起重机的声发射源特性及识别方法研究

论文摘要

起重机是广泛使用的大型机电类特种设备,其安全运行与社会经济发展息息相关,我国在役起重设备数量多,增幅快,截至2007年底在用起重设备总量95.79万台,与2003年底相比增幅达72.3%,开展无损检测是保障起重机安全运行的重要手段。近年来,声发射技术在压力容器、航空航天等行业的无损检测中得到了广泛的应用,与超声、磁粉、射线、渗透等常规无损检测方法相比,它具有对活性缺陷敏感、一次试验中可对被检结构件或设备进行整体检测、检验周期短、效率高等优点,但对起重机的无损检测,目前还处于起步阶段,对起重机工作现场的声发射源缺乏认识。因此,研究起重机工作现场的声发射源特性、寻求有效的声发射源识别方法是目前检测中急需解决的问题,也是制定起重机声发射检测标准和开展现场检验的前提。本文结合国家“十一五”科技支撑计划项目,对起重机工作过程中的各种典型声发射源特性及识别方法开展研究,完成的主要工作有:(1)通过Q235钢和Q345钢母材和焊缝试件拉伸过程的声发射监测,获取了四种试件拉伸过程的声发射特征,结果表明:拉伸过程的声发射行为与材料内部损伤是相吻合的;利用声发射有效值电压(RMS)曲线和能量率曲线能清晰的观察到屈服点的出现,也能观测到焊缝试件拉伸过程的多次屈服现象,Q345钢焊缝试件的双屈服现象尤为明显,而这些现象在应力应变曲线中是不能反映出来的。(2)在Q235、Q345钢拉伸试验和箱形、槽形试件弯曲试验过程的声发射监测试验所获取的材料拉伸过程和结构件弯曲过程声发射特性基础上,对带有焊接表面裂纹的大型结构件——起重机箱形梁进行了破坏性试验,监测了试验全过程的声发射现象,对比各级载荷下的应力值和表面裂纹区域的磁记忆检测结果,得到了表面裂纹扩展和塑性变形声发射源的声发射特性,包括:声发射定位特征、参数分布特征和波形频谱特征。(3)通过大量的起重机现场试验,系统地获取了桥式/门式起重机工作过程中六种典型声发射源的声发射特性,分别为大车/小车移动、起升/下降制动、结构摩擦、氧化皮剥落、雨滴噪声、电器设备噪音等;同时完成了起重机主梁上的衰减特性测量和线性定位试验,结果表明:线性定位方法可以对箱形梁、桁架主梁上的声发射源进行正确定位。(4)研究了小波分析在起重机声发射信号处理中的应用问题,分析了声发射信号处理中的小波基选取方法,根据小波分析的Mallat算法,推导了小波分解的最大尺度公式,确定了各尺度下信号的频率范围,提出了基于小波能谱系数的起重机声发射源特征提取方法,实例证明,该方法能够对表面裂纹扩展、塑性变形、结构摩擦和小车移动四种声发射源进行正确的识别。(5)研究了神经网络在起重机声发射波形信号模式识别中的应用问题,通过对BP网络的构造、初始权值的选取、算法的选择等问题的研究,提出了改进的RPROP算法;结合基于小波分析的声发射信号特征提取,设计并培训了能对起重机工作过程典型声发射源进行正确识别的神经网络,通过对起重机实际声发射检验获得的信号进行模式识别,验证了所构建网络的可靠性。本文的研究成果有助于提高对起重机声发射源的全面认识,为起重机声发射检测及结果评价方法标准的制定奠定基础,对推动声发射技术在起重机行业的应用开展具有重要意义和实用价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源
• 1.2 选题意义
• 1.3 国内外研究工作概述
• 1.4 主要研究内容和技术路线
• 第2章 起重机常用钢材拉伸过程的声发射特性研究
• 2.1 实验目的
• 2.2 实验装置及设备
• 2.3 试样制备及传感器布置
• 2.4 实验方法
• 2.5 实验结果与分析
• 2.5.1 实验过程中的环境噪声信号的特征
• 2.5.2 B3试件拉伸过程的声发射特征及分析
• 2.5.3 B5试件拉伸过程的声发射特征及分析
• 2.5.4 B8试件拉伸过程的声发射特征及分析
• 2.5.5 B11试件拉伸过程的声发射特征及分析
• 2.5.7 四种试件拉伸过程的声发射特征对比
• 2.6 本章小结
• 第3章 Q235钢结构件表面焊接裂纹扩展的声发射特性研究
• 3.1 试验目的
• 3.2 试验装置及设备
• 3.3 试样制备及传感器布置
• 3.4 试验过程
• 3.5 Q235钢箱形试件弯曲试验声发射监测结果与分析
• 3.6 Q235钢槽形试件弯曲试验声发射监测结果及分析
• 3.7 本章小结
• 第4章 起重机箱形梁破坏性试验过程的声发射特性研究
• 4.1 试验目的
• 4.2 试样制备及检测设备
• 4.3 声发射检测、应力测试及磁记忆测试方案
• 4.4 声发射试验加载步骤
• 4.5 试验结果及分析
• 4.5.1 各保载阶段应力测试结果
• 4.5.2 各保载阶段磁记忆测试结果
• 4.5.3 试验过程中表面裂纹和塑性变形的宏观形貌图
• 4.5.4 各加载、保载阶段声发射信号的定位源特性
• 4.5.5 试验过程的声发射信号参数特征
• 4.5.6 表面裂纹扩展与塑性变形定位声发射信号的频谱特征
• 4.6 本章小结
• 第5章 起重机工作过程的声发射源及特性研究
• 5.1 起重机主梁结构模拟声发射源衰减特性
• 5.1.1 箱形梁衰减曲线
• 5.1.2 工字钢主梁衰减曲线
• 5.2 起重机主梁结构声发射线性定位方法研究
• 5.3 起重机工作过程的典型声发射源及特征分析
• 5.3.1 小车、大车移动的声发射信号
• 5.3.2 起升、下降制动噪声的声发射信号
• 5.3.3 结构摩擦的声发射信号
• 5.3.4 氧化皮/漆皮剥落的声发射信号
• 5.3.5 雨滴的声发射信号
• 5.3.6 电器设备噪声的声发射信号
• 5.3.7 起重机工作现场的各种典型声发射源
• 5.4 本章小结
• 第6章 基于小波变换的起重机声发射信号处理方法研究
• 6.1 小波变换的基本原理
• 6.2 起重机声发射信号的小波分析方法研究
• 6.2.1 起重机用钢材的声发射信号特点
• 6.2.2 声发射信号分析的小波基选取
• 6.2.3 基于Mallat算法的小波分解最大尺度的确定
• 6.2.4 基于小波分析的声发射源特征提取方法研究
• 6.3 起重机中典型声发射信号的小波分析
• 6.3.1 声发射信号的噪声去除
• 6.3.2 表面裂纹扩展声发射信号的小波分析
• 6.3.3 四种典型声发射源的小波能谱分析
• 6.4 本章小结
• 第7章 基于人工神经网络的起重机声发射源模式识别方法研究
• 7.1 人工神经网络的模式识别原理
• 7.2 声发射信号模式识别的BP算法改进
• 7.2.1 初始权值的选择
• 7.2.2 BP网络学习算法的改进
• 7.3 起重机声发射信号的BP网络模式识别研究
• 7.3.1 构造学习样本
• 7.3.2 声发射信号模式识别的BP网络结构设计
• 7.3.3 网络的训练与测试
• 7.3.4 现场检测声发射信号的人工神经网络模式识别
• 7.4 本章小结
• 第8章 总结与展望
• 8.1 全文总结
• 8.2 进一步的工作和展望
• 参考文献
• 致谢
• 攻读博士学位期间发表的论文和参与的科研项目