螺栓联接是机电系统中用途最广的联接结构，为整个系统中较薄弱的部位，其状态往往会发生改变，出现滑动、分离甚至松脱等现象，直接影响整个系统的安全可靠性。对振动环境中螺栓联接结构的联接状态进行及时准确地识别对保证系统的安全可靠具有重要意义。振动环境中螺栓联接结构呈现出明显的非线性特性，较难建立更准确的联接动力学模型，故采用无模型的信号分析方法。近年来，利用时间序列分析、小波变换和高阶统计分析等现代信号处理技术的结构损伤诊断方法得到了广泛的研究。董广明等人［1］应用小波包结合神经网络的方法识别支撑座联接螺栓的松动程度;孙卫祥、陈进等采用小波包变换特征和功率谱特征进行特征分层神经网络融合技术，对某导弹支撑座早期松动故障进行诊断［2］。目前大多是将小波分析方法用于旋转机械故障检测［3］，而在螺栓联接状态辨识中的应用较少。通过对螺栓联接结构施加随机激励进行振动测试实验，研究对象为螺栓联接结构不同测点的振动响应信号。小波分析具有良好的时-频定位特性以及对信号的自适应能力，故而能够对各种时变信号进行有效的分解，再对分解后的相互独立各频段进行时域分析提取特征量［4，5］。利用频谱分析振动信号，进而选择合适的小波函数进行小波分析。为了直观的反应各层细节系数的特征，采用了contour函数绘制等高线图。在此基础上进行了统计分析，如对不同测点响应信号的敏感层进行有效值分析、对幅值大小及范围的分析等。结果表明，利用小波分析结合统计分析的方法提取螺栓联接状态特征量，对其状态的识别更有效;进而对不同测点响应信号的分析考察传感器的布置位置对监测结果的影响。

1螺栓联接实验

系统构成实验系统如图1所示。包括硬件和软件两部分。硬件部分由功率放大器、D-300-2振动台、法兰螺栓联接模型、PCB压电式加速度传感器(灵敏度为108.0mV/g)、NI数据采集设备等组成。软件包括激励信号发生、数据采集与小波分析。其中法兰螺栓联接模型，由上下壳体组成，总高度为220mm，壳体壁厚为3mm，材料为45#钢;用于联接上下壳体的法兰盘尺寸均为外径为200mm，内径为164mm，厚度为6mm;上下壳体的法兰用8颗M6的螺栓联接，下壳体用8颗M12螺栓联接于振动台台面。在中间联接部位法兰盘上均布有8个螺栓(M6×25)，均布移除四颗螺栓。传感器布置方式如图2所示，1号螺栓为松动螺栓，测点a为靠近松动螺栓的加速度传感器，测点b、c为远离松动螺栓的传感器。a、b、c三测点围绕法兰结构均匀分布，两两之间夹角接近120°。实验过程:首先生成频率范围200Hz～3000Hz，幅频特性为常数，相频特性随机均匀分布的伪随机信号作为激励信号;经功率放大器到振动台对法兰螺栓联接结构进行激励，以模拟机械振动环境;然后通过传感器测量各测点的加速度响应数据，由Labview信号采集处理设备进行数据保存及分析处理。只改变一个螺栓的预紧力情况，从0到11N•m，改变间隔为1N•m。采样频率为100kHz，每改变一次预紧力进行一次采样，每次采样1s。定义预紧力为11N•m(正常工况)下的螺栓联接为参考状态。

2a测点响应信号的实验分析

2.1小波基的选取及分析频段的选择在保证原信号不失真的前提下，应使时域中小波函数和被分析信号具有的较好的相似性［6］。同时在小波分析应用中要考查小波函数的连续性、正交性、对称性、消失矩、线性相位、时频窗口的中心和半径以及时频窗的面积等［7］。这里选用Daubechies小波，其小波分解具有正交性。不同参数的小波基具有不同的时频特性，选择恰当的参数可以使信号的小波分解得到最佳效果［8］。机械系统中联接的存在造成了结构局部刚度和阻尼的不连续，振动环境中联接界面在切向可能发生相对滑移，在法向可能发生间隙分离和冲击碰撞。在螺纹附近周围较小的区域接触面处于死接触状态;在死接触区域之外存在一很窄的摩擦接触区域，在预紧过程中该区域发生了相对滑动;其余较大的区域则脱离接触形成间隙，随着预紧力的增加间隙逐渐增大。当某一螺栓松动到一定程度时，其两侧的间隙区域合并，发生间隙碰撞接触，使振动响应信号发生明显变化。鉴于以上分析这里选择4dB小波函数对响应信号进行分析。图3为正常工况下(11N•m)测点a处的振动加速度信号的幅频图和功率谱密度图，反应了法兰螺栓联接结构的固有频率在2200Hz左右，在该共振频率处，联接部分发生较大的折射［9］。幅频图、功率谱密度图俱在3000Hz～8000Hz频段内有较大起伏，反应了螺栓联接结构的非线性特性，故采用9层小波分解100kHz频率的时域信号，DWT小波分解树如图4所示，其中D5(3125Hz～6250Hz)为我们关注的敏感频段。2.2不同预紧状态下小波分解图将预紧力为11N•m时小波分解信号作为参照的依据，此时法兰螺栓联接处于正常状态。0～10N•m时的小波分解信号为待检信号。对参考状态和待检状态的振动加速度信号都进行9层小波分解。因图幅较多，数据量较大，待检状态仅罗列11N•m预紧力(正常工况)下的振动加速度信号作0.5s～0.6s之间的9层DWT分解，如图5所示。

2.3特征分析为了识别螺纹的联接状态，需要对我们所关注的敏感频段(D5)进一步处理。首先将参考状态下响应信号的9层小波细节系数使用contour函数画出等高线图(图6a))。然后对待检状态(0～10N•m)的响应信号进行相同处理，这里仅罗列7N•m、4N•m、1N•m预紧力下的等高线图，见图6b)～图6d)。以实现待检状态与参考状态信号的比较。并且对不同预紧力下D5细节系数在0.5s～0.6s时段的有效值计算(如表1)。比较不同预紧力下D5细节系数幅值和有效值的变化，观察得到以下结果。法兰螺栓联接结构的非线性特性对结构动态响应影响是显著的，各种非线性振动现象明显，与螺栓的预紧状态密切相关。2)从图6a)～图6c)不同预紧力下的等高线图的色标值，随着预紧力的减小，色标值范围逐渐增大。说明小波分解的等高线图大体反应了:随着预紧力的增大，振动环境下的螺栓联接结构的D5层能量减小。表1对D5细节系数有效值的计算，得出预紧力从2N•m到11N•m，螺栓联接结构在该频带的能量减小。原因是由于施加给螺栓的紧固扭矩越大，那么螺栓与其被联接件的结合面也越紧密，联接件间的相对位移越小，从而使螺栓联接结构的D5层能量减小;反之，扭矩越小，联接件间的相对位移非线性成分增加，导致该频段能量增加，发生宏观尺度的分离碰撞，此时由相互接触平面的微观尺度的凹凸不平造成的微接触形式主要为峰-峰接触，从而引起螺栓与其被联接结构之间的碰摩运动。3)随着螺栓联接临近失效图6d)1N•m预紧力下，较之图6c)幅值反而减小了，反映在表1上，能量在0、1N•m时较之2N•m～4N•m反而要小。

3.说明伴随着预紧力减弱至微弱，法兰结构的联接状态上下几乎处于自由状态，结合面间的碰撞与摩擦反而减弱，所以D5层能量值较之其它反而下降了。1)随着预紧力的变化，图6a)～图6d)中D5(3125Hz～6250Hz)细节系数的幅值变化较明显得出D5是反映螺栓联接状态最敏感的频段。说3a、b、c测点响应信号的特征分析为了考察传感器在a、b、c测点的监测结果，对b、c测点的响应信号做以上对a测点的相同处理，进一步计算了待检状态下不同测点在D5层的有效值，并统计了细节系数等高线图幅值的最大值、最小值以及范围，如图7所示。观察得到以下结果:1)随着预紧力的变化，a、b、c测点在小波分解后的统计分析均具有明显的趋势性，说明均匀分布的各测点都能较好的识别螺栓联接状态。其中DWT细节系数D5的有效值趋势性最好(如图7a))，也验证了D5是我们所关注的敏感频段。2)各个测点的DWT各层细节系数的幅值的统计分析也具有明显的趋势性，但是较之敏感层的能量分析，其趋势性略差。3)从DWT细节系数的统计分析幅值上来看，靠近松动螺栓的a测点的幅值较之远离松动螺栓的b、c测点的幅值要小，其中图7a)此特征尤为显著。说明通过各测点DWT细节系数的统计分析特性，可以初步判断传感器与松动螺栓的距离。

4结论

根据响应信号的频谱图初步确定我们关注的频段为3000Hz～8000Hz，然后采用九层小波分解a测点参考响应信号和待检信号，使用contour函数画出等高线图，并对关注层D5(3125Hz～6250Hz)进行有效值计算，研究了敏感频段在不同预紧力下的特征以及其产生原因。将b、c测点得到的响应信号做相同的处理，并进一步做统计分析，来比较不同测点响应信号的特征。实验处理及数据分析表明:1)细节系数等高线图和敏感层在2N•m～11N•m预紧力下有显著的特征:随着预紧力的增加，该频段能量单调递减;但在临近失效(预紧力＜2N•m)时其能量反而较之2N•m时小。由此可见，通过对响应信号小波分解后的敏感层D5的分析，可以较好地判断螺纹的松紧状态，为结构的健康诊断提供依据。2)法兰盘上均匀分布的a、b、c测点的响应信号的DWT细节系数的统计分析结果都能较好地判断螺纹的联接状态，其中敏感层D5的有效值分析特征最为显著;并且根据统计幅值可以粗略判断测点与松动螺栓的距离。目前研究还不够充分，需要进一步研究临近失效时螺栓联接结构的振动特性以及如何根据不同测点的监测结果准确判断松动螺栓的位置。

本站的提供的论文数量巨大，所以希望大家多参考研究了解，以便写出更好的论文！