趙隆,封國(guó)澤,蘆旭東,陳子良
(1. 西安工程大學(xué) 電子信息學(xué)院,陜西 西安 710048;2.國(guó)網(wǎng)甘肅省電力公司定西供電公司,甘肅 定西 743000;3. 國(guó)網(wǎng)湖南省電力有限公司湘潭供電公司,湖南 湘潭 411102)
輸電線路作為調(diào)和我國(guó)電力能源分布和區(qū)域供電需求差異的重要手段,其安全性與穩(wěn)定性至關(guān)重要[1],但特殊的運(yùn)行環(huán)境很容易使其受到風(fēng)致振動(dòng)影響,繼而發(fā)生斷股、斷線等事故[2-3]。防振錘能夠吸收并轉(zhuǎn)移風(fēng)致振動(dòng)能量,削弱導(dǎo)線周期性諧振,是輸電線路重要的防護(hù)金具[4]。但防振錘長(zhǎng)期暴露在自然界中,同樣易受風(fēng)振和環(huán)境激勵(lì)作用,造成結(jié)構(gòu)損傷,極大地影響其防振特性[5]。
近年來,為了減少人工巡視防振錘安全水平的工作量,國(guó)內(nèi)外學(xué)者提出了一系列防振錘檢測(cè)方法,例如運(yùn)用直升機(jī)巡檢防振錘損傷,但該方法的巡檢效率和精度不夠高[6]。鑒于此,基于機(jī)器視覺技術(shù)的機(jī)器人巡檢技術(shù)應(yīng)運(yùn)而生,它將巡檢到的圖像與支持向量機(jī)(support vector machine,SVM)相結(jié)合,用以辨識(shí)防振錘損傷[7],然而巡檢機(jī)器人在穿越跨度、穿越金具過程中頗受影響,限制了其推廣應(yīng)用。為解決該因素的影響,研究人員利用無人機(jī)巡檢防振錘,但該方法依賴于模型精度與圖像質(zhì)量[8]。基于上述探索,一些學(xué)者聚焦于將深度學(xué)習(xí)方法應(yīng)用于防振錘損傷檢測(cè)領(lǐng)域,構(gòu)建了基于深度神經(jīng)網(wǎng)絡(luò)辨識(shí)防振錘損傷的方法;但該方法在模型參數(shù)選取時(shí)存在主觀因素,忽略了部分防振錘原有的結(jié)構(gòu)特征[9]。以上這些探究均是基于圖像識(shí)別技術(shù)來巡檢防振錘損傷,該技術(shù)局限于無人機(jī)巡檢效率和攝像頭安裝位置,且依賴于圖像質(zhì)量、背景環(huán)境、地形、天氣等多重條件,導(dǎo)致無法實(shí)時(shí)檢測(cè)到防振錘的整體結(jié)構(gòu)狀況,無法得以廣泛推廣。O.Barry等人從振動(dòng)控制學(xué)角度出發(fā),引入雙梁理論建模分析斯托克橋防振錘的單導(dǎo)線動(dòng)力,得到了防振錘特性和安裝位置對(duì)結(jié)構(gòu)參數(shù)的影響。雖然此研究針對(duì)的是斯托克橋型防振錘,但為本文的研究奠定了基礎(chǔ)[10]。導(dǎo)線-防振錘構(gòu)建的耦合體系具備整體性,導(dǎo)線振動(dòng)特性變化會(huì)響應(yīng)防振錘結(jié)構(gòu)的健康狀況[11],所以從導(dǎo)線振動(dòng)信號(hào)中提取表征防振錘損傷的特征參數(shù),對(duì)實(shí)現(xiàn)防振錘結(jié)構(gòu)的健康實(shí)時(shí)檢測(cè)具有實(shí)際工程意義。
導(dǎo)線會(huì)受自然環(huán)境因素的影響發(fā)生非線性非平穩(wěn)振動(dòng)現(xiàn)象,這是基于振動(dòng)信號(hào)辨識(shí)防振錘結(jié)構(gòu)損傷的難點(diǎn)。鑒于此,對(duì)時(shí)變環(huán)境激勵(lì)作用下防振錘損傷特征的提取就很難采用傳統(tǒng)信號(hào)處理方法[12]。近年來已有許多先進(jìn)的信號(hào)處理方法用來處理此類信號(hào),如變分模態(tài)分解(variational mode decomposition,VMD)、經(jīng)驗(yàn)?zāi)B(tài)分解、希爾伯特-黃變換、經(jīng)驗(yàn)小波變換等方法[13-15]。但經(jīng)驗(yàn)?zāi)B(tài)分解處理信號(hào)時(shí)易發(fā)生模態(tài)混疊[16],希爾伯特-黃變換方法對(duì)噪聲和突變信號(hào)的處理效果不佳[17]。文獻(xiàn)[18]對(duì)比了不同類型信號(hào)分解技術(shù)在結(jié)構(gòu)健康監(jiān)測(cè)領(lǐng)域的性能,表明VMD既可以克服信號(hào)分解過程中的模態(tài)混疊,對(duì)噪聲和干擾也具有魯棒性,具有可行性。文獻(xiàn)[19]比較了VMD和經(jīng)驗(yàn)小波變換在電力質(zhì)量擾動(dòng)分類中的性能,驗(yàn)證了VMD在特征提取方面的優(yōu)勢(shì)。根據(jù)以上分析,VMD在處理非線性振動(dòng)信號(hào)及損傷特征提取方面具有明顯優(yōu)越性,本文將其引入處理導(dǎo)線振動(dòng)信號(hào)中,并通過振動(dòng)特性的變化辨識(shí)防振錘損傷狀況。
導(dǎo)線振動(dòng)類似于梁結(jié)構(gòu)的振動(dòng),設(shè)其水平張力為T,抗彎剛度為EI,可將其分解為多個(gè)微元,如圖1所示。其中1個(gè)微元的振動(dòng)方程為y(x,t)=Asinφ(t+x/vs),通過導(dǎo)線振動(dòng)方程可以得到導(dǎo)線-防振錘振動(dòng)的能量密度方程[20-21]。由圖1可以看出防振錘損傷后質(zhì)量的改變會(huì)傳遞至導(dǎo)線振動(dòng)能量,并且振動(dòng)的實(shí)際能量成分會(huì)隨著損傷程度的不同產(chǎn)生很大差異,這就導(dǎo)致振動(dòng)能量密度分布必然不同。同時(shí)也表明能量是表征防振錘結(jié)構(gòu)損傷的有力指標(biāo),而能量熵可以表征信號(hào)的規(guī)律程度,即信號(hào)在導(dǎo)線各振動(dòng)分量時(shí)-頻域的能量密度分布情況,故可作為防振錘損傷的特征參數(shù),用來量化振動(dòng)分量中含有的損傷特征。
圖1 導(dǎo)線-防振錘運(yùn)動(dòng)方程和能量方程Fig.1 Motion and energy equations of the conductor-anti-vibration hammer
由于防振錘不同程度的損傷會(huì)造成導(dǎo)線振動(dòng)能量熵的差異,可以通過計(jì)算導(dǎo)線振動(dòng)的熵值提取防振錘損傷特征,由此診斷防振錘結(jié)構(gòu)損傷狀況。
a)所有導(dǎo)線振動(dòng)分量能量計(jì)算為[22]
(1)
式中:Ei為第i階振動(dòng)分量的能量;zi(t)為第i階振動(dòng)分量在t時(shí)刻的幅值;n為振動(dòng)信號(hào)的采樣點(diǎn)數(shù)。
(2)
式中Q為i階振動(dòng)分量能量之和。
b)導(dǎo)線每階振動(dòng)分量都得到1個(gè)時(shí)-頻域的能量熵,其計(jì)算式為[23]
H=-Pilg(Pi).
(3)
3)將時(shí)-頻域熵值組合構(gòu)建防振錘損傷特征集d,
d={HK1,HF1,HK2,HF2,…,HKi,HFi}.
(4)
式中:HKi為第i階振動(dòng)分量的時(shí)域能量熵;HFi為第i階振動(dòng)分量的頻域能量熵。HKi、HFi為一對(duì)特征值。
綜上所述,對(duì)于時(shí)變環(huán)境激勵(lì)作用下的導(dǎo)線-防振錘耦合體系,本文提出一種提取損傷特征診斷防振錘結(jié)構(gòu)健康的策略,如圖2所示。該策略建立了以特征參數(shù)表征防振錘損傷的模型,其本質(zhì)上是對(duì)提取到的特征參數(shù)進(jìn)行辨識(shí)預(yù)測(cè)并分類的過程,通常此過程分為2步:①分解導(dǎo)線振動(dòng)信號(hào)并對(duì)其分量集合提取時(shí)-頻域損傷特征參數(shù);②防振錘結(jié)構(gòu)健康狀況診斷。
N—完好;LE—左端缺損;RI—右端缺損;ALL—兩端缺損。圖2 防振錘結(jié)構(gòu)損傷診斷策略Fig.2 Anti-vibration hammer structure damage diagnosis strategy
為了驗(yàn)證本文所提方法在時(shí)變環(huán)境激勵(lì)作用下的性能,搭建導(dǎo)線-防振錘振動(dòng)模擬試驗(yàn)平臺(tái),如圖3所示。該試驗(yàn)平臺(tái)由工控機(jī)、功率放大儀、電動(dòng)振動(dòng)臺(tái)、緊線器、緊線板、加速度傳感器、FD-2型防振錘、LGJ-95/15鋼芯鋁絞線和數(shù)據(jù)采集卡組成。防振錘部署于導(dǎo)線振動(dòng)波的波腹處,用于抑制導(dǎo)線振動(dòng)。導(dǎo)線通過緊固件固定兩端確保拉力為恒定值,檔距為10 m。加速度傳感器A-01垂直部署在振動(dòng)臺(tái)的臺(tái)面上,用于測(cè)量振動(dòng)臺(tái)的輸入激勵(lì)。由于導(dǎo)線振動(dòng)包含多階振動(dòng)分量,導(dǎo)線上部署3個(gè)加速度傳感器(量程范圍為±100g,g=9.8 m/s2,頻率范圍為0.5~10 kHz)采集3個(gè)位置的實(shí)際振動(dòng)響應(yīng)信號(hào)。加速度傳感器A-02、A-03、A-04依次垂直部署在距振動(dòng)臺(tái)89 cm、導(dǎo)線正中間和距緊線板89 cm位置,用于測(cè)量導(dǎo)線振動(dòng)響應(yīng)信號(hào)。采集到數(shù)據(jù)后發(fā)送至由計(jì)算機(jī)和采集數(shù)據(jù)卡組成的動(dòng)態(tài)數(shù)據(jù)采集系統(tǒng),然后將采集信號(hào)分解為多階振動(dòng)分量,并通過1.1節(jié)式(3)得到防振錘損傷特征參數(shù)。
圖3 導(dǎo)線-防振錘振動(dòng)模擬試驗(yàn)平臺(tái)Fig.3 Conductor-anti-vibration hammer vibration simulation test platform
本振動(dòng)試驗(yàn)擬通過掃頻方式進(jìn)行,采用恒定加速度法,保持振動(dòng)臺(tái)的加速度為1g,掃頻范圍為5~100 Hz。掃頻模式下,導(dǎo)線頻率在5~100 Hz之間波動(dòng),先從5 Hz上升到100 Hz,再?gòu)?00 Hz返回5 Hz。通過工控機(jī)設(shè)置的導(dǎo)線振動(dòng)正弦掃頻參數(shù)見表1。
表1 正弦掃頻參數(shù)和采樣頻率Tab.1 Sine sweep parameters and sampling frequency
試驗(yàn)中導(dǎo)線的振動(dòng)過程類似兩端受張力的梁的橫向振動(dòng),故可以得到導(dǎo)線-防振錘耦合體系的振動(dòng)微分方程如下:
δ(xf-xv)fd(t).
(5)
式中:fvi為振動(dòng)臺(tái)的激振力;fd(t)為防振錘t時(shí)刻的作用力;xv為防振錘移動(dòng)v個(gè)單位的距離;狄拉克函數(shù)δ(xf-xv)表示防振錘對(duì)導(dǎo)線的作用力。
從式(5)可以看出,防振錘安裝位置直接關(guān)系到其防振效果,本文選擇將防振錘安裝在振動(dòng)波的波腹點(diǎn)附近,這樣防振錘甩動(dòng)幅度最大,消耗振動(dòng)能量也最多。選擇防振錘為損傷金具,通過改變其損傷類型,模擬4種結(jié)構(gòu)類型(完好、左端缺損、右端缺損、兩端缺損),如圖4所示。本文通過分析導(dǎo)線振動(dòng)特性辨識(shí)防振錘結(jié)構(gòu)損傷狀況。
圖4 4種防振錘類型Fig.4 Four types of anti-vibration hammers
表2給出防振錘4種類型的固有屬性參數(shù)(NHh為錘頭缺損個(gè)數(shù),MVd為質(zhì)量,LVd為水平方向長(zhǎng)度,LHh為所有錘頭長(zhǎng)度,SD為損傷截面面積),其中鋼絞線規(guī)格為鋼芯數(shù)量/鋼芯直徑,直徑單位為mm2。采集防振錘每種損傷類型20組數(shù)據(jù),每組數(shù)據(jù)采樣周期300 s,采樣頻率500 Hz,采樣點(diǎn)15 000個(gè)。此外可以注意到,導(dǎo)線的振動(dòng)和能量密度分布均與抗彎剛度、水平張力、單位質(zhì)量及防振錘固有屬性有關(guān),考慮到這些因素對(duì)導(dǎo)線振動(dòng)特性的影響,多次試驗(yàn)均在相同試驗(yàn)條件、相同輸入激勵(lì)下進(jìn)行,以研究其損傷對(duì)導(dǎo)線振動(dòng)特性的影響。
表2 防振錘4種類型參數(shù)Tab.2 Parameters of four types of anti-vibration hammers
對(duì)采集到的試驗(yàn)數(shù)據(jù),剔除與理想值誤差較大的數(shù)據(jù),得到導(dǎo)線振動(dòng)信號(hào)的時(shí)程波形如圖5所示。防振錘4種類型〔圖5(a)—(d)〕波形依次是加速度傳感器A-01、A-02、A-03、A-04采集到導(dǎo)線振動(dòng)時(shí)程曲線。在導(dǎo)線振動(dòng)過程中,導(dǎo)線并非呈1個(gè)半波的形式,有可能是多個(gè)半波,而半波的數(shù)量和位置并不確定。
圖5 導(dǎo)線振動(dòng)時(shí)程波形Fig.5 Time course waveforms of conductor vibration
從圖5可以看出,隨著振動(dòng)激勵(lì)信號(hào)頻率的增加,傳感器采集到的振動(dòng)加速度在時(shí)域信號(hào)內(nèi)出現(xiàn)了如圖5(a)所示的峰值,但在半波數(shù)量不確定情況下,傳感器安裝位置有可能在半波的波峰或者波節(jié)點(diǎn)附近。在波節(jié)點(diǎn)附近,導(dǎo)線的振動(dòng)幅值相對(duì)較小,而在波峰附近,幅值相對(duì)較大。從圖5(a)還可以看出:在91.2 s時(shí)傳感器A-03可能恰好處在離波峰較近的位置,所以其測(cè)量值振幅較大,而傳感器A-02和A-04可能在波節(jié)點(diǎn)附近,測(cè)量值振幅較小。在頻率較高時(shí),傳感器A-03在遠(yuǎn)離波峰的位置,而傳感器A-02和A-04離波峰較近,采集到的導(dǎo)線振幅大于傳感器A-03采集到的振幅。
加速度傳感器A-01采集到的是振動(dòng)臺(tái)的振動(dòng)波形圖,用以實(shí)時(shí)反饋輸入激勵(lì)的準(zhǔn)確性。從圖5(a)中A-01采集到的波形可以看出,振動(dòng)臺(tái)的振動(dòng)激勵(lì)波動(dòng)幅度并不大,基本都在設(shè)定的1g范圍內(nèi)波動(dòng),說明此試驗(yàn)的輸入激勵(lì)與理想輸入狀態(tài)相符。圖5(b)—(d)依次為傳感器A-02、A-03、A-04在防振錘損傷時(shí)測(cè)得的導(dǎo)線振動(dòng)時(shí)程波形,可以看出,防振錘損傷時(shí)導(dǎo)線的振動(dòng)幅值普遍高于完好時(shí)的幅值。這表明防振錘損傷時(shí),對(duì)導(dǎo)線振動(dòng)的抑制作用會(huì)下降,使得導(dǎo)線響應(yīng)更高的振幅,增大導(dǎo)線的振動(dòng)幅值。
從圖5可知導(dǎo)線振動(dòng)信號(hào)的時(shí)域波形復(fù)雜,表現(xiàn)出非線性、非平穩(wěn)的特性,很難直接用于區(qū)分防振錘損傷類型,需要對(duì)導(dǎo)線振動(dòng)信號(hào)進(jìn)行預(yù)處理,再提取防振錘損傷特征,本文采用VMD方法分解導(dǎo)線振動(dòng)信號(hào)。
2.3.1 分解參數(shù)選取
根據(jù)分解步驟,需要先預(yù)設(shè)尺度數(shù)K和二次懲罰因子α,且最終的振動(dòng)分解效果取決于這2個(gè)參數(shù)取值。若K取值過小,會(huì)導(dǎo)致導(dǎo)線振動(dòng)信號(hào)部分分量缺失;若K取值過大,則會(huì)對(duì)導(dǎo)線振動(dòng)信號(hào)過分解。參數(shù)α的取值與振動(dòng)分量帶寬成反比。本試驗(yàn)在數(shù)據(jù)預(yù)處理階段經(jīng)多次分解得出最優(yōu)參數(shù):K=7,α=1 600。圖6所示為防振錘完好時(shí)傳感器A-02采集的導(dǎo)線振動(dòng)信號(hào)分解波形,其中IMF1—IMF7表示本征模態(tài)函數(shù)7個(gè)分量。從圖6可以看出,各階振動(dòng)分量沒有明顯的欠分解和過分解現(xiàn)象,說明參數(shù)選取合適。
圖6 防振錘完好時(shí)域波形Fig.6 Anti-vibration hammer intact time domain waveforms
2.3.2 分解信號(hào)尋優(yōu)
為使分解到的振動(dòng)分量更能有效表征防振錘損傷特征,本文引入Pearson相關(guān)系數(shù)來選取分量中符合原始信號(hào)振動(dòng)機(jī)制的特征分量,并對(duì)其重構(gòu)。取防振錘完好和左端缺損類型分析,圖7所示為各階振動(dòng)分量與原始振動(dòng)信號(hào)的相關(guān)系數(shù)。圖7中“#”表示防振錘左端缺損。相關(guān)系數(shù)值越大,分解的振動(dòng)分量更能表征防振錘損傷特征。隨著分解振動(dòng)分量增大,相關(guān)性呈現(xiàn)出減小的趨勢(shì),第七階振動(dòng)分量的相關(guān)系數(shù)均小于0.4,該振動(dòng)分量屬于趨勢(shì)項(xiàng),故取前六階分量為特征振動(dòng)分量。
圖7 各階振動(dòng)分量與原始振動(dòng)信號(hào)相關(guān)系數(shù)Fig.7 Correlation coefficient of each order vibration component with the original vibration signal
雖然前六階振動(dòng)分量更符合原始信號(hào)的振動(dòng)機(jī)制,但傳感器A-02、A-03、A-04采集到的振動(dòng)分量相互混疊,并不能有效區(qū)分哪個(gè)傳感器與原始信號(hào)的相關(guān)性更強(qiáng),更能表征導(dǎo)線的振動(dòng)特性。故計(jì)算六階振動(dòng)分量的平均偏差率,結(jié)果見表3。由表3可見,加速度傳感器A-02相關(guān)系數(shù)的平均偏差率達(dá)42.3%,A-03與A-04相關(guān)系數(shù)平均偏差率分別為40.7%和39.9%,距離輸入激勵(lì)側(cè)越近,導(dǎo)線的振動(dòng)分量與原始振動(dòng)信號(hào)相關(guān)性更強(qiáng),故選擇加速度傳感器A-02采集數(shù)據(jù)樣本進(jìn)行重構(gòu)。
表3 六階振動(dòng)分量相關(guān)系數(shù)Tab.3 Sixth-order vibration component correlation coefficients
2.3.3 損傷特征提取
導(dǎo)線振動(dòng)信號(hào)分解重構(gòu)后的各階時(shí)-頻域分量如圖8—圖11所示。可以看出,各階振動(dòng)分量時(shí)頻域波形明顯不同,各階振動(dòng)分量的中心頻率與峰值都存在差異,都代表特定的振動(dòng)特性。這表明:VMD方法可以將非線性非平穩(wěn)振動(dòng)信號(hào)分解成若干個(gè)具有特定振動(dòng)特性的分量。
圖8 完好時(shí)-頻域分解波形Fig.8 Time-frequency domain decomposition of complete
圖9 左端缺損時(shí)-頻域波形Fig.9 Time-frequency domain decomposition of left defect type
圖10 右端缺損時(shí)-頻域波形Fig.10 Time-frequency domain decomposition of right defect type
依據(jù)1.1節(jié)中的式(3)可以量化各階振動(dòng)分量時(shí)-頻域中表征防振錘損傷的特征參數(shù),構(gòu)建防振錘損傷特征集d。
表4所列為2組數(shù)據(jù)樣本六階振動(dòng)分量的時(shí)域能量熵HK和頻域能量熵HF值。首先計(jì)算防振錘完好時(shí)的均值,在此基礎(chǔ)上求得防振錘損傷與完好時(shí)的均差值??梢钥闯觯琁MF2和IMF3分量的時(shí)域能量熵HK和頻域能量熵HF均值較其他IMF分量波動(dòng)偏差量大,說明IMF2和IMF3相較其他分量所含有的損傷特征量更多。但從所有分量整體看,偏差程度并不顯著。因此計(jì)算防振錘完好和損傷時(shí)的全分量均差值的百分?jǐn)?shù)??梢宰⒁獾剑勒皴N損傷與完好時(shí)的熵值偏差量最大為39.5%,最小偏差量為29.4%,驗(yàn)證了能量熵作為防振錘損傷特征參數(shù)的有效性。
表4 2組數(shù)據(jù)樣本六階振動(dòng)分量的HK和HF值Tab.4 HK and HF values of the sixth-order vibration components of two data sets samples
為更直觀地看出所提取的損傷特征是否有效,取1組數(shù)據(jù)樣本為例,繪制如圖12所示各階振動(dòng)分量熵值分布圖??梢钥闯觯糠N損傷類型的各階分量時(shí)-頻域能量熵在分布上具有各異性,故可將其集合作為防振錘損傷的特征數(shù)據(jù)集,采用LibSVM辨識(shí)防振錘結(jié)構(gòu)健康狀況。
圖12 1組數(shù)據(jù)樣本時(shí)-頻域能量熵分布Fig.12 Time-frequency domain energy entropy distribution of a set of data samples
采集防振錘完好和損傷時(shí)導(dǎo)線振動(dòng)信號(hào)20組,每組樣本的采樣周期300 s,采樣頻率500 Hz,采樣點(diǎn)15 000個(gè),包含4種類型的六階振動(dòng)分量,每種類型可獲取到480個(gè)時(shí)-頻域能量熵?cái)?shù)據(jù)樣本,并對(duì)特征數(shù)據(jù)集進(jìn)行歸一化處理,接著選擇其中380個(gè)樣本作為訓(xùn)練集,再將剩余的100個(gè)實(shí)測(cè)數(shù)據(jù)樣本作為測(cè)試集。
試驗(yàn)采用交叉驗(yàn)證(K-CV)方法對(duì)LibSVM中的懲罰因子參數(shù)c和核函數(shù)中函數(shù)參數(shù)j參數(shù)尋優(yōu),得到的最高精確率為91.75%,尋優(yōu)的c、j參數(shù)分別為17.148 4和0.012 69,對(duì)應(yīng)的適應(yīng)度三維視圖如圖13所示。將尋找的最優(yōu)c、j參數(shù)導(dǎo)入到LibSVM中創(chuàng)建并訓(xùn)練模型,建立基于LibSVM的損傷辨識(shí)基準(zhǔn),采用預(yù)測(cè)的平均辨識(shí)準(zhǔn)確率為衡量尺度評(píng)判該基準(zhǔn)的泛化性能,最終實(shí)現(xiàn)防振錘結(jié)構(gòu)健康診斷。
圖13 c、j參數(shù)適應(yīng)度三維視圖Fig.13 3D view of c,j parameter adaptation
圖14所示為防振錘損傷預(yù)測(cè)分類結(jié)果。類型標(biāo)簽1—4分別代表防振錘完好、左端缺損、右端缺損、兩端缺損損傷類型,測(cè)試集樣本的存放順序按照數(shù)據(jù)類型標(biāo)簽依次順排。從圖14可以看出,采用基于LibSVM損傷辨識(shí)基準(zhǔn)預(yù)測(cè)的平均辨識(shí)準(zhǔn)確率高達(dá)97%。結(jié)果表明,該基準(zhǔn)可以辨識(shí)防振錘結(jié)構(gòu)的損傷狀況。
圖14 防振錘損傷預(yù)測(cè)辨識(shí)Fig.14 Anti-vibration hammer damage prediction identification chart
本文提出一種在時(shí)變環(huán)境激勵(lì)作用下提取防振錘損傷特征與結(jié)構(gòu)健康診斷的方法。該方法采用VMD將導(dǎo)線振動(dòng)信號(hào)分解為多階振動(dòng)分量集合,然后引入熵的概念來量化每階振動(dòng)分量時(shí)-頻域損傷特征能量密度分布。最后,通過建立的損傷辨識(shí)基準(zhǔn),實(shí)現(xiàn)防振錘結(jié)構(gòu)健康診斷。本研究結(jié)論如下:
a)對(duì)導(dǎo)線振動(dòng)信號(hào)分析得到,防振錘損傷時(shí)會(huì)減小傳遞給導(dǎo)線的功率能量,從而激勵(lì)導(dǎo)線響應(yīng)更高的振型,會(huì)直接影響其防振效果,所以對(duì)防振錘結(jié)構(gòu)健康的診斷具有實(shí)際工程意義。
b)通過VMD可以有效解決導(dǎo)線多分量振動(dòng)信號(hào)非線性非平穩(wěn)特性問題。并注意到,振動(dòng)分量中IMF2和IMF3所含有的損傷特征量更多,且防振錘完好與損傷時(shí)的熵值偏差量最大為39.5%,最小為29.4%,驗(yàn)證了能量熵作為防振錘損傷特征參數(shù)的有效性。
c)通過建立的LibSVM損傷辨識(shí)基準(zhǔn)預(yù)測(cè)防振錘損傷數(shù)據(jù),得到的辨識(shí)準(zhǔn)確率高達(dá)97%。表明該診斷方法有效建立了以特征參數(shù)表征防振錘損傷模型,可以精準(zhǔn)辨識(shí)防振錘結(jié)構(gòu)健康狀況。
d)提出的診斷方法在實(shí)際應(yīng)用時(shí)僅需導(dǎo)線振動(dòng)信號(hào)便可實(shí)現(xiàn)防振錘結(jié)構(gòu)損傷的實(shí)時(shí)辨識(shí),成本不高。