有关小波螺栓松动诊断.docVIP

有关小波螺栓松动诊断 ; 螺栓联接是机电系统中用途最广的联接结构,为整个系统中较薄弱的部位,其状态往往会发生改变,出现滑动、分离甚至松脱等现象,直接影响整个系统的安全可靠性。对振动环境中螺栓联接结构的联接状态进行及时准确地识别对保证系统的安全可靠具有重要意义。振动环境中螺栓联接结构呈现出明显的非线性特性,较难建立更准确的联接动力学模型,故采用无模型的信号分析方法。近年来,利用时间序列分析、小波变换和高阶统计分析等现代信号处理技术的结构损伤诊断方法得到了广泛的研究。董广明等人[1]应用小波包结合神经网络的方法识别支撑座联接螺栓的松动程度;孙卫祥、陈进等采用小波包变换特征和功率谱特征进行特征分层神经网络融合技术,对某导弹支撑座早期松动故障进行诊断[2]。目前大多是将小波分析方法用于旋转机械故障检测[3],而在螺栓联接状态辨识中的应用较少。通过对螺栓联接结构施加随机激励进行振动测试实验,研究对象为螺栓联接结构不同测点的振动响应信号。小波分析具有良好的时-频定位特性以及对信号的自适应能力,故而能够对各种时变信号进行有效的分解,再对分解后的相互独立各频段进行时域分析提取特征量[4,5]。利用频谱分析振动信号,进而选择合适的小波函数进行小波分析。为了直观的反应各层细节系数的特征,采用了contour函数绘制等高线图。在此基础上进行了统计分析,如对不同测点响应信号的敏感层进行有效值分析、对幅值大小及范围的分析等。结果表明,利用小波分析结合统计分析的方法提取螺栓联接状态特征量,对其状态的识别更有效;进而对不同测点响应信号的分析考察传感器的布置位置对监测结果的影响。; 1螺栓联接实验; 系统构成实验系统如图1所示。包括硬件和软件两部分。硬件部分由功率放大器、D-300-2振动台、法兰螺栓联接模型、PCB压电式加速度传感器(灵敏度为108.0mV/g)、NI数据采集设备等组成。软件包括激励信号发生、数据采集与小波分析。其中法兰螺栓联接模型,由上下壳体组成,总高度为220mm,壳体壁厚为3mm,材料为45#钢;用于联接上下壳体的法兰盘尺寸均为外径为200mm,内径为164mm,厚度为6mm;上下壳体的法兰用8颗M6的螺栓联接,下壳体用8颗M12螺栓联接于振动台台面。在中间联接部位法兰盘上均布有8个螺栓(M6×25),均布移除四颗螺栓。传感器布置方式如图2所示,1号螺栓为松动螺栓,测点a为靠近松动螺栓的加速度传感器,测点b、c为远离松动螺栓的传感器。a、b、c三测点围绕法兰结构均匀分布,两两之间夹角接近120°。实验过程:首先生成频率范围200Hz~3000Hz,幅频特性为常数,相频特性随机均匀分布的伪随机信号作为激励信号;经功率放大器到振动台对法兰螺栓联接结构进行激励,以模拟机械振动环境;然后通过传感器测量各测点的加速度响应数据,由Labview信号采集处理设备进行数据保存及分析处理。只改变一个螺栓的预紧力情况,从0到11N?m,改变间隔为1N?m。采样频率为100kHz,每改变一次预紧力进行一次采样,每次采样1s。定义预紧力为11N?m(正常工况)下的螺栓联接为参考状态。; 2a测点响应信号的实验分析; 2.1小波基的选取及分析频段的选择在保证原信号不失真的前提下,应使时域中小波函数和被分析信号具有的较好的相似性[6]。同时在小波分析应用中要考查小波函数的连续性、正交性、对称性、消失矩、线性相位、时频窗口的中心和半径以及时频窗的面积等[7]。这里选用Daubechies小波,其小波分解具有正交性。不同参数的小波基具有不同的时频特性,选择恰当的参数可以使信号的小波分解得到最佳效果[8]。机械系统中联接的存在造成了结构局部刚度和阻尼的不连续,振动环境中联接界面在切向可能发生相对滑移,在法向可能发生间隙分离和冲击碰撞。在螺纹附近周围较小的区域接触面处于死接触状态;在死接触区域之外存在一很窄的摩擦接触区域,在预紧过程中该区域发生了相对滑动;其余较大的区域则脱离接触形成间隙,随着预紧力的增加间隙逐渐增大。当某一螺栓松动到一定程度时,其两侧的间隙区域合并,发生间隙碰撞接触,使振动响应信号发生明显变化。鉴于以上分析这里选择4dB小波函数对响应信号进行分析。图3为正常工况下(11N?m)测点a处的振动加速度信号的幅频图和功率谱密度图,反应了法兰螺栓联接结构的固有频率在2200Hz左右,在该共振频率处,联接部分发生较大的折射[9]。幅频图、功率谱密度图俱在3000Hz~8000Hz频段内有较大起伏,反应了螺栓联接结构的非线性特性,故采用9层小波分解100kHz频率的时域信号,DWT小波分解树如图4所示,其中D5(3125Hz~6250Hz)为我们关注的敏感频段。2.2不同预紧状态下小波分解图将预紧力为11N?m时小波分解信号作为参照的依据,此时法兰螺栓联接