[发明专利]一种检测物体局部阻抗变化的方法及系统

说明书

技术领域

本发明涉及一种基于受控敲击和分类器来检测物体局部阻抗变化方法及系统，更具体涉及基于受控敲击和分类器来检测螺栓松紧程度和检测复合材料损伤的方法和系统。

背景技术

各种设备往往都会使用螺栓来实现零部件的连接。它虽然很普通，但其紧固程度却会直接影响整个设备的质量。某些关键部位的螺栓如果发生松脱，甚至会造成重大的安全事故。为了保证螺栓的连接质量，需要采用标准的检测方法来确定螺栓的摩擦系数、最大扭矩等参数，对一些精密设备还需要严格规定螺栓的拧紧力矩。设备在使用过程中由于受到振动、冲击、温度改变等外界因素的影响，螺栓的松紧程度很可能发生变化。因此需要采用一种无损检测方法来评估螺栓连接的实际状态。

螺栓的松紧程度会直接影响当地的机械阻抗。在实际工程中，有经验的检测员常常用敲击的方法，根据声音的变化来判断螺栓是否松脱，但人工敲击检测损伤的方法过于依赖检测员的经验，不能广泛应用于实际工程中；而且由于每个检测员的经验不一样，导致检测结果会出现较大的差异，稳定性不佳。

现有技术中关于敲击损伤识别方法的理论分析认为，敲击不同区域会发出不同的声音，是因为不同区域的敲击力发生了变化，因此根据敲击力的时域曲线的宽度或者频域曲线下的面积比就可以辨识出结构的损伤。为此，还用一个串联弹簧模型做了一个理论上的解释：认为损伤的出现会导致结构局部刚度降低，从而使结构局部变软。但该方法检测结果尚不够理想，也无法定量识别出螺栓拧紧力矩或者结构损伤状态。

无损检测，即采用非破坏性手段，利用声、光、电、热、磁和射线等技术探测材料、构件内部的孔隙、夹杂、裂纹、分层等影响其使用的缺陷及其位置。目前，复合材料无损检测方法主要有超声检测、射线检测和热成像检测等。每种技术都有其特定的应用范围和优缺点，单一方法难以实现对所有类型缺陷的检测，通常需要多种方法相结合。

因此，期望提供一种适于实用的物体状态检测方法，能够实时快速地检测出螺栓松紧状态和/或材料损伤状态，具有一定的精确性和稳定性。

发明内容

针对上述问题，本发明提供一种基于受控敲击和分类器来检测物体局部阻抗变化的方法及系统，通过对待检测物体施加恒定的敲击力，从待检测物体的响应信号中提取特征信息，并结合模式识别方法实现无损检测，不仅能够对物体的局部异常进行定性识别，而且还可以对物体的局部异常进行定量识别。

本发明提供的基于受控敲击和分类器来检测物体局部阻抗变化的方法，包括如下步骤：

a、使用敲击装置以固定敲击力对物体进行敲击；

b、利用传感器感测由物体被敲击的目标区域传递到所述传感器的响应信号，其中所述响应信号为加速度信号、速度信号或者位移信号；

c、对传感器感测的响应信号进行变换处理以获取该响应信号的信号谱图，并截取所述信号频谱在特定频段的谱图数据；

所述方法还包括：

-在所述分类器的训练阶段

d、对目标区域处于第1至第N阻抗状态的物体，分别在每一阻抗状态对所述目标区域重复步骤a-c以获取该阻抗状态下所述目标区域在所述特定频段的多个训练谱图数据，其中N为大于1的整数；

e、将每一阻抗状态以及该阻抗状态下的所述多个训练谱图数据提供给所述分类器，对所述分类器进行训练；并且

-在所述分类器的检测阶段

f、对目标区域处于待检测阻抗状态的物体，通过步骤a-c以获取该待检测阻抗状态下所述目标区域在所述特定频段的检测谱图数据；

g、将待检测阻抗状况下的所述检测谱图数据提供给所述分类器，以将所述待检测阻抗状态分类到第1至第N阻抗状态之一。

其中所述分类器可以为支持向量机、Bayes分类器、BP神经网络分类器、决策树算法或者简单的向量比较指标等。由于支持向量机方法具有严格的统计学习理论基础，在解决小样本、非线性和高维模式识别问题方面具有很多优势，因此所述分类器优选为支持向量机分类器。

本发明提供的基于分类器来检测物体局部阻抗变化的方法至少具有如下优点：

通过检测物体被敲击后产生的响应信号，根据物体的阻抗状态与该响应信号之间存在紧密关系，基于模式识别方法来判别物体状态。该方法不但可以检测出物体是否受损，还能比较准确的对物体受损情况进行定量识别，这是人工敲击检测所不能达到的效果。

另一方面，本发明还提供一种基于受控敲击和分类器来检测螺栓松紧状态的系统，包括：

敲击装置，以固定敲击力对螺栓进行敲击；