[发明专利]基于独立分量分析和支持向量机的螺栓预紧力辨识方法

摘要

本发明提供一种基于独立分量分析和支持向量机的螺栓预紧力辨识方法，属于振动信号故障检测技术领域。针对机械设备运转过程中产生冲击、振动等力学环境，导致螺栓预紧力下降，甚至出现分离、脱落等现象，提出了一种基于振动信号的螺栓预紧力测量方法。通过DASP模态分析软件采集自由状态下的单螺栓连接梁的冲击振动信号；将实验数据进行经验模式分解重构去除噪声和趋势项；再结合独立分量分析进行特征降维，提取振动信号特征向量；再以振动信号特征向量为输入特征，通过支持向量机进行分类器模型训练，最终使用训练的分类器实现螺栓连接结构的预紧力辨识。

主权项

1.一种基于独立分量分析和支持向量机的螺栓预紧力辨识方法，其特征在于，该螺栓预紧力辨识方法包含实验测试和数据分析分析处理两部分：/n步骤一：以单螺栓连接梁为研究对象进行实验，采集加速度振动响应信号；/n步骤(1.1)：将左侧梁(4)与右侧梁(8)通过螺栓(2)与螺母(3)的设定预紧力Pi连接成单螺栓连接梁；/n步骤(1.2)：单螺栓连接梁的左侧梁(4)与右侧梁(8)分别使用第一弹性绳(1)和第二弹性绳(10)将其悬挂起来模拟自由态；使用激振器(5)对左侧梁(4)固定激励位置施加j次冲击激励；/n步骤(1.3)：在右侧梁(8)右端测点位置设置加速度传感器(9)以采集单螺栓连接梁的冲击振动响应信号；加速度传感器(9)与数据采集卡(7)相连，数据采集卡(7)与PC端(6)连接，使用PC端(6)上的DASP模态分析软件采集、处理、保存加速度振动响应信号数据X_i；/n步骤(1.4)：重新设置步骤(1.1)中的螺栓预紧力Pi，重复步骤(1.2)到步骤(1.3)，得到n种不同预紧力连接状态下的振动响应信号X₁，X₂，……，X_n；/n步骤二：对步骤一中采集的n种不同预紧力连接状态下的j次冲击振动响应信号分别进行EMD分解再重构，提高信号质量；/n步骤(2.1)：将步骤一中采集的预紧力Pi连接状态下的加速度振动响应信号分别分割成步骤(1.2)中对应次数的j组独立的冲击振动响应信号；/n步骤(2.2)：分别对每一组独立的冲击信号进行EMD分解，分解成m阶IMF分量和残差分量RES；/n步骤(2.3)：通过观察去除信号中的残差分量和趋势项，取每组信号的前m-4阶IMF分量重构信号，提高信号质量，得到重构的j组时域振动信号；/n步骤(2.4)：对步骤(1.4)中采集的n种不同预紧力连接状态下的振动响应信号X₁，X₂，……，X_n均进行步骤(2.1)到步骤(2.3)操作，分别得到预紧力P1、P2、……、Pn连接状态下重构的j组时域振动信号；/n步骤三：将步骤二中重构的预紧力Pi连接状态下的j组振动响应信号全都分别进行独立分量分析，提取特征向量；/n步骤(3.1)：对步骤二中重构的预紧力P1、P2、……、Pn连接状态下的j组振动响应信号全都分别进行中心化处理使信号满足零均值假设；再进行白化处理，通过线性变换使信号变为相互无关；/n步骤(3.2)：对步骤(3.1)中完成预处理的n种不同预紧力连接状态下的振动信号进行ICA分解，获得相互独立的基向量S及混合矩阵A：/n /n式中，a_j＝[a_j1，a_j2，…，a_jn]为混合矩阵A中的行元素；/n步骤(3.3)：根据不同预紧力连接状态下的振动信号X_i与对应基信号S_i之间的关系，选择采用振动信号X_i与对应基信号S_i的相关系数c_i作为该振动信号的特征参数；基于机械故障信号提取的独立分量与同类故障信号有较高的相关性，而与其它振动信号的相关性较低；相关系数可表示为：/n /n式中，Cov(X_i，S_i)为信号X_i与S_i的协方差；D(X_i)为信号X_i的方差；D(S_i)是S_i的方差；/n步骤(3.3)：将待测的单次冲击振动响应信号x_j分别与所有基向量S_i求取相关系数c_i，将训练样本的相关系数c₁、c₂、…、c_n作为该信号的特征向量；/n步骤四：对步骤三中提取的各组特征向量进行归一化处理，然后分类标记，预紧力P1、P2、……、Pn连接状态对应的特征向量分别为C1_j＝[c₁、c₂、…、c_n，P1]；C2_j＝[λ₁，λ₂，…，λ₁₅，P2]，……，Cn_j＝[λ₁，λ₂，…，λ₁₅，Pn]，其中j＝1，2，……，j，并作为输入特征；以采集的预紧力作为输出特征，然后选用SVM监督学习算法进行预紧力分类器模型训练。/n