李宏波，周建軍，王助鋒

（1.盾構(gòu)及掘進(jìn)技術(shù)國家重點實驗室，鄭州 450001；2.中鐵隧道集團(tuán)有限公司，河南 洛陽 471009）

盾構(gòu)施工法廣泛用于城市隧道、水排放隧道、引水供水隧道、江河湖海底隧道、電力電訊及供氣工程，但由于地下工況復(fù)雜，在盾構(gòu)掘進(jìn)過程中盾構(gòu)機(jī)的刀具磨損已經(jīng)成為嚴(yán)重影響工程質(zhì)量、進(jìn)度的關(guān)鍵問題。盾構(gòu)施工中對盾構(gòu)刀具磨損狀態(tài)檢測及評判為當(dāng)前研究熱點。施工中不同硬度地層對刀具影響差異性較大，跟蹤檢測水平不高會給盾構(gòu)刀具檢測造成巨大困難［1－2］。施工中若不能及時了解盾構(gòu)刀具的磨損信息，對刀具狀態(tài)做出合理評判，一旦刀具磨損嚴(yán)重甚至報廢更換更困難，且成本高、進(jìn)貨周期長，不但影響工程質(zhì)量亦會拖延工期。因此對盾構(gòu)刀具磨損檢測、評估為研究盾構(gòu)刀具磨損亟待解決之問題。

聲發(fā)射（Acoustic Emission，AE）技術(shù)作為動態(tài)無損檢測技術(shù)對各種金屬材料及內(nèi)部微細(xì)裂紋較敏感、能發(fā)現(xiàn)被測件材料的早期變化因而廣泛用于機(jī)械設(shè)備檢測［3－6］。本文以盾構(gòu)滾刀巖機(jī)作用實驗臺為研究對象，在該臺安裝不同磨損狀態(tài)刀具，采集破巖時的聲發(fā)射信號，將自適應(yīng)濾波及信息熵多特征融合技術(shù)相結(jié)合評估不同磨損程度刀具信息熵值，獲得信息熵值及刀具磨損程度曲線。對不同程度磨損刀具進(jìn)行信息熵區(qū)分，建立刀具磨損狀態(tài)信息熵數(shù)據(jù)庫模型，以便在盾構(gòu)刀具實際檢測中通過聲發(fā)射多特征信息熵值對應(yīng)劃分的刀具磨損區(qū)間獲得被檢刀具磨損狀態(tài)。

1 基于自適應(yīng)濾波的信號處理

1.1 自適應(yīng)濾波理論

自適應(yīng)濾波依據(jù)前一時刻所得濾波器參數(shù)結(jié)果自動調(diào)整濾波器參數(shù)以適應(yīng)信號或噪聲未知或隨時間變化的統(tǒng)計特征，從而實現(xiàn)最優(yōu)濾波結(jié)果［7－9］。采集的原始信號x（n）主要由真實有用信號s（n）與背景噪聲v（n）構(gòu)成，s（n）與 v（n）不相關(guān)。參考信號 r（n）可與s（n）或 v（n）相關(guān)。＾v（n）為背景噪聲 v（n）的最佳估計，見圖1。

圖1 自適應(yīng)消噪原理圖Fig.1 Adaptive filtering principle diagram

設(shè)濾波器階數(shù)為M，自適應(yīng)算法通過系統(tǒng)輸出誤差e（n）自動調(diào)節(jié)濾波器的權(quán)系數(shù)w（n），使系統(tǒng)輸出誤差的某個代價函數(shù)達(dá)到最小。經(jīng)典代價函數(shù)為利用均方誤差（Mean Square Error，MSE）作為代價函數(shù)，見圖2。

圖2 濾波器算法原理圖Fig.2 Filter algorithm principle diagram

代價函數(shù)均方誤差可表示為

設(shè)第k個濾波器權(quán)系數(shù)為wk，濾波器階數(shù)為M，各延遲單元被接入點稱為抽頭點，每個抽頭的輸入為r（n），r（n－1），…，r（n－M＋1），則橫向濾波器輸出r（n）為抽頭輸入與抽頭權(quán)值的內(nèi)積之和。系統(tǒng)輸出誤差為

式中：M為濾波器階數(shù)；r（n－m），r（n）由延時獲得。

使代價函數(shù)均方誤差J（n）取得最小值，此時均方誤差梯度為零，即

得最小均方算法權(quán)重的迭代規(guī)則為

式中：μ為迭代步長。

1.2 自適應(yīng)濾波有效性仿真

為驗證自適應(yīng)濾波降噪對聲發(fā)射信號的降噪效果，利用模擬聲發(fā)射信號驗證該算法的有效性。模擬AE信號表達(dá)式為

模擬聲發(fā)射為4個突發(fā)型AE信號。模擬AE信號幅值為8，信號長度為1 024，見圖3。模擬的噪聲信號為高斯白噪聲信號。噪聲信號與AE信號疊加后見圖4。通過自適應(yīng)濾波后信號見圖5。由諸圖看出，通過自適應(yīng)濾波降噪后能較干凈去除模擬的白噪聲信號，獲得真實的聲發(fā)射信號。

圖3 模擬的AE信號Fig.3 Simulation of AE signal

圖4 模擬AE＋白噪聲信號Fig.4 AE signal＋white noise signal

圖5 濾波后信號Fig.5 The filtered signal

2 基于信息熵的盾構(gòu)刀具AE信號評估

2.1 信息熵原理

熵為熱力學(xué)名詞，在信息論中亦稱平均信息量，為信息無序度的度量。信息熵越大信息無序度越高，信息的效用值越小；反之，信息熵越小信息無序度越小，信息的效用值越大。熵值法為據(jù)各項指標(biāo)觀測值提供的信息量大小確定指標(biāo)權(quán)數(shù)的方法。在綜合評估中可用信息熵多特征融合法評估所得系統(tǒng)信息的效用值［10－11］。據(jù)信息學(xué)定義，在一個信息通道中傳輸?shù)牡趇個信號的信息量為

式中：pi為該信號出現(xiàn)概率。

設(shè)n個信號出現(xiàn)的概率分別為p1，p2，…，pn，其平均信息量即熵E為

2.2 信息熵參數(shù)權(quán)重計算

設(shè) xij（i＝1，2，…，n，j＝1，2，…，m）為第 i次觀察評價中第j項指標(biāo)的觀察數(shù)據(jù)，對給定j，xij的差異越大該項指標(biāo)對被評價對象的作用越大，即該項指標(biāo)包含、傳輸?shù)男畔⒃蕉?。信息增加表明熵的減少，熵可度量該信息量大小［12］。

（1）計算第j項指標(biāo)下第i個被評價對象的特征比重，即

（2）計算第j項指標(biāo)的熵值，即

（3）計算指標(biāo)xj的差異性系數(shù)，即

gj越大越應(yīng)重視該指標(biāo)作用。式（12）中需確定常數(shù)項k。設(shè)xij與給定的j相同，則特征比重即熵值為

此時指標(biāo)對被評價對象作用最小，取gi＝0，可推算出k為

式中：wj為歸一化后權(quán)重系數(shù)。

3 盾構(gòu)刀具檢測流程

盾構(gòu)刀具檢測模型算法流程圖見圖6，試驗步驟為：① 將不同磨損程度的盾構(gòu)滾刀安裝在盾構(gòu)滾刀巖機(jī)作用試驗臺上，利用聲發(fā)射數(shù)據(jù)采集設(shè)備采集刀具破巖的聲發(fā)射信息，并通過設(shè)置聲發(fā)射高門檻值去除破巖干擾信號，實現(xiàn)一次降噪。② 將采集的刀具聲發(fā)射信號進(jìn)行自適應(yīng)濾波處理，實現(xiàn)二次降噪。③ 將濾波后聲發(fā)射信號歸一化處理，提取聲發(fā)射特征參數(shù)。④ 利用信息熵法對聲發(fā)射的特征信息量進(jìn)行評估，給出聲發(fā)射參數(shù)量權(quán)重，且對參數(shù)量打分得出其重要程度，利用多特性信息參量融合法求出刀具的信息熵值。⑤ 利用聲發(fā)射信號多特征融合信息熵值繪制曲線，并與盾構(gòu)刀具磨損狀況比較，建立盾構(gòu)刀具磨損信息熵評估數(shù)據(jù)庫。

圖6 刀具檢測流程圖Fig.6 The tool detection process

4 盾構(gòu)滾刀破巖聲發(fā)射信號試驗

4.1 試驗對象介紹

盾構(gòu)滾刀巖機(jī)作用試驗臺為模擬盾構(gòu)地下施工而設(shè)計臺，該平臺用于盾構(gòu)滾刀破巖機(jī)理試驗，為盾構(gòu)刀盤刀具的關(guān)鍵參數(shù)提供數(shù)據(jù)基礎(chǔ)，以便對不同磨損狀態(tài)滾刀的破巖效果進(jìn)行研究。該試驗臺一次可安裝3把盾構(gòu)刀具模擬盾構(gòu)破巖機(jī)理，可對盾構(gòu)刀具磨損狀態(tài)分析研究。在該試驗臺上電機(jī)經(jīng)減速器驅(qū)動巖石箱體水平旋轉(zhuǎn)，盾構(gòu)刀具安裝于刀架平臺，通過液壓驅(qū)動對刀架施加軸向力實現(xiàn)軸向推進(jìn)模擬盾構(gòu)地下施工掘進(jìn)過程。將由施工現(xiàn)場處于磨損報廢狀態(tài)的單刃滾刀2把、完好狀態(tài)單刃滾刀2把、部分磨損狀態(tài)滾刀1把安裝于試驗平臺刀架上進(jìn)行試驗，見圖7。

圖7 盾構(gòu)滾刀巖機(jī)作用試驗臺Fig.7 The comprehensive experiment platform of rock and machine

4.2 檢測系統(tǒng)及參數(shù)設(shè)置

用美國PAC的多通道聲發(fā)射數(shù)據(jù)采集系統(tǒng)進(jìn)行數(shù)據(jù)采集，通過磁力座將聲發(fā)射傳感器固定在試驗臺的3個刀箱上，傳感器測點布置及試驗臺受力旋轉(zhuǎn)示意圖見圖8。據(jù)聲發(fā)射參數(shù)設(shè)置及聲發(fā)射傳感器安裝位置采集盾構(gòu)滾刀破巖石的聲發(fā)射信號，試驗臺每次可安裝3把滾刀，在刀箱中安裝報廢、磨損及正常狀態(tài)滾刀各1把采集聲發(fā)射信號。再按相同步驟采集最后2把滾刀的聲發(fā)射信號，見表1。

圖8 測點及試驗臺運(yùn)動簡圖Fig.8 Test points and test motion diagram

表1 采集參數(shù)Tab.1 The collect Parameters

4.3 數(shù)據(jù)處理與結(jié)果分析

采集滾刀破巖聲發(fā)射信號時，為去除干擾信號采取二次濾波處理方法：① 通過在數(shù)據(jù)采集前設(shè)置高門檻進(jìn)行信號濾波；② 用自適應(yīng)濾波降噪處理方法。在盾構(gòu)巖機(jī)作用試驗臺上高門檻采集的盾構(gòu)滾刀破巖聲發(fā)射信號自適應(yīng)濾波后所得信號見圖9～圖11。

圖9 正常滾刀聲發(fā)射信號Fig.9 The AE signal of normal hob

圖10 磨損滾刀聲發(fā)射信號Fig.10 The AE signal of wear hob

圖11 報廢滾刀聲發(fā)射信號Fig.11 The AE signal of scrap hob

濾除聲發(fā)射信號中干擾信號以便提取其特征參數(shù)時能獲得真實反應(yīng)被測件信息。利用聲發(fā)射信號豐富的多特性信息用信息熵對特征量進(jìn)行權(quán)重分配及打分，利用信息熵多特征融合法對盾構(gòu)磨損進(jìn)行評判。通過信息熵法發(fā)現(xiàn)聲發(fā)射信號中絕對能量、峰值頻率、信號強(qiáng)度、上升時間、RMS值等對反應(yīng)真實刀具的磨損信息具有更重要作用，見表2、圖12。進(jìn)行多特征信息融合時將其分配更多權(quán)重，用信息熵法獲得5把盾構(gòu)滾刀的多特征信息融合熵值曲線見圖13。

表2 聲發(fā)射特征參數(shù)評分Tab.2 The characteristic parameters score

圖12 AE特征信息參量評分Fig.12 The characteristic parameters score

圖13 熵值法刀具評估磨損曲線圖Fig.13 Entropy evaluation tool wear graph

表3 刀具信息熵數(shù)據(jù)庫Tab.3 The tool information entropy database

由試驗知聲發(fā)射多特征信息熵評估的刀具磨損狀態(tài)有效，信息熵值大小及刀具磨損程度相對應(yīng)。據(jù)聲發(fā)射信號多特征融合后信息熵值及刀具磨損狀態(tài)建立信息熵值數(shù)據(jù)庫，見表3。對信息熵值進(jìn)行界定，劃分刀具的3個磨損區(qū)間，在實際刀具檢修中，通過信息熵值及信息熵值數(shù)據(jù)庫即可界定盾構(gòu)刀具的磨損狀態(tài)，且可通過熵值區(qū)間與數(shù)據(jù)庫中對應(yīng)的實際刀具磨損圖片對刀具磨損有直觀認(rèn)識。

由于實測樣本較少，信息熵值數(shù)據(jù)庫建立尚不完善，據(jù)信息熵值界定的刀具磨損程度區(qū)間不夠詳細(xì)，故應(yīng)針對不同磨損狀態(tài)的刀具樣本進(jìn)行研究，使刀具磨損區(qū)間界定更精確，層次區(qū)分度更明顯，以便對不同磨損程度刀具進(jìn)行試驗，豐富信息熵值數(shù)據(jù)庫。

5 結(jié) 論

（1）利用聲發(fā)射信號對故障的敏感性將聲發(fā)射檢測技術(shù)用于盾構(gòu)刀具檢測。利用自適應(yīng)濾波降噪處理方法剔除聲發(fā)射信號的干擾源可提高信號特征值提取的準(zhǔn)確度，為聲發(fā)射信號處理奠定基礎(chǔ)。

（2）將信息熵多特征融合評估法與聲發(fā)射信號多特征量相結(jié)合，提出基于聲發(fā)射多特征融合信息熵的刀具評估預(yù)測方法。通過建立盾構(gòu)刀具磨損狀態(tài)及信息熵值對應(yīng)關(guān)系數(shù)據(jù)庫，對盾構(gòu)刀具聲發(fā)射信號多特征融合后信息熵進(jìn)行計算，結(jié)合信息熵值曲線及刀具信息熵值數(shù)據(jù)庫可對刀具磨損狀態(tài)進(jìn)行界定?；诼暟l(fā)射多特征信息熵融合法可有效區(qū)分評判盾構(gòu)刀具的磨損狀態(tài)。

［1］Pellet Beaucour A L，Kastner R.Experimental and analytical study of friction forces during microtunneling operations［J］.Tunnelling and Underground Space Technology，2002，5（3）：23－24.

［2］Toshiharub T，Katsuhiko M.Development of a new composite structure segment for large diameter shield tunnel［J］.Tunnelling and Underground Space Technology，2004，12（2）：58－70.

［3］Mba D，Alfayez L.Detection of incipient cavitation and determination of the best efficiency point for centrifugal pumps using acoustic emission［J］.Journal of Mechanical Process Engineering，Part E，IMechE，2005，25（9／10）：342－343.

［4］郝如江，盧文秀.聲發(fā)射檢測技術(shù)用于滾動軸承故障診斷的研究綜述［J］.振動與沖擊，2008，27（3）：75－79.HAO Rujiang，LU Wenxiu.Review of diagnosis of rolling element bearing defaults by means of acoustic emission technique［J］.Journal of Vibration and Shock，2008，27（3）：75－79.

［5］Rogers L M.The application of vibration analysis and acoustic emission source location to online condition monitoring of antifriction bearings［J］. Tribology international，2004，12（2）：51－59.

［6］Tim Toutountzakis，David Mba.Observations of acoustic emission activity during gear defect diagnosis［J］.NDT＆E International，2003，40（2）：471－477.

［7］Mader A，Schmidt G U.Stepsize control for acoustic echo cancellation filters an overview［J］.Signal Processing，2000，9（1）：25－28.

［8］Choudhury A，Tandon N.Application of acoustic emission technique for the detection of defects in rolling element bearings［J］.Tribology Internationa－l，2000（33）：39－45.

［9］AlGhamdi S M，Mba D.Estimation of bearing defect size with acoustic emission［J］.Insight，2004，46（12）：758－761.

［10］Korenaga A，Yoshioka T.Development and application of stresswave acoustic diagnostics for roller bearings［J］.Proceedings of SPIE，The International Society for Optical Engineering，2000，28：58－70.

［11］ Lavie N，Hirst A，F(xiàn)ockert J W.Load theory of selective attention and cognitive control［J］.Journal of Experimental Psychology：General，2004，133（3）：304－310.

［12］謝平.基于信息熵的裂紋轉(zhuǎn)子動力學(xué)特征分析與診斷方法［J］.機(jī)械工程學(xué)報，2009，45（1）：195－199.XIU Ping.Crack rotor dynamic feature analysis and diagnosis method based on information entropy［J］. Journal of Mechanical Engineering，2009，45（1）：195－199.