專利名稱：基于SNF策略和DSD策略的16Mn鋼承力件疲勞損傷狀態(tài)識(shí)別系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種對(duì)在役16Mn鋼承力件服役期間的失效狀態(tài)進(jìn)行識(shí)別的方法。更特別地說，是指一種基于SNF濾波策略和DSD判斷策略，采用聲發(fā)射技術(shù)及神經(jīng)網(wǎng)絡(luò)方法， 對(duì)港口大型機(jī)械設(shè)備中在役16Mn鋼承力件的疲勞損傷狀態(tài)進(jìn)行表征及定量評(píng)估的系統(tǒng)。
背景技術(shù)：
港口大型機(jī)械設(shè)備中的岸邊設(shè)備如裝船機(jī)、卸船機(jī)、抓斗機(jī)，常應(yīng)用16錳鋼作為關(guān)鍵承力件。岸邊設(shè)備在使用一段時(shí)間后，作為主要承力件的16錳鋼的損傷狀態(tài)對(duì)整個(gè)岸邊設(shè)備的使用壽命將造成重要影響。16Mn鋼(16錳鋼)是結(jié)合我國資源情況發(fā)展起來的一種低合金鋼，已被廣泛使用。 16Mn鋼結(jié)構(gòu)在服役一定的時(shí)間后，時(shí)常會(huì)發(fā)生一些失效事故，而疲勞損傷是造成其失效的主要原因，為此要對(duì)其損傷狀態(tài)作出有效的識(shí)別，及時(shí)、正確地評(píng)價(jià)16Mn鋼承力件的損傷程度，為其安全運(yùn)行及壽命預(yù)測(cè)提供依據(jù)。聲發(fā)射技術(shù)(Acoustic Emission Technique)因具有動(dòng)態(tài)、實(shí)時(shí)檢測(cè)等優(yōu)點(diǎn)，已廣泛的應(yīng)用于結(jié)構(gòu)和構(gòu)件的損傷檢測(cè)。實(shí)踐表明，不同組織材料在受載荷作用時(shí)會(huì)發(fā)生不同程度的損傷，而損傷狀態(tài)的不同發(fā)出的聲發(fā)射信號(hào)特征也將不同。例如在受循環(huán)載荷作用的初期和末期發(fā)生的彈塑性損傷等。這些不同損傷狀態(tài)的聲發(fā)射波形信號(hào)幅度、相位、頻率等參數(shù)都會(huì)各有區(qū)別。因此可以利用聲發(fā)射技術(shù)作為監(jiān)測(cè)16Mn鋼承力件疲勞損傷狀態(tài)的工具。神經(jīng)網(wǎng)絡(luò)是一種模擬人思維的一個(gè)非線性系統(tǒng)。BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法可以描述為首先標(biāo)準(zhǔn)化訓(xùn)練樣本，初始化權(quán)值、閾值，然后輸入訓(xùn)練樣本，對(duì)每個(gè)樣本計(jì)算其輸出狀態(tài)，得到其誤差，并根據(jù)誤差反向傳播調(diào)整網(wǎng)絡(luò)各層的權(quán)值與閾值，如此反復(fù)調(diào)整直到網(wǎng)絡(luò)誤差滿足設(shè)置的條件為止。樣本訓(xùn)練完成之后，輸入檢驗(yàn)樣本，若此時(shí)網(wǎng)絡(luò)誤差小于檢驗(yàn)誤差，則該網(wǎng)絡(luò)可以用于實(shí)際預(yù)測(cè)。隨著現(xiàn)代工業(yè)日益向大規(guī)模、高效率發(fā)展，作為港口重要物流裝備的大型岸邊起重機(jī)械，具有以下幾個(gè)特點(diǎn)(1)設(shè)備老，有很多大型起重機(jī)是60年代至70年代我國自行設(shè)計(jì)制造或從東歐進(jìn)口，還有少數(shù)是從美、日等國進(jìn)口的二手設(shè)備，按設(shè)計(jì)壽命20 25年考慮，很多設(shè)備也已進(jìn)入服役后期或超期服役階段；(2)任務(wù)重，隨著生產(chǎn)規(guī)模的擴(kuò)大，以及起重機(jī)更新的滯后，許多起重機(jī)的工作日趨繁重，超載的情況也時(shí)有發(fā)生；(3)目前的損傷檢測(cè)方法不成熟，超聲波檢測(cè)和磁粉檢測(cè)等方法對(duì)起重機(jī)進(jìn)行的部分抽樣檢測(cè)，盲目性大、易出現(xiàn)漏檢且檢測(cè)的周期長，工作量大，費(fèi)用昂貴；(4)預(yù)警評(píng)估系統(tǒng)不完善，目前應(yīng)用的分析判別技術(shù)還不能對(duì)起重機(jī)承力件的損傷做出準(zhǔn)確的預(yù)警和安全評(píng)估。
因此，為確保起重機(jī)安全可靠的運(yùn)行，須對(duì)承力件進(jìn)行檢測(cè)、判斷承力件的損傷狀態(tài)，從而進(jìn)行安全評(píng)估。

發(fā)明內(nèi)容
為了減少大型承力件在使用過程中突發(fā)疲勞斷裂造成的人員傷害、設(shè)備損失和經(jīng)濟(jì)損失，本發(fā)明提出一種基于SNF策略和DSD策略的神經(jīng)網(wǎng)絡(luò)方法來識(shí)別在役16Mn鋼承力件的疲勞損傷參數(shù)，并對(duì)疲勞損傷狀態(tài)進(jìn)行判斷的系統(tǒng)。該狀態(tài)識(shí)別首先采用SNF策略對(duì)多路聲發(fā)射換能器采集得到的信息進(jìn)行多維濾波，并采用人工神經(jīng)網(wǎng)絡(luò)方法對(duì)濾波后的信號(hào)進(jìn)行訓(xùn)練和預(yù)測(cè)，獲得16Mn鋼承力件的疲勞損傷參數(shù)；然后采用DSD策略對(duì)神經(jīng)網(wǎng)絡(luò)輸出結(jié)果進(jìn)行判定，確定被測(cè)件的疲勞損傷狀態(tài)。該系統(tǒng)在工作狀態(tài)下，能夠?qū)υ谝?6Mn鋼承力件的疲勞損傷參數(shù)進(jìn)行預(yù)測(cè)，對(duì)不同損傷狀態(tài)進(jìn)行識(shí)別，并對(duì)識(shí)別出的結(jié)果作出預(yù)警。本發(fā)明是一種基于SNF策略和DSD策略的16Mn鋼承力件疲勞損傷狀態(tài)識(shí)別系統(tǒng)， 該系統(tǒng)包括有多個(gè)聲發(fā)射換能器G)、多路前置放大器(3)、一個(gè)聲發(fā)射儀( 和16Mn鋼疲勞損傷無損檢測(cè)單元(1)；16Mn鋼疲勞損傷無損檢測(cè)單元(1)包括有SNF過濾模塊(11)、樣本抽取模塊 (12)、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(13)和DSD疲勞損傷識(shí)別模塊(14)，SNF過濾模塊(11)有SNF能量濾波處理模塊(IlA)，SNF幅值濾波處理模塊(IlB)和SNF波形濾波處理模塊(IlC)。聲發(fā)射換能器(4)與前置放大器(3)為配套使用，即每一個(gè)聲發(fā)射換能器的輸出端與一個(gè)前置放大器(3)的輸入端連接，每一個(gè)前置放大器(3)的輸出端連接在聲發(fā)射儀O)的信息輸入接口上，該信息輸入接口用于接收多路突發(fā)型放大信息fs;16Mn鋼疲勞損傷無損檢測(cè)單元(1)內(nèi)嵌在聲發(fā)射儀O)的存儲(chǔ)器中；聲發(fā)射換能器，用于采集在役16Mn鋼承力件上的突發(fā)型信息& ；前置放大器(3)，用于對(duì)接收到的突發(fā)型信息&進(jìn)行放大40dB后成為突發(fā)型放大 fn 息 fs ；聲發(fā)射儀O)，一方面用于對(duì)接收到的突發(fā)型放大信息fs經(jīng)A/D轉(zhuǎn)換后成為數(shù)字突發(fā)型信息fsl = (es，As, Cs, Ks, Ds)輸出給16Mn鋼疲勞損傷無損檢測(cè)單元(1)；另一方面對(duì)接收到的疲勞損傷識(shí)別信息D輸出給顯示屏以K)進(jìn)行實(shí)時(shí)顯示；接收到的數(shù)字突發(fā)型信息fsl = (es,As,Cs,Ks,Ds)在SNF能量濾波處理模塊(IlA) 中得到能量濾波信息fSE = (es> 1, As, Cs, Ks, Ds)，fSE即能量大于1的聲發(fā)射信號(hào)集合；在SNF幅值濾波處理模塊(11B)中得到幅值濾波信息fSA = (es, As > 30dB, Cs, Ks, Ds)，fSA即幅值大于30dB的聲發(fā)射信號(hào)集合；在SNF波形濾波處理模塊(IlC)中得到波形濾波信息fsw e (100kHz, 400kHz)，fSff 即波形頻率在IOOkHz到400kHz的聲發(fā)射信號(hào)集合。最后得到聲發(fā)射疲勞損傷信息fS2 = (e，A，C，K，D) = fSE Π fSA Π fSff016Μη鋼疲勞損傷無損檢測(cè)單元(1)的樣本抽取模塊模型(12)從聲發(fā)射疲勞損傷信息 fS2= (e，A，C，K，D)中選取訓(xùn)練樣本 IID,S= [eID,tp,sAID,tp,sCID,tp,sKID,tp,sDID,tp,J 和待診斷樣本 I' id,S= [eID,t(1,sAID,t(1,sCID,t(1,sKID,t(1,sDID,t(1,s]，并將其輸入至神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(13) 中；16Mn鋼焊接結(jié)構(gòu)形變損傷無損檢測(cè)單元(1)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(13)對(duì)IID,S =[eID, tp, sAid, tp, sCid, tp, sKid, tp, sDid, tp, s]禾口 I ID, s 一 teiD, tq, s-^ID, tq, s^ID, tq, s^ID, tq, s^ID, tq, S^ 進(jìn)4丁訓(xùn)練
得到待診斷樣本輸出層信息0ID,S= [dKID,tp,sAID,tp,sVID,tp,s]；16Mn鋼焊接結(jié)構(gòu)形變損傷無損檢測(cè)單元(1)的DSD形變損傷識(shí)別模塊(14)對(duì)Qid, s = [dKID,tp,sAID,tp,sVID,tp,s]進(jìn)行解析判斷后輸出焊接結(jié)構(gòu)形變損傷識(shí)別信息W = (0' ID,S， Hi(Bi)),該W= (0' ^sjm(Bi)) 一方面回饋給聲發(fā)射儀O)，另一方面輸出給報(bào)警單元(5) 進(jìn)行顯示。本發(fā)明是一種依據(jù)聲發(fā)射信息，采用神經(jīng)網(wǎng)絡(luò)對(duì)疲勞損傷參數(shù)進(jìn)行預(yù)測(cè)，識(shí)別診斷出16Mn鋼承力件最終的損傷狀態(tài)，該識(shí)別系統(tǒng)的優(yōu)點(diǎn)在于(A)采用聲發(fā)射儀中的采集卡對(duì)使用過一段時(shí)間的16Mn鋼承力件上的聲發(fā)射換能器的聲發(fā)射信息(能量％、測(cè)量幅度As、振鈴計(jì)數(shù)Cs、波形峰度Ks、持續(xù)時(shí)間Ds)進(jìn)行采集， 并將該相關(guān)信息作為聲發(fā)射神經(jīng)網(wǎng)絡(luò)的識(shí)別系統(tǒng)的信息輸入，使得本發(fā)明在聲發(fā)射檢測(cè)過程中，能通過聲發(fā)射儀對(duì)聲發(fā)射換能器信息進(jìn)行采集，同時(shí)分析聲發(fā)射信息參數(shù)和波形的變化，識(shí)別出是損傷信息，還是噪聲信息。(B)綜合利用了聲發(fā)射信號(hào)的參數(shù)信息和波形信息，增大了診斷結(jié)果的可靠性與準(zhǔn)確性，提高了診斷系統(tǒng)的適應(yīng)能力。(C)神經(jīng)網(wǎng)絡(luò)方法為基礎(chǔ)的識(shí)別診斷系統(tǒng)，具有一定的容錯(cuò)能力，能滿足鋼結(jié)構(gòu)復(fù)雜系統(tǒng)損傷診斷的要求。


圖1是基于SNF策略和DSD策略的16Mn鋼疲勞損傷評(píng)估系統(tǒng)框圖。圖2是本發(fā)明16Mn鋼疲勞損傷無損檢測(cè)單元框圖。
具體實(shí)施例方式下面將結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說明。參見圖1、圖2所示，對(duì)于16Mn鋼承力件的無損檢測(cè)系統(tǒng)一般由多個(gè)聲發(fā)射換能器4(也稱傳感器)、多路前置放大器3、一個(gè)聲發(fā)射儀2和一個(gè)16Mn鋼疲勞損傷無損檢測(cè)單元1組成，其中，16Mn鋼疲勞損傷無損檢測(cè)單元1由SNF過濾模塊11、樣本抽取模塊12、 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊13和DSD疲勞損傷識(shí)別模塊14構(gòu)成。SNF過濾模塊11中有SNF能量濾波處理模塊11A、SNF幅值濾波處理模塊IlB和SNF波形濾波處理模塊11C。16Mn鋼疲勞損傷無損檢測(cè)單元1采用Matlab語言(版本7. 0)開發(fā)。聲發(fā)射換能器4與前置放大器3為配套使用，即每一個(gè)聲發(fā)射換能器4的輸出端與一個(gè)前置放大器3的輸入端連接，每一個(gè)前置放大器3的輸出端連接在聲發(fā)射儀2的信息輸入接口上，該信息輸入接口用于接收多路突發(fā)型放大信息fs。16Mn鋼疲勞損傷無損檢測(cè)單元1內(nèi)嵌在聲發(fā)射儀2的存儲(chǔ)器中。在本發(fā)明中，聲發(fā)射儀2選取美國PAC公司生產(chǎn)的DiSP聲發(fā)射系統(tǒng)，聲發(fā)射換能器4選取美國PAC公司生產(chǎn)的CZ系列或者WD系列聲發(fā)射換能器，多路前置放大器3選取美國PAC公司生產(chǎn)的2/4/6型前置放大器。聲發(fā)射換能器4聲發(fā)射換能器4，用于采集在役16Mn鋼承力件上的突發(fā)型信息&。在本發(fā)明中， 對(duì)于聲發(fā)射換能器4所需設(shè)置的個(gè)數(shù)以其傳感范圍為40cm IOOcm/個(gè)。
前置放大器3前置放大器3，用于對(duì)接收到的突發(fā)型信息&進(jìn)行放大40dB后成為突發(fā)型放大信
息fS。聲發(fā)射儀2聲發(fā)射儀2，一方面用于對(duì)接收到的突發(fā)型放大信息fs經(jīng)A/D轉(zhuǎn)換后成為數(shù)字突發(fā)型信息fsl = ( ，As, Cs, Ks, Ds)輸出給16Mn鋼疲勞損傷無損檢測(cè)單元1 ；另一方面對(duì)接收到的疲勞損傷識(shí)別信息W= (0' H^m(Bi))輸出給顯示屏2A進(jìn)行實(shí)時(shí)顯示。聲發(fā)射儀 2中自備有A/D轉(zhuǎn)換器。本發(fā)明僅用了能量es、測(cè)量幅度As、振鈴計(jì)數(shù)Cs、波形峰度Ks和持續(xù)時(shí)間Ds五個(gè)參數(shù)。聲發(fā)射儀2中自備有A/D轉(zhuǎn)換器。在本發(fā)明中，聲發(fā)射儀作為焊接結(jié)構(gòu)形變損傷監(jiān)測(cè)器件。在監(jiān)測(cè)獲得的信息中，波形峰度Ks與疲勞損傷中的裂紋擴(kuò)展情況以及應(yīng)力狀態(tài)具有更好的相關(guān)性，能夠更好的表征疲勞損傷信息，使用這些參數(shù)能綜合利用聲發(fā)射信號(hào)的參數(shù)信息和波形信息，增大了診斷結(jié)果的可靠性與準(zhǔn)確性。SNF過濾模塊11在本發(fā)明中，利用聲發(fā)射換能器4在進(jìn)行信息采集時(shí)，不但將損傷信息進(jìn)行采集， 同時(shí)也將噪聲(環(huán)境噪聲、電磁噪聲、機(jī)械摩擦噪聲)進(jìn)行采集(即es，As, Cs, Ks, Ds信息中是包括有噪聲的)，因此，在本發(fā)明中，采用了 SNF策略對(duì)采集獲得的信息進(jìn)行了去噪處理。16Mn鋼疲勞損傷無損檢測(cè)單元1的SNF過濾模塊11采用SNF策略對(duì)接收到的數(shù)字突發(fā)型信息fsl = (es，As, Cs, Ks, Ds)進(jìn)行濾波，得到聲發(fā)射疲勞損傷信息fS2 = (e, A, C， K, D)。SNF(Signal Noise Filtering)策略是對(duì)聲發(fā)射換能器采集的原始聲發(fā)射信號(hào)進(jìn)行多維濾波，除去電磁噪聲，環(huán)境噪聲及其他無關(guān)信號(hào)，得到疲勞損傷信號(hào)的一系列方法。接收到的數(shù)字突發(fā)型信息fsl = (es, As, Cs, Ks, Ds)在SNF能量濾波處理模塊IlA 中得到能量濾波信息fSE = (es> 1, As, Cs, Ks, Ds)，fSE即能量大于1的聲發(fā)射信號(hào)集合；在SNF幅值濾波處理模塊IlB中得到幅值濾波信息fSA = (es, As > 30dB, Cs, Ks, Ds)，fSA即幅值大于30dB的聲發(fā)射信號(hào)集合；在SNF波形濾波處理模塊IlC中得到波形濾波信息fsw e (100kHz, 400kHz)，fsw即波形頻率在IOOkHz到400kHz的聲發(fā)射信號(hào)集合。最后得到聲發(fā)射疲勞損傷信息fS2 = (e，A，C，K，D) = fSE Π fSA Π fSff0樣本抽取模塊1216Mn鋼疲勞損傷無損檢測(cè)單元1的樣本抽取模塊12，從聲發(fā)射疲勞損傷信息fS2 =(e，A, C，K，D)中選取合適的樣本集合進(jìn)行訓(xùn)練和診斷具體樣本抽取步驟為第一步按時(shí)間先后順序先將聲發(fā)射形變損傷信息fS2 = (e, A, C，K，D)中的N個(gè)樣本進(jìn)行編號(hào)，則有第一個(gè)樣本編號(hào)記為F1 = (A^nC1A1, D1),第二個(gè)樣本編號(hào)記為F2 = (e2，A2, C2, K2, D2)，以此類推第民N個(gè)樣本編號(hào)記為Fn = (eN, An, Cn, Kn, Dn)。第二步設(shè)定分段間隔X ($《^5)，對(duì)所述的& = (GijAijCijKijD1)jF2 =
(e2，A2, C2, K2, D2)、……、Fn = (eN, An, Cn, Kn, Dn)編號(hào)進(jìn)行分段，則有第一段[F1, F2, F3,... Fx] ？弟·~ 段[Fx+1 j Fx+2 Fx+3 F2X
]，以及類推到最后一段[Fn_x+1，F(xiàn)n_x+2，F(xiàn)n_x+3, -Fn]。第三步(A)在第一段[F1, F2, F3, -Fx]中用隨機(jī)抽樣方法隨機(jī)抽取一個(gè)個(gè)體；
(B)以間隔X在第二段[Fx+1，F(xiàn)x+2，F(xiàn)x+3,…F2J中抽取一個(gè)個(gè)體；(C)以此類推，以間隔X在最后一段[Fn_x+1，F(xiàn)n_x+12，F(xiàn)n_x+3, -Fn]中抽取一個(gè)個(gè)體；在本發(fā)明中，步驟三中的㈧步、⑶步和(C)步是在每一段中所抽出的個(gè)體將作為抽樣樣本。在本發(fā)明中，按樣本抽取步驟得到訓(xùn)練樣本IID,s = [eiD,tp,sAID,tp,sCID,tp,sKID,tp,sDID, tp,J ；然后去除訓(xùn)練樣本后再按上述抽樣方法抽樣得到待診斷樣本Γ ID,S= [eID,tq,sAID,tq,
s^ID, tq, s^ID, tq, s^ID, tq, s^ °神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊13為了獲得在役16Mn鋼承力件的損傷度標(biāo)志模型，本發(fā)明在神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊13 中采用了 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法進(jìn)行模型訓(xùn)練。其訓(xùn)練步驟如下訓(xùn)練步驟一，將聲發(fā)射儀2接收的在采集時(shí)間T內(nèi)所有的聲發(fā)射疲勞損傷信息進(jìn)行存儲(chǔ)，即存儲(chǔ)的是fS2 = (e,A, C，K，D)信息，或稱為原始數(shù)據(jù)信息；訓(xùn)練步驟二，選取訓(xùn)練樣本集合中的聲發(fā)射疲勞損傷信息進(jìn)行累積處理，得到訓(xùn)
練累積能量Eid, tp, 3、測(cè)量幅度Aid, tp, s、訓(xùn)練累積振鈴計(jì)數(shù)CID, tp, s、訓(xùn)練累積持續(xù)時(shí)間Did, tp, s
和波形峰度KID, tp, s ；胃 EID，tp，s、AID，tp，s、CID，tp，s、 KID,tp,s和Did,作為BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中
的訓(xùn)練樣本輸入層信息，該訓(xùn)練樣本輸入層信息表達(dá)形式為IID,s = [EID,tp,sAID,tp,sCID,tp,sKID, η .
tp, s"ID, tp, S-I ，訓(xùn)練步驟三，對(duì)訓(xùn)練步驟二獲取的訓(xùn)練樣本輸入層信息IID,S與訓(xùn)練樣本隱含層 Mid, s、訓(xùn)練樣本輸出層信息0ID, s構(gòu)建出針對(duì)在役16Mn鋼承力件的損傷度標(biāo)志模型，該損傷度標(biāo)志模型表達(dá)形式為Dg = UID, s，Mid, s，Qid, s}；訓(xùn)練步驟四，選取診斷樣本集合中的聲發(fā)射疲勞損傷信息進(jìn)行累積處理，得到診斷累積能量Eid, tq, s、診斷累積測(cè)量幅度Aid, tq, s、診斷累積振鈴計(jì)數(shù)CID, tq, s和診斷累積持續(xù)時(shí)間Dm, & s和波形峰度Kid, % s ；該 EID, tq, s、AID, tq, sλ Cid，tq，s、 Iim, & 3和Dm, & s作為BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中的待診斷樣本輸入層信息，該待診斷樣本輸入層信息的表達(dá)形式為Γ ID,S =
Kid, tq, s-^-ID, tq, s^ID, tq, s^ID, tq, s^ID, tq, s^ ‘訓(xùn)練步驟五，將訓(xùn)練步驟四獲取的待診斷樣本輸入層信息Γ 1),3代入訓(xùn)練步驟三獲得的損傷度標(biāo)志模型Dg中，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法得到待診斷樣本輸出層信息0' ID,
s >
tp, s^ID, tp
9
在本發(fā)明中，訓(xùn)練步驟二中的訓(xùn)練樣本輸入層信息IID,s = [EID,tp,sAID,tp,sCID,tp,sKID,
]中各字母的物理意義為
Eid, tp,s表示訓(xùn)練累積能量，
Aid, tp,s表示訓(xùn)練累積測(cè)量幅度，
CID, tp,s表示訓(xùn)練累積振鈴計(jì)數(shù)，
KID, tp,s表示訓(xùn)練樣本波形峰度，
Did,表示訓(xùn)練累積持續(xù)時(shí)間，
ID表示聲發(fā)射換能器的代碼，
tp表示訓(xùn)練樣本的選取時(shí)間，
s表示聲發(fā)射換能器的類型。
訓(xùn)練樣本輸入層信息IID,s中的5個(gè)元素即為5個(gè)節(jié)點(diǎn)。
在本發(fā)明中，訓(xùn)練步驟三中的訓(xùn)練樣本隱含層Mid,s = 2X5+1 = 11，即訓(xùn)練樣本隱含層Mid, s的節(jié)點(diǎn)個(gè)數(shù)為IID, s的節(jié)點(diǎn)個(gè)數(shù)的二倍加一。在本發(fā)明中，訓(xùn)練步驟三中的訓(xùn)練樣本輸出層信息0ID,s = [dKID,tp,sAID,tp,sVID,tp,s]， 包含與材料疲勞損傷程度關(guān)系最密切的3個(gè)疲勞試驗(yàn)的參量，dKID,tp,s表示訓(xùn)練樣本實(shí)際測(cè)得的應(yīng)力強(qiáng)度因子幅，Aid,tp,s表示訓(xùn)練樣本實(shí)際測(cè)得的疲勞裂紋長度，VID,tp,s表示訓(xùn)練樣本實(shí)際測(cè)得的疲勞裂紋擴(kuò)展速率，即為3個(gè)節(jié)點(diǎn)。，在本發(fā)明中，訓(xùn)練步驟四中的待診斷樣本輸入層信息 Γ ID,S= [Eid, tq, sAid, tq, SCID, tq, SKID, tq, sDid, tq, J 中各字母的物理意義為EID,t(1,s表示診斷累積能量，Aid, t(1, s表示診斷累積測(cè)量幅度，Cid, & s表示診斷累積振鈴計(jì)數(shù)，Kid, & s表示表示診斷樣本波形峰度，DID,t(1,s表示累積偶數(shù)持續(xù)時(shí)間，ID表示聲發(fā)射換能器的代碼，tq表示在待診斷樣本的選取時(shí)間，s表示聲發(fā)射換能器的類型。在本發(fā)明中，訓(xùn)練步驟五中的待診斷樣本輸出層信息0' ID,s=[dK' ID,tp,sA' ID, tp,sv' ID,tp,s]，其中dK' ID,tp,s表示擬合得到的待診斷樣本應(yīng)力強(qiáng)度因子幅，AID,tp,s表示擬合得到的待診斷樣本疲勞裂紋長度，VID,tp,s表示擬合得到的待診斷樣本疲勞裂紋擴(kuò)展速率。DSD損傷狀態(tài)判斷模塊14DSD損傷狀態(tài)判斷模塊14將神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊13得到的待診斷樣本輸出層信息 0' ID,S采用DSD (Damage State Determination)策略進(jìn)行多重判斷，得到疲勞損傷識(shí)別診斷結(jié)果Hi(Bi)。DSD策略識(shí)別方法如下當(dāng)0 ‘ ID, s = [dK ‘ ID, tp, SA 丨 ID, tp, SV 丨 ID, tp, J 中dK;D(ps < 3OMPa · it! 和 A ‘ ID, tp,
s<5.5mm和V' ID, tp, s < 5X 10_4mm/CyCle (周次)時(shí)，即承力件處于疲勞裂紋萌生狀態(tài) Hl(B1)；當(dāng)0' ID,s=[dK' ID,tp,sA' ID,tp,sV'
5. 5mm < A' ID,tp,s < Ilmm 禾口 5X l(T4mm/cycle < V' ID,tp,s < 5 X l(T3mm/cycle (周次)時(shí)， 即承力件處于疲勞裂紋穩(wěn)定擴(kuò)展?fàn)顟B(tài)m(B2)；當(dāng)0 ‘ ID, s = [dK ‘ ID, tp, SA' ID, tp, SV' ID, tp, J 中> 50MPa · It^和 A' ID, tp, s
> Ilmm和V' ID^,S> 5X10_3mm/CyCle (周次)時(shí)，即承力件處于疲勞裂紋失穩(wěn)擴(kuò)展?fàn)顟B(tài) m (B3) ο在本發(fā)明中，將承力件處于疲勞裂紋萌生狀態(tài)πι )、承力件處于疲勞裂紋穩(wěn)定擴(kuò)展?fàn)顟B(tài)Hl(B2)和承力件處于疲勞裂紋失穩(wěn)擴(kuò)展?fàn)顟B(tài)Hl(B3)稱為識(shí)別診斷結(jié)果Hl(Bi),識(shí)別診斷結(jié)果HI(Bi)與診斷樣本輸出層信息0' 1),3共同作為焊接部位形變損傷識(shí)別信息W = (0' H1^m(Bi))輸出到報(bào)警單元以及顯示屏。本發(fā)明16Mn鋼承力件疲勞損傷狀態(tài)模式中包括有承力件處于疲勞裂紋萌生狀態(tài)Hl(B1)、承力件處于疲勞裂紋穩(wěn)定擴(kuò)展?fàn)顟B(tài)Hl(B2)和承力件處于疲勞裂紋失穩(wěn)擴(kuò)展?fàn)顟B(tài)
10Hi(B3)。在役工件一般在疲勞裂紋萌生狀態(tài)Hi(B1)下工作，當(dāng)處于疲勞裂紋穩(wěn)定擴(kuò)展?fàn)顟B(tài) m(B2),疲勞裂紋失穩(wěn)擴(kuò)展?fàn)顟B(tài)m(B3)的之一狀態(tài)時(shí)，該工件損傷比較嚴(yán)重，使用者應(yīng)當(dāng)進(jìn)行實(shí)時(shí)重點(diǎn)檢測(cè)、監(jiān)測(cè)或者更換，因此對(duì)該焊接部位進(jìn)行無損檢測(cè)可以預(yù)防和減少事故的發(fā)生，以減少突發(fā)斷裂造成的人員傷害、設(shè)備損失和經(jīng)濟(jì)損失。實(shí)施例1 對(duì)40t (噸)軌道式起重機(jī)的承力件進(jìn)行聲發(fā)射檢測(cè)。承力件懸臂有效伸度5000mm，檢測(cè)長度3000mm。承力件所用的16Mn鋼成分如表1所示。表1承力件所用的16Mn鋼成分
權(quán)利要求
1.一種基于SNF策略和DSD策略的16Mn鋼承力件疲勞損傷狀態(tài)識(shí)別系統(tǒng)，該系統(tǒng)包括有多個(gè)聲發(fā)射換能器G)、多路前置放大器(3)、一個(gè)聲發(fā)射儀O)，其特征在于還包括有一個(gè)16Mn鋼疲勞損傷無損檢測(cè)單元(1) ；16Mn鋼疲勞損傷無損檢測(cè)單元(1)內(nèi)嵌在聲發(fā)射儀O)的存儲(chǔ)器中；16Mn鋼疲勞損傷無損檢測(cè)單元(1)包括有SNF過濾模塊(11)、樣本抽取模塊(12)、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(13)和DSD疲勞損傷識(shí)別模塊(14)，SNF過濾模塊(11)有SNF能量濾波處理模塊(IlA)，SNF幅值濾波處理模塊(IlB)和SNF波形濾波處理模塊(IlC)；聲發(fā)射換能器(4)與前置放大器(3)為配套使用，即每一個(gè)聲發(fā)射換能器的輸出端與一個(gè)前置放大器(3)的輸入端連接，每一個(gè)前置放大器(3)的輸出端連接在聲發(fā)射儀 (2)的信息輸入接口上，該信息輸入接口用于接收多路突發(fā)型放大信息fs ； 聲發(fā)射換能器，用于采集在役16Mn鋼承力件上的突發(fā)型信息& ； 前置放大器(3)，用于對(duì)接收到的突發(fā)型信息&進(jìn)行放大40dB后成為突發(fā)型放大信息fs；聲發(fā)射儀( 一方面用于對(duì)接收到的突發(fā)型放大信息^經(jīng)々/!)轉(zhuǎn)換后成為數(shù)字突發(fā)型信息fsl = (es，As, Cs, Ks, Ds)輸出給16Mn鋼疲勞損傷無損檢測(cè)單元(1)；另一方面對(duì)接收到的疲勞損傷識(shí)別信息D輸出給顯示屏m進(jìn)行實(shí)時(shí)顯示；接收到的數(shù)字突發(fā)型信息fsl = (es, As, Cs, Ks, Ds)在SNF能量濾波處理模塊(IlA)中得到能量濾波信息fSE = (es> 1, As, Cs, Ks, Ds)，fSE即能量大于1的聲發(fā)射信號(hào)集合；在SNF幅值濾波處理模塊(IlB)中得到幅值濾波信息fSA = (es,As > 30dB,Cs,Ks,Ds)， fSA即幅值大于30dB的聲發(fā)射信號(hào)集合；在SNF波形濾波處理模塊(IlC)中得到波形濾波信息fsw e (100kHz,400kHz), fsw即波形頻率在IOOkHz到400kHz的聲發(fā)射信號(hào)集合；最后得到聲發(fā)射疲勞損傷信息fS2 = (e，A，C，K，D) = fSE Π fSA Π fswo 16Μη鋼疲勞損傷無損檢測(cè)單元⑴的樣本抽取模塊模型(12)從聲發(fā)射疲勞損傷信息 fS2= (e，A，C，K，D)中選取訓(xùn)練樣本 IID,S= [eID,tp,sAID,tp,sCID,tp,sKID,tp,sDID,tp,J 和待診斷樣本 I' ID,S= [eID,t(1,sAID,t(1,sCID,t(1,sKID,t(1,sDID,t(1,s]，并將其輸入至神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(13)中； 16Mn鋼焊接結(jié)構(gòu)形變損傷無損檢測(cè)單元(1)的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(13)對(duì)IID,S = [eID,tp，sAid，tp，sCid，tp，sKid，tp，sDid，tp，S]禾口工 ID, s — teiD, tq, s-^ID, tq, s^ID, tq, s^ID, tq, s^ID, tq, s^ 進(jìn)訂1^丨丨練侍到待診斷樣本輸出層信息 0ID,S= [dKID,tp,sAID,tp,sVID,tp,s]；16Mn鋼焊接結(jié)構(gòu)形變損傷無損檢測(cè)單元(1)的DSD形變損傷識(shí)別模塊(14)對(duì)0ID, s =[dKID, tp, sAid, tp, SVID, tp, J進(jìn)行解析判斷后輸出焊接結(jié)構(gòu)形變損傷識(shí)別信息W = (0' ID, s, Hi(Bi)),該W= (0' ^sjm(Bi)) 一方面回饋給聲發(fā)射儀O)，另一方面輸出給報(bào)警單元(5) 進(jìn)行顯示。
2.根據(jù)權(quán)利要求1所述的基于SNF策略和DSD策略的16Mn鋼承力件疲勞損傷狀態(tài)識(shí)別系統(tǒng)，其特征在于采用SNF策略對(duì)接收到的數(shù)字突發(fā)型信息fsl = (es, As, Cs, Ks, Ds)進(jìn)行濾波，具體處理方式為接收到的數(shù)字突發(fā)型信息fsl = (es, As, Cs, Ks, Ds)在SNF能量濾波處理模塊(IlA)中得到能量濾波信息fSE = (es> 1, As, Cs, Ks, Ds)，fSE即能量大于1的聲發(fā)射信號(hào)集合； 在SNF幅值濾波處理模塊(IlB)中得到幅值濾波信息fSA = (es,As > 30dB,Cs,Ks,Ds)，fSA即幅值大于30dB的聲發(fā)射信號(hào)集合；在SNF波形濾波處理模塊(IlC)中得到波形濾波信息fsw e (100kHz,400kHz), fsw即波形頻率在IOOkHz到400kHz的聲發(fā)射信號(hào)集合；最后得到聲發(fā)射疲勞損傷信息fS2 = (e，A，C，K，D) = fSE Π fSA Π fswo
3.根據(jù)權(quán)利要求1所述的基于SNF策略和DSD策略的16Mn鋼承力件疲勞損傷狀態(tài)識(shí)別系統(tǒng)，其特征在于樣本抽取模塊(12)從聲發(fā)射疲勞損傷信息fS2 = (e, A, C，K，D)中選取合適的樣本集合進(jìn)行訓(xùn)練和診斷具體樣本抽取步驟為第一步按時(shí)間先后順序先將聲發(fā)射形變損傷信息fS2 = (e，A, C，K，D)中的N個(gè)樣本進(jìn)行編號(hào)，則有第一個(gè)樣本編號(hào)記為F1 = (^AnCnKpD1)，第二個(gè)樣本編號(hào)記為F2= (e2, A2, C2, K2, D2)，以此類推第民N個(gè)樣本編號(hào)記為Fn = (eN, An, Cn, Kn, Dn)；第二步設(shè)定分段間隔
4.根據(jù)權(quán)利要求1所述的基于SNF策略和DSD策略的16Mn鋼承力件疲勞損傷狀態(tài)識(shí)別系統(tǒng)，其特征在于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊(1 中采用了 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法進(jìn)行模型訓(xùn)練；其訓(xùn)練步驟如下訓(xùn)練步驟一，將聲發(fā)射儀( 接收的在采集時(shí)間T內(nèi)所有的聲發(fā)射疲勞損傷信息進(jìn)行存儲(chǔ)，即存儲(chǔ)的是fS2 = (e,A, C，K，D)信息，或稱為原始數(shù)據(jù)信息；訓(xùn)練步驟二，選取訓(xùn)練樣本集合中的聲發(fā)射疲勞損傷信息進(jìn)行累積處理，得到訓(xùn)練累積能量Eid, tp, 3、測(cè)量幅度Aid, tp, s、訓(xùn)練累積振鈴計(jì)數(shù)CID, tp, s、訓(xùn)練累積持續(xù)時(shí)間Did, tp, s和波形峰度I^1, tP,s 該 Eid, tp, s、Aid, tp, s、Cid, tp, s、 KID, s和Did, tp,s作為BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中的訓(xùn)練樣本輸入層信息，該訓(xùn)練樣本輸入層信息表達(dá)形式為IID,s = [EID,tp,sAID,tp,sCID,tp,sKID,tp, η .Si^ID, tp, S」，訓(xùn)練步驟三，對(duì)訓(xùn)練步驟二獲取的訓(xùn)練樣本輸入層信息IID,S與訓(xùn)練樣本隱含層Mid,s、訓(xùn)練樣本輸出層信息Oid,3構(gòu)建出針對(duì)在役16Mn鋼承力件的損傷度標(biāo)志模型，該損傷度標(biāo)志模型表達(dá)形式為 Dg= UID, s，Mid, s，0ID, s}；訓(xùn)練步驟四，選取診斷樣本集合中的聲發(fā)射疲勞損傷信息進(jìn)行累積處理，得到診斷累積能量Eid, tq, s、診斷累積測(cè)量幅度Aid, tq, s、診斷累積振鈴計(jì)數(shù)CID, tq, s和診斷累積持續(xù)時(shí)間 Did, & s和波形峰度Kid,,s ；該 EID, tq, s、AID, tq, sλ Cid，討，s、 KID, tq, s和Did, tq, s作為BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中的待診斷樣本輸入層信息，該待診斷樣本輸入層信息的表達(dá)形式為Γ ID,S= [Eid,tq, s-^-ID, tq, s^ID, tq, s^ID, tq, s^ID, tq, s^];訓(xùn)練步驟五，將訓(xùn)練步驟四獲取的待診斷樣本輸入層信息Γ ID,S代入訓(xùn)練步驟三獲得的損傷度標(biāo)志模型Dg中，應(yīng)用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法得到待診斷樣本輸出層信息0' ID,S ；訓(xùn)練步驟二中的訓(xùn)練樣本輸入層信息IID,s = [EID,tp,sAID,tp,sCID,tp,sKID,tp,sDID,tp,J中各字母的物理意義為EID,tp,s表示訓(xùn)練累積能量，Aid, tp,s表示訓(xùn)練累積測(cè)量幅度，CID,tp,s表示訓(xùn)練累積振鈴計(jì)數(shù)，KID,tp,s表示訓(xùn)練樣本波形峰度，Did,tp,s表示訓(xùn)練累積持續(xù)時(shí)間，ID表示聲發(fā)射換能器的代碼，tp表示訓(xùn)練樣本的選取時(shí)間，s表示聲發(fā)射換能器的類型； 訓(xùn)練樣本輸入層信息IID,s中的5個(gè)元素即為5個(gè)節(jié)點(diǎn)；訓(xùn)練步驟三中的訓(xùn)練樣本隱含層Mid,s = 2X5+1 = 11，即訓(xùn)練樣本隱含層Mid,s的節(jié)點(diǎn)個(gè)數(shù)為IID, s的節(jié)點(diǎn)個(gè)數(shù)的二倍加一；訓(xùn)練步驟三中的訓(xùn)練樣本輸出層信息0ID, s = [dKID, tp, sAid, tp, SVID, tp, J，包含與材料疲勞損傷程度關(guān)系最密切的3個(gè)疲勞試驗(yàn)的參量，dKID,tp,s表示訓(xùn)練樣本實(shí)際測(cè)得的應(yīng)力強(qiáng)度因子幅，Aid,tp,s表示訓(xùn)練樣本實(shí)際測(cè)得的疲勞裂紋長度，VID,tp,s表示訓(xùn)練樣本實(shí)際測(cè)得的疲勞裂紋擴(kuò)展速率，即為3個(gè)節(jié)點(diǎn)；訓(xùn)練步驟四中的待診斷樣本輸入層信息Γ ID,S= [EID,t(1,sAID,t(1,sCID,t(1,sKID,t(1,sDID,t(1,s]中各字母的物理意義為EID,t(1,s表示診斷累積能量，Aid, & s表示診斷累積測(cè)量幅度，Cid, & s表示診斷累積振鈴計(jì)數(shù)，Kid,&s表示表示診斷樣本波形峰度，DID,t(1,s表示累積偶數(shù)持續(xù)時(shí)間， ID表示聲發(fā)射換能器的代碼，tq表示在待診斷樣本的選取時(shí)間，s表示聲發(fā)射換能器的類型；訓(xùn)練步驟五中的待診斷樣本輸出層信息0' ID,s=[dK' ID,tp,sA' ID,tp,sV' ID,tps]，其中dK' ID,tp,s表示擬合得到的待診斷樣本應(yīng)力強(qiáng)度因子幅，Aid,tp,s表示擬合得到的待診斷樣本疲勞裂紋長度，VID, tp,s表示擬合得到的待診斷樣本疲勞裂紋擴(kuò)展速率。
5.根據(jù)權(quán)利要求1所述的基于SNF策略和DSD策略的16Mn鋼承力件疲勞損傷狀態(tài)識(shí)別系統(tǒng)，其特征在于DSD策略識(shí)別方法如下當(dāng) 0' ID,S = [dK' ID,tp,sA' ID,tp,sV' ID,tp,J 中狀；擬 <30MPa·!!^禾ΠΑ' ID,tp,s < 5. 5mm和V' ID,tp,s<5X10_4mm/CyCle時(shí)，即承力件處于疲勞裂紋萌生狀態(tài)Hi(B1)；當(dāng) 0' ID,S = [dK' ID,tp,sA' IDjtp,sV' ID,tp,s]中<50MPa·!!^禾口 5. 5mm<'ID,tp,s < 11 讓和 5Xl(T^im/cycle < V' ID, tp, s < 5X lO^nm/cycle 時(shí)，即承力件處于疲勞裂紋穩(wěn)定擴(kuò)展?fàn)顟B(tài)Hl(B2)；當(dāng) O' ID,s=[dK' ID,tp,sA' ID,tp,sV'ID,tp,s > Ilmm和V' ID,tp,s>5X10_3mm/CyCle時(shí)，即承力件處于疲勞裂紋失穩(wěn)擴(kuò)展?fàn)顟B(tài)m(B3)；承力件處于疲勞裂紋萌生狀態(tài)Hl(B1)、承力件處于疲勞裂紋穩(wěn)定擴(kuò)展?fàn)顟B(tài)Hl(B2)和承力件處于疲勞裂紋失穩(wěn)擴(kuò)展?fàn)顟B(tài)Hl(B3)稱為識(shí)別診斷結(jié)果Hl(Bi),識(shí)別診斷結(jié)果Hl(Bi)與診斷樣本輸出層信息O' 1),3共同作為焊接部位形變損傷識(shí)別信息W= (0' H^m(Bi))輸出到報(bào)警單元(5)以及顯示屏(2A)。
全文摘要
本發(fā)明公開了一種基于SNF策略和DSD策略的16Mn鋼承力件疲勞損傷狀態(tài)識(shí)別系統(tǒng)，該系統(tǒng)包括有多個(gè)聲發(fā)射換能器、多路前置放大器、一個(gè)聲發(fā)射儀和16Mn鋼疲勞損傷無損檢測(cè)單元；16Mn鋼疲勞損傷無損檢測(cè)單元包括有SNF過濾模塊、樣本抽取模塊、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模塊和DSD疲勞損傷識(shí)別模塊，SNF過濾模塊有SNF能量濾波處理模塊，SNF幅值濾波處理模塊和SNF波形濾波處理模塊。該狀態(tài)識(shí)別首先采用SNF策略對(duì)多路聲發(fā)射換能器采集得到的信息進(jìn)行多維濾波，并采用人工神經(jīng)網(wǎng)絡(luò)方法對(duì)濾波后的信號(hào)進(jìn)行訓(xùn)練和預(yù)測(cè)，獲得16Mn鋼承力件的疲勞損傷參數(shù)；然后采用DSD策略對(duì)神經(jīng)網(wǎng)絡(luò)輸出結(jié)果進(jìn)行判定，確定被測(cè)件的疲勞損傷狀態(tài)。該系統(tǒng)在工作狀態(tài)下，能夠?qū)υ谝?6Mn鋼承力件的疲勞損傷參數(shù)進(jìn)行預(yù)測(cè)，對(duì)不同損傷狀態(tài)進(jìn)行識(shí)別，并對(duì)識(shí)別出的結(jié)果作出預(yù)警。
文檔編號(hào)G01N29/14GK102279222SQ20111012491
公開日2011年12月14日 申請(qǐng)日期2011年5月16日 優(yōu)先權(quán)日2011年5月16日
發(fā)明者張崢, 曹經(jīng)緯, 鐘群鵬, 韓志遠(yuǎn), 駱紅云 申請(qǐng)人:北京航空航天大學(xué)