基于样本持续增量快速获取应力谱进行疲劳寿命评估方法技术

本发明专利技术公开了一种基于样本持续增量快速获取应力谱进行疲劳寿命评估方法，包括以下步骤：从桥式起重机数据记录仪中实时提取起重机起升载荷量和小车位置作为输入的样本数据，采用训练好的径向基神经网络模型，即可获得样本数据持续增加下该桥式起重机任意位置点对应的等效应力值，从而绘制该点时间‑应力曲线；根据绘制的时间‑应力曲线，利用雨流计数法，获取包含均值和幅值的应力谱；提取得到的应力谱，利用基于损伤容限——断裂力学法计算出桥式起重机主梁的疲劳剩余寿命。本发明专利技术用于实时预测及评估桥式起重机主梁的寿命及可靠性。本发明专利技术解决了目前通用桥式起重机面对样本数据的持续增量无法快速获取时间‑应力曲线得到应力谱进行疲劳寿命分析问题。

【技术实现步骤摘要】
基于样本持续增量快速获取应力谱进行疲劳寿命评估方法
本专利技术属于起重机疲劳寿命估算领域，具体涉及一种基于样本持续增量快速获取应力谱进行疲劳寿命评估方法，也适用于其他类型起重机的疲劳寿命估算。
技术介绍
桥式起重机作为车间进行产品吊运的起重设备，其工作特点是做间歇性运动，即在一个工作循环中取料、运移、卸载等动作的相应机构是交替工作的，起重机在市场上的发展和使用越来越广泛。随着桥式起重机使用数量的增多，起重机使用引发的安全事故也不断上升，而且一旦发生事故，社会影响恶劣，给国家和人民带来巨大的损失。据统计，我国每年因起重机械造成的伤亡事故占当年事故发生的15%左右，而且随着经济的发展，人们对于桥式起重机的性能有了更高的要求，大起重量、高频作业等指标被提上日程，这些硬性指标使得桥式起重机在役期间更加“繁忙”，无疑加重了桥式起重机的事故频率。由此，桥式起重机的安全问题已经成为国家和行业内面临的重要课题。现有技术中对金属结构疲劳剩余寿命可靠性分析时，需要通过起重机的特征参数记录获得时间-应力曲线，并计算得到应力谱。但目前无法对起重机实时样本数据持续增量进行分析，大部分计算都是后续通过对一段时间本文档来自技高网...

【技术保护点】
1.一种基于样本持续增量快速获取应力谱进行疲劳寿命评估方法，其特征在于，包括以下步骤：从桥式起重机数据记录仪中实时提取起重机起升载荷量和小车位置作为输入的样本数据，采用训练好的径向基神经网络模型，即可获得样本数据持续增加下该桥式起重机任意位置点对应的等效应力值，从而绘制该点时间‑应力曲线；根据绘制的时间‑应力曲线，利用雨流计数法，获取包含均值和幅值的应力谱；提取得到的应力谱，利用基于损伤容限——断裂力学法计算出桥式起重机主梁的疲劳剩余寿命。

【技术特征摘要】
1.一种基于样本持续增量快速获取应力谱进行疲劳寿命评估方法，其特征在于，包括以下步骤：从桥式起重机数据记录仪中实时提取起重机起升载荷量和小车位置作为输入的样本数据，采用训练好的径向基神经网络模型，即可获得样本数据持续增加下该桥式起重机任意位置点对应的等效应力值，从而绘制该点时间-应力曲线；根据绘制的时间-应力曲线，利用雨流计数法，获取包含均值和幅值的应力谱；提取得到的应力谱，利用基于损伤容限——断裂力学法计算出桥式起重机主梁的疲劳剩余寿命。2.根据权利要求1所述的基于样本持续增量快速获取应力谱进行疲劳寿命评估方法，其特征在于，所述径向基神经网络模型的构建步骤如下:通过ANSYS建立桥式起重机仿真模型，获取学习样本数据，并构建径向基神经网络模型；根据得到的径向基神经网络模型和学习样本数据，选取1-2组数据为测试数据，其余组数据为学习样本，利用径向基函数对径向基神经网络进行训练，并通过训练好的径向基神经网络模型输出学习样本的等效应力值与ANSYS分析得到该位置点等效应力值进行对比，确认训练好的径向基神经网络模型的准确性，得到最优模型参数的径向基神经网络模型。3.根据权利要求2所述的基于样本持续增量快速获取应力谱进行疲劳寿命评估方法，其特征在于，所述学习样本的获取方法如下：根据桥式起重机起吊重物小车从左端运行到右端的不同起升载荷和小车位置为学习样本的输入量，计算出该类桥式起重机疲劳关键点对应的ANSYS计算的等效应力值为学习样本的输出量，获得学习样本数据。4.根据权利要求1至2中任一项所述的基于样...

【专利技术属性】
技术研发人员：王爱红，杨蓉萍，吕振锋，武锟辉，高有山，左旸，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：山西,14