祝和意， 李宏波， 張合沛， 任穎瑩

(1.陜西鐵路工程職業(yè)技術(shù)學(xué)院，陜西 渭南　714000；2.盾構(gòu)及掘進(jìn)技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，鄭州　450001)

?

基于改進(jìn)CRITIC法的TBM刀具聲發(fā)射信號研究

祝和意1， 李宏波2， 張合沛2， 任穎瑩2

(1.陜西鐵路工程職業(yè)技術(shù)學(xué)院，陜西 渭南714000；2.盾構(gòu)及掘進(jìn)技術(shù)國家重點(diǎn)實(shí)驗(yàn)室，鄭州450001)

摘要：針對地下施工中TBM(Tunnel Boring Machine)刀具磨損更換頻繁且缺乏有效方法對其狀態(tài)進(jìn)行評估問題，將聲發(fā)射技術(shù)用于TBM刀具檢測，以TBM模態(tài)掘進(jìn)試驗(yàn)臺為對象，采集不同磨損程度的滾刀聲發(fā)射信號研究聲發(fā)射單特征參量及多特征參量對滾刀磨損狀態(tài)趨勢評估影響，提出基于改進(jìn)CRITIC聲發(fā)射多特征融合刀具狀態(tài)評估新方法。滾刀磨損量測試表明，改進(jìn)CRITIC聲發(fā)射多特征融合后所得評估值對刀具磨損信息更敏感，能有效評估及預(yù)測刀具磨損狀態(tài)，可為TBM刀具現(xiàn)場檢修、保養(yǎng)提供指導(dǎo)。

關(guān)鍵詞：聲發(fā)射；CRITIC ；特征融合；TBM；狀態(tài)評估

1851年，美國工程師Charles Wilson設(shè)計(jì)出世界第1臺隧道連續(xù)掘進(jìn)TBM (Tunnel Boring Machine)。TBM施工速度快、效率高，且能保護(hù)環(huán)境、節(jié)省勞動(dòng)力，整體較經(jīng)濟(jì)，因而廣泛用于能源、交通、水利、國防等隧道工程建設(shè)[1]。然而施工中TBM刀具磨損、報(bào)廢較嚴(yán)重。刀具更換困難且成本高、進(jìn)貨周期長，不但影響工程質(zhì)量也會拖延工期。因此對TBM刀具進(jìn)行研究，合理評估其磨損狀態(tài)及趨勢對設(shè)備保養(yǎng)、施工均具有重要意義[2]。

TBM滾刀磨損微觀上表現(xiàn)為刀具材料內(nèi)部細(xì)微裂紋逐漸擴(kuò)展過程[3-4]。聲發(fā)射(Acoustic emission，AE)技術(shù)作為先進(jìn)的檢測手段對各種金屬材料及其內(nèi)部微細(xì)裂紋非常敏感，能發(fā)現(xiàn)材料的早期變化，故廣泛用于各種機(jī)械設(shè)備檢測[5-7]。本文以TBM模態(tài)掘進(jìn)試驗(yàn)臺為對象，進(jìn)行試驗(yàn)、算法模型研究。將TBM現(xiàn)場不同磨損程度17寸滾刀安裝于試驗(yàn)臺，采集聲發(fā)射信號，提取其多個(gè)特征參量。被測滾刀的聲發(fā)射信號含大量不同聲發(fā)射散點(diǎn)信息。由于每個(gè)聲發(fā)射散點(diǎn)所含故障信息不同，故對評估設(shè)備狀態(tài)信息貢獻(xiàn)度也不同；而每個(gè)聲發(fā)射散點(diǎn)提取的特征參量物理含義不同，對故障敏感程度也不同。某些特征參量能在故障早期發(fā)生突變，而某些特征參量變化趨勢相對平緩，無法為設(shè)備故障狀態(tài)提供預(yù)警[8]。

因此，本文對聲發(fā)射散點(diǎn)及聲發(fā)射特征參量進(jìn)行研究，分析聲發(fā)射單一特征參量及多散點(diǎn)多特征融合信息對滾刀狀態(tài)趨勢評估影響，提出基于改進(jìn)CRITIC聲發(fā)射多特征融合滾刀狀態(tài)評估新方法。通過實(shí)測刀具磨損量及磨損狀態(tài)，分析驗(yàn)證該方法的有效性，改進(jìn)CRITIC聲發(fā)射多特征融合所得評估值對刀具磨損信息更敏感，可有效評估及預(yù)測刀具的磨損狀態(tài)，為TBM刀具現(xiàn)場檢修、保養(yǎng)提供依據(jù)，方法流程見圖1。

1基于改進(jìn)CRITIC的多特征參量融合原理

1.1CRITIC法原理

CRITIC法通過確定評估對象各項(xiàng)指標(biāo)的客觀權(quán)數(shù)評價(jià)指標(biāo)間對比強(qiáng)度及沖突性[9-11]。對比強(qiáng)度以標(biāo)準(zhǔn)差形式表現(xiàn)，各指標(biāo)間沖突性以指標(biāo)間相關(guān)性為基礎(chǔ)，指標(biāo)沖突性量化指標(biāo)η可表示為

(1)

式中：rij為評價(jià)指標(biāo)i，j間相關(guān)系數(shù)。

(2)

設(shè)Cj為第j個(gè)指標(biāo)所含信息量，Cj越大，第j個(gè)評價(jià)指標(biāo)所含信息量越大，該指標(biāo)的重要性越大。第j個(gè)指標(biāo)客觀權(quán)重為

(3)

1.2改進(jìn)CRITIC 法趨勢分析原理

聲發(fā)射信號含大量散點(diǎn)信息，每個(gè)散點(diǎn)對應(yīng)一個(gè)聲發(fā)射事件，可提取多個(gè)聲發(fā)射特征參量。由于每個(gè)聲發(fā)射散點(diǎn)事件含故障信息不同，對評估設(shè)備狀態(tài)信息貢獻(xiàn)度也不同；聲發(fā)射不同特征參量具有不同物理含義，對故障敏感程度不同。對CRITIC法進(jìn)行改進(jìn)，將被評估對象數(shù)據(jù)樣本點(diǎn)及其對應(yīng)特征信息融合為新評估值反映設(shè)備狀態(tài)信息。

設(shè)有n個(gè)被評價(jià)對象{P1,P2,…,Pn}，每個(gè)P含r個(gè){Q1,Q2,…,Qr}數(shù)據(jù)樣本點(diǎn)。對聲發(fā)射信號而言，每個(gè)數(shù)據(jù)樣本散點(diǎn)即為1個(gè)標(biāo)準(zhǔn)AE事件，1個(gè)AE事件對應(yīng)1個(gè)AE波形。每個(gè)AE波形可提取m個(gè)特征值{T1,T2,…,Tm}。設(shè)組成評價(jià)指標(biāo)樣本集為{Xij(k)}，則AE數(shù)據(jù)樣本點(diǎn)Q及特征值T組成的設(shè)備狀態(tài)評價(jià)樣本特征矩陣為

(4)

(5)

(6)

(7)

(8)

因此，fij(k)越大表示數(shù)據(jù)樣本點(diǎn)特征評分所含綜合信息量越多，即該被評價(jià)對象重要程度越大，所賦權(quán)重也越大[12-13]，考慮每個(gè)數(shù)據(jù)樣本點(diǎn)對整個(gè)被評估對象的貢獻(xiàn)程度，減少異常樣本點(diǎn)影響，能真實(shí)有效反應(yīng)出被評估對象信息，剔除異常數(shù)據(jù)散點(diǎn)差異，故第k個(gè)數(shù)據(jù)樣本點(diǎn)的客觀權(quán)重為

(9)

(10)

1.3狀態(tài)評估及趨勢分析

在TBM模態(tài)掘進(jìn)試驗(yàn)臺上采集不同磨損程度的滾刀聲發(fā)射信號，對聲發(fā)射散點(diǎn)信息及多特征參量構(gòu)造Xr×m的評價(jià)矩陣，Xr×m為r個(gè)數(shù)據(jù)樣本點(diǎn)，每個(gè)樣本點(diǎn)對應(yīng)m個(gè)特征值。通過改進(jìn)CRITIC算法獲得Vr×m的賦權(quán)矩陣，對被評估分析的滾刀融合聲發(fā)射多散點(diǎn)、多特征信號所得狀態(tài)評估數(shù)值Rn可表示為

(11)

新的特征評估值Rn已融合r個(gè)聲發(fā)射散點(diǎn)事件對應(yīng)的m個(gè)特征量，不僅能全面反映聲發(fā)射產(chǎn)生的物理過程，且能突出關(guān)鍵特征量作用，能更好刻畫設(shè)備狀態(tài)劣化趨勢，避免由于特征參量選擇不當(dāng)對趨勢分析結(jié)果的影響。基于改進(jìn)的CRITIC聲發(fā)射多特征融合趨勢分析方法計(jì)算流程見圖 2。

圖2　基于改進(jìn)CRITIC 法的趨勢分析流程Fig.2 Flow diagram of trend analysis method based on improved CRITIC method

2TBM滾刀磨損聲發(fā)射信號分析

為驗(yàn)證改進(jìn)CRITIC聲發(fā)射多特征融合權(quán)重趨勢分析法對滾刀磨損預(yù)測評估的準(zhǔn)確性。以TBM模態(tài)掘進(jìn)試驗(yàn)臺為對象采集滾刀聲發(fā)射信號，見圖3。試驗(yàn)臺模擬TBM地下施工，在該平臺上可進(jìn)行滾刀破巖機(jī)理、刀具磨損狀態(tài)趨勢預(yù)測研究。TBM模態(tài)掘進(jìn)試驗(yàn)臺巖石箱體固定，通過電機(jī)驅(qū)動(dòng)刀盤旋轉(zhuǎn)、推進(jìn)。在刀箱中安裝不同磨損狀態(tài)滾刀，搭載聲發(fā)射數(shù)據(jù)設(shè)備采集TBM滾刀破巖的聲發(fā)射信號。將施工現(xiàn)場磨損或報(bào)廢狀態(tài)單刃43.18 cm滾刀6把及完好無磨損1把分別安裝在刀箱上，見圖4。設(shè)置好掘進(jìn)及采集參數(shù)，進(jìn)行AE數(shù)據(jù)采集。

圖3 TBM模態(tài)掘進(jìn)試驗(yàn)臺Fig.3TBMmodedrivingtestbench圖4 滾刀及巖箱位置詳圖Fig.4Cutterandrockboxlocationdetails

2.1試驗(yàn)檢測參數(shù)設(shè)置

TBM模態(tài)掘進(jìn)試驗(yàn)臺嚴(yán)格按現(xiàn)場TBM裝備以一定比例設(shè)計(jì)，精度較高。破巖掘進(jìn)中試驗(yàn)臺參數(shù)設(shè)置見表1。

表1　TBM模態(tài)試驗(yàn)臺掘進(jìn)參數(shù)

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(yàn)臺刀箱上，先在刀箱中安裝1把滾刀，采集180 s的聲發(fā)射信號；更換滾刀，按相同步驟依次采集其余6把滾刀聲發(fā)射信號。采集數(shù)據(jù)見表2。

表2　采集參數(shù)

2.2TBM滾刀AE信號分析

TBM滾刀掘進(jìn)破巖產(chǎn)生的聲發(fā)射信號以事件計(jì)數(shù)。針對7把不同磨損狀態(tài)滾刀，在35 dB門檻閥值下均采集180 s信號，所得聲發(fā)射信號數(shù)據(jù)散點(diǎn)圖見圖5～圖11。其中每個(gè)散點(diǎn)即為1個(gè)聲發(fā)射事件，每個(gè)散點(diǎn)均表示數(shù)據(jù)長度為2 K的AE波形。由聲發(fā)射散點(diǎn)圖看出，AE散點(diǎn)數(shù)越多聲發(fā)射事件發(fā)生次數(shù)越多。每個(gè)AE散點(diǎn)均可提取聲發(fā)射多個(gè)特征參量。提取10個(gè)聲發(fā)射特征值，即上升時(shí)間、持續(xù)時(shí)間、信號強(qiáng)度、RMS、幅值、平均頻率、ASL、峰值頻率、能量、中心頻率。設(shè)備狀態(tài)評估及趨勢預(yù)測常合理有效利用多特性值。而此特征值選擇對狀態(tài)趨勢預(yù)測結(jié)果差異較大，特征參量選擇對分析結(jié)果影響亦較大。某些特征量能在故障早期發(fā)生突變,而另些特征量變化趨勢平緩，無法為設(shè)備故障狀態(tài)提供預(yù)警。

圖5　滾刀1AE散點(diǎn)圖Fig.5 Hob 1AE scatter diagram

圖6　滾刀2AE散點(diǎn)圖Fig.6 Hob 2AE scatter diagram

圖7　滾刀3AE散點(diǎn)圖Fig.7 Hob 3AE scatter diagram

圖8　滾刀4AE散點(diǎn)圖Fig.8 Hob 4AE scatter diagram

圖9　滾刀5AE散點(diǎn)圖Fig.9 Hob 5AE scatter diagram

圖10　滾刀6AE散點(diǎn)圖Fig.10 Hob 6AE scatter diagram

圖11　滾刀7AE散點(diǎn)圖Fig.11 Hob 7AE scatter diagram

針對聲發(fā)射10個(gè)單一特征參量進(jìn)行分析所得TBM滾刀磨損狀態(tài)趨勢見圖12～圖16。由5圖看出，10個(gè)特征值中僅有ASL及信號強(qiáng)度2個(gè)特征參量能反映滾刀的劣化趨勢， 而其它8個(gè)特征無法有效反映滾刀趨勢變化。因此特征值選擇對設(shè)備狀態(tài)評估差異性較大。

圖12　上升、持續(xù)時(shí)間特征趨勢分析Fig.12 The rise and durate time features trend analysis graph

圖13　RMS及ASL特征趨勢分析Fig.13 RMS and ASL features trend analysis graph

圖14　峰值、中心頻率特征趨勢分析Fig.14 The peak frequency and center frequency features trend analysis graph

圖15　幅值及平均頻率特征趨勢分析Fig.15 Amplitude and mean frequency features trend analysis

圖16　信號強(qiáng)度及能量特征趨勢分析Fig.16 Signal strength and energy features trend analysis graph

利用聲發(fā)射單一特征參量對TBM滾刀磨損狀態(tài)趨勢分析不確定性較大，不能準(zhǔn)確反映滾刀磨損狀態(tài)，因此考慮分析聲發(fā)射的多特征參量，對TBM滾刀聲發(fā)射多散點(diǎn)多特征信息進(jìn)行融合，綜合考慮各特征量作用，利用改進(jìn)的CRITIC法對多個(gè)特征參量分別賦權(quán)，獲得綜合評估值，利用新評估值Rn綜合評價(jià)TBM滾刀的磨損劣化趨勢，用AE散點(diǎn)數(shù)據(jù)消除異常樣本點(diǎn)影響。特征融合后能強(qiáng)化有用特征值賦權(quán)，消除偏差大異常點(diǎn)影響，新特征值對評估滾刀磨損趨勢更敏感，通過刀具磨損量實(shí)際測試表明，該方法能準(zhǔn)確反映刀具的磨損狀態(tài)。分析結(jié)果見表3及圖17。

表3　滾刀狀態(tài)分析信息

圖17　滾刀多特征融合趨勢分析圖Fig.17 Hob multi feature fusion trend analysis graph

實(shí)測滾刀5、7最大磨損量均為9.1 cm，見圖18?？梢妰H以滾刀磨損量衡量刀具磨損程度兩者應(yīng)相同，但滾刀7出現(xiàn)多面磨損。而通過改進(jìn)CRITIC多特征參量融合法可區(qū)別出兩者磨損的差異性，從而進(jìn)一步驗(yàn)證該方法對刀具磨損信息評估的敏感性。

通過改進(jìn)CRITIC算法，對聲發(fā)射多散點(diǎn)多特征參量融合能有效評估滾刀磨損狀態(tài)及劣化趨勢。本文刀具樣本數(shù)量較少，可增加樣本數(shù)量進(jìn)行磨損種類分析，利用本文方法對不同磨損狀態(tài)刀具進(jìn)行精細(xì)區(qū)分。

圖18　滾刀5、7磨損比較Fig.18 Hob 5 and 7 wear analysis

3結(jié)論

(1) 改進(jìn)的CRITIC權(quán)重趨勢分析方法綜合考慮磨損聲發(fā)射數(shù)據(jù)樣本點(diǎn)差異及多特征值影響，對每個(gè)數(shù)據(jù)樣本點(diǎn)對應(yīng)的多個(gè)特征值賦權(quán)獲得賦權(quán)矩陣，強(qiáng)化對狀態(tài)評估貢獻(xiàn)度大的特征值賦權(quán)，消除偏差較大異常樣本點(diǎn)影響，多散點(diǎn)多特征參量融合的新指標(biāo)能突出關(guān)鍵參量影響，對磨損故障信息更敏感。

(2) 將所提基于改進(jìn)CRITIC聲發(fā)射多特征融合的新方法用于TBM滾刀磨損狀態(tài)評估趨勢分析，能有效區(qū)分、評估TBM滾刀磨損狀態(tài)，避免由于聲發(fā)射特征參量選擇不當(dāng)造成的評判結(jié)果不準(zhǔn)確影響，對刀具磨損程度區(qū)分度強(qiáng)，可為現(xiàn)場TBM刀具檢維、保養(yǎng)提供數(shù)據(jù)參考。

參 考 文 獻(xiàn)

[1] Gong Q M,Zhao J,Hefny A M.Numerical simulation of rock fragmentation process induced by two TBM cutters and cutter spacing optimization[J]. Tunnelling and Underground Space Technology,2006(64):2509-2516.

[2] 孫金山,陳明,陳保國.TBM滾刀破巖過程影響因素?cái)?shù)值模擬研究[J].巖土力學(xué),2011,32(6): 1892-1897.

SUN Jin-shan,CHEN Ming,CHEN Bao-guo.Numerical simulaition of influence factors for rock fragmentation by TBM cutters[J]. Rock and Soil Mechanics,2011, 32(6): 1892-1897.

[3] Jamaludin N, Mba D. Monitoring extremely slow rolling element bearings part 1[J].NDT & E International,2002(35):349-358.

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

[5] Ghamdi A M,Cole P,Such R,et al.Estimation of bearing defect size with acoustic emission[J].Insight,2004,46(12):758-761.

[6] NiShimoto C R,Citti P. Comparison of accelerometer and acoustic emission signals as diagnostic tools in assessing bearing[C]//Proceedings of 2nd International Conference on Condition Monitoring, London, UK, 1988: 117-125.

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

[8] 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.

[9] Jahan A, Mustapha F, Sapuan S M,et al. A framework for weighting of criteria in ranking stage of material selection process[J]. The International Journal of Advanced Manufacturing Technology,2012,58 (1): 411-420.

[10] Anis C. Nonlinear channel estimation for of dm system by complex LS-SVM under high mobility condittons[J]. International Journal of Wireless & Mobile Networks,2011,6(12):758-761.

[11] 邵忍平,李永龍. 基于EMD小波閾值去噪和時(shí)頻分析的齒輪故障模式識別與診斷[J]. 振動(dòng)與沖擊，2012,31(8)：96-106.

SHAO Ren-ping, LI Yong-long. Gear fault pattern identification and diagnosis using time-frquency analysis and wavelet threshold de-noising based on EMD [J]. Journal of Vibration and Shock, 2012,31(8)：96-106.

[12] Segata N, Blanzieri E. Operators for transforming kernels into quasi-local kernels that improve SVM accuracy[J]. Journal of Intelligent Information Systems, 2011, 37(2): 155-186.

[13] Diakoulaki D, Mavrotas G, Papayannakis L. Determining objective weights in multiple criteria problems: the critic method[J]. Computers and Operations Research,1995(7): 178-182.

Acoustic emissions of TBM tools based on an improved CRITIC method

ZHUHe-yi1,LIHong-bo2,ZHANGHe-pei2,RENYing-ying2

(1. Shanxi Railway Institute,Weinan 714000, China;2. State Key Laboratory of Shield Machine and Boring Technology, Zhengzhou 450001, China)

Abstract:TBM tools have to be replaced frequently because of wear. There is a lack of an effective method to evaluate the tool condition in underground construction. The acoustic emission technology is applied to detect the health condition of the TBM tool. Single or multiple acoustic emission features were used to estimate the wear trend according to the acoustic emission signals from a TBM mode at different levels of wear. An improved CRITIC method to evaluate hob wear was put up. The disc cutter wear test showed that the improved CRITIC method is more sensitive to the tool wear levels. The new method is more efficient to evaluate and predict tool wear，and it provides guidance for repairing and maintaining of the cutting tool.

Key words:acoustic emission；CRITIC；feature fusion；TBM；condition assessment

中圖分類號:U45

文獻(xiàn)標(biāo)志碼：A

DOI:10.13465/j.cnki.jvs.2016.06.036

收稿日期：2015-04-23修改稿收到日期：2015-08-26

基金項(xiàng)目：國家863計(jì)劃(2012AA041801)；國家973課題(2014CB046906)

第一作者 祝和意 男，副教授，1979年生