GB/T 33218-2016 无损检测 基于光纤传感技术的设备健康监测方法

　　ICS 19. 100 J 04

　　中 华 人 民 共 和 国 国 家 标 准

　　GB/T 33218—2016

　　无损检测 基于光纤传感技术的设备

　　健康监测方法

　　Non-destructivetesting—Practice forequipmenthealth monitoringbased

　　on fibersensingtechnology

　　2016-12-13发布 2017-04-01实施

　　中华人民共和国国家质量监督检验检疫总局中 国 国 家 标 准 化 管 理 委 员 会

　　发

　　布

　　GB/T 33218—2016

　　前 言

　　本标准按照 GB/T 1. 1—2009给出的规则起草 。

　　本标准由全国无损检测标准化技术委员会(SAC/TC56)提出并归 口 。

　　本标准起草单位 : 中国特种设备检测研究院 、北京中检希望科技有限公司 、重庆市特种设备检测研究院 、厦门市特种设备检验检测院 。

　　本标准主要起草人 :丁克勤、陈光、李娜、黄学斌、伏喜斌、陈杰、陈力、刘关四、陈显锋、陶芳泽、何亚莹、王志杰、唐方雄 。

　　无损检测 基于光纤传感技术的设备

　　健康监测方法

　　1 范围

　　本标准规定了基于光纤传感技术的设备健康监测技术 、数据分析方法 、健康状态评估方法及相关要求 。

　　本标准适用于机械设备 、起重设备 、承压设备 、钢结构等设备和结构运行中的健康监测 。

　　2 规范性引用文件

　　下列文件对于本文件的应用是必不可少的 。凡是注 日期的引用文件 ,仅注 日期的版本适用于本文件 。凡是不注日期的引用文件 ,其最新版本(包括所有的修改单)适用于本文件 。

　　GB/T 19873. 1 机器状态监测与诊断 振动状态监测 第 1部分 :总则

　　GB/T 19873. 2 机器状态监测与诊断 振动状态监测 第 2部分 :振动数据处理 、分析与描述GB/T 23713. 1 机器状态监测与诊断预测 第 1部分 :一般指南

　　GB/T 33213 无损检测 基于光纤传感技术的应力监测方法

　　3 运行状态参数监测

　　3. 1 概述

　　设备的应力和振动直接表征了设备的健康状态 , 因此实施设备健康监测时应重点考虑其应力状态指标和振动状态指标 。状态监测流程应符合 GB/T 23713. 1。

　　3.2 应力状态监测

　　设备的应力状态参数通过光纤传感技术进行测定 ,应力监测方法按 GB/T 33213。

　　3.3 振动状态监测

　　设备的振动状态参数通过光纤传感技术进行测定 ,振动监测方法按 GB/T 19873. 1。

　　4 运行状态参数监测数据分析

　　4. 1 应力状态监测数据分析

　　应力状态监测数据分析步骤如下 :

　　a) 剔除既不是峰值也不是谷值的数据点 ,将时间历程记录转化为峰谷值序列 ;

　　b) 针对峰谷值序列采用双参数的雨流计数法进行循环计数 ,提取和统计幅值和均值 。

　　对于 4个连续的峰谷值点 P1、P2、P3、P4,只要符合图 1 所示的 7 种峰谷形式中的任意一种 ,都可以从中取出一个完整的循环 ,且其幅值为 ,均值为

　　GB/T 33218—2016

　　图 1 7 种满足计数条件的峰谷值形式

　　将这 7种峰谷形式综合起来 ,便能得到对于 4个连续峰谷值点 P1、P2、P3、P4 (图中从左至右)进行雨流计数的判定条件见式(1) :

　　P1 - P2 ≥ P2 - P3 且 P4 - P3 ≥ P2 - P3 ………………( 1 )

　　根据均幅值矩阵(参见附录 A 中表 A. 1)和不同均幅值载荷下的疲劳寿命(参见表 A. 2) ,最终可得到不同均幅值载荷下损伤度(参见表 A. 3) 。

　　4.2 振动状态监测数据分析

　　振动状态监测数据处理与分析方法按 GB/T 19873. 2。

　　5 健康状态评估

　　5. 1 基于应力的健康状态评估

　　基于应力的健康状态评估 ,主要通过应力谱计算疲劳累积损伤 ,进而对设备的健康状态进行评估 。疲劳累积损伤的计算方法参见附录 B 中 B. 1。

　　5.2 基于振动的健康状态评估

　　健康状态评估是对设备的健康状态进行分类的过程 。基于振动的健康状态评估主要有神经网络分类法(参见 B. 2) 、支持向量机分类法(参见 B. 3) 、贝叶斯网络分类法(参见 B. 4)等 。

　　6 报告

　　健康监测报告的内容应根据监测要求制订 ,应至少包括以下要素 :

　　a) 设备基本信息(包括设备类别 、型号 、配置 、编码 、识别码等) ;

　　b) 设备说明书 ;

　　c) 监测时的运行工况说明 ;

　　d) 监测或采样的 日期 、时间 ;

　　e) 监测仪器类型(传感器类型 、采集仪型号等) ;

　　f) 监测传感器位置和方位 ;

　　g) 监测数据原始记录及数据处理结果 ;

　　h) 设备健康状态评估结果 ;

　　i) 用户签名和有关资质授权签字(如适用) 。

　　附 录 A

　　(资料性附录)

　　均幅值矩阵

　　表 A. 1、表 A. 2、表 A. 3分别给出了不同均幅值载荷下的工作频次 、不同均幅值载荷下的疲劳寿命 、不同均幅值载荷下的损伤度 。

　　表 A. 1 不同均幅值载荷下的工作频次

　　表 A.2 不同均幅值载荷下的疲劳寿命

　　表 A.3 不同均幅值载荷下的损伤度

　　附 录 B

　　(资料性附录)

　　健康状态评估方法

　　B. 1 疲劳累积损伤计算方法

　　根据雨流计数得到的结果 ,可采用 Miner理论按式(B. 1)计算结构的损伤度 :

　　D …………………………( B. 1 )

　　式中 :

　　nij — 表示结构在第i级幅值和第j级均值载荷下结构的工作循环次数 ;

　　Nij— 表示结构在第i级幅值和第j级均值载荷下结构的疲劳寿命 ;

　　Dij — 表示结构在雨流矩阵中第 i行 、第 j 列载荷块所造成的损伤度 。

　　与雨流矩阵所对应的总损伤度按式(B. 2)计算 :

　　D …………………………( B. 2 )

　　B.2 神经网络评估法

　　设第 k层的第 i个神经元的输入为 neti(k) ,输出为 oi(k) , 由第 k-1层的第 j 个神经元到第 k个神经元的连接权值为 wij ,按式(B. 3) ~式(B. 5)进行评估 :

　　net …………………………( B. 3 )

　　oi(k) = f[neti(k) ] …………………………( B. 4 )

　　权值的调整公式为 :

　　wij (t+ 1) =wij (t) +ηδio …………………………( B. 5 )

　　式中 :

　　wij (t) —t时刻节点j到节点 i 的连接权值 ;

　　η — 增益项 ;

　　δi — 下一导点的误差项 ;

　　ο — 节点 j 的输出 。

　　B.3 支持向量机评估法

　　设有两类监测数据样本集 {(xi,yi) ,i= 1,2, … ,l} ,其中第 i个样本向量 xi ∈Rn ,样本标签为 yi=

　　fw ‖ 2 +C … … … … … … … … … …

　　式中 :

　　w — 分类面的法向量 ;

　　C — 惩罚因子 ;

　　ξi — 松弛因子 。

　　最优分类面要求最大化 分 类 间 隔 和 最 小 化 分 类 误 差 , 引 入 核 函 数 K(xi,xj ) 后 优 化 问 题 转 化 为式(B. 7) :

　　iyi = 0 …………………………( B. 7 )

　　0≤ αi ≤ C, ∀i

　　对每一个训练点都有一个拉格朗 日乘子 αi,与非零 αi 对应的点 xi 就是支持向量 ,记为 xi* 。 可以得到式(B. 8)所示判别函数 :

　　f = sgn[xyiK b'] … … … … … … … … … …

　　式中 :

　　z — 测试样本 ;

　　sv — 支持向量机 ;

　　sgn(x) — 符号函数 ,一般取对称硬极限函数(结果为 +1或 -1) ;

　　α — 拉格朗 日乘子 ;

　　b' — 偏置 。

　　B.4 贝叶斯网络评估法

　　给定一个监测数据集 D,D= {X1,X2, … ,Xn ,C} 是离散随机变量的有限集 ,其中 X1 ,X2 , … ,Xn

　　是属性变量 ,类变量 C 的取值范围为 {c1 ,c2 , … ,cm } ,xi 是属性 Xi 的取值 。 Ii={x1,x2, … ,xn } 属于

　　=α ·P(x1 ,x2 , … ,xn cj ) ·P(cj ) ……………( B. 9 )

　　式中 :

　　α — 正规化因子 ;

　　P(cj ) — 类 cj 的先验概率 ;

　　P(cj x1 ,x2 , … ,xn ) — 类 cj 的后验概率 ,它反映了样本数据对类 cj 的影响 。

　　根据贝叶斯最大后验准则 ,对于给定的 Ii = {x1 ,x2 , … ,xn } , 贝叶斯网络分类 器 选 择 使 后 验 概 率