[发明专利]一种基于特征置信范围的内置式芦苇收割机安全评估方法

权利要求书

1.一种基于特征置信范围的内置式芦苇收割机安全评估方法，其特征在于：包括如下步骤：

S1、内置式芦苇收割机结构局部振动的实时监测；

S2、振动局部特征的确定；

S3、基于Weibull分布的95％密度值的确定；

S4、基于95％密度值的安全预警值的确定；

S5、不同特征下芦苇收割机可靠性的确定，

所述S2振动局部特征的确定：在S1的基础上，在MATLAB程序中对0到t时间范围内所对应的振动量A_ij进行参数函数的拟合，获得5阶特定下振动量A_ij(t)所对应的最佳特定函数，

A_ij(t)＝α₁t⁵+α₂t⁴+α₃t³+α₄t²+α₅t+α₆

其中，A_ij(t)为5阶特定下振动量的最佳特定函数；t为时间；α₁，α₂，α₃，α₄，α₅，α₆为5阶特定函数的最佳拟合系数，

在Labview软件中对0到t时间范围内所对应的振动量A_ij进行特征γ_i的获取，

式中，A_ij(t)为5阶特定下振动量的最佳特定函数；t为时间；j为第i号区域所对应的第j个传感器；i为损伤区域的编号；N为损伤区域编号的最大值，

所述S3基于Weibull分布的95％密度值的确定：将计算得到的每个区域的振动局部特征γ_i导入到MATLAB程序中对Weibull方程条件下的方程G(i)进行自动拟合，得到Weibull方程模式为，

式中，G(i)为特征γ_i的Weibull方程模式；d₁为Weibull方程的形状参数；d₂为Weibull方程的尺寸参数；d₃为Weibull方程的位置参数；e为指数量；i为损伤区域的编号，

然后将G(i)代入下式对第i个损伤区域的特征的95％密度值T_i进行计算，

其中，G(i)为特征γ_i的Weibull方程模式；N为损伤区域编号的最大值；i为损伤区域的编号；C[G(i)]_max为所有特征γ_i的方程模式下的概率最大值；C[G(i)]_min为所有特征γ_i的方程模式下的概率最小值；T_i为第i个损伤区域的特征的95％密度值，

所述S4基于95％密度值的安全预警值的确定：

在S2-S3的基础上，确定时刻t所对应的每个传感器的安全预警值M_ij(t)，

其中，M_ij(t)为时刻t所对应的每个传感器的安全预警值；A_ij(t)为5阶特定下振动量的最佳特定函数；γ_i为每个区域相对于所有损伤区域的振动局部特征；T_i为第i个损伤区域的特征的95％密度值，

所述S5不同特征下芦苇收割机可靠性的确定：

将S1-S4中计算得到的数据代入下式对基于特征的可靠性B_t进行求解，

式中，B_t为基于特征的可靠性程度；M_ij(t)为时刻t所对应的每个传感器的安全预警值；A_ij(t)为5阶特定下振动量的最佳特定函数；i为损伤区域的编号；j为第i号区域所对应的第j个传感器；N为损伤区域编号的最大值。

2.根据权利要求1所述基于特征置信范围的内置式芦苇收割机安全评估方法，其特征在于：所述S1内置式芦苇收割机结构局部振动的实时监测：在有限元分析软件ANSYS中导入芦苇收割机作业结构的三维模型，采用自动网格模式对芦苇收割机结构三维模型进行网格化划分，在前处理模块中施加工况载荷，然后对后处理结果进行求解，确定芦苇收割机割台结构的最大应力、应变值条件下结构最易发生损伤的区域，

对芦苇收割机割台最易发生损伤的区域通过内置传感器的方式进行监测，并在该区域按等边三角形布置法对每个损伤区域内置3个振动传感器，实时对第i个损伤区域的振动量进行采集以获取每个传感器所对应的振动量A_iji为损伤区域的编号，j为第i号区域所对应的第j个传感器，j＝1，2，3。