李宏波,孫振川,周建軍，翟乾智

(1.盾構(gòu)及掘進技術(shù)國家重點實驗室 研發(fā)部，河南 鄭州 450001；2.中鐵隧道局集團有限公司，廣東 廣州 511458)

隧道掘進機TBM作為一種大型地下施工裝備，以高效、安全、快速的施工優(yōu)點正越來越廣泛地被應(yīng)用于隧道工程。相對于盾構(gòu)機這種大型施工裝備而言，TBM更多地被選擇在硬質(zhì)巖層中掘進，使得在掘進過程中不可避免地面臨滾刀磨損較快且較嚴重，需要頻繁換刀等問題。此外，由于地下施工環(huán)境復(fù)雜，難以及時準(zhǔn)確地了解TBM滾刀的狀態(tài)信息，極易出現(xiàn)滾刀非正常磨損，一旦滾刀磨損超過限值而報廢，不僅滾刀更換復(fù)雜，影響工期，而且導(dǎo)致成本增加，更嚴重時甚至?xí)p到TBM刀盤。大量工程實例表明，在TBM施工過程中，滾刀磨損問題一直是影響工程進度和成本的關(guān)鍵問題。因此，對施工過程中TBM滾刀磨損狀態(tài)進行評估，進而提前采取應(yīng)對措施，具有重大的工程意義[1-3]。

針對TBM滾刀磨損檢測問題，現(xiàn)階段是依靠滾刀制造商在生產(chǎn)滾刀過程中內(nèi)置傳感電路或液壓油路輔助檢測，這種檢測方法僅當(dāng)滾刀磨損到極限程度時，內(nèi)置的電路才會短路或油路泄壓，這種方法只能作為更換滾刀的一種參考判斷，不但無法評估滾刀的偏磨程度，刀圈磨損等狀態(tài)信息，而且會導(dǎo)致因為不及時更換滾刀而磨損到TBM刀盤的現(xiàn)象。分析滾刀磨損機理可知，滾刀磨損微觀上表現(xiàn)為金屬材料內(nèi)部微細裂紋的擴展而脫離本體。聲發(fā)射技術(shù)作為一種對金屬材料內(nèi)部微細裂紋非常敏感的檢測技術(shù)，已經(jīng)廣泛應(yīng)用于各種設(shè)備損傷檢測領(lǐng)域[4-8]。該技術(shù)是通過檢測設(shè)備的聲波，分析這些聲波的特征參量，實現(xiàn)對設(shè)備損傷的檢測。

本文將聲發(fā)射技術(shù)應(yīng)用于TBM滾刀磨損檢測領(lǐng)域，提出基于聲發(fā)射和改進灰關(guān)聯(lián)度分析的TBM滾刀磨損評估新方法。選取無磨損和不同磨損程度的滾刀，通過TBM巖機作用試驗平臺進行磨損聲波檢測，采用聲發(fā)射數(shù)據(jù)采集系統(tǒng)采集滾刀的聲波；采用最小均方根(Least Mean Square，LMS)自適應(yīng)濾波算法去除聲波中的干擾噪聲，利用改進灰關(guān)聯(lián)度分析算法計算散點聲波多特征參量的綜合狀態(tài)評估值，建立滾刀狀態(tài)與綜合狀態(tài)評估值一一對應(yīng)的原始數(shù)據(jù)庫。在工程現(xiàn)場，在TBM滾刀刀座上搭載聲發(fā)射傳感器；對滾刀進行聲波檢測，然后采用上述方法計算其綜合狀態(tài)評估值；將其在原始數(shù)據(jù)庫中比對，找到對應(yīng)的滾刀狀態(tài)，實現(xiàn)對TBM滾刀磨損的評估。

1 LMS自適應(yīng)濾波信號處理

1.1 LMS自適應(yīng)濾波

LMS自適應(yīng)濾波，通過對輸入信號權(quán)系數(shù)的動態(tài)調(diào)整，自動調(diào)整濾波過程中的參數(shù)來滿足信號和噪聲隨時間變化的統(tǒng)計特征，從而達到動態(tài)最優(yōu)濾波的效果[9-12]。定義如下參數(shù)：x(n)為信號輸入端原始信號,r(n)為濾波器輸入?yún)⒖夹盘?y(n)為信號輸出端次級聲源信號，e(n)為誤差輸出信號，M為LMS自適應(yīng)濾波的階數(shù)；每個信號滯后單元的被接入點為抽頭數(shù)值點，每個抽頭數(shù)值點的輸入分別為r(n),r(n-1), …,r(n-M+1), 濾波器的輸出為信號輸入端抽頭數(shù)值點與抽頭數(shù)值點權(quán)重的內(nèi)積之和，LMS自適應(yīng)濾波原理如圖1所示。

圖1 LMS自適應(yīng)濾波原理圖

經(jīng)過LMS自適應(yīng)濾波后輸出端則可以表示為

(1)

LMS自適應(yīng)濾波的權(quán)系數(shù)矢量W、參考信號矢量X(n)和權(quán)重矢量分別為

W=[w1(n),w2(n), …,wM(n)]T

(2)

X(n)=[x(n),x(n-1), …,x(n-M+1)]

(3)

w(n+1)=w(n)+2μe(n)r(n)

(4)

設(shè)μ為濾波器迭代權(quán)系數(shù)，故y(n)又可以表示為

y(n)=XT(n)W=WTX(n)

(5)

1.2 LMS濾波有效性仿真驗證

LMS自適應(yīng)濾波能否有效地應(yīng)用于聲發(fā)射信號濾波，需要通過對模擬信號仿真驗證。設(shè)計如式(6)所示的函數(shù)β(t)模擬聲發(fā)射信號，將該信號疊加高斯白噪聲的信號如圖2所示，通過LMS自適應(yīng)濾波后的信號如圖3所示。由圖3可以明顯看出，經(jīng)過LMS自適應(yīng)濾波后，白噪聲能夠被很好地被濾除，濾波后的信號符合聲發(fā)射典型的震蕩衰減特征，從而驗證了LMS自適應(yīng)濾波算法的有效性。

β(t)=8e-2tsin(150πt)

(6)

圖2 模擬聲發(fā)射信號+白噪聲信號

圖3 濾波后信號

2 基于改進灰關(guān)聯(lián)度分析的滾刀綜合狀態(tài)評估值計算方法

灰關(guān)聯(lián)度分析是一種典型的針對多特征樣本分析的方法,該方法具有對樣本空間敏感性低的優(yōu)點，它是從整個系統(tǒng)的角度分析各種特征信息的關(guān)系，對被評估事件找出最優(yōu)方案，即通過關(guān)聯(lián)分析找出事件的最優(yōu)解。評估TBM滾刀磨損可以看作是對被采集信號特征最佳賦權(quán)后得到1個綜合狀態(tài)評估值的過程[13-16]。傳統(tǒng)灰關(guān)聯(lián)度分析是針對被分析對象采樣1次存在的多個特征數(shù)值進行分析， 但針對不同磨損狀態(tài)的TBM滾刀，采用聲發(fā)射技術(shù)進行數(shù)據(jù)采集時，每次產(chǎn)生多個散點，每個散點又包含多個特征參量，因此，采用改進的灰關(guān)聯(lián)度分析對采集的多散點聲波的這些特征參量進行分析，可以評估TBM滾刀磨損狀態(tài)。

假定1個TBM滾刀，每次數(shù)據(jù)采集得到m個聲發(fā)射散點，每個散點對應(yīng)1個聲波，對于第i個散點聲波可提取n個特征參量，分別為信號強度、均方根、持續(xù)時間、絕對能量、中心頻率、平均信號幅值、平均頻率、峰頻、能量、上升時間、峰值頻率等，記為xi,j(i=1,2,…,m；j=1,2,…,n)。因為這些特征參量xi,j的量綱不同，需對其進行歸一化處理，計算公式為

(7)

由消除量綱后的m個散點提取的n個特征參量可構(gòu)成1個m×n的特征參量矩陣X為

(8)

(9)

(10)

由m個散點n個特征參量的權(quán)重構(gòu)成1個m×n的權(quán)重矩陣W為

(11)

由特征參數(shù)矩陣X與權(quán)重矩陣W相乘，可得1個m×n的綜合狀態(tài)評估矩陣Q，即

(12)

對綜合狀態(tài)評估矩陣Q進行變換得到綜合狀態(tài)評估值T，計算公式為

(13)

由此可知，計算得到的綜合狀態(tài)評估值，加強了權(quán)重影響大的特征參量的作用，有效避免了數(shù)據(jù)采集獲取的散點樣本的差異性，消除了異常散點的影響，避免了單一特征參量和異常散點對滾刀磨損評估檢測的干擾。

3 滾刀磨損狀態(tài)評估方法

3.1 試驗設(shè)置和測試

從現(xiàn)場收集無磨損和不同磨損狀態(tài)的TBM滾刀，將滾刀安裝在如圖4所示的滾刀巖機作用試驗平臺的刀箱中，進行TBM滾刀磨損評估試驗。試驗平臺上共有3個刀箱，每個刀箱上搭載1個聲發(fā)射傳感器作為1個聲發(fā)射測點，傳感器采用磁力座固定。聲發(fā)射測點布置和試驗臺的相對運動如圖5所示。

圖4 滾刀巖機作用試驗臺

圖5 測點布置位置及試驗臺運動軌跡簡圖

數(shù)據(jù)采集選擇了多通道聲發(fā)射數(shù)據(jù)采集系統(tǒng)。數(shù)據(jù)采集參數(shù)設(shè)置：門檻域值為35 dB；模擬濾波器頻率上限和下限分別為400和100 MHz；采樣頻率為1 000 MHz；聲發(fā)射散點對應(yīng)的聲波控制采樣長度為1 024；峰值定義時間，撞擊定義時間和撞擊閉鎖時間分別為200，400和800 μs。

選擇無磨損和不同磨損狀態(tài)的TBM滾刀10把，見表1。由于滾刀巖機試驗平臺上只有3個刀箱，則每次測試僅能安裝3把滾刀。

表1 被測滾刀特征描述

3.2 基于試驗數(shù)據(jù)的滾刀磨損狀態(tài)評估

在試驗過程中，機器轉(zhuǎn)動、人員走動等均會產(chǎn)生大量環(huán)境噪聲。為了排除這些環(huán)境噪聲的干擾，首先設(shè)置較低的門檻閾值進行信號采集，發(fā)現(xiàn)這些環(huán)境噪聲信號的門檻閾值大都在35 dB以下，而滾刀磨損信號頻率幅度較高，因此數(shù)據(jù)采集時設(shè)置門檻閾值為35 dB，這樣就避免了低于35 dB的環(huán)境噪聲的干擾。

通過聲發(fā)射數(shù)據(jù)采集系統(tǒng)獲得聲發(fā)射散點圖，圖6是1號無磨損滾刀的聲發(fā)射散點圖，圖7是5號有磨損滾刀的聲發(fā)射散點圖。對每個散點的聲波采用LMS自適應(yīng)濾波，圖8為5號滾刀聲發(fā)射散點圖中某個散點的聲波采用LMS自適應(yīng)濾波降噪前后對比圖。從圖8可以看出：濾波能夠顯著地去除干擾信號，濾波后的波形特征明顯，能夠直觀反應(yīng)聲發(fā)射信號震蕩衰減的特性，增加了特征參量提取的準(zhǔn)確度。

對每個自適應(yīng)濾波后的信號提取信號強度、均方根、持續(xù)時間、絕對能量、中心頻率、平均信號幅值、平均頻率、峰頻、能量、上升時間、峰值頻率等11個特征參量；利用灰關(guān)聯(lián)分析找出這些特征參量的灰關(guān)聯(lián)度，并按照其值從大到小進行排序，給出序號，詳見表2所示。因排序在后面的關(guān)聯(lián)度已經(jīng)很小了，其對整個評估結(jié)果的貢獻很小，所以選取排序在前的6個特征參量，即信號強度、均方根、平均信號幅值、絕對能量、能量、峰值頻率的灰關(guān)聯(lián)度進行單一的趨勢分析，如圖9所示。由圖可以發(fā)現(xiàn)，單個特征參量灰關(guān)聯(lián)度的變化趨勢并不能夠反映出滾刀的磨損狀態(tài)趨勢。

圖6 1號正常滾刀的聲發(fā)射散點

圖7 5號磨損滾刀的聲發(fā)射散點

圖8 5號滾刀某個散點的原始信號及其自適應(yīng)濾波后信號

表2 特征指標(biāo)的關(guān)聯(lián)度及指標(biāo)排序

因此，采用本文提出的基于聲發(fā)射和改進灰關(guān)聯(lián)度分析的TBM滾刀磨損評估方法，檢測得到散點數(shù)，計算得到10把滾刀的綜合狀態(tài)評估值，結(jié)果見表3和圖10。根據(jù)圖10的曲線形狀，可將曲線劃分為4段，分別對應(yīng)無磨損滾刀，刀刃均勻磨損滾刀，刀刃單邊偏磨的滾刀和完全報廢狀態(tài)的滾刀。可見，采用該方法，可以有效地評估出滾刀的狀態(tài)，這是因為，該方法融合了聲發(fā)射的多散點多特征參量，并且加強了特征參量權(quán)重的影響作用。

3.3 評估方法的應(yīng)用

本文方法在實際工程中應(yīng)用時，首先選取不同磨損狀態(tài)的滾刀，采用該方法計算其綜合狀態(tài)評估值，建立滾刀狀態(tài)與綜合狀態(tài)評估值區(qū)間一一對應(yīng)的原始數(shù)據(jù)庫；對實際工程中的滾刀狀態(tài)進行評估時，需要在TBM滾刀刀座上搭載聲發(fā)射傳感器，然后采用本文方法計算其綜合狀態(tài)評估值；在原始數(shù)據(jù)庫中查找到其屬于哪個綜合狀態(tài)評估值區(qū)間，找到對應(yīng)的滾刀狀態(tài)，實現(xiàn)被測試滾刀狀態(tài)的評估。

圖9 不同刀具的6個特征參量的灰關(guān)聯(lián)度

滾刀編號散點數(shù)綜合狀態(tài)評估值1480.1282530.1363810.2964740.3125890.33161050.39271150.46681950.70191870.728102260.828

圖10 不同滾刀的綜合狀態(tài)評估值

后續(xù)的研究工作，應(yīng)放在增加原始數(shù)據(jù)庫中不同磨損狀態(tài)滾刀樣本的數(shù)量，細化各種磨損狀態(tài)滾刀的綜合狀態(tài)評估值區(qū)間，以便更加準(zhǔn)確地界定綜合狀態(tài)評估值與滾刀狀態(tài)的映射關(guān)系。

4 結(jié) 語

將聲發(fā)射技術(shù)應(yīng)用于TBM滾刀磨損檢測領(lǐng)域，提出了1種基于聲發(fā)射和改進灰關(guān)聯(lián)度分析的TBM滾刀磨損評估方法。該方法消除了聲發(fā)射異常散點樣本和單一特征參量的影響，綜合考慮多特征參量的貢獻度，同時增強了對評估結(jié)果貢獻大的特征參量的權(quán)值。該方法能夠有效地評估TBM滾刀磨損的狀態(tài)，可為TBM施工現(xiàn)場滾刀的檢測、維修和保養(yǎng)提供指導(dǎo)。