一种高强度螺栓早期疲劳损伤非线性超声波检测方法与流程

本发明属于无损检测技术领域，具体涉及一种基于非线性超声的高强度螺栓疲劳寿命检测方法

背景技术：

螺栓连接是一种在机械结构中常用的固定连接方法，其中高强度螺栓连接由于具有施工简便、受力性好、耐疲劳并且可拆换等优点，在航空航天、船舶、新能源等领域取得了广泛得应用。螺栓部件的在役无损检测对于设备的安全、稳定运行具有重要意义。疲劳失效是螺栓部件服役中最主要的失效方式，但传统线性超声只能检测疲劳过程后期出现的宏观裂纹后阶段，而对于占整个疲劳寿命约60％～80％的早期疲劳阶段却无能为力，一旦出现漏检，就会对设备的安全运行带来巨大的隐患。因此，有必要提出一种可以对高强度螺栓服役中疲劳过程的全寿命检测方法，提高设备安全运行水平。

在螺栓疲劳过程早期阶段，二阶超声非线性参数与疲劳寿命相关性较好，但随着循环周次的进一步增加，螺栓内部微裂纹大量萌生，二阶超声非线性参数反而有所降低，且分散性增大。此时，如果只用螺栓的二阶超声非线性参数评价螺栓疲劳寿命就会出现误判的风险。

技术实现要素：

本发明的目的在于解决现有技术所存在的技术问题，提供一种基于非线性超声的高强度螺栓疲劳寿命检测方法，实现高强度螺栓服役中疲劳过程的全寿命检测方法，提高设备安全运行水平。

本发明采用以下技术方案：

一种基于非线性超声的高强度螺栓疲劳寿命检测方法，包括：

步骤100：使用疲劳试验机，制备疲劳寿命10％～90％的螺栓试样；

步骤200：通过非线性超声设备测量步骤1中制备的螺栓试样和原始试样的非线性超声信号，并分别计算其二阶超声非线性参数β’和三阶超声非线性参数δ’；

步骤300：建立超声非线性参数与螺栓疲劳寿命的bp神经网络模型；

步骤400：对于待检螺栓，通过非线性超声设备测量其非线性超声信号，并计算其二阶超声非线性参数β’和三阶超声非线性参数δ’，使用神经网络模型，预测待检螺栓的疲劳寿命。

所述步骤100，通过疲劳试验机制备疲劳寿命10％、20％、30％、40％、50％、60％、70％、80％、90％的螺栓试样。

所述步骤100包括：

步骤110：设定s组疲劳试验的平均应力σm和应力幅σa，并根据s组疲劳试验的平均应力σm和应力幅σa进行轴向等幅力控制疲劳试验，记录试样失效周次nf；

步骤120：对螺栓试样分别循环加载0.1nf、0.2nf…0.9nf，得到疲劳寿命10％，20％...90％的疲劳试样，共s×9组试样。

所述s＝3。

所述步骤200包括：

步骤210，对步骤120制备的s×9组试样和1组原始试样，使用非线性超声纵波进行检测，即将发射探头和接收探头分别置于螺栓两端，读取接收探头信号；

步骤220，将读取的探头信号进行傅里叶变换，分布读取基波幅值a1、二次谐波幅值a2和三次谐波幅值a3，计算二阶超声非线性参数三阶超声非线性参数

所述步骤300建立神经网络模型包括：

步骤310：:确定bp神经结构：其中输入层神经元数为两个，分别为二阶超声非线性参数β’和三阶超声非线性参数δ’；输出层神经元数一个，即为疲劳寿命，隐含层3个节点；隐含层传递函数为f(x)＝1/(1+e^-x)，输出层传递函数为f(x)＝x，并设定期望误差目标为0.05；

步骤320：神经网络的训练，随机选择步骤200得到s×9组试样中的w组数值为训练样本，其余为测试样本；使用训练样本对神经网络进行训练，如果输出误差小于期望误差目标，则停止训练，否则对权值和阈值进行修正；

步骤330：使用测试样本对步骤320中建立的神经网络进行测试，如果输出误差小于期望误差目标，则得到最终bp神经网络模型，否则对权值和阈值进行修正，并重复步骤320。

所述步骤400包括：

步骤410：对于待检螺栓使用非线性超声纵波进行检测，发射探头和接收探头分别置于螺栓两端，读取接收探头的信号并进行傅里叶变换，分布读取基波幅值a1、二次谐波幅值a2和三次谐波幅值a3，计算二阶超声非线性参数三阶超声非线性参数

步骤420：将步骤410测量的二阶超声非线性参数β’和三阶超声非线性参数δ’输入步骤300中建立的bp神经网络模型，得到待检螺栓的疲劳寿命tf。

本发明的有益效果：

本发明建立高强度螺栓二阶非线性超声信号和三阶非线性超声信号与疲劳寿命的bp神经网络模型，解决了在疲劳过程后期，由于微裂纹的大量萌生导致二阶非线性超声信号与疲劳寿命相关性降低，并且分散性增加，导致的难以准确通过二阶非线性超声信号检测螺栓疲劳寿命的问题。

附图说明

图1为本发明中的神经网络模型图。

图2为被检高强度螺栓宏观照片和金相照片。

图3为10.9级螺栓二阶超声非线性参数β’和三阶超声非线性参数与疲劳寿命测试结果。

图4为高强度螺栓非线性超声检测示意图。

图5为被检螺栓探头位置示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细说明。

本发明提供一种基于非线性超声的高强度螺栓疲劳寿命检测方法，包括以下步骤：

步骤100：不同疲劳寿命螺栓试样的制备：使用疲劳试验机，分别制备疲劳寿命10％～90％的螺栓试样；该步骤中，优选通过疲劳试验机制备疲劳寿命10％、20％、30％、40％、50％、60％、70％、80％、90％的9种螺栓试样。

步骤200：超声非线性参数测试：通过非线性超声设备测量步骤100中制备的螺栓试样和原始试样的非线性超声信号，并分别计算其二阶超声非线性参数β’和三阶超声非线性参数δ’；该步骤中的非线性超声设备为现有的设备，至少包括超声信号发射装置、超声信号接收装置和与他们连接的处理器，超声发射装置设置在螺栓的一端，超声接收装置设置在另一端。

步骤300：基于步骤200中得到的二阶超声非线性参数β’和三阶超声非线性参数δ’测试结果，建立超声非线性参数与螺栓疲劳寿命的bp神经网络模型；

步骤400：对于待检螺栓，通过非线性超声设备测量其非线性超声信号，并计算其二阶超声非线性参数β’和三阶超声非线性参数δ’，然后使用神经网络模型，预测待检螺栓的疲劳寿命。

上述的步骤100包括以下步骤：

步骤110：设定s组疲劳试验的平均应力σm和应力幅σa，并根据s组疲劳试验的平均应力σm和应力幅σa进行轴向等幅力控制疲劳试验，记录试样失效周次nf；

步骤120：对螺栓试样分别循环加载0.1nf、0.2nf…0.9nf，得到疲劳寿命10％，20％...90％的疲劳试样，共s×9组试样，本发明中优选s＝3，即27组螺栓试样。

所述步骤200包括：

步骤210，对步骤120制备的s×9组试样和1组原始试样，使用非线性超声纵波进行检测，即将发射探头和接收探头分别置于螺栓两端，读取接收探头信号；

步骤220，将读取的探头信号进行傅里叶变换，分布读取基波幅值a1、二次谐波幅值a2和三次谐波幅值a3，计算二阶超声非线性参数三阶超声非线性参数

所述步骤300建立神经网络模型包括：

步骤310：:确定bp神经结构：对输入层神经元数设置为两个，分别为二阶超声非线性参数β’和三阶超声非线性参数δ’；输出层神经元数一个，即为疲劳寿命，隐含层3个节点；隐含层传递函数为f(x)＝1/(1+e^-x)，输出层传递函数为f(x)＝x，并设定期望误差目标为0.05；

步骤320：神经网络的训练，随机选择步骤200得到s×9组试样中的w组数值为训练样本，其余为测试样本；使用训练样本对神经网络进行训练，如果输出误差小于期望误差目标，则停止训练，否则对bp神经网络的权值和阈值进行修正；

步骤330：使用测试样本对步骤320中建立的神经网络进行测试，如果输出误差小于期望误差目标，则得到最终bp神经网络模型，否则对权值和阈值进行修正，并重复步骤320。

该步骤中，所述的神经网络模型的建立和训练为现有非常成熟的技术，本发明采用现有的神经网络模型建立方法和训练方法，并不对神经网络核心算法本身进行改进。

所述步骤400包括：

步骤410：对于待检螺栓使用非线性超声纵波进行检测，发射探头和接收探头分别置于螺栓两端，读取接收探头的信号并进行傅里叶变换，分布读取基波幅值a1、二次谐波幅值a2和三次谐波幅值a3，计算二阶超声非线性参数三阶超声非线性参数

步骤420：将步骤410测量的二阶超声非线性参数β’和三阶超声非线性参数δ’输入步骤300中建立的bp神经网络模型，得到待检螺栓的疲劳寿命tf。

使用本发明所涉及的一种基于非线性超声的高强度螺栓疲劳寿命检测方法，检测一风电塔筒法兰连接高强度螺栓疲劳寿命，验证本方法的准确性：

被检试样为10.9级螺栓，材料为42crmoa，宏观照片和金相照片如图2所示。首先制备不同疲劳寿命试样，并进行非线性超声测试，结果如图3所示。根据测量数据建立超声非线性参数与疲劳寿命的神经网络模型。通过非线性超声检测该螺栓二阶超声非线性参数为1.5e-6，三阶超声非线性参数为2.3e-9，根据建立的bp神经网络预测其疲劳寿命为0.23tf。

在本说明书的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本领域的技术人员在本发明揭露的范围内，可轻易想到的变化或者替换，都应该涵盖在本发明的保护范围内。