[发明专利]一种基于振动响应信息的螺栓连接结构松动状态识别方法

权利要求书

1.一种基于振动响应信息的螺栓连接结构松动状态识别方法，其特征在于，包括以下步骤：

(1)振动响应信息的获取

通过振动试验台对螺栓连接结构施加随机激励，待振动达到预设的功率谱密度后，采集螺栓连接结构的振动响应信息；

(2)基于双树复小波包变换的信号多分辨分析

基于双树复小波包变换方法对振动响应信息进行分解和单支重构，得到各尺度下的单支重构分量；具体为：

首先，选择双树复小波包滤波器组，第一层采用(13,19)阶近似对称的双正交滤波器组，其余各层滤波器组均采用Q-shift14滤波器组；

然后，基于双树复小波包变换方法对振动响应信息进行J层双树复小波包分解；

最后，对2^J个子频带信号进行单支重构：假设振动响应信息采样频率为f_s，则得到的2^J个单支重构分量为{s_j,j＝1,2,…,2^J}，各分量对应的频率范围为[(j-1)f_s/2^J+1,jf_s/2^J+1]，即实现耦合多分量信号的分离；

(3)排列熵特征向量的构造

分别提取各单支重构分量的排列熵特征，构造排列熵特征向量；具体为：

首先，基于排列熵提取方法提取各单支重构分量{s_j}的排列熵特征：

式中，PE表示排列熵提取函数，d是嵌入维数，τ是延迟时间；

然后，将所有子频带排列熵构成特征向量每个排列熵特征向量视为一个样本点{x_i,i＝1,2,…,M}，M为样本点总数，每个样本点{x_i}实现振动响应信息的微小变化在全频带上的表征；

(4)基于最优间隔分布机的状态识别

构造最优间隔分布机，随机选取排列熵特征向量作为训练样本，并采用粒子群算法优选分布机的超参数，完成训练即建立基于最优间隔分布机的识别模型，将未知状态的排列熵特征向量输入最优间隔分布机，实现螺栓连接结构松动状态的智能识别。

2.根据权利要求1所述的一种基于振动响应信息的螺栓连接结构松动状态识别方法，其特征在于，步骤(4)具体为：

首先，根据样本点与分类超平面最小间距的均值最大化与方差最小化原则，构造最优间隔分布机，构造目标如下：

其中，Q表示代价函数，ω为待求权重向量，λ₁,λ₂,C为惩罚系数，ξ_i为松弛变量，y_i为样本标签，φ(x_i)表示RBF核映射函数，f(x_i)表示超平面因变量，b是待求超平面参数，δ_i表示间隔，是间隔均值，是间隔方差；

然后，随机选取M/2个样本点作为训练样本输入分布机，并采用粒子群算法优选惩罚系数λ₁,λ₂,C和核函数参数，求解ω,b，完成训练即建立基于最优间隔分布机的状态识别模型；

最后，将未知样本的排列熵特征向量{x_z}输入最优间隔分布机，即输入如下的分类决策函数，通过f(x_z)的取值判断未知样本所属的松动状态：

f(x_z)＝sign[ω^Tφ(x_z)+b]

根据输入的未知样本的排列熵特征向量，该分类决策函数即自动识别出未知样本所对应的螺栓连接结构的松动状态。