量和冲击角度对损伤的影响进行了探讨。     

横向冲击下圆钢管混凝土构件挠度计算方法研究

为了对圆钢管混凝土(CFST)构件遭受横向冲击下的挠度计算方法进行研究,在刚塑性假定的基础上,推导出了构件在任一点遭受横向冲击下的最大挠度理论计算公式。考虑到能量损失和局部变形等实际情况与刚塑性假定的差异性,以55根圆钢管混凝土构件冲击作用下的挠度试验数据作为统计样本,拟合得到挠度计算公式的修正系数,用于修正刚塑性假定导致的计算误差。修正后公式的适用范围为:冲击质量在193.35～920.00 kg;冲击速度在3.96～14.48 m/s。对于敏感因素套箍系数,两端固支时,套箍系数在0.5～2.0;两端简支时,套箍系数在0.500～1.617;一端固支一端简支时,套箍系数在0.500～1.307。为了验证修正后挠度计算公式的准确性,通过数值模拟的方法拓展样本,并将修正后挠度计算公式的理论计算结果和数值模拟结果进行对比,误差在10%以内,证明了提出的修正后挠度理论计算公式精度良好。     

基于MEEMD-HT的高速列车转向架蛇行失稳特征分析

为研究高速列车蛇行失稳时转向架横向、纵向和垂向的时频能特征,针对集合经验模态分解(EEMD)的模态分裂问题,提出一种改进的集合经验模态分解-Hilbert变换(MEEMD-HT)方法,首先对列车速度330~350 km/h时转向架蛇行失稳状态下的横向、纵向和垂向振动信号进行MEEMD分解,再通过HT分析MEEMD-HT能量谱和边际谱,并将MEEMD-HT分析结果与集合经验模态分解-Hilbert变换(EEMD-HT)对比。结果表明:列车蛇行失稳时,横向失稳现象最为明显,频率、能量分布高度集中,振动最为剧烈,纵向、垂向相对次之,但失稳现象显著;同时,MEEMD-HT方法能够体现出信号的时频能细节分布特征,优于传统的EEMD-HT方法。