style="width:1.30997in;height:0.6468in" />,均值为
style="width:1.25693in;height:0.62656in" /> o 本文是学习GB-T 33218-2016 无损检测 基于光纤传感技术的设备健康监测方法. 而整理的学习笔记,分享出来希望更多人受益,如果存在侵权请及时联系我们
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。
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/T 19873.1 机器状态监测与诊断 振动状态监测 第1部分：总则
GB/T 19873.2 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/T 23713.1 机器状态监测与诊断预测 第1部分： 一般指南
GB/T 33213 无损检测 基于光纤传感技术的应力监测方法
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/T 23713.1。
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/T
33213。
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。
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 、P₂ 、P₃ 、P,
只要符合图1所示的7种峰谷形式中的任意一种，都可
以从中取出一个完整的循环，且其幅值为style="width:1.30997in;height:0.6468in" />,均值为
style="width:1.25693in;height:0.62656in" /> o
GB/T 33218—2016
style="width:5.38662in;height:5.41992in" />
图 1 7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、P₂ 、P₃ 、P
(图中从左至右)进行
雨流计数的判定条件见式(1):
\|P₁-P₂ \| ≥ \|P₂-P₃ \| 且 \|P-P₃ \| ≥ \|P₂-P₃ \| ……………… (1)
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)。
振动状态监测数据处理与分析方法按 GB/T 19873.2。
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。
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。
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：
a) 设备基本信息(包括设备类别、型号、配置、编码、识别码等);
b) 设备说明书；
c) 监测时的运行工况说明；
d) 监测或采样的日期、时间；
e) 监测仪器类型(传感器类型、采集仪型号等);
GB/T 33218—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；
i) 用户签名和有关资质授权签字(如适用)。
GB/T 33218—2016
(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
|
|
|||||||
|---|---|---|---|---|---|---|---|---|
|
|
|
|
|
||||
|
|
|
|
|
|
|||
|
|
|
||||||
|
|
|||||||
|
|
|||||||
|
|
|
||||||
|
|
|||||||
|
|
|||||||
表 A.2 不同均幅值载荷下的疲劳寿命
|
|
|||||||
|---|---|---|---|---|---|---|---|---|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|||
|
|
|
||||||
|
|
|||||||
|
|
|||||||
|
|
|
||||||
|
|
|||||||
|
|
|||||||
表 A.3 不同均幅值载荷下的损伤度
|
|
|||||||
|---|---|---|---|---|---|---|---|---|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|||
|
|
|
||||||
|
|
|||||||
|
||||||||
|
|
|
||||||
|
|
|||||||
|
|
|||||||
GB/T 33218—2016
(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：
style="width:1.16002in;height:0.60016in" /> …………… ………… (B.1)
式中：
n,—— 表示结构在第i 级幅值和第j 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j 级均值载荷下结构的疲劳寿命；
D,—— 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。
与雨流矩阵所对应的总损伤度按式(B.2) 计算：
style="width:1.78668in;height:0.71324in" /> … … … … … … … … … …(B.2)
B.2 神经网络评估法
设第k 层的第i 个神经元的输入为net, 输出为o, 由第k-1 层的第j
个神经元到第k 个神经
元的连接权值为w,, 按式(B.3)～ 式(B.5) 进行评估：
style="width:2.36661in;height:0.57332in" /> …………… ………… (B.3)
style="width:1.92655in;height:0.36652in" /> … … … … … … … … … …(B.4)
权值的调整公式为：
wy(t+1)=wy(t)+noo) … … … … … … … … … …(B.5)
式中：
wi(t) t 时刻节点j 到节点i 的连接权值；
η — 增益项；
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{(x;,y;),i=1,2, …,1}, 其中第 i 个样本向量x, ∈R",
样本标签为y;=
{- 1,1}。按式(B.6) 确定目标函数：
style="width:4.1267in;height:0.71984in" /> … … … … … … … … … …(B.6)
式中：
w— 分类面的法向量；
C ——惩罚因子；
5.——松弛因子。
GB/T 33218—2016
最优分类面要求最大化分类间隔和最小化分类误差，引入核函数 K(x;,x,)
式(B.7):
style="width:5.9601in;height:0.74008in" />
style="width:1.36675in;height:0.72666in" /> ………
后优化问题转化为
………… (B.7)
0≤a;≤C,Vi
对每一个训练点都有一个拉格朗日乘子α;,与非零a; 对应的点x;
就是支持向量，记为x; 。 可以
得到式(B.8) 所示判别函数：
style="width:4.55999in;height:0.6732in" /> … … … … … … … … … …(B.8)
式中：
测试样本；
sv — 支持向量机；
sgn(x)—— 符号函数， 一般取对称硬极限函数(结果为+1或— 1);
α′ — 拉格朗日乘子；
b' — 偏置。
B.4 贝叶斯网络评估法
给定一个监测数据集 D,D={X,X₂, …,X,,C}
是属性变量，类变量C 的取值范围为{c₁,c₂, …,cm},x;
类c; 的概率由贝叶斯定理表示为式(B.9):
是离散随机变量的有限集，其中 X,X₂, …,X,
是属性X; 的取值。 I,={xi,x₂, …,x} 属于
style="width:6.37987in;height:0.6666in" />
=a ·P(x,x₂, …,x\|c;) ·P(c,) … … … … …(B.9)
式中：
α — 正规化因子；
P(c;) — 类c; 的先验概率；
P(c; \|xi,x₂ ,…,xn)— 类 c,的后验概率，它反映了样本数据对类c,的影响。
根据贝叶斯最大后验准则，对于给定的 I={xi,x₂ ,…,x,
贝叶斯网络分类器选择使后验概率
P(c,\|xi,x₂, …,xn) 最大对应的类 c, 为该I; 该的类别。
更多内容 可以 GB-T 33218-2016 无损检测 基于光纤传感技术的设备健康监测方法. 进一步学习