[发明专利]一种评估法兰螺栓连接结构松动程度的方法

权利要求书

1.一种评估法兰螺栓连接结构松动程度的方法，其特征在于，包括以下步骤：

步骤1：对螺栓连接结构进行随机激励，获取状态子空间；

步骤2：对步骤1获取的状态子空间进行投影得到状态投影矩阵，所述状态投影矩阵包括正常状态投影矩阵和松动状态投影矩阵；

步骤3：基于核的支持向量数据描述方法对步骤2得到的正常状态投影矩阵进行建模，得到超球体模型；

步骤4：根据步骤3得到的超球体模型构造松动指标；

步骤5；根据步骤4构造的松动指标判定螺栓连接结构的松动程度；

所述步骤1具体如下：

利用振动台对螺栓连接结构进行随机激励，产生结构振动响应信号，从结构振动响应信号中提取时域特征和频域特征，根据提取的时域特征和频域特征构造特征矩阵；

基于线性判别分析方法对所述特征矩阵进行降维得到降维矩阵W，并将所述降维矩阵W标准化后得到张成的状态子空间S，表示为：

其中，s_i,i＝1,2,...,h,为状态子空间的基向量；h为状态子空间维数；

所述步骤2具体如下：

通过线性判别分析方法获得正常状态子空间S_norm，即正常状态投影矩阵，表示为：

将t时刻的松动状态的状态数据投影到正常状态子空间S_norm上得到松动状态投影矩阵X_t，表示为：

2.根据权利要求1所述的一种评估法兰螺栓连接结构松动程度的方法，其特征在于，所述步骤3具体如下：

首先，将正常状态投影矩阵通过核方法映射到高维核重构希尔伯特空间中，然后，利用支持向量数据描述方法进行建模，将正常状态投影矩阵表示为一个球心为a和半径为R的超球体模型Hs(R,a)，如下式：

其中，Hs(R,a)为由位置参数a和尺寸参数R确定的超球体模型；x_k为支持向量；K(·)为支持向量核函数；a为超球体模型的位置参数，表示超球体的位置；R为超球体模型的形状参数，表示超球体的大小；α_i为由拉格朗日乘子构成的向量。

3.根据权利要求2所述的一种评估法兰螺栓连接结构松动程度的方法，其特征在于，所述步骤4具体如下：

在进行螺栓连接结构松动评估过程中，其运行状态包括两部分：一部分是正常无松动状态作为基准状态，另外一部分是当前松动状态作为待预测状态；

当前松动状态投影矩阵在核重构希尔伯特空间中，螺栓松动状态t对应的状态数据到超球体模型Hs(R,a)球心的距离为d，表示为：

定义d-R为不同松动状态到超球体模型Hs(R,a)球心的距离，将d-R作为松动指标。

4.根据权利要求3所述的一种评估法兰螺栓连接结构松动程度的方法，其特征在于，所述步骤5具体如下：

对松动指标d-R进行归一化，利用归一化后的松动指标d-R判定螺栓连接结构的松动程度，归一化后的松动指标d-R与1的差值反映了螺栓连接结构的松动程度：当松动指标d-R接近1时，则表示螺栓连接结构状态与正常状态接近；当松动指标d-R偏离1时，则表示螺栓连接结构状态偏离正常状态。