近年来,结构健康监测(structural health moni- toring,SHM)被广泛应用到飞机结构、轨道交通和大型建筑等领域的损伤检测中,相比传统的无损检测(nondestructive evaluation,NDE)技术,SHM能在线对结构的健康状况进行实时评估,无需结构停止工作再进行检测,降低了因结构停止工作而造成的经济损失,同时也极大程度地减少了人为检测的费用。在SHM应用中,Lamb波在检测结构的损伤方面显示出了巨大的潜力,仅需要有限的传感器便能进行远距离传播和大面积覆盖,是一种重要的SHM工具。
随着我国高速列车行业的快速发展,铁路交通网络正逐渐实现全国各省市的全面覆盖,铁路车辆的数量及其运行班次也随之增加。因此,为了保障铁路交通系统的稳定运行,机车车辆健康状况的诊断显得尤为重要。车钩作为铁路机车车辆连接的重要部件,在运行过程中受到传递牵引力拉伸和缓冲撞击压缩的作用,其结构健康状况直接影响着列车的安全性能。在恒温状态下,将基于Lamb波的SHM系统应用至列车的钩缓系统中,能有效检测出钩缓系统的损伤程度以及能定位损伤所在区域。
但在实际运行过程中,由于列车的行驶区域较广,一天之中经历多个温度区间,而Lamb波易受外界环境的干扰,易产生信号的相位偏移与幅值波动,严重影响着在线监测结果的准确性。
因此,为了实现对钩缓系统健康状况的准确监测,确保列车在行驶过程中的安全性,美国Broadsens公司、中车株洲电力机车有限公司的研究人员针对噪声、电流串扰和温度效应这三类重要的环境因素,进行钩缓系统环境补偿法的开发研究。
有关研究表明,温度的变化是接收信号产生波动的主要原因之一。温度效应对SHM产生干扰的主要原因有以下几点,材料、粘结胶层受到温度效应的影响,其特征参数发生了变化影响着Lamb波信号在结构中传播的速度,使得接收到的信号的相位出现偏移;同时,传感器中的压电晶片的压电系数会随温度的变化而发生波动,影响着输出电压的大小,使得信号的幅值发生变化。因此,在人为无法改变材料性能随温度变化的前提下,迫切需要相关的温度补偿方案的开发。
Lu提出一种基准数据库的环境补偿方案,称为最优基准法(optimal baseline selection,OBS),该方法以0.1℃的温度间隔采集基准信号,构建基准数据库,通过将采集信号导入至信号库中进行比对判断结构的健康状况。Croxford和Wilcox提出了另一种温度补偿方案,即基准扩展法(baseline signal stretch, BSS),该方法仅需一个基准信号,通过傅里叶变换对信号进行补零和截断完成对信号相位偏移的补偿。随后,Clarke实现了OBS和BSS相结合的补偿方案,并验证了该方法的补偿精度比BSS的精度更高。
以上三种方法均只弥补了温度效应对信号相位造成的影响,而当温差较大时,幅值的衰减对信号的干扰同样严重。Roy和Chang提出了一种基于物理模型的环境补偿方案,通过建立信号特征值与外界环境因素之间的线性回归模型能有效去除温度效应对板状结构健康监测的影响。Liu通过建立相位与温差之间的回归模型利用Hilbert变换重构原始信号,能快速有效地实现温度补偿,并且能避免由信号压缩扩展造成的失真现象。
上述补偿方案,在板状结构的SHM中均展现出了良好的补偿效果。而钩缓系统的结构复杂,如图1所示,在用Lamb波进行监测的过程中,因为其结构边界较多,接收到的信号受边界反射影响严重,信号中出现多个波包的叠加,在温度效应的干扰下,不同模态波包的延迟量不一,随着传播距离的增加其变化越加明显,信号的相位偏移与幅值衰减与温度呈非线性变化关系。并且由于钩缓系统在装车后,不同区域的结构温度有所差异,无法提出相应的特征参数来构建钩缓系统的线性回归模型。因此,上述方法均无法解决温度效应对钩缓系统SHM的影响。
图1 钩缓系统组成
根据上述研究,针对环境效应对基于Lamb波的钩缓系统结构健康监测的影响,通过在时域上对信号进行分析研究,结合均值降噪和信号间的互相关性评估技术,提出了相应的环境补偿方案。通过在不同环境下对各个区域进行长期的监测,实验结果表明:研究人员提出的环境补偿方案能有效区分由环境因素造成的信号干扰和实际损伤造成的影响,并且有效定位损伤所在区域,验证了该方法能有效地去除环境因素对钩缓系统SHM的影响。
图2 传感器与数据采集器分布
图3 环境补偿系统的构成
图4 钩缓系统在线监测结果
在实验室环境下,研究人员利用加入了环境补偿方案的结构健康监测系统对钩缓系统进行了长期监测,在车钩健康状态及模拟损伤状态下的实验结果均表明,该环境补偿方案能完全抑制系统内部的电气干扰信号和外界噪声对监测结果的影响,能有效降低监测结果对环境温度的依赖性。
以上研究成果发表在2019年《电气技术》增刊中,论文题目为“轨道车辆钩缓系统结构健康监测中的环境补偿”,作者为赵俊杰、陈榕、张昶、何永强、金希红、颜罡。