【技术实现步骤摘要】
相关能量奇异谱分解的工程机械主梁结构损伤识别方法
[0001]本专利技术涉及机械设备中的损伤识别与故障检测
,具体涉及一种基于时频分析的工程机械主梁结构损伤识别方法。
技术介绍
[0002]近年来,起重机等工程机械被广泛应用于交通运输、码头港口、物流搬运等场所。其中,起重机的金属构件(尤其是主梁结构等)在使用过程中,由于长期受到复杂多变的冲击载荷、服役环境极端恶劣等的多因素影响,常常会产生裂纹、疲劳等损伤,致使金属材料的机械性能劣化、材料的疲劳强度下降等现象,导致起重机等安全事故逐年增加,造成不可估量的经济损失或人员伤害。因此,对起重机等关键金属部件—主粱的结构损伤智能检测与识别技术研究显得尤为重要。
[0003]目前,最为常见的结构损伤检测与识别方法之一是基于振动分析的手段,该类方法主要是基于结构模态性能对其关键部件进行有效的健康监测、结构损伤检测与识别。研究得知,已损伤的起重机主梁结构刚度及承载能力都将有所下降,其模态参数也会随之改变。基于此,通过研究结构的振动特性,就能识别起重机结构是否发生损伤、并确定损伤的位置和程度等。
[0004]目前,广泛应用于结构振动响应分析的信号处理方法主要有经验模态分解(EMD)、局部均值分解(LMD)等时频信号处理方法。然而,上述传统的时频分析方法譬如EMD、LMD等都属于非参数化自适应信号分解方法,大多都是基于信号极值点的局部特征尺度参数化的,并通过多次迭代获得瞬时频率具有物理意义的单分量信号。因此,上述时频分析方法都会具有一些共同的不足之处,如端点效应、 ...
【技术保护点】
【技术特征摘要】
1.一种相关能量奇异谱分解的工程机械主梁结构损伤识别方法,其特征在于,包括以下步骤:步骤1:通过多传感器技术采集工程机械主梁处的振动信号,转入步骤2;步骤2:利用相关能量奇异谱分解算法对采集到的主梁振动信号进行分解,构建轨迹矩阵与自适应选择嵌入维数长度,并融合主梁振动信号的相关系数与能量比判据确定奇异谱分解算法所获得的模态分量数,转入步骤3;步骤3:通过主梁振动信号的相关能量系数确定分解分量的主敏感分量,得到相对应主敏感分量的瞬时频率和瞬时幅值,转入步骤4;步骤4:利用相关能量奇异谱分解算法对新采集的工程机械主梁位置处的振动信号进行分解,识别该主梁结构的模态参数,依据步骤3中主敏感分量的瞬时频率和瞬时能量的损伤指标,对该主梁结构结构损伤进行识别。2.根据权利要求1所述的相关能量奇异谱分解的工程机械主梁结构损伤识别方法,其特征在于:步骤1中多传感器技术采用多个振动传感器,将上述多个传感器布置在工程机械主梁周围,采集该主梁处的振动信号。3.根据权利要求2所述的相关能量奇异谱分解的工程机械主梁结构损伤识别方法,其特征在于:所述步骤2中利用相关能量奇异谱分解算法对采集到的主梁振动信号进行分解,分解过程如下所示:步骤2.1、主梁振动信号s(n)的数据长度为n,嵌入维数为m,将它们构建为一个m行n列的轨迹矩阵S;设有时间序列为s=[12345]的嵌入维数为3,那么对源信号构建的轨迹矩阵表达式为:其中,轨迹矩阵S的左3行左3列对应于SSA中的轨迹矩阵;步骤2.2、将轨迹矩阵S中的右下角3个元素搬移至该轨迹矩阵S的左上角位置,构建一个新的轨迹矩阵S
′
表达式,即式中,新的轨迹矩阵S
′
的左3列对应于奇异谱分解中轨迹矩阵;那么计算第j次迭代时残余分量的功率谱密度为式中,c
j
(n)表示第j次迭代时获得的残余分量,迭代次数j=2,3,4......,c
k
(n)表示第k次迭代时获得的分量,k=1,2,3,
……
,j
‑
1;随后估计功率谱密度中最大峰值对应的瞬时频率f
max
;步骤2.3、按照从高频到低频的顺序依次重构第j个奇异谱分量:在第j次迭代中,如果检测到一个大趋势项,只使用第j个左右特征向量去获取h
(j)
(n),使得且分量序列h
(1)
(n)从
S
′
的对角平均中获得;否则,当迭代次数j>1,必须获得一个分量序列h
(l)
(n)去描述一个物理意义明确的时间尺度,如此循环迭代获取奇异谱分量;步骤2.4、...
【专利技术属性】
技术研发人员:赵孝礼,姚建勇,邓文翔,胡健,
申请(专利权)人:南京理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。