韓東穎,田偉,黃巖,朱國(guó)慶

(燕山大學(xué) 車輛與能源學(xué)院,河北秦皇島 066004)

井架鋼結(jié)構(gòu)被廣泛應(yīng)用于石油、建筑、地質(zhì)勘探、礦藏開采、起重運(yùn)輸?shù)裙こ填I(lǐng)域之中[1]。各類井架鋼結(jié)構(gòu)在長(zhǎng)期服役過(guò)程中,由于設(shè)計(jì)、施工和環(huán)境等因素影響,常常會(huì)出現(xiàn)不同程度的損傷而使得井架鋼結(jié)構(gòu)抵抗工作載荷和環(huán)境沖擊的能力下降,嚴(yán)重時(shí)甚至引發(fā)安全事故[2],因此對(duì)井架鋼結(jié)構(gòu)進(jìn)行損傷識(shí)別十分重要。以往針對(duì)鋼結(jié)構(gòu)損傷識(shí)別以應(yīng)力應(yīng)變方法居多,應(yīng)變計(jì)對(duì)局部損傷較為敏感,數(shù)據(jù)處理相對(duì)簡(jiǎn)單,但對(duì)于規(guī)模較大的鋼結(jié)構(gòu)需要布置大量傳感器,因此工作量較大[3]。目前,很多學(xué)者在井架鋼結(jié)構(gòu)損傷識(shí)別方面展開研究。文獻(xiàn)[4]在傳統(tǒng)應(yīng)力方法基礎(chǔ)上建立當(dāng)量損傷系數(shù)確定鋼結(jié)構(gòu)損傷位置,相對(duì)于傳統(tǒng)靜力識(shí)別法減少了工作量并提高了識(shí)別效率;文獻(xiàn)[5]通過(guò)正則化的頻率變化率損傷指標(biāo)實(shí)現(xiàn)井架鋼結(jié)構(gòu)損傷診斷;文獻(xiàn)[6]通過(guò)Hitbert-Huang變換對(duì)振動(dòng)數(shù)據(jù)進(jìn)行處理,將提取的瞬態(tài)能量曲率作為損傷識(shí)別指標(biāo),實(shí)現(xiàn)了井架鋼結(jié)構(gòu)的損傷定位。

近年來(lái),隨著信號(hào)處理技術(shù)和深度學(xué)習(xí)算法的發(fā)展,小波包分析法和神經(jīng)網(wǎng)絡(luò)也被應(yīng)用于故障診斷和損傷識(shí)別領(lǐng)域中。文獻(xiàn)[7]將損傷前后小波包能量變化率作為識(shí)別輸入?yún)?shù)結(jié)合BP神經(jīng)網(wǎng)絡(luò)對(duì)塔機(jī)起重臂損傷位置進(jìn)行識(shí)別;文獻(xiàn)[8]將小波包變換與人工神經(jīng)網(wǎng)絡(luò)結(jié)合,通過(guò)對(duì)模型橋梁的驗(yàn)證為結(jié)構(gòu)損傷提供技術(shù)積累。文獻(xiàn)[9]利用局部均值分解法獲得原始振動(dòng)信號(hào)的樣本熵并將其作為特征向量,再通過(guò)徑向基(RBF)函數(shù)神經(jīng)網(wǎng)絡(luò)對(duì)高速列車比例車體下底板損傷進(jìn)行識(shí)別;文獻(xiàn)[10]將小波包變換與卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合,將故障診斷領(lǐng)域知識(shí)無(wú)縫集成到深度學(xué)習(xí)算法當(dāng)中,實(shí)現(xiàn)了滾動(dòng)軸承智能故障診斷。文獻(xiàn)[11]利用小波包頻帶能量特征結(jié)合卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)噪聲環(huán)境下的結(jié)構(gòu)損傷識(shí)別。

遺傳算法對(duì)參數(shù)具有尋優(yōu)功能,例如文獻(xiàn)[12]將遺傳算法用于水輪機(jī)流場(chǎng)分析中,加快了分析進(jìn)程,進(jìn)而實(shí)現(xiàn)轉(zhuǎn)輪幾何參數(shù)的優(yōu)化;文獻(xiàn)[13]利用遺傳算法隱含的并行性和全局搜索能力優(yōu)化了支持向量機(jī)的模型參數(shù)。文獻(xiàn)[14]將遺傳算法應(yīng)用于航空發(fā)動(dòng)機(jī)的動(dòng)態(tài)參數(shù)辨識(shí)熵,研究了參數(shù)初始不確定性條件的振動(dòng)模態(tài)參數(shù)識(shí)別問(wèn)題。因此,本文結(jié)合小波包與遺傳算法(Genetic algorithm, GA)優(yōu)化反向傳播(Back propagation,BP)神經(jīng)網(wǎng)絡(luò),對(duì)井架鋼結(jié)構(gòu)的損傷進(jìn)行識(shí)別診斷。利用小波包方法對(duì)原始信號(hào)具有降噪效果,可以降低環(huán)境因素干擾,實(shí)現(xiàn)對(duì)時(shí)頻特征更加充分的提取,獲得更能表征石油井架鋼結(jié)構(gòu)損傷的信息特征[15]。同時(shí),利用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)對(duì)權(quán)值和閾值進(jìn)行優(yōu)化,改善傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)容易陷入局部最小值等問(wèn)題,使得學(xué)習(xí)能力更強(qiáng)[16]。此外,以往井架鋼結(jié)構(gòu)損傷識(shí)別研究方法中多采用損傷前的特征數(shù)據(jù)作為參照、通過(guò)損傷后的特征數(shù)據(jù)對(duì)比確定損傷。由于井架鋼結(jié)構(gòu)規(guī)模龐大,每設(shè)置一種工況都會(huì)增加工作量,而本文方法無(wú)需井架鋼結(jié)構(gòu)的無(wú)損傷數(shù)據(jù),只需損傷工況下的數(shù)據(jù),減少了相應(yīng)的工作量。本文經(jīng)過(guò)對(duì)石油井架鋼結(jié)構(gòu)模型進(jìn)行實(shí)驗(yàn),證明了該方法的有效性。

1 小波包提取特征輸入?yún)?shù)

井架鋼結(jié)構(gòu)在沖擊載荷和環(huán)境因素下的振動(dòng)信號(hào)為非線性、非平穩(wěn)信號(hào)。為確保在這種復(fù)雜信號(hào)中獲取更全面和更具代表性的特征信息,采用小波包方法對(duì)原始振動(dòng)加速度信號(hào)進(jìn)行分析。

1.1 小波包分析

小波包對(duì)處理非平穩(wěn)信號(hào)具備優(yōu)勢(shì)。既可以對(duì)信號(hào)的低頻和高頻部分進(jìn)行分解,還能夠結(jié)合被處理的信號(hào)特征發(fā)揮自適應(yīng)能力,通過(guò)選擇合適頻帶與信號(hào)頻譜相匹配,提升時(shí)頻分辨效果,同時(shí)保留信號(hào)原始特征[17]。本文采用小波包三層分解,分解原理如圖1所示。

圖1 小波包分解原理圖Fig. 1 Schematic diagram of wavelet packet decomposition

1.2 小波包能量參數(shù)計(jì)算

將小波包三層分解后各節(jié)點(diǎn)能量占比信息作為損傷識(shí)別輸入特征參數(shù),首先采用小波包對(duì)原始信號(hào)進(jìn)行三層分解,小波包分解與重構(gòu)[18]表達(dá)式為:

(1)

(2)

式中:n、j為小波包節(jié)點(diǎn);W為小波包分解系數(shù);h為高通濾波器系數(shù);g為低通濾波器系數(shù);k、l為分解層數(shù)。

小波包分解后各個(gè)子頻帶包含原始信號(hào)能量,過(guò)程中遵循能量守恒定律,因此信號(hào)重構(gòu)后不會(huì)有能量損失。實(shí)驗(yàn)中采集到的非平穩(wěn)振動(dòng)加速度信號(hào)成分復(fù)雜,其中包含每種損傷工況下的特征信息,因此可采用該方法獲取特征輸入?yún)?shù)。對(duì)原始振動(dòng)信號(hào)進(jìn)行三層小波包分解,第三層獲取各頻帶能量值為Ej。則輸入特征參數(shù)能量占比通過(guò)各節(jié)點(diǎn)能量值歸一化后獲得,特征參數(shù)為E1～E8。

(3)

(4)

式中:Wkj為各頻帶分解系數(shù);N為信號(hào)長(zhǎng)度。

原始信號(hào)總能量為

(5)

2 井架鋼結(jié)構(gòu)損傷的GA-BP網(wǎng)絡(luò)模型

2.1 GA-BP網(wǎng)絡(luò)優(yōu)化方法

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋式網(wǎng)絡(luò),具體工作原理為通過(guò)權(quán)值和閾值正向傳播計(jì)算,反向修正的方式對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練和擬合。因其具備較強(qiáng)的自組織、自適應(yīng)、自學(xué)習(xí)和非線性映射能力以及容錯(cuò)性而被廣泛應(yīng)用,但同時(shí)也存在訓(xùn)練速度慢、容易陷入局部最優(yōu)以及網(wǎng)絡(luò)不確定性的問(wèn)題。需要對(duì)其進(jìn)行優(yōu)化。而遺傳算法具有全局尋優(yōu)能力,因此利用遺傳算法對(duì)BP網(wǎng)絡(luò)的初始權(quán)值和閾值進(jìn)行尋優(yōu)縮小搜索范圍,在通過(guò)BP網(wǎng)絡(luò)實(shí)現(xiàn)精確求解,完成網(wǎng)絡(luò)訓(xùn)練[19]。

2.1.1 編碼形式

編碼方式?jīng)Q定遺傳算法與BP神經(jīng)網(wǎng)絡(luò)結(jié)合效果,此處選擇浮點(diǎn)數(shù)編碼。個(gè)體長(zhǎng)度為BP神經(jīng)網(wǎng)絡(luò)的權(quán)值數(shù)和閾值數(shù)之和,具體計(jì)算公式為

L=(M+N)H+H+N

(6)

式中:L為個(gè)體長(zhǎng)度;H為隱含層節(jié)點(diǎn)數(shù);M和N分別為輸入和輸出層節(jié)點(diǎn)數(shù)。

2.1.2 適應(yīng)度函數(shù)

根據(jù)輸入?yún)?shù)獲得BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,BP神經(jīng)網(wǎng)絡(luò)經(jīng)過(guò)訓(xùn)練后將預(yù)測(cè)結(jié)果輸出。這里適應(yīng)度函數(shù)取預(yù)測(cè)輸出與期望輸出的誤差平方和。誤差越小代表個(gè)體適應(yīng)度越號(hào)。個(gè)體適應(yīng)度根據(jù)式(7)和式(8)計(jì)算獲得,即

(7)

(8)

式中:i為染色體個(gè)數(shù),i=1,2,…,n;k為輸出層節(jié)點(diǎn)個(gè)數(shù),k=1,2,…,k;yk為預(yù)測(cè)輸出;dk為期望輸出。

2.1.3 遺傳操作

遺傳算法的優(yōu)良性能取決于變異概率Pm和交叉概率Pc,本文采用改進(jìn)的自適應(yīng)遺傳算法[20],計(jì)算公式為:

(9)

(10)

式中:Pm1,Pm2,Pc1,Pc2為預(yù)設(shè)值;favg為平均適應(yīng)度;fmax為最大適應(yīng)度;f′為交叉群體中較大的適應(yīng)度;f為變異個(gè)體的適應(yīng)度。

2.2 GA-BP網(wǎng)絡(luò)算法流程

識(shí)別模型具體算法流程如圖2所示。

圖2 GA-BP神經(jīng)網(wǎng)絡(luò)算法流程Fig. 2 GA-BP neural network algorithm procedures

采用改進(jìn)的遺傳算法改善種群初期進(jìn)化速度慢的問(wèn)題,同時(shí)兼具遺傳算法的優(yōu)勢(shì)。選擇算子采用輪盤賭法。該算法實(shí)現(xiàn)了對(duì)BP網(wǎng)絡(luò)的優(yōu)化,在識(shí)別準(zhǔn)確率和識(shí)別速度方面有所改善。

3 實(shí)驗(yàn)分析

3.1 實(shí)驗(yàn)平臺(tái)的搭建

以實(shí)驗(yàn)室ZJ70石油井架鋼結(jié)構(gòu)模型(根據(jù)實(shí)際井架1∶18制造而成)為實(shí)驗(yàn)對(duì)象,采用IMI Model:603C01 型加速度傳感器采集井架各種損傷工況下的信號(hào),井架模型如圖3所示。

圖3 傳感器布置及損傷設(shè)定位置Fig. 3 Sensor layout and damage setting position

傳感器分布情況如圖3所示。立柱傳感器從上至下依次為1～10號(hào)。損傷類型包括銷釘損壞和斜撐桿件損傷,通過(guò)更換受損銷釘或桿件的方式模擬損傷工況。5種待測(cè)單損傷具體分布情況如表1所示,位置編號(hào)與圖3中黃標(biāo)序號(hào)①～⑤對(duì)應(yīng)。

表1 待測(cè)單損傷分布位置Tab. 1 Distribution location of single damage to be measured

3.2 井架鋼結(jié)構(gòu)損傷識(shí)別實(shí)驗(yàn)

對(duì)每種損傷工況下的采集的加速度信號(hào)經(jīng)過(guò)小波包方法的分解,獲取小波包三層分解后的各頻段小波包系數(shù)信息,根據(jù)式(6)～式(10)獲得能量占比信息,以位置①處銷釘損傷工況下3號(hào)傳感器信息為例,時(shí)域信號(hào)如圖4所示,頻域信號(hào)如圖5所示。

圖4 位置①處銷釘損傷3號(hào)傳感器時(shí)域信號(hào)圖Fig. 4 Time domain signal of pin damage No. 3 sensor at position ①

圖5 位置①處銷釘損傷3號(hào)傳感器頻域信號(hào)圖Fig. 5 Frequency domain signal of sensor No. 3 at position ①

對(duì)時(shí)頻信息通過(guò)小波包分三層分解,分解信號(hào)如圖6所示。

圖6 小波包三層分解前3頻段信號(hào)圖Fig. 6 Signal of the first 3 frequency bands before the three-layer decomposition of the wavelet packet

通過(guò)對(duì)所有數(shù)據(jù)進(jìn)行處理,能量主要集中在第3層前3個(gè)分量中,將每組實(shí)驗(yàn)中各個(gè)加速度傳感器小波包分解與重構(gòu)處理后第3層前3個(gè)分量能量占比信息作為樣本特征輸入?yún)?shù)制成樣本集。

所需實(shí)驗(yàn)數(shù)據(jù)不需要無(wú)損傷工況數(shù)據(jù)作為對(duì)比參考,樣本集300組數(shù)據(jù)為不同工況下的損傷數(shù)據(jù),具有隨機(jī)性和通用性。另外采集60組損傷數(shù)據(jù)作為測(cè)試集,對(duì)建立好的GA-BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練與測(cè)試。訓(xùn)練過(guò)程中誤差隨遺傳代數(shù)的增加而逐漸降低,說(shuō)明個(gè)體適應(yīng)度越來(lái)越好,如圖7所示。

圖7 誤差與遺傳代數(shù)變化圖Fig. 7 Error and genetic algebraic variation

取其中5個(gè)正確識(shí)別井架損傷位置的識(shí)別結(jié)果,如圖8所示。其中,圖8a)～圖8c)為井架立柱上的銷釘1、銷釘2和銷釘3位置損傷,圖8d)和圖8e)為斜撐1和斜撐2位置損傷。識(shí)別結(jié)果柱狀圖中最大值即為識(shí)別出的損傷位置。

圖8 GA-BP網(wǎng)絡(luò)識(shí)別結(jié)果Fig. 8 GA-BP network identification results

60組測(cè)試樣本的BP網(wǎng)絡(luò)與GA-BP網(wǎng)絡(luò)的識(shí)別結(jié)果對(duì)比如圖9所示。將識(shí)別結(jié)果匯總統(tǒng)計(jì),結(jié)果如表2所示。

圖9 BP網(wǎng)絡(luò)與GA-BP網(wǎng)絡(luò)識(shí)別結(jié)果對(duì)比Fig. 9 Comparison of recognition results between BP network and GA-BP network

表2 網(wǎng)絡(luò)與GA-BP網(wǎng)絡(luò)的識(shí)別結(jié)果統(tǒng)計(jì)Tab. 2 Statistics of recognition results of BP network and GA-BP network

根據(jù)測(cè)試樣本識(shí)別結(jié)果顯示,其中采用傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)正確識(shí)別樣本數(shù)為49,采用GA-BP神經(jīng)網(wǎng)絡(luò)正確識(shí)別樣本數(shù)為56,識(shí)別準(zhǔn)確率從81.67%提高至93.33%。相對(duì)于傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)識(shí)別結(jié)果,準(zhǔn)確率大幅提高。該方法對(duì)井架立柱上的損傷位別效果優(yōu)于對(duì)斜撐位置處損傷的識(shí)別。

4 結(jié)論

1) 本文將小波包與遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于井架鋼結(jié)構(gòu)損傷識(shí)別,該方法不需要損傷前的數(shù)據(jù)作為參考,通過(guò)分析振動(dòng)信號(hào)改善了傳統(tǒng)應(yīng)力應(yīng)變方法繁瑣的工作量。

2) 采用小波包方法對(duì)原始振動(dòng)信號(hào)進(jìn)行處理,既實(shí)現(xiàn)降噪降低環(huán)境因素干擾,又充分獲取了代表井架鋼結(jié)構(gòu)損傷的信息特征。

3) 經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證,結(jié)果顯示采用改進(jìn)的遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值優(yōu)化使井架損傷識(shí)別模型的識(shí)別準(zhǔn)確率提高近10%,識(shí)別速度也有所提高,說(shuō)明了該方法的可行性。