一种结合时间反转技术和BP神经网络的螺栓松动检测方法

一种结合时间反转技术和bp神经网络的螺栓松动检测方法
技术领域
1.本发明属于建筑工程技术领域，涉及时间反转技术、bp神经网络和结构健康监测技术。


背景技术：

2.螺栓连接是一种典型的钢构件连接方式，被广泛应用于包括土木工程、航空航天、机械工程、电力工程等多个行业中，螺栓的松紧程度关系到设备的运营安全和结构的安全性。螺栓的松紧程度受到环境荷载、交通荷载等多种作用的影响，在使用过程中不可避免的存在单个或多个螺栓松动的情况，螺栓松动到一定程度后会导致结构的突然破坏，造成巨大的经济损失和恶劣的社会影响，实现对螺栓连接结构的健康监测，对于提高设备安全性能有着重要的意义。
3.当前针对螺栓松动的检测方法包括应变片检测法、扭矩仪人工检测、超声导波检测法、阻抗法、机器视觉技术等。其中，人工检测成本太高，应变片检测法检测精度不高且需要安装的传感器数量较多，阻抗法的检测区域不大，超声导波技术和机器视觉技术近年来成为研究热点。
4.基于超声导波的螺栓松动检测方面，目前采用的检测方法包括能量法、时间反转法、频率法等。由于螺栓板的表面不平顺特征，螺栓的预紧力决定螺栓板之间的实际接触面积，从螺栓板的一端激发超声导波信号，信号通过接触区域传递到螺栓板的另外一端，信号传递的能量大小由螺栓板的实际接触面积决定。基于能量法的检测技术利用信号这一特征建立透射信号能量与螺栓扭矩的关系，然而螺栓板的实际接触面积在螺栓扭矩达到一定程度后将不再变化，导致此方法无法检测早期螺栓松动。同样的，基于频率法的检测方式信号频率的变化不够明显，易受环境噪声等影响。时间反转技术通过将导波信号在信号接收传感器处能量聚焦，实现螺栓松动程度的准确预测。
5.专利文献cn113433214a提出了一种板结构的损伤定位方法，然而对于螺栓结构来说，其结构形式更加复杂，导波的传播路径难以预测。进一步地，该方法所采用的传感器数量过多，无法在实际工程应用中推广。


技术实现要素：

6.本发明的目的是针对上述技术问题，提出一种结合时间反转技术和bp神经网络的螺栓松动检测方法，通过少量传感器检测复杂螺栓群的整体、局部损伤程度，定位损伤区域，保证螺栓连接结构运营期间的安全，防止灾难发生。
7.为解决上述技术问题，本发明采用以下技术方案：
8.一种结合时间反转技术和bp神经网络的螺栓松动检测方法，包括如下步骤：
9.s1：在被测螺栓群附近布置相同数量的多个超声导波激励和接收传感器，采用单发单收的方式激励并接收超声导波；
10.s2：无损状态下，将所有激励与接收传感器一一组合，每种组合代表不同的导波传
播路径，采用时间反转技术获取特定激励与接收传感器之间的超声导波重构信号，提取重构信号在时域上的最大值；
11.s3：损伤状态下，采用时间反转技术获取所有激励与接收传感器组合下的超声导波重构信号，计算损伤状态下重构信号最大值与对应传播路径上无损状态重构信号最大值的比值，作为该传播路径上导波信号的特征值；
12.s4：将螺栓群划分成多个独立的区域，每个区域包含多个独立的螺栓；
13.s5：搭建bp神经网络，单个样本的输入为损伤状态下所有传播路径上导波信号的特征值，输出节点数量为螺栓群划分区域的个数，输出节点的位置代表螺栓松动的区域，输出节点值的大小代表螺栓松动区域的损伤程度；
14.s6：通过大量的数据训练并测试bp神经网络，从而准确识别螺栓松动的位置和局部螺栓松动程度；
15.s7：对单个损伤情况下所有传播路径上导波信号的特征值取平均，通过大量损伤样本，建立与螺栓群整体松动程度的线性关系，实现螺栓群整体损伤程度的预测。
16.进一步地，螺栓群可以按照结构特征划分成多个独立的区域。
17.进一步地，所述的超声导波激励和接收传感器，其特征在于，包括并不限于压电式和磁致伸缩式超声导波传感器，根据实际被测构件灵活选取；
18.进一步地，所述的超声导波，其特征在于，包括lamb波，sh波等多种形式，其激励频率根据被测结构的频散特性合理选取；
19.进一步地，所述的多个超声导波传感器，其特征在于，用于激励和接收信号的传感器数量大于等于两个，但远小于螺栓总数，激励与接收传感器数量根据被测构件测尺寸和螺栓总数灵活选择；
20.进一步地，所述的时间反转技术，其特征在于，包括如下步骤：
21.s2-1：激励传感器激发高斯脉冲信号δ(t)，导波信号从螺栓板一侧透过螺栓板连接区域传递到另外一侧的信号接收传感器。假设结构脉冲响应为h(t)，则接收到的信号为y(t)＝h(t)；
22.s2-2：将接收到的信号y(t)在时域上0-t0段做时间反转，反转后的信号y(t
0-t)＝h(t
0-t)作为输入信号重新发送到激励传感器；
23.s2-3：从接收传感器获取重构信号提取t0时刻的重构信号值
24.进一步地，所述的bp神经网络输入，其特征在于，对于bp神经网络的输入，单个导波传播路径上的导波信号特征值在0到1(无损)之间。
25.进一步地，所述的bp神经网络输出，其特征在于，对于bp神经网络的输出，单个神经元节点的输出值在0(无损)到1之间，代表局部区域损伤程度。
26.进一步地，所述bp神经网络的训练数据集可通过有限元模型或通过实际采集到的信号获取，神经网络的超参数通过反复测试确定。
27.本发明所提出的方法所需传感器数量少，能够适用于复杂的螺栓连接结构，损伤程度检测可具体至独立的区域且检测准确度较高。本发明创造性的结合bp神经网络与时间反转技术，以不同导波传播路径上的损伤特征值作为判断依据，准确识别损伤位置，实现高
效率检测。
附图说明
28.通过结合以下附图所作的详细描述，本发明的上述优点将变得更清楚和更容易理解，这些附图只是示意性的，并不限制本发明，其中：
29.图1是本发明实施例中例举的一种螺栓连接结构的示意图；
30.图2是激励传感器a1激发的高斯脉冲信号图谱；
31.图3是接收传感器r1接收到的信号图谱；
32.图4是时间反转的r1接收到的信号图谱；
33.图5是接收传感器r1得到的重构信号图谱；
34.图6是bp神经网络结构图；
35.图7是本发明实施例的bp神经网络预测结果图；
36.图8是本发明实施例对螺栓群整体损伤程度的预测结果图。
具体实施方式
37.下面结合附图，对本发明一种结合时间反转技术和bp神经网络的螺栓松动检测方法进行详细说明。
38.在此记载的实施例为本发明的特定的具体实施方式，用于说明本发明的构思，均是解释性和示例性的，不应解释为对本发明实施方式及本发明范围的限制。除在此记载的实施例外，本领域技术人员还能够基于本技术权利要求书和说明书所公开的内容采用显而易见的其它技术方案，这些技术方案包括采用对在此记载的实施例的做出任何显而易见的替换和修改的技术方案。
39.本发明提供了一种结合时间反转技术和bp神经网络的螺栓松动检测方法，结合图1所示具体结构形式，包括如下步骤：
40.s1：图1所示被测螺栓群包含8个独立螺栓，在螺栓连接区域两端各布置2个超声导波激励和接收传感器，采用单发单收的方式激励并接收超声导波，超声导波的传播路径包含a1-r1、a1-r2、a2-r1、a2-r2；
41.s2：无损状态下，将图2所示高斯脉冲信号输入激励传感器a1，超声导波信号通过螺栓连接区域自左侧螺栓板传至右侧螺栓板，接收传感器r1得到图3所示接收信号；
42.s3：选取图3接收信号0-1.5
×
10-3
s作为有效信号部分，并在0-1.5
×
10-3
s区间做时程信号反转，得到图4所示反转信号并将其重新输入激励传感器a1；
43.s4：接收传感器r1得到图5所示重构信号，提取无损状态下1.5
×
10-3
s时刻信号幅值y
intact,a1-r1
；
44.s5：重复s2-s4，分别获得y
intact,a1-r2
，y
intact,a2-r1
，y
intact,a2-r2
；
45.s6：松动螺栓，重复s2-s5操作，获得当前损伤状态下的y
damage,a1-r1
，y
damage,a1-r2
，y
damage,a2-r1
，y
damage,a2-r2
；
46.s7：计算当前损伤状态下4个传播路径上的导波信号特征值di，以传播路径a1-r1举例说明，di
a1-r1
计算公式为：无损状态下di＝1；
47.s8：将螺栓群划分为4行，每行包含两个独立的螺栓；
48.s9：单一损伤状态下可获取4条导波传播路径上的不同di值，作为一组神经网络的训练样本，样本标签为4个0到1(无损)的数字。样本标签数字的位置代表螺栓损伤的所处的行数，样本数字的大小代表该行螺栓的局部损伤程度；
49.s10：通过大量的损伤状况收集神经网络的训练样本集；
50.s11：将训练样本集输入至图6所示神经网络中进行训练，调整神经网络的超参数提升训练结果的准确性，然后将测试的数据放入训练好的神经网络中进行预测，得到图7所示的预测结果。图7可看出，损伤发生在第1行和第2行，对应的预测损伤程度值与实际值相近；
51.s12：计算单一损伤状态下的4个传播路径上di的平均值，通过大量样本，建立di平均值与螺栓群整体损伤状态的线性关系。图8所示为不同状态下di平均值与螺栓群整体损伤程度的关系图，通过数据拟合得到图8线性关系，用于预测螺栓群整体损伤程度。
52.本发明不局限于上述实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本技术相同或相近似的技术方案，均落在本发明的保护范围之内。