基于应变模态的液压卡箍松动识别与定位

合集下载

基于模态分析理论的结合部动刚度辨识

基于模态分析理论的结合部动刚度辨识近年来，随着机械系统及其结构复杂性的加强，对机械系统动力学行为和动态性能进行识别和检测变得日益重要。

动刚度辨识是一种重要的机械系统参数辨识技术，也是研究机械系统动力学特性的重要方法，可以有效地分析机械系统动力学行为。

动刚度辨识技术是基于模态分析理论，在模态分析基础上对动刚度进行辨识。

模态分析是一种重要的机械系统参数辨识技术，可以基于固有振动状态，研究机械系统的结构特性和系统动力学性能，进而实现动刚度辨识。

本文主要研究基于模态分析理论的结合部动刚度辨识。

首先，介绍了动刚度的定义和计算模型，然后介绍了模态分析的主要思想和方法，然后结合结构动力学理论，基于模态分析原理，构建结合部动刚度辨识模型，并提出了相应的数学模型和解析方法。

接下来，通过介绍结合部动刚度辨识模型的实际应用，验证了该方法的有效性和正确性，并结合某实际工程，给出了动刚度辨识的结果和分析，以验证本文给出的模型的有效性。

本文的研究主要针对结合部动刚度辨识问题，构建了基于模态分析理论的结合部动刚度辨识模型，并给出了相应的数学模型和解析方法，并进行了相关的实验验证，说明了该方法的有效性和可行性，帮助我们更快更好地对机械系统进行动刚度辨识。

本文研究的结果可以为工程设计师提供参考，可以在结构设计过程中有效控制动刚度辨识的准确度，以提高结构的动力学性能和可靠性，从而实现安全可靠的结构设计。

总之，基于模态分析理论的结合部动刚度辨识是一个复杂的研究课题，要深入系统地研究机械系统动刚度辨识问题，构建有效的辨识模型以及有效的实验设计，使机械系统更加稳定可靠，有利于结构设计和性能研究。

本文研究了基于模态分析理论的结合部动刚度辨识，该研究结果可以为工程设计师提供及时的参考，进行有效的结构动力学设计，实现动态可靠的结构设计。

基于格拉姆角场与迁移学习-AlexNet_的变压器绕组松动故障诊断方法

第51卷第24期电力系统保护与控制Vol.51 No.24 2023年12月16日Power System Protection and Control Dec. 16, 2023 DOI: 10.19783/ki.pspc.230659基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法薛健侗，马宏忠，杨洪苏，倪一铭，万可力，迮恒鹏(河海大学能源与电气学院，江苏南京 211100)摘要：绕组松动故障是变压器最主要的机械故障之一，尚缺乏有效的智能化诊断方法。

为此提出基于格拉姆角场与迁移学习-AlexNet的变压器绕组松动故障诊断方法。

变压器稳态运行时的振动信号存在周期性的特点，导致其构建足量具有时间相关性的图像集十分困难，提出了一种样本构建方法用于生成变压器振动信号的格拉姆角场图像集。

将生成的图像集送入AlexNet进行迁移学习，获得微调后的神经网络模型。

实验结果表明：利用该样本构建方法生成的图像集作为训练集和验证集，建立的卷积神经网络模型训练准确率与验证准确率均达到99%以上；利用变压器周期性振动信号生成的图像集作为测试集，测试准确率达到99%以上，实现了变压器绕组松动故障的准确诊断，并为周期性信号运用具有时间相关性的图像变换方法构建足量样本集提供了一种新思路。

关键词：变压器；绕组松动；振动信号；格拉姆角场；AlexNet；迁移学习；样本构建；故障诊断A fault diagnosis method for transformer winding looseness based on Gramianangular field and transfer learning-AlexNetXUE Jiantong, MA Hongzhong, YANG Hongsu, NI Yiming, WAN Keli, ZE Hengpeng(College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China)Abstract: The winding looseness fault is one of the main mechanical faults in transformers, and there is still a lack of effective intelligent diagnosis methods. Therefore, a diagnosis method for such a fault based on Gramian angular field and transfer learning-AlexNet is proposed. The periodic characteristics of the vibration signals during steady-state operation of transformers make it difficult to construct a sufficient set of images with time correlation. Therefore, a sample construction method is proposed to generate the Gramian angular field image set of transformer vibration signals. The generated image set is sent to AlexNet for transfer learning to obtain the fine-tuned neural network model. The image set generated by the sample construction method is used as the training and validation set, and the experimental results are that training and validation accuracy of the convolutional neural network model established are both above 99%. The image set generated by the periodic vibration signal of the transformer is used as the test set, with a testing accuracy of over 99%, achieving accurate diagnosis of transformer winding looseness faults. It also provides a way for constructing a sufficient sample set using time-related image transformation methods for periodic signals.This work is supported by the National Natural Science Foundation of China (No. 51577050).Key words: transformer; winding looseness; vibration signals; Gramian angular field; AlexNet; transfer learning; sample construction; fault diagnosis0 引言电力变压器作为各级变电站的核心设备，一直基金项目：国家自然科学基金项目资助(51577050)；国网江苏省电力有限公司重点科技项目资助(J2021053) 承担着提高线路远距离输送能力、确保用户正常用电的关键任务[1-4]。

一种基于压力传感的轨道扣件松动自动检测方法及系统（1）

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910858321.8(22)申请日 2019.09.11(71)申请人中南大学地址 410083 湖南省长沙市岳麓区麓山南路932号(72)发明人陈有根　尹俊波　李志勇　危韧勇　黄挚雄　普世平　(51)Int.Cl.E01B 35/12(2006.01)G01L 1/16(2006.01)(54)发明名称一种基于压力传感的轨道扣件松动自动检测方法及系统(57)摘要本发明公开了一种基于压力传感的轨道扣件松动自动检测方法及系统。

所述系统结构主要包括扣件松动检测模块、地面接收模块及上位机监控终端，其中扣件松动检测模块由压力传感器、供电单元、松动信号采集模块、CPU模块及通信模块构成。

所述方法即通过压力传感器来检测扣件系统松动与否，当传感器输出信号值低于所设压力阈值时，CPU模块将通过地面装置将松动扣件位置发送至上位机监控系统或APP终端，以便工作人员迅速修复故障扣件。

该方法同其它铁路扣件系统检测方法相比，从本质上来检测扣件系统的松紧程度，具有自动化程度高、精度高的特点，不受天气、能见度的影响。

所述方法及系统有助于对铁路的安全预警及自动化检测技术在铁路系统中的应用普及。

权利要求书1页说明书3页附图2页CN 110593031 A 2019.12.20C N 110593031A1.一种基于压力传感的轨道扣件松动自动检测系统，所述系统至少包括扣件松动检测模块、地面接收模块及上位机监控终端，其中扣件松动检测模块由压力传感器、供电单元、松动信号采集模块、CPU模块及通信模块构成，其特征在于：压力传感器安装于扣件系统中弹条与螺栓之间，压力传感器的输出接于松动信号采集模块，松动信号采集模块的输出接于CPU模块，CPU模块的输出接于通信模块，且整个扣件松动检测模块安放于轨道板预留孔洞内，电源线及信号线均走轨道板内预埋套管；地面接收模块安装于铁轨附近的路面上，其中地面接收模块包括供电单元和通信模块。

基于应变模态的液压卡箍松动识别与定位

基于应变模态的液压卡箍松动识别与定位
谭跃刚;余兆祥;曲永志;王泽超;魏勤
【期刊名称】《液压与气动》
【年(卷),期】2017(000)007
【摘要】针对液压管路卡箍松动故障,提出一种基于应变模态变化的卡箍松动识别与定位方法.利用有限元仿真对卡箍在正常安装与松动情况下管道固有频率及应变模态进行分析,并设计基于光纤光栅的应变模态实验测量系统,获取卡箍松动前后的固有频率与应变模态振型并分析其变化规律.结果表明:卡箍松动导致固有频率下降,低阶应变模态振型发生变化,且松动位置附近变化最为显著.根据固有频率与实验应变模态振型的变化可对卡箍松动故障进行识别与定位.
【总页数】7页(P96-102)
【作者】谭跃刚;余兆祥;曲永志;王泽超;魏勤
【作者单位】武汉理工大学机电工程学院,湖北武汉430070;武汉理工大学机电工程学院,湖北武汉430070;武汉理工大学机电工程学院,湖北武汉430070;武汉理工大学机电工程学院,湖北武汉430070;武汉理工大学信息工程学院,湖北武汉430070
【正文语种】中文
【中图分类】TH137;U226.8+1;TV732.4
【相关文献】
1.基于奇异谱熵和支持向量机的变压器绕组松动识别及定位 [J], 张琳;马宏忠;姜宁;高拓宇;许宏华
2.基于应变模态差的连续梁损伤识别方法研究与应用 [J], 张豪;史富强
3.基于应变模态的轨道板裂缝与脱空识别方法研究 [J], 张晓东; 梁青槐
4.基于应变模态方法的飞机蒙皮分布动载荷识别 [J], 张丛;付益战;李元栋;李家旭
5.基于应变模态的CRTSⅡ型板式无砟轨道砂浆层脱空识别 [J], 赵佳;谢铠泽;赵维刚;张晓东
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模态分析的液压挖掘机工作装置动态优化设计_李发宗

图1 Fig． 1 标准挖掘工况下工作装置前 8 阶模态振型 device under standard mining condition
（ a） 1 阶模态（态（ c） 3 阶模态（ g） 7 阶模态（ d） 4 阶模态（ h） 8 阶模态
The first eight order modal vibration mode of working
第 6 阶模态频率出现时，该阶频率对应的主振 E、 K 为轴心，型以 C 、以工作装置姿态位置为平衡位置的对称复合扭转运动。第 7 阶模态频率出现时，该阶频率对应的主振型为 XOY 平面的弯曲振动以及以 XOY 平面为对称面，且过动臂与转台铰接销轴中间截面圆心 C 内外摆动。第 8 阶模态频率出现时，该阶频率对应的主振
表1 Tab． 1
阶次 1 2 3 4
标准挖掘工况下的模态前 8 阶固有频率 The first eight order mode natural frequency
in the cases of standard mining condition
频率 / Hz 3. 792 8. 626 12. 696 27. 182 阶次 5 6 7 8 频率 / Hz 32. 585 42. 924 52. 521 62. 941
引言
液压挖掘机工作时，各机构频繁启动、回转、伸臂、挖掘、提升卸料、制动且进行复杂的复合运动，使液压挖掘机结构承受强烈的冲击和振动。随着液压挖掘机向着重载、高精度、轻量化发展，工作装置结构在动载荷作用下的振动问题变得日益突出。因［1 ］此，对工作装置进行动态优化设计，改进其动态性能，减小振动，提高其工作平稳性，具有重要意义。模态是构成各种工程结构复杂振动的最基本的振动形态，通过模态分析可得到结构的固有频率和是结构动态性能分析和优化设计的基主要振型，［2 － 3 ］。国内外许多学者基于模态技术对机械结构础［4 － 7 ］，但现有针对关键模态频率对进行了结构优化动态性能以及灵敏度的影响关系研究还不够深入，对动态优化设计的方法有待进一步提高。本文以液压挖掘机工作装置为研究对象，利用模态分析技术得到工作装置的各阶模态频率和模态特性，确定影响液压挖掘机工作装置动态性能的关［8 ］键模态频率。将此模态频率作为优化目标，通过对主要结构参数进行灵敏度分析，得到工作装置动态优化的设计变量。确定工作装置几何约束、性能［9 ］约束等约束条件，最后采用扩展拉格朗日乘子法对工作装置结构进行动态优化设计。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ＴＡＮＹｕｅ． Байду номын сангаас ａｎｇ，ＹＵＺｈａｏ．ｘｉａｎｇ，ＱＵＹｏｎｇ — ｚｈｉ，ＷＡＮＧＺｅ．ｃｈａｏ，ＷＥＩＱｉｎ
（１．ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌａｎｄＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ，Ｈｕｂｅｉ４３００７０：２．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ，Ｈｕｂｅｉ４３００７０）
模态振型的变化可对卡箍松动故障进行识别与定位。
关键词：卡箍松动；固有频率；应变模态；光纤光栅
中图分类号：ＴＨ１３７；Ｕ２２６．８１；ＴＶ７３２．４文献标志码：Ｂ文章编号：１０００－４８５８（２０１７）０７－００９６０７－
（１．武汉理工大学机电工程学院，湖北武汉２．武汉理工大学信息工程学院，湖北武汉
勤
４３００７０；４３００７０）
摘
要：针对液压管路卡箍松动故障，提出一种基于应变模态变化的卡箍松动识别与定位方法。利用有
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒｔｏｄｅｔｅｃｔｔｈｅｌｏｏｓｅｎｅｓｓｏｆｔｈｅｃｌａｍｐ，ａｎｉｄｅｎｔｉｉｃｆａｔｉｏｎａｎｄｌｏｃａｔｉｎｇｍｅｔｈｏｄｉｓｐｒｏｐｏｓｅｄｂａｓｅｄｏｎｔｈｅｓｔｒａｉｎｍｏｄａｌａｎａｌｙｓｉｓ．Ｔｈｅｎｕｍｅｒｉｃａｌｓｉｍｕｌａｔｉｏｎｏｆｔｈｅｐｉｐｅｌｉｎｅｍｏｄｅｌｉｓｃａｒｒｉｅｄｏｕｔｔｏａｎａｌｙｚｅｔｈｅｖａｉａｒｔｉｏｎｏｆｔｈｅｎａｔｕｒａｌｆｒｅｑｕｅｎｃｙａｎｄｔｈｅｓｔｒａｉｎｍｏｄａｌｕｎｄｅｒｔｈｅｃｏｎｄｉｔｉｏｎｏｆｎｏｒｍａｌａｎｄｌｏｏｓｅｎｃｌａｍｐａｓｓｅｍｂｌｙ：ｔｈｅｎｔｈｅｅｘ．ｐｅｒｉｍｅｎｔａｌｓｙｓｔｅｍｂａｓｅｄｏｎｔｈｅｄｉｓｔｉｂｒｕｔｅｄｏｐｔｉｃａｌｉｂｅｆｒｂｒａｇｇｇｒａｔｉｎｇｓｅｎｓｏｒｓｉｓｄｅｓｉｇｎｅｄｔｏｍｅａｓｕｒｅｔｈｅｄｙｎａｍｉｃｓｔｒａｉｎ．Ｔｈｅｎｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｓｔｒａｉｎｍｏｄａｌｉｓｃｏｎｓｔｒｕｃｔｅｄａｎｄｔｈｅｄｅｔｅｃｔｉｏｎｒｕｌｅｂａｓｅｄｏｎｔｈｅｓｔｒａｉｎｍｏｄａｌｉｓａｎａ — ｌｙｚｅｄｂｅｆｏｒｅａｎｄａｔｅｆｒｌｏｏｓｅｎｅｓｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｌｏｏｓｅｎｃｌａｍｐｌｅａｄｓｔｏａｄｅｃｒｅａｓｅｉｎｔｈｅｎａｔｕｒａｌｆｒｅｑｕｅｎｃｙａｎｄｗｉｌｌｃｈａｎｇｅｔｈｅｉｒｆｓｔｓｅｖｅｒａｌｓｔｒａｉｎｍｏｄａｌｓｈａｐｅｓｎｅａｒｌｏｏｓｅｃｌａｍｐｓｉｇｎｉｉｆｃａｎｔｌｙ，ｗｈｉｃｈｃａｎｂｅｕｓｅｄｔｏｉｄｅｎｔｉｆｙａｎｄｌｏｃａｔｉｎｇｔｈｅｃｌａｍｐ— ｌｏｏｓｅｎｉｎｇｆａｕｌｔ．
限元仿真对卡箍在正常安装与松动情况下管道固有频率及应变模态进行分析，并设计基于光纤光栅的应变
模态实验测量系统，获取卡箍松动前后的固有频率与应变模态振型并分析其变化规律。结果表明：卡箍松动
导致固有频率下降，低阶应变模态振型发生变化，且松动位置附近变化最为显著。根据固有频率与实验应变
ＩｄｅｎｔｉｉｆｃａｔｉｏｎａｎｄＬｏｃａｔｉｎｇｏｆＣｌａｍｐ — ｌｏｏｓｅｎｉｎｇＦａｕｌｔｉｎＨｙｄｒａｕｌｉｃＰｉｐｅＢａｓｅｄｏｎＳｔｒａｉｎＭｏｄａｌＡｎａｌｙｓｉｓ
９６
ｄｏｉ：１０．１１８３２／ｊ．ｉｓｓｎ．１０００－４８５８．２０１７．０７．０１８
液压与气动
２０１７年第７期
基于应变模态的液压卡箍松动识别与定位
谭跃刚，余兆祥，曲永志，王泽超，魏