Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜中国空气动力研究与发展中心高速空气动力研究所张伟获国家专利权

恭喜中国空气动力研究与发展中心高速空气动力研究所张伟获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜中国空气动力研究与发展中心高速空气动力研究所申请的专利一种基于声发射技术的螺栓拉伸损伤实时监测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119291042B

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411850220.3,技术领域涉及:G01N29/14;该发明授权一种基于声发射技术的螺栓拉伸损伤实时监测方法是由张伟;乐开白;洪兴福;高鹏;王鹏;刘志;罗胤洲;桑博;朱真;宋传奇;马世鹏;邓世辽设计研发完成,并于2024-12-16向国家知识产权局提交的专利申请。

一种基于声发射技术的螺栓拉伸损伤实时监测方法在说明书摘要公布了:本发明属于结构健康监测技术领域与机器学习领域,公开了一种基于声发射技术的螺栓拉伸损伤实时监测方法,包括进行螺栓拉伸损伤实验;绘制螺栓拉伸损伤实验载荷加载曲线;进行声发射信号数据处理;建立螺栓拉伸损伤预测模型;进行螺栓拉伸损伤阶段预测。螺栓拉伸损伤实时监测方法,使用声发射技术保证了监测信号的实时性,即使大型设备在工作状态时也能检查螺栓的损坏情况;针对同类螺栓材质进行多次拉伸实验,提取不同拉伸阶段的实验参数,将实验参数通过分组、归一化、二次分组求均值,计算二次分组的均值、标准差、偏度和峰度,获得监测信号在一段时间内的随时间变化的趋势,通过趋势预测螺栓是否存在断裂脱落的风险,具有工程实用价值。

本发明授权一种基于声发射技术的螺栓拉伸损伤实时监测方法在权利要求书中公布了:1.一种基于声发射技术的螺栓拉伸损伤实时监测方法,其特征在于,包括以下步骤:S10.进行螺栓拉伸损伤实验;选择和大型设备的待测螺栓相同材质、相同直径的螺栓,进行拉伸损伤实验,获取螺栓拉伸过程中的声发射信号和拉伸数据;通过声发射采集设备采集螺栓断裂过程中发出的声发射信号,采集设备自动计算每一次拉伸损伤实验的声发射信号的幅度、能量、有效电压、平均电平、持续时间、上升时间、上升计数、振铃计数作为信号特征;S20.绘制螺栓拉伸损伤实验载荷加载曲线;绘制反映拉力随时间变化的螺栓拉伸损伤实验载荷加载曲线,并将拉伸阶段分为三个阶段:前期、中期和后期;前期和中期的分界点为曲线斜率下降的转折点,中期和后期的分界点为拉力的最大值;S30.进行声发射信号处理;S31.获得螺栓在不同变形阶段的声发射信号特征的平均值曲线;按照螺栓拉伸损伤实验载荷加载曲线划分阶段,将采集到的离散的声发射信号在各阶段采用不同的颜色进行区分,绘制螺栓在不同变形阶段的声发射信号特征的平均值曲线;S32.基于信号特征分布情况滤除声发射信号;声发射信号特征在不同变形阶段具有以下变化规律:上升时间、上升计数、持续时间和振铃计数在前期、中期和后期保持平稳;通过上升时间、上升计数、持续时间和振铃计数对信号特征进行滤除,减少冗余数据;信号特征的滤除规则为:1200上升时间1600;30上升计数60;2500持续时间3000;60振铃计数120;滤除后的声发射信号特征数据具备以下数据特点:早期:幅度,能量,有效电压,平均电平随时间逐渐上升,有明显的上界但无明显的下界,上升计数和振铃计数随时间先升后降,上下界均明显;中期:幅度,能量,有效电压,平均电平随时间缓慢的上升,离散程度随时间逐渐增强;上升计数和振铃计数随时间缓慢的上升,离散程度无明显变化;后期:幅度,能量,有效电压,平均电平随时间下降,离散程度继续增强;上升计数和中期相比,无明显变化;振铃计数随时间下降;S33.对声发射信号特征进行二次分组,获取每一组的平均值、标准差、偏度和峰度;为描述信号特征的变化趋势和离散程度,将过滤后的声发射信号进行一次分组,一次分组规则为600个声发射信号一组,下一组的信号由550个上一组声发射信号和接下来的50个声发射信号组成,对各组的声发射信号归一化后,再进行二次分组,二次分组均分为30个组,求各组的均值,由各组的均值形成新组,计算新组的均值、标准差、峰值和偏度;归一化计算公式: ;归一化的目的是去除分组带来的数值差异,集中关注各组声发射信号内的变化趋势和分布情况;其中,为组内的信号特征;其中为组内最小值;为组内最大值;为归一化后的组内信号特征;均值计算公式: ;归一化后再求均值,用于显示新组声发射信号的总体倾向,均值越接近1,本组声发射信号倾向高值,均值越接近0,本组声发射信号倾向低值;其中,为组内均值;为组内各信号特征;为组内信号特征的总量;偏度计算公式: ;其中,为组内标准差,为组内偏度;如果偏度大于0,则新组声发射信号分布右偏即正偏,左端的极端值多于右端的极端值;如果偏度小于0,则数据分布左偏即负偏,右端的极端值多于左端的极端值;如果偏度接近0,则新组声发射信号分布接近对称;峰度计算公式: ;其中,为组内峰度;峰度是用来描述组内声发射信号分布尖峭或扁平程度的统计量;如果峰度大于3,则新组声发射信号分布比正态分布更尖峭;如果峰度小于3,则新组声发射信号分布比正态分布更扁平;S40.建立螺栓拉伸损伤预测模型;通过提取声发射信号的时域值,将对螺栓损伤阶段的预测转换为多分类问题;对于多分类问题,训练多颗决策树进行分类预测;将计算得到的二次分组后的24种组内信号特征作为信号特征,通过拉力区分的不同阶段作为类别,基于信息增益公式作为决策树拟合的基本公式,训练决策树;信息增益公式: ;其中,为信号特征对数据集的信息增益值,信息增益值越大,信号特征的分类效果越好;为训练数据集;表示信号特征的数据子集;表示训练数据集的样本总数;表示数据子集的样本数;为信息熵计算公式,信息熵越高,说明数据集的混乱程度越大;信息熵计算公式: ;其中,为数据子集,为子集中的一个类别,为类别出现的概率;每训练一颗决策树,将这颗决策树加入预测模型,使用交叉熵损失函数计算预测值与拟合目标的残差,将残差作为下一个决策树的拟合目标;交叉熵损失函数: ;其中,L为训练集的交叉熵损失值,L值越大,认为真实分布和预测分布的差异越大;为样本数量;为类别的数量;为符号函数,取值0或1,如果当前样本i的真实类别等于类别,取1,否则取0;为当前样本i属于类别的预测概率;对比各预测模型的评估结果,选择符合要求的预测模型;S50.进行螺栓拉伸损伤阶段预测;使用预测模型进行阶段预测,当预测结果为中期或后期时,发出报警。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国空气动力研究与发展中心高速空气动力研究所,其通讯地址为:621000 四川省绵阳市涪城区二环路南段6号14分箱;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。