论文部分内容阅读
本文主要针对装备再制造构件检测与剩余寿命评估的工程需求,探索基于磁记忆检测的服役构件剩余寿命评估理论与方法。以汽车驱动桥壳等典型构件为对象,将理论推导、仿真分析和实验研究相结合,分析影响构件剩余寿命的特征参数,提出剩余寿命评估方法。本文主要工作包括以下四个方面：(1)通过ABAQUS结合FE-SAFE对服役结构进行疲劳寿命模拟分析,识别其疲劳危险区域；结合疲劳拉伸试验,将仿真分析结果与试验测试结果进行对比分析。结果显示,仿真结果与试验结果相吻合,准确的反映了危险区域的位置。(2)以构件的疲劳危险区域为研究对象,借助金属磁记忆检测技术和断裂力学理论,提取表征其疲劳损伤程度的裂纹长度、应力强度因子、磁记忆信号梯度最大值和应力集中度等因素作为特征参数；采用适合少样本学习和高精度预测的支持向量机方法,通过特征参数进行训练学习,建立服役构件的剩余寿命预测模型。结果表明：支持向量机模型具有较高的预测精度,预测值与疲劳试验实测剩余寿命值对比误差不超过10%；模型预测精度受到构件损伤程度、训练样本数量、载荷大小和输入特征参数等因素的影响；提出的方法能够有效应用于高周疲劳下的桥壳等服役构件的剩余寿命预测。(3)为了降低支持向量机回归模型的误差,提高剩余寿命预测模型的精度,采用小波分析进一步扩大特征参数的选取范围。对铁磁性材料裂纹扩展过程中磁记忆检测信号进行小波阈值消噪处理,并采用离散小波变换方法提取消噪信号的细节分量特征,选取表征构件损伤区域的规律性信号区间,提取高频细节分量的幅值差与梯度最大值作为新的组合特征参数来预测构件的裂纹长度。建立了基于磁记忆信号特征提取的缺陷识别模型,裂纹长度预测值与实测结果对比误差不超过5%,表明选取的新特征量用来表征疲劳损伤具有合理性。(4)基于上述对磁记忆检测信号的小波分析结果,进一步建立磁记忆信号特征新参数、疲劳损伤影响因素等与构件剩余寿命之间的关系模型。结果表明,寿命评估模型的剩余寿命预测值与疲劳试验结果对比误差不超过1%,说明磁记忆信号经小波分析后的结果明显提高寿命评估模型的预测精度。