[发明专利]基于高斯过程的疲劳裂纹长度智能评定方法和监测方法

说明书

本发明公开了一种基于高斯过程的疲劳裂纹长度智能评定方法，包括：设置Lamb波的中心频率，向高速列车的被测结构件发射探测信号；采集所述被测结构件接收到所述探测信号产生的传感信号；使用傅里叶变换和香农复数小波变换从所述传感信号中提取特征因子；设置高斯过程的先验均值函数和协方差函数，建立高斯过程模型，建立所述特征因子与所述被测结构件的裂纹长度的映射关系；对所述特征因子分别通过所述高斯过程模型使用最大似然法进行模型训练以评定和预测所述被测结构件的裂纹长度。本发明能够实现轨道交通领域关键部件的损伤识别，有效地减小由于结构材料的分散性造成的裂纹长度评定误差，精度高，应用范围广。

技术领域

本发明涉及轨道交通结构健康监测技术领域，特别是涉及一种基于高斯过程的疲劳裂纹长度智能评定方法和监测方法。

背景技术

结构损伤是世界机车车辆专业研究工作的核心，贯穿于高速列车的设计、制造、调试、试验、运营和维修的全生命周期过程。目前，世界上对材料结构健康识别的研究主要集中在航空航天领域，在轨道交通领域的研究和应用很少，特别是随着我国城市轨道交通的大规模普及和高速铁路的进一步提速，机车车辆关键部件的结构损伤识别至关重要。

我国幅员辽阔，建设有复杂庞大的铁路网，铁路运营总里程高达12万公里，铁路线路的跨度很大，从温热潮湿的江南地带至天寒地冻的高原冻土区，车辆在短时间内会经历巨大的温湿度差异，这些差异造成了车辆焊接部件的物理性质发生改变，并且长年累月作用于车辆上，使得焊接部分出现应力集中的现象进而产生裂纹，甚至发生断裂，导致机车中途抛锚，若不能及时发现并采取相应措施，将会造成不可估量的事故发生，对人民生命财产造成巨大的威胁。

机车车辆由众多关健设备组成，包括转向架、车钩、齿轮箱、轮对等，高铁的运行速高达300Km/h，运行状态产生微小的转变将会对机车造成很大的载荷冲击，在启动和刹车过程中，车辆的强大的惯性会对设备本身造成一定的疲劳损伤，比如齿轮箱在启动过程中要承受很大的扭矩才能带动车辆的提速，齿轮之间的相互挤压会使齿轮箱在长时间的外力作用下产生裂纹，甚至有“撑爆”的趋势；另外，转向架是整个机车最关键的部位，车体绝大部分的荷载是加载在转向架上的，车辆在运行过程中产生的振动、离心力、压力等都在转向架上，列车高频次长时间的振动对转向架的损伤尤其大，使转向架产生裂纹和暗伤。随着各种疲劳因素在设备上不断累积，便会在设备表面产生裂纹和和内部不可见损伤，而如何检测到这些损伤变得尤为重要。

损伤产生以后并不会立即产生破坏性作用，它会慢慢发展以致破坏设备。目前国内外也有很多方法来检测损伤，比较多的是采用压电lamb波来探测获取原始信号，配合后期的信号分析算法来分析。相应的损伤因子的提取除传统的傅里叶变换外，还有小波变换、Hibter变换等，得到合适的损伤因子后，就可以通过标注或模式识别方法，如神经网络等建立裂纹长度的映射关系，从而评定裂纹长度。但是这些方法受结构材料、传感器性能等的差异以及环境因素的影响，使得数据的分散性较大，评定误差相对较大，应用得到了很大的限制。

发明内容

为了解决上述问题至少之一，本发明第一方面提供一种基于高斯过程的疲劳裂纹长度智能评定方法，包括：

S101：设置Lamb波的中心频率，向高速列车的被测结构件发射探测信号；

S103：采集所述被测结构件接收到所述探测信号产生的传感信号；

S105：使用傅里叶变换和香农复数小波变换从所述传感信号中提取特征因子；

S107：设置高斯过程的先验均值函数和协方差函数，建立高斯过程模型，建立所述特征因子与所述被测结构件的裂纹长度的映射关系；

S109：对所述特征因子分别通过所述高斯过程模型使用最大似然法进行模型训练以评定和预测所述被测结构件的裂纹长度。

进一步地，所述S101中的Lamb波为窄带激励信号。