【技术实现步骤摘要】
本专利技术主要涉及到螺栓松动检测，特指一种多螺栓松动监测方法、系统及存储介质。
技术介绍
1、螺栓连接是高速列车结构中最常见的连接类型，由于动态载荷、安装不当和严重的工作环境暴露，结构完整性会自然松动，造成严重的安全性事故。
2、现有的螺栓松动监测方法，通常没有考虑到类间平衡，如全紧状态与松动状态螺栓信号样本数据量的不平衡。由于多螺栓松动状态数据很少，可见，传统的螺栓松动方法不能照顾到所有螺栓松动状态，传统的螺栓松动方法不够全面。
技术实现思路
1、本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种原理简单、易实现、适用范围广、检测精度高的多螺栓松动监测方法、系统及存储介质。
2、为解决上述技术问题，本专利技术采用以下技术方案：
3、一种多螺栓松动监测方法，其包括：
4、步骤s1：建立仿真模型；提取仿真与实际的不同螺栓松动情况的lamb波信号，提取若干个特征值并通过主成分分析进行特征约减和归一化；
5、步骤s2：分类；根据不同的松动情况，将实际信号划分为不同的类，并计算每个类需要生成样本的数量；
6、步骤s3：smote过采样方法用于每个少数类；在生成一个新样本时，提取仿真信号与实际信号不同类的方差，峰度和偏度，用于判断新样本是否为最佳样本；
7、步骤s4：通过smote连续生成新样本，直到满足新样本的数量后，建立随机森林模型后获得螺栓松动监测结果，绘制出混淆矩阵与ro
8、作为本专利技术方法的进一步改进：所述步骤s1中，通过实时监控系统提取不同螺栓松动情况的lamb波信号；通过仿真模型提取不同的螺栓松动情况的lamb波信号；所述螺栓松动情况包括螺栓紧固状态、单螺栓松动状态、多螺栓松动状态信号中的一个或多个。
9、作为本专利技术方法的进一步改进：通过主成分分析法将二十个特征值约减为三个特征值；将约减所得到的三个特征归一化为-1到1。
10、作为本专利技术方法的进一步改进：所述步骤s2的过程包括：
11、将螺栓全紧固状态信号被分为多数类；
12、将单个螺栓松动状态信号和多个螺栓松动状态信号被分为少数类；
13、多数类与少数类的样本数量不同；
14、计算每个类需要生成样本的数量：
15、
16、其中表示第类样本要生成的新样本数量，表示最多的一类的样本数量，表示第类原有的样本数量。
17、作为本专利技术方法的进一步改进：所述步骤s3的过程包括：
18、原始smote方法的样本生成方法被用于每个少数类中的每个簇来生成样本一个新样本，计算公式如下：
19、
20、其中，是集群中的原始样本；是介于0和1之间的随机数；表示第个相邻样本，表示新样本。
21、作为本专利技术方法的进一步改进：所述步骤s4的过程包括：
22、步骤s41：在生成一个新的实际信号样本时，首先计算仿真信号样本特征的方差，偏度与峰度，计算公式如下：
23、
24、
25、
26、步骤s42：计算实际信号生成新样本前的特征的方差，偏度与峰度，计算与仿真相同；
27、步骤s43：在生成新样本后，计算实际信号样本的特征的方差，偏度和峰度，计算同时与仿真相同；
28、步骤s44：构建判据，观察是否同时成立，判断该新样本是否为最优样本，当三个公式同时满足时，该样本则为最优样本；如果为最优样本则该样本保留，否则丢弃该样本；计算公式如下：
29、
30、
31、
32、其中，，分别表示仿真信号、实际信号生成新样本前、实际信号生成新样本后的方差，，，分别表示仿真信号、实际信号生成新样本前、实际信号生成新样本后的偏度，，，分别表示仿真信号、实际信号生成新样本前、实际信号生成新样本后的峰度。
33、作为本专利技术方法的进一步改进：还包括步骤s5，具体为：
34、步骤s51：在保留或舍弃一个样本之后，重复进行smote操作，直到生成的样本数量达到上述所计算的数量；所生成的数据集包括一个多数类和多个少数类，其中多数类分别和每个少数类的样本数量相同；每个少数类中不同簇的样本数量/密度相同；
35、步骤s52：将通过上述数据集生成一个随机森林模型，每种松动状态的螺栓定义为不同的工况，对螺栓松动状态进行诊断；
36、步骤s53：将分类后得到的结果利用混淆矩阵展示出来，得到实际多螺栓松动分类的精度，通过信号识别螺栓的松动状态；
37、步骤s54：计算得到roc曲线，roc曲线面积越大，说明分类的效果越好。
38、本专利技术进一步提供一种多螺栓松动监测系统，其包括：
39、仿真模块，用于提取仿真信号的不同螺栓松动情况的lamb波信号，提取特征值并进行特征约减和归一化；
40、信号采集模块，用于提取实际信号的不同螺栓松动情况的lamb波信号，提取特征值并进行特征约减和归一化；
41、分类模块，用于将每个少数类分为不同的高斯分量簇并计算每个簇需要产生的新样本的数量；
42、判断模块，用于将smote过采样方法用于每个簇；在生成一个新样本后提出了基于kl距离的判据来判断新样本是否为最佳样本；
43、输出模块，用于通过smote连续生成新样本，直到满足新样本的数量后，建立随机森林模型后获得螺栓松动监测结果，绘制出混淆矩阵与roc曲线，得到多螺栓松动分类精度。
44、作为本专利技术系统的进一步改进：所述信号采集模块为设置螺栓被连接件目标结构处的m个锆钛酸铅压电陶瓷传感器，m为正整数；所述锆钛酸铅压电陶瓷传感器用来感知由于螺栓松动造成的结构应变变化，通过螺栓松动的lamb波信号建立的螺栓松动情况分类模型，实现对螺栓松动情况的实时监测。
45、本专利技术进一步提供一种存储介质，所述存储介质能够被计算机或处理器读取，所述存储介质中存储有用来执行上述任意一种方法的计算机程序。
46、与现有技术相比，本专利技术的优点就在于：
47、1、本专利技术的多螺栓松动监测方法、系统及存储介质，原理简单、易实现、适用范围广、检测精度高，本专利技术使用多螺栓松动监测实验和仿真获得了不同松动情况下的信号，在提取特征值后进行特征约减，根据多数类样本的数量和少数类样本的数量差计算每一类需要生成新样本的数量，通过原始smote方法生成了新的样本点，基于本专利技术所提出的判据判断新样本是否为最优样本，在新样本生成数目达标后利用随机森林的方法构建螺栓松动分类模型进行多螺栓松动状态判断。这样，得到的螺栓松动分类结果与实际的螺栓松动情况相接近，分类结果准确，并且克服了传统多螺栓松动监测中没有考虑所有螺栓松动状态的问题。
48、2、本专利技术的本专利技术的多螺栓松动监测方法、系统及存储介本文档来自技高网...
【技术保护点】
1.一种多螺栓松动监测方法，其特征在于，包括：
2.根据权利要求1所述的多螺栓松动监测方法，其特征在于，所述步骤S1中，通过实时监控系统提取不同螺栓松动情况的Lamb波信号；通过仿真模型提取不同的螺栓松动情况的Lamb波信号；所述螺栓松动情况包括螺栓紧固状态、单螺栓松动状态、多螺栓松动状态信号中的一个或多个。
3.根据权利要求1所述的多螺栓松动监测方法，其特征在于，通过主成分分析法将二十个特征值约减为三个特征值；将约减所得到的三个特征归一化为-1到1。
4.根据权利要求1-3中任意一项所述的多螺栓松动监测方法，其特征在于，所述步骤S2的过程包括：
5.根据权利要求1-3中任意一项所述的多螺栓松动监测方法，其特征在于，所述步骤S3的过程包括：
6.根据权利要求1-3中任意一项所述的多螺栓松动监测方法，其特征在于，所述步骤S4的过程包括：
7.根据权利要求1-3中任意一项所述的多螺栓松动监测方法，其特征在于，还包括步骤S5，具体为：
8.一种多螺栓松动监测系统，其特征在于，包括：
9.根据
10.一种存储介质，所述存储介质能够被计算机或处理器读取，其特征在于，所述存储介质中存储有用来执行上述权利要求1-7中任意一种方法的计算机程序。
...【技术特征摘要】
1.一种多螺栓松动监测方法，其特征在于，包括：
2.根据权利要求1所述的多螺栓松动监测方法，其特征在于，所述步骤s1中，通过实时监控系统提取不同螺栓松动情况的lamb波信号；通过仿真模型提取不同的螺栓松动情况的lamb波信号；所述螺栓松动情况包括螺栓紧固状态、单螺栓松动状态、多螺栓松动状态信号中的一个或多个。
3.根据权利要求1所述的多螺栓松动监测方法，其特征在于，通过主成分分析法将二十个特征值约减为三个特征值；将约减所得到的三个特征归一化为-1到1。
4.根据权利要求1-3中任意一项所述的多螺栓松动监测方法，其特征在于，所述步骤s2的过程包括：
5.根据权利要求1-3中任意一项所述的多螺栓松动监测方法，其特征在于，所述步骤s3的过程包括：
6.根据权...
【专利技术属性】
技术研发人员：徐琰，阳劲松，董志，谢劲松，
申请(专利权)人：湖南君领科技有限公司，
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。