复杂结构件云边端协同检测疲劳裂纹的方法技术

本发明专利技术公开了一种复杂结构件云边端协同检测疲劳裂纹的方法，首先在复杂结构件易发生裂纹部位通过声发射传感器实时检测复杂结构件的裂纹所产生的声速数据，在复杂结构件上通过振动传感器实时检测复杂结构件的振动数据；其次对声速数据和振动数据分别进行盲源分离，再对声速数据进行特征信号提取处理得到复杂结构件的特征，对振动数据进行复杂追踪处理复杂结构件的振型；最后根据复杂结构件的出厂参数以及出厂后设定时间段内的所有复杂结构件的特征和复杂结构件的振型建立状态模型并对该状态模型进行训练，在出厂后设定时间段之后将实时的复杂结构件的特征和复杂结构件的振型输入到所述的训练好的状态模型中，输出得到复杂结构件的工作状态。

【技术实现步骤摘要】
复杂结构件云边端协同检测疲劳裂纹的方法
本专利技术涉及疲劳裂纹检测领域，特别涉及一种复杂结构件云边端协同检测疲劳裂纹的方法。
技术介绍
复杂结构件广泛分布于交通运输、电力、石化、工业制造、计量等领域中，大到桥梁结构特种设备(压力容器，管道)，小到信息物理系统中的物理结构。随着现代工业的进步机械的智能化水平不断增加，所带来了节约成本增加效率；另外机械结构组成更加复杂，各部分紧密联系，一旦发生故障将产生严重危害。当前诊断方法通常采用人工手持设备定期巡检效率低下，仅仅检测表面故障，并且诊断结果受人主观因素影响。除此之外，截止到2018年我国天然气管道总长度已达到698042.72公里，并且这一数字还在继续增加，公路桥梁80万余座并且大都处于偏远地区无人看守，一旦发生事故将会出现特大伤亡。因此这些复杂结构件故障诊断对现代工业系统的可靠性和安全性起着重要作用。
技术实现思路
本专利技术的目的是克服上述现有技术中存在的问题，提供一种复杂结构件云边端协同检测疲劳裂纹的方法，以解决上述
技术介绍
中所提到的问题。本专利技术的技术方案是：本文档来自技高网...

【技术保护点】
1.复杂结构件云边端协同检测疲劳裂纹的方法，其特征在于，包括如下步骤：/nS1：在复杂结构件易发生裂纹部位通过声发射传感器实时检测复杂结构件的裂纹所产生的声速数据；在复杂结构件上通过振动传感器实时检测复杂结构件的振动数据；/nS2：实时对声速数据和振动数据分别进行预处理，再对声速数据和振动数据分别进行盲源分离，之后再对声速数据进行特征信号提取处理得到复杂结构件的特征，同时对振动数据进行复杂追踪处理复杂结构件的振型；/nS3：根据复杂结构件的出厂参数以及出厂后设定时间段内的所有复杂结构件的特征和复杂结构件的振型建立状态模型并对该状态模型进行训练，最终得到训练好的状态模型，在出厂后设定时间段之后将...

【技术特征摘要】
1.复杂结构件云边端协同检测疲劳裂纹的方法，其特征在于，包括如下步骤：
S1：在复杂结构件易发生裂纹部位通过声发射传感器实时检测复杂结构件的裂纹所产生的声速数据；在复杂结构件上通过振动传感器实时检测复杂结构件的振动数据；
S2：实时对声速数据和振动数据分别进行预处理，再对声速数据和振动数据分别进行盲源分离，之后再对声速数据进行特征信号提取处理得到复杂结构件的特征，同时对振动数据进行复杂追踪处理复杂结构件的振型；
S3：根据复杂结构件的出厂参数以及出厂后设定时间段内的所有复杂结构件的特征和复杂结构件的振型建立状态模型并对该状态模型进行训练，最终得到训练好的状态模型，在出厂后设定时间段之后将实时的复杂结构件的特征和复杂结构件的振型输入到所述的训练好的状态模型中，输出得到复杂结构件的工作状态。


2.如权利要求1所述的复杂结构件云边端协同检测疲劳裂纹的方法，其特征在于，在步骤S1中，还在复杂结构件上设置温度传感器实时检测复杂结构件的温度数据，所述温度传感器位于所述声发射传感器周围；
所述声速检测数据ut和温度数据T的关系为



其中，i为温度数据T的取值，i的取值范围为自然数，i的单位为开尔文，E为声速弹性模量，α为线涨系数、ρ为密度，在上式中，Ei和ρi为T＝i时的相应值；
当所述声速检测数据与所述声速数据一致的时候，所述声速数据保持不变，当所述声速检测数据与所述声速数据不一致的时候，所述声速数据为所述声速数据和所述声速检测数据的均值。


3.如权利要求1所述的复杂结构件云边端协同检测疲劳裂纹的方法，其...

【专利技术属性】
技术研发人员：何鹏举，贾中森，赵子威，朱瑞霖，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61