风机叶片检测+监测技术案例.pptVIP

基于声发射和神经网络的风机叶片裂纹识别研究 人工神经网络的原理： 人工神经网络（Artificial Neural Networks，ANN），是由人工构造出的模仿人类大脑神经系统来实现某种功能的神经网络。人工神经网络并不是真正意义上的人脑神经系统，只是反映了人脑系统的一定特性，是对人脑神经系统最简单的模拟和抽象。实质上是一个数学模型，可以通过大量简单元件的相互连接实现模拟人的自然智能。神经网络具有非线性特点，能够实现非线性系统和进行复杂的逻辑操作。 基于声发射的发电机叶片健康监测 声发射信号的振铃次数、幅值、能量、上升时间、持续时间和平均频率 6个输入量： 4个识别模式： 萌生裂纹、扩展裂纹、断裂和无裂纹 2个输出层节点： 基于声发射的发电机叶片健康监测 基于声发射的发电机叶片健康监测 实验模拟及结果： * 红外热波无损检测法 原理： 利用物体的热属性，通过观测、记录、分析和处理被检对象红外辐射及其变化的差异性来实现对物体表面下结构或缺陷进行检测的方法。 * 红外热波无损检测 分类（激励源）： 主动式红外检测 （有） 被动式红外检测（无） 检测系统布置简图 * 红外热波无损检测 实验室检测装置布置图 * 红外热波无损检测法 在线检测装置 * 红外热波检测法 主要公式 * 红外热波检测法 * 红外热波检测法 实验检测结果： 1 合膜胶粘宽度 2 砂眼缺陷 * 红外热波检测 * 红外热波检测法 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 LOGO * 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 LOGO * 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 LOGO * 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 LOGO * 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 单击此处编辑母版标题样式 单击此处编辑母版文本样式 第二级 第三级 第四级 第五级 LOGO * * 主要内容 声发射技术原理及优点 基于小波分析的定位方法与实现 神经网络在声发射技术中的应用 1 2 3 4 5 声发射源定位方法研究 声发射信号处理分析技术 * 基于声发射的发电机叶片健康监测 声发射技术原理： 来自于材料或构件在应力超过屈服极限进入不可逆塑性 变形阶段而产生的弹性应力波在构件介质中传播和扩散的现象称为声发射(acoustic emission，AE)。 声发射： 1.声发射检测技术信号来源于检测对象本身，适于作为动态评估方法对检测对象进行动态评估和实时诊断，声发射检测方法对检测对象的适用性较好。 2.它对被检对象的接近程度要求不高，同时对检测对象的几何形状不敏感。 3.检测的覆盖面广，在一次完整的试验中，只要布置足够数量的传感器，声发 射检验就能够整体探测和评价整个结构中活性缺陷的状态。 声发射技术的优点： * 基于声发射的发电机叶片健康监测 Kaiser 效应： 同一试件在同一条件下产生的声发射只有一次。在第一次加载荷时叶片结构会以声发射的形式释放能量, 但恢复后重新加载时, 当载荷量没有超过前一次载荷量时不产生声发射。 Felicity效应： 在叶片结构发生了损伤时, 即恢复后载荷量小于前一次最大载荷量, 叶片结构仍会有声发射产生。 * 基于声发射的发电机叶片健康监测 叶片声发射检测系统 声发射技术是采集材料内部发出的应力波进行结构内部损伤程度诊断的无损检测方法。声发射检测的过程可以概括为：生源产生的弹性波在介质中传播，到达材料表面后引起表面振动，安装在材料表面的振动