列车部件裂纹损伤预测方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110390115A(43)申请公布日2019.10.29(21)申请号201810351381.6(22)申请日2018.04.17(71)申请人江苏必得科技股份有限公司地址214404江苏省无锡市江阴市月城镇月翔路27号(72)发明人蔡国强王坚群何明(51)Int.Cl.G06F17/50(2006.01)权利要求书2页说明书10页附图3页(54)发明名称列车部件裂纹损伤预测方法和装置(57)摘要本发明实施例公开了一种列车部件裂纹损伤预测方法和装置，其中的方法包括：在待检测列车部件的检测结构上设置蜂窝传感器网络装置，利用lamb采集历史损伤数据，利用根据历史损伤数据获得对于检测结构的损伤的寿命分布特征和验证指标参数，并建立贝叶斯概率预测模型，分析得出验证指标参数的先验分布，采用马尔科夫链蒙特卡洛方法优化贝叶斯概率预测模型的模型参数，并预测检测结构的损伤的增长速率。本发明的方法和系统，通过应用Bayesian-MCMC的方法并基于大量历史数据预测列车部件损伤增长，用贝叶斯公式对发生概率进行修正，再利用期望值和修正概率做出最优维修或更新决策，为列车的维修、更换提供更为准确的、直观化的依据。CN110390115ACN110390115A权利要求书1/2页1.一种列车部件裂纹损伤预测方法，其特征在于，包括：对列车部件的检测结构进行损伤检测；获取所述检测结构的历史损伤数据；其中，损伤数据包括：所述检测结构的裂纹长度数据；根据所述历史损伤数据获得对于所述检测结构的损伤的寿命分布特征和验证指标参数，并建立与所述检测结构的损伤相对应的贝叶斯概率预测模型；根据所述历史损伤数据分析得出所述验证指标参数的先验分布；采用马尔科夫链蒙特卡洛方法优化贝叶斯概率预测模型的模型参数，并预测所述检测结构的损伤的增长速率。2.如权利要求1所述的方法，其特征在于，所述获得对于所述检测结构的损伤的寿命分布特征和验证指标参数包括：确定对于所述检测结构的损伤的寿命分布为对数正态分布：其中，所述对数正态分布的密度函数为：其中，μ是损伤尺寸的平均值，σ是损伤尺寸的标准差。3.如权利要求2所述的方法，其特征在于，还包括：将所述验证指标参数的先验分布确定为所述检测结构的裂纹增长速率的对数正态分布f(θ)与最大似然估计f(x|θ)的结合；运用贝叶斯概率预测模型并结合所述历史损伤数据中的检测结构的裂纹数据x，获得后验分布f(θ|x)，并进行迭代计算获得裂纹在单位里程中的增长速率。4.如权利要求3所述的方法，其特征在于，还包括：所述贝叶斯概率预测模型用以下公式描述：2σldi＝z1+z0Ti，i＝1，...，n～N(z1+z0Ti；σ)；22f(z0，z1，σ)＝f(z0，z1)*f(σ)；2log(z0)～N2(μ，σ)；σ2～IG(a，b)；其中，δldi表示标准裂纹长度损伤量，δldi服从均值为σldi＝z1+z0Ti的正态分布，z1是裂纹初始的长度，z0是裂纹在单位里程中的增长速率，T是自上一次采集历史损伤数据后的积累-22运营公里数，T＝σ，则T～G(a，b)，其中a＝b＝0.01，f为概率分布函数，μ为z0的均值，σ为z0标准差。5.如权利要求1所述的方法，其特征在于，还包括：在待检测列车部件的检测结构上设置蜂窝传感器网络装置；其中，所述蜂窝传感器网络装置包括多个压电传感器，每个压电传感器都作为激励信号加载点和/或响应信号采集点；在激励信号加载点以第一时间间隔在健康的检测结构上激发激励信号，在检测结构中产生Lamb波；各个响应信号采集点采集对于此Lamb波的第一Lamb波响应信号；获取第一Lamb波响应信号并建立Lamb波在检测结构的各向异性复合材料层板中随传2CN110390115A权利要求书2/2页播角度变化的频散关系，获得Lamb波的理论速度分布，作为基准信息；在激励信号加载点以第二时间间隔在待检测的检测结构上激发激励信号，在检测结构中产生Lamb波；各个响应信号采集点采集对于此Lamb波的第二Lamb波响应信号；对第二Lamb波响应信号在时域和频域上进行分析，提取特征信息；将第二Lamb波响应信号作为损伤信号，将第一Lamb波响应信号作为参考信号，基于损伤信号、参考信号以及基准信息、特征信息计算与各个所述响应信号采集点相对应的信号差异系数值SDC值；根据获得的SDC值并采用概率成像原理，重构出检测结构中裂纹损伤可能存在的区域；基于SDC值判定裂纹方向，校正裂纹方向上的SDC值，用于强化裂纹方向上的重构图像信息，采用概率成像原理重构裂纹损伤图像；绘制SDC分布图，基于SDC分布图评估出裂纹的长度，生成所述损伤数据。6.一种列车部件裂纹损伤预测装置，其特征在于，包括：部件损伤检测模块，