一种风电机组用高强度螺栓应力超声检测方法技术

本发明专利技术公开了一种风电机组用高强度螺栓应力超声检测方法，选取

【技术实现步骤摘要】
一种风电机组用高强度螺栓应力超声检测方法


[0001]本专利技术属于应力超声检测
，具体涉及一种风电机组用高强度螺栓应力超声检测方法
。

技术介绍

[0002]高强度螺栓连接在电力
、
桥梁
、
钢结构建筑
、
重型机械等许多领域有广泛应用
。
为了增强连接的刚性
、
紧密型
、
可靠性
、
防松能力和疲劳强度，其在使用时需要施加较大的预紧力，过高或过低的螺栓应力均会降低高强度螺栓连接的强度和使用寿命
。
同时，螺栓应力的异常降低也是螺栓断裂失效的重要信号之一
。
[0003]基于声弹性的效应的超声检测是高强度螺栓应力在线检测的一种常用方法，但影响超声声时的影响因素众多，包括螺栓尺寸
、
材料性能
、
环境温度
、
夹紧长度，并且影响机理复杂
。
通过标定实验测试不同规格和工况下的螺栓声弹性系数的方法不仅费时费力，并且模型中假设材料弹性系数与温度线性相关也与实际情况不符，只在温度变化范围较小时近似成立
。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供一种风电机组用高强度螺栓应力超声检测方法
。
[0005]具体方案如下：一种风电机组用高强度螺栓应力超声检测方法，包括如下步骤，步骤1：选取
N
个螺栓作为螺栓样本，并获取螺栓样本中每个螺栓的螺栓特性参数和螺栓应力参数，根据螺栓特性参数和螺栓应力参数设计正交实验，获取螺栓样本中每个螺栓的超声横波和纵波的声时差数据；步骤2：建立
RBF
神经网络模型，根据每个螺栓的超声横波和纵波的声时差数据，使用数据分析软件训练螺栓特性参数以及超声横波和纵波的声时差与应力之间关系的径向基神经网络模型；步骤3：获取待检测高强度螺栓的螺栓特性参数以及超声横波和纵波的声时差数据作为输入数据，所述输入数据输入至所述径向基神经网络模型，所述径向基神经网络模型计算出待检测高强度螺栓的应力大小
。
[0006]所述螺栓特性参数包括螺栓等级
、
螺栓规格
、
螺栓夹紧长度占螺栓长度比例和螺栓温度；所述螺栓规格包括螺栓公称直径和螺栓长度；所述螺栓等级范围为
8.8
级
、10.9
级和
12.9
级，螺栓螺纹公称直径范围为
10~56 mm
，螺栓长度范围
20~700 mm、
螺栓夹紧长度占螺栓长度比例范围
0.75~0.95、
螺栓温度范围
‑
20~40 ℃、
所述螺栓应力参数的变化范围
0.3~1.0
倍屈服强度极限
。
[0007]步骤1中获取螺栓的超声横波和纵波的声时差数据包括如下步骤：步骤
11
：根据确立的螺栓特性参数和螺栓应力参数，选取正交实验的因素和水平，
查询正交实验表，设计正交实验；步骤
12
：根据确定的正交实验参数，使用超声检测仪，测试在给定参数下的超声横波和纵波的声时，获取超声横波和纵波的声时差数据
。
[0008]步骤2中的数据分析软件为
Matlab。
[0009]步骤2中径向基神经网络模型的训练包括如下步骤：步骤
21
：对于
N
个螺栓样本数据，以螺栓特性参数以及超声横波和纵波的声时差数据作为输入参数，以螺栓应力为输出参数，从螺栓样本数据中任意选取
0.8N
个螺栓作为训练样本，其余
0.2N
个螺栓作为测试样本，并将训练样本和测试样本进行数据归一化处理；步骤
22
：使用高斯函数为径向基函数，使用
newrb
函数为径向基网络的创建函数，获取网络中心向量个数，并输出层权值和阈值；步骤
23
：径向基神经网络模型的训练和测试；使用归一化后的训练样本训练径向基神经网络，随后使用测试样本测试所建立神经网络的误差，重复步骤
23
直至测试结果的相对误差小于
10%
，停止径向基神经网络模型的训练和测试
。
[0010]所述训练样本和测试样本进行数据归一化处理的方法为：其中，
a
n
为归一化矢量，
a
为真实值，为
a
的平均值，
a
min
和
a
max
为真实值中的最小和最大值
。
[0011]本专利技术公开了一种风电机组用高强度螺栓应力超声检测方法，利用
RBF
神经网络模型的自适应与自组织特性，对高强度螺栓超声不同声时信号下的螺栓应力进行智能预测，解决了传统应力超声检测方法精度不高，受螺栓尺寸
、
强度等级及现场工况如温度
、
夹紧长度等因素影响较大的难题
。
应用本专利技术可以在线检测高强度螺栓的应力水平，提高螺栓连接的可靠性和使用寿命
。
附图说明
[0012]图1是高强度螺栓应力超声检测示意图
。
[0013]图2是本专利技术方法预测的螺栓轴向应力与实际施加应力对比表
。
具体实施方式
[0014]下面将结合本专利技术中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述
。
显然，所描述的实施例仅仅是本专利技术一部分实施，而不是全部的实施，基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围
。
[0015]本专利技术的目的在于提供一种根据超声声时信号快速
、
精确获取不同规格和工况下高强度螺栓应力的方法，以保障高强度螺栓连接的强度和使用寿命
。
[0016]本专利技术原理是使用若干组不同螺栓等级
、
螺栓规格（公称直径和长度）
、
夹紧长度
、
温度
、
超声横波和纵波声时差条件下的螺栓应力样本数据，训练径向基人工神经网络模型，使用该模型工程技术人员只需要根据现场测试的螺栓等级
、
螺栓规格（公称直径和长度）
、
夹紧长度占螺栓长度比例
、
温度
、
超声横波和纵波声时差数据就可以快速
、
精确获取螺栓应力
。
[0017]所述一种风电机组用高强度螺栓应力超声检测方法，包括如下步骤，步骤1：选取
N
个螺栓作为螺栓样本，并获取螺栓样本中每个螺栓的螺栓特性参数和螺栓应力参数，根据螺栓特性参数和螺栓应力参数设计正交实验，获取螺栓样本中每个螺栓本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种风电机组用高强度螺栓应力超声检测方法，其特征在于：包括如下步骤，步骤1：选取
N
个螺栓作为螺栓样本，并获取螺栓样本中每个螺栓的螺栓特性参数和螺栓应力参数，根据螺栓特性参数和螺栓应力参数设计正交实验，获取螺栓样本中每个螺栓的超声横波和纵波的声时差数据；步骤2：建立
RBF
神经网络模型，根据每个螺栓的超声横波和纵波的声时差数据，使用数据分析软件训练螺栓特性参数以及超声横波和纵波的声时差与应力之间关系的径向基神经网络模型；步骤3：获取待检测高强度螺栓的螺栓特性参数以及超声横波和纵波的声时差数据作为输入数据，所述输入数据输入至所述径向基神经网络模型，所述径向基神经网络模型计算出待检测高强度螺栓的应力大小
。2.
根据权利要求1所述的风电机组用高强度螺栓应力超声检测方法，其特征在于：所述螺栓特性参数包括螺栓等级
、
螺栓规格
、
螺栓夹紧长度占螺栓长度比例和螺栓温度；所述螺栓规格包括螺栓公称直径和螺栓长度；所述螺栓等级范围为
8.8
级
、10.9
级和
12.9
级，螺栓螺纹公称直径范围为
10~56 mm
，螺栓长度范围
20~700 mm、
螺栓夹紧长度占螺栓长度比例范围
0.75~0.95、
螺栓温度范围
‑
20~40 ℃、
所述螺栓应力参数的变化范围
0.3~1.0
倍屈服强度极限
。3.
根据权利要求1所述的风电机组用高强度螺栓应力超声检测方法，其特征在于：步骤1中获取螺栓的超声横波和纵波的声时差数据包括如下步骤：步骤
11
：根据确立的螺栓特性参数和螺栓应力参数，选取正交实验的因素和水平，查询正交实验表，设计...

【专利技术属性】
技术研发人员：杨兴斌，于淑敏，雷清华，董小泊，霍应聪，丁伟，任亚非，裴延东，黄志强，孙文琦，
申请(专利权)人：华电郑州机械设计研究院有限公司华电甘肃能源有限公司国能青海黄河玛尔挡水电开发有限公司，
类型：发明
国别省市：