无损检测基于光纤传感技术的设备健康监测方法

无损检测基于光纤传感技术的设备健康监测方法

国家标准 GB/T33218一2016 无损检测基于光纤传感技术的设备 健康监测方法 Nondestruetvetestng一Praeteeftorequpmenthealthmomtoring based 0nfibersensingteehnology 2016-12-13发布 2017-04-01实施 国家质量监督检验检疫总局 发布 国家标准化管理委员会国家标准
GB/T33218一2016 无损检测基于光纤传感技术的设备 健康监测方法 范围 本标准规定了基于光纤传感技术的设备健康监测技术、数据分析方法、健康状态评估方法及相关 要求 本标准适用于机械设备、起重设备、承压设备、钢结构等设备和结构运行中的健康监测 规范性引用文件 下列文件对于本文件的应用是必不可少的 凡是注日期的引用文件,仅注日期的版本适用于本文 件 凡是不注日期的引用文件,其最新版本(包括所有的修改单)适用于本文件 GB/T19873.l机器状态监测与诊断振动状态监测第1部分;总则 GB/T19873.2机器状态监测与诊断振动状态监测第2部分;振动数据处理、分析与描述 GB/T23713.1机器状态监测与诊断预测第1部分;一般指南 GB/T33213无损检测基于光纤传感技术的应力监测方法 运行状态参数监测 3.1概述 设备的应力和振动直接表征了设备的健康状态,因此实施设备健康监测时应重点考虑其应力状态 指标和振动状态指标 状态监测流程应符合GB/T23713.1 3.2应力状态监测 设备的应力状态参数通过光纤传感技术进行测定,应力监测方法按GB/T33213 3.3振动状态监测 设备的振动状态参数通过光纤传感技术进行测定,振动监测方法按GB/T19873.1 运行状态参数监测数据分析 应力状态监测数据分析 4.1 应力状态监测数据分析步骤如下 a)剔除既不是峰值也不是谷值的数据点,将时间历程记录转化为峰谷值序列 b)针对峰谷值序列采用双参数的雨流计数法进行循环计数,提取和统计幅值和均值 对于4个连续的峰谷值点P、P、,P、P,只要符合图1所示的7种峰谷形式中的任意一种,都可 [P一P P十PD 以从中取出一个完整的循环,且其幅值为 ,均值为
GB/T33218一2016 图17种满足计数条件的峰谷值形式 将这7种峰谷形式综合起来,便能得到对于4个连续峰谷值点P、P、P、P图中从左至右)进行 雨流计数的判定条件见式(1): (1 P一P>|P，一P 且 |P一-P.|>|P一P 根据均幅值矩阵(参见附录A中表A.1)和不同均幅值载荷下的疲劳寿命(参见表A.2),最终可得 到不同均幅值载荷下损伤度(参见表A.3) 4.2振动状态监测数据分析 振动状态监测数据处理与分析方法按GB/T19873.2 健康状态评估 5.1基于应力的健康状态评估 基于应力的健康状态评估,主要通过应力谱计算疲劳累积损伤,进而对设备的健康状态进行评估 疲劳累积损伤的计算方法参见附录B中B.1 5.2基于振动的健康状态评估 健康状态评估是对设备的健康状态进行分类的过程 基于振动的健康状态评估主要有神经网络分 类法(参见B.2),支持向量机分类法(参见B.3),贝叶斯网络分类法(参见B.4)等 报告 健康监测报告的内容应根据监测要求制订,应至少包括以下要素 设备基本信息(包括设备类别、型号、配置,编码,识别码等) a b 设备说明书; 监测时的运行工况说明; 监测或采样的日期、时间 监测仪器类型(传感器类型,采集仪型号等); e
GB/T33218一2016 f 监测传感器位置和方位; g)监测数据原始记录及数据处理结果; h)设备健康状态评估结果; 用户签名和有关资质授权签字(如适用
GB/T33218一2016 附 录A 资料性附录 均幅值矩阵 表A.1、表A.2,表A.3分别给出了不同均幅值载荷下的工作频次、不同均幅值载荷下的疲劳寿命 不同均幅值载荷下的损伤度 表A.1不同均幅值载荷下的工作频次 载荷均值 工作频次 S S， S" S. S 载 荷 幅 S 7 值 表A.2不同均幅值载荷下的疲劳寿命 载荷均值 工作频次 Sm Sm Sm S 2 S 载 荷 幅 N S 值 S mm 表A.3不同均幅值载荷下的损伤度 载荷均值 工作频次 S S. Sn Sm 载 荷 幅 S 值 n
GB/T33218一2016 B 附 录 资料性附录 健康状态评估方法 B.1疲劳累积损伤计算方法 根据雨流计数得到的结果,可采用Miner理论按式(B.1)计算结构的损伤度: D (B.1 -、 式中 表示结构在第i级幅值和第级均值载荷下结构的工作循环次数; n 表示结构在第i级幅值和第级均值载荷下结构的疲劳寿命; 表示结构在雨流矩阵中第i行,第j列载荷块所造成的损伤度 D 与雨流矩阵所对应的总损伤度按式(B.2)计算 D= (B.2 " B.2神经网络评估法 设第人层的第1个神经元的输人为ne/",输出为",由第k一1层的第个神经元到第友个神经 元的连接权值为w,按式(B.3)一式(B5)进行评估 eo't- net B.3 B.4 o6》=[netb1 权值的调整公式为 w;(t十1)=we;(,o B.5 式中: 时刻节点到节点i的连接权值: w; 增益项; o 下一导点的误差项， o 节点j的输出 B.3支持向量机评估法 设有两类监测数据样本集!(r;,y,),i=1,2,,l},其中第i个样本向量r,R",样本标签为y,- -1,l} 按式(B.6)确定目标函数: f(w,= (B.6 lwle(之) 式中: 分类面的法向量; 惩罚因子 E 松弛因子
GB/T33218一2016 最优分类面要求最大化分类间隔和最小化分类误差,引人核函数K(r;,工,)后优化问题转化为 式(B.7) >"->,Kc" maxF(a)= Say=( (B.7 0