基于灰色聚類權(quán)的車軸裂紋聲發(fā)射信號(hào)風(fēng)險(xiǎn)評(píng)估

林 麗，許 強(qiáng)，周 勇

(1.大連交通大學(xué) 交通運(yùn)輸工程學(xué)院，大連 100240;2.大連理工大學(xué), 大連 110023)

基于灰色聚類權(quán)的車軸裂紋聲發(fā)射信號(hào)風(fēng)險(xiǎn)評(píng)估

林 麗1，許 強(qiáng)1，周 勇2

(1.大連交通大學(xué) 交通運(yùn)輸工程學(xué)院，大連 100240;2.大連理工大學(xué), 大連 110023)

車軸是軌道車輛走行部的重要組成和連接部件，采用聲發(fā)射技術(shù)監(jiān)測(cè)車軸，運(yùn)用灰色聚類的方法對(duì)車軸裂紋聲發(fā)射信號(hào)進(jìn)行風(fēng)險(xiǎn)評(píng)估，并與實(shí)際狀態(tài)進(jìn)行對(duì)比。結(jié)果表明，此方法在聲發(fā)射信號(hào)風(fēng)險(xiǎn)評(píng)估領(lǐng)域具有一定的應(yīng)用價(jià)值和可行性。

聲發(fā)射信號(hào)；灰色聚類；風(fēng)險(xiǎn)評(píng)估

隨著道路運(yùn)輸行業(yè)的飛速發(fā)展，鐵路車輛也進(jìn)入了一個(gè)大發(fā)展的新階段[1]。在軌道車輛上，車軸是機(jī)車車輛走行部輪軸系統(tǒng)的重要組成部分，是轉(zhuǎn)向架輪對(duì)中重要的部件之一，其質(zhì)量直接影響到車輛運(yùn)行的安全性。

聲發(fā)射(Acoustic Emission，AE)也稱應(yīng)力波發(fā)射，指結(jié)構(gòu)或材料局部因能量快速釋放而發(fā)出瞬態(tài)彈性波的現(xiàn)象[2-3]，是新型的無(wú)損檢測(cè)手段[4-5]。相較于其他方法，聲發(fā)射檢測(cè)技術(shù)不僅抗干擾能力強(qiáng)，而且能夠在低速輕載下診斷軸承的故障。THEODORE等[6]對(duì)聲發(fā)射信號(hào)進(jìn)行包絡(luò)解調(diào)，通過(guò)分析頻譜來(lái)監(jiān)測(cè)軸承應(yīng)力和工作狀態(tài)，驗(yàn)證了該方法的可靠性和有效性。曲文生等[7]利用聲發(fā)射參數(shù)分析和小波分析手段對(duì)海洋平臺(tái)材料彎曲疲勞損傷過(guò)程進(jìn)行分析，得到了損傷過(guò)程中不同階段的特征信息，為聲發(fā)射技術(shù)在海洋平臺(tái)安全監(jiān)測(cè)中的應(yīng)用提供了理論支持。

對(duì)于聲發(fā)射信號(hào)的風(fēng)險(xiǎn)評(píng)估，目前進(jìn)行的研究還較少。鄒兵等[8]利用聲發(fā)射檢測(cè)技術(shù)結(jié)合FLUENT軟件模擬，探討了氣體閥門內(nèi)漏過(guò)程中的聲發(fā)射參數(shù)分布規(guī)律。李偉等[9]對(duì)T300碳纖維復(fù)合材料板拉伸斷裂過(guò)程進(jìn)行了聲發(fā)射監(jiān)測(cè)，應(yīng)用K-means聚類判定了T300碳纖維復(fù)合材料板拉伸斷裂信號(hào)的失效形式，并對(duì)該聚類模型進(jìn)行了有監(jiān)督的訓(xùn)練和測(cè)試，將其應(yīng)用到相似的未知損傷信號(hào)中，很好地完成了模式識(shí)別。在軌道車輛上，張慶宇[10]利用VAR模型對(duì)車軸的聲發(fā)射信號(hào)進(jìn)行風(fēng)險(xiǎn)預(yù)測(cè)。楊時(shí)川[11]利用模糊綜合分析法對(duì)車軸實(shí)時(shí)監(jiān)測(cè)的聲發(fā)射信號(hào)進(jìn)行風(fēng)險(xiǎn)評(píng)估，判斷車軸的風(fēng)險(xiǎn)等級(jí)。目前，通過(guò)聲發(fā)射信號(hào)分析來(lái)確定車軸裂紋狀態(tài)進(jìn)而完成風(fēng)險(xiǎn)評(píng)估的方法中，主要有模特卡羅法、故障樹(shù)法、模糊層次分析法以及向量自回歸模型法等。模特卡羅法需要構(gòu)建含有相互影響關(guān)系的自變量的功能函數(shù)，可將聲發(fā)射數(shù)據(jù)通過(guò)LMD分解為幾個(gè)具有相互關(guān)系的因變量，但是功能函數(shù)的構(gòu)建沒(méi)有統(tǒng)一標(biāo)準(zhǔn)，得不到結(jié)果值，所以不能區(qū)分裂紋狀態(tài)。對(duì)于故障樹(shù)法，分解出來(lái)的PF分量是平級(jí)的，很難構(gòu)建上下級(jí)關(guān)系，所以也不能判斷車軸裂紋狀態(tài)。模糊層次分析法是將得到的試驗(yàn)數(shù)據(jù)，由專家小組打分并計(jì)算轉(zhuǎn)化成可以評(píng)估的數(shù)值，進(jìn)而完成裂紋狀態(tài)的評(píng)估；其具有一定的主觀性，有時(shí)不能準(zhǔn)確地區(qū)分車軸實(shí)時(shí)裂紋狀態(tài)。張慶宇的向量自回歸模型法雖然預(yù)測(cè)了車軸的裂紋狀態(tài)，但并沒(méi)有很好的結(jié)果來(lái)區(qū)分以及評(píng)估出車軸裂紋狀態(tài)[10]。

1982年，鄧聚龍?zhí)岢隽嘶疑到y(tǒng)理論，該理論以少數(shù)據(jù)不確定系統(tǒng)為研究對(duì)象來(lái)獲得有用信息，探究各信息因素之間的行為、規(guī)律、影響等，通過(guò)數(shù)學(xué)關(guān)系建立相應(yīng)的模型[12]?；疑垲愂歉鶕?jù)灰色關(guān)聯(lián)矩陣或灰數(shù)的白化權(quán)函數(shù)將一些觀測(cè)指標(biāo)或觀測(cè)對(duì)象聚集成若干個(gè)可定義類別的方法?；疑垲愒u(píng)估在水電工程、航空航天、橋梁、氣象、機(jī)械等領(lǐng)域有廣泛應(yīng)用。

賈立敏等[13]運(yùn)用物理-事理-人理系統(tǒng)方法論(WSR)和灰色聚類綜合法對(duì)水電工程建設(shè)過(guò)程中的進(jìn)度風(fēng)險(xiǎn)因素進(jìn)行了3個(gè)維度以上的分類，確定工程的風(fēng)險(xiǎn)等級(jí)并找出了風(fēng)險(xiǎn)度較大的因素。張峰等[14]運(yùn)用灰色聚類評(píng)估模型對(duì)艦載機(jī)系統(tǒng)進(jìn)行安全評(píng)估，在預(yù)防和降低事故發(fā)生方面起到了積極作用。龐偉英等[15]利用灰色聚類法的主觀與客觀計(jì)算相結(jié)合的評(píng)價(jià)方法對(duì)大跨徑橋梁施工階段的風(fēng)險(xiǎn)進(jìn)行安全評(píng)估，確定了綜合風(fēng)險(xiǎn)等級(jí)。金燦燦等[16]運(yùn)用SDG模型推理得到各種故障序列，并將其看作灰色系統(tǒng)，用灰色聚類決策對(duì)這些序列進(jìn)行風(fēng)險(xiǎn)評(píng)估，解決了風(fēng)險(xiǎn)評(píng)估過(guò)程中評(píng)價(jià)指標(biāo)和屬性值難以確定和量化、風(fēng)險(xiǎn)分析和評(píng)估缺乏系統(tǒng)性和一致性的問(wèn)題。

1 灰色聚類方法在聲發(fā)射故障風(fēng)險(xiǎn)評(píng)估中的研究

灰色聚類評(píng)估模型在風(fēng)險(xiǎn)評(píng)估中被廣泛應(yīng)用，包括在變壓器、氣輪發(fā)動(dòng)機(jī)等故障風(fēng)險(xiǎn)評(píng)估中的應(yīng)用。前人的研究雖然與筆者研究的理論模型相同，但應(yīng)用的方式和領(lǐng)域等都有所不同：首先，他們并非在聲發(fā)射信號(hào)領(lǐng)域的應(yīng)用；其次，與其他研究者選取的評(píng)價(jià)指標(biāo)類型不同，筆者根據(jù)試驗(yàn)獲取信號(hào)，并對(duì)信號(hào)進(jìn)行特征分析，然后以這些能夠表現(xiàn)信號(hào)故障的特征信號(hào)作為評(píng)價(jià)指標(biāo)，從而能更直觀地判斷風(fēng)險(xiǎn)等級(jí)。而其他研究者選取的評(píng)價(jià)指標(biāo)大多為影響各自研究對(duì)象的因素。

李愛(ài)民等[17]在基于灰色熵權(quán)聚類決策的機(jī)械故障診斷中，對(duì)某型船齒輪箱在運(yùn)行中的不同狀態(tài)進(jìn)行檢測(cè)，提取12組不同狀態(tài)樣本特征頻段的能量作為特征參數(shù)，結(jié)合熵權(quán)灰色聚類進(jìn)行風(fēng)險(xiǎn)評(píng)估。他的研究雖然也是針對(duì)車軸實(shí)時(shí)信號(hào)，以不同頻段的故障特征作為指標(biāo)參數(shù)對(duì)灰色聚類模型進(jìn)行風(fēng)險(xiǎn)評(píng)估的，但筆者首先針對(duì)的是聲發(fā)射信號(hào)領(lǐng)域，目前針對(duì)聲發(fā)射信號(hào)的灰色聚類評(píng)估研究甚少；其次，李愛(ài)民僅用了一個(gè)特征參數(shù)——特征頻段的能量，而筆者用了能量、均值、峭度、功率共4個(gè)特征參數(shù)作為灰色聚類模型的指標(biāo)參數(shù)進(jìn)行綜合評(píng)估，以研究灰色聚類評(píng)估在聲發(fā)射信號(hào)領(lǐng)域的可行性。

2 灰色聚類理論基本原理

2.1 灰色定權(quán)聚類概念

(1)

式中：ηj為對(duì)象i屬于灰類k的灰色定權(quán)聚類系數(shù)。

灰色定權(quán)聚類即為根據(jù)灰色定權(quán)聚類系數(shù)的值對(duì)聚類對(duì)象進(jìn)行歸類。

2.2 基于中心點(diǎn)三角白化權(quán)函數(shù)的灰色評(píng)估模型

基于三角白化權(quán)函數(shù)的灰色評(píng)估方法是劉思峰教授在1993年提出的，此模型是一種評(píng)估數(shù)量和信息對(duì)象少的模型，此方法在近幾年被廣泛運(yùn)用于各類評(píng)估實(shí)踐中?；谥行狞c(diǎn)三角白化權(quán)函數(shù)改進(jìn)了基于端點(diǎn)三角白化權(quán)函數(shù)存在兩個(gè)以上灰類重疊交叉的缺點(diǎn)。筆者也將利用此方法對(duì)列車車軸聲發(fā)射信號(hào)進(jìn)行風(fēng)險(xiǎn)評(píng)估。

基于中心點(diǎn)三角白化權(quán)函數(shù)的灰色評(píng)估方法在劃分灰類時(shí)，將屬于該灰類程度最大的點(diǎn)劃分為該灰類的中心點(diǎn)。

該方法假設(shè)有n個(gè)對(duì)象，m個(gè)評(píng)估指標(biāo)，s個(gè)不同的灰類，且設(shè)定對(duì)象i關(guān)于指標(biāo)j的樣本觀測(cè)值為xij(i=1,2,3,…,n;j=1,2,…,m)，這樣便可通過(guò)xij的值對(duì)相應(yīng)的對(duì)象進(jìn)行評(píng)估、診斷。以下是基于中心點(diǎn)三角白化權(quán)函數(shù)的灰色評(píng)估模型的基本計(jì)算步驟[12]。

(1) 評(píng)估灰類劃分。按照評(píng)估要求所需劃分灰類數(shù)s，分別確定灰類1，2，…，s的中心點(diǎn)(中心點(diǎn)是最可能屬于某一灰類的點(diǎn)，它可以是對(duì)應(yīng)小區(qū)間的中點(diǎn)，也可以不是中點(diǎn))；將各個(gè)指標(biāo)的取值范圍也相應(yīng)地劃分為s個(gè)灰類，分別以λ1，λ2，λ3，…，λs作為各個(gè)灰類的代表。

(2) 將灰類向不同方向進(jìn)行延拓，考慮增加0灰類和s+1灰類，并確定其中心點(diǎn)λ0，λs+1，從而得到新的中心點(diǎn)序列λ0，λ1，λ2，λ3，…，λs，λs+1。

圖1 中心點(diǎn)三角白化權(quán)函數(shù)示意

對(duì)于指標(biāo)j的一個(gè)觀測(cè)值x，可由式(2)計(jì)算出其屬于灰類k(k=1，2，…，s)的隸屬度。

(2)

(3)

3 基于灰色聚類權(quán)的車軸裂紋聲發(fā)射信號(hào)風(fēng)險(xiǎn)評(píng)估

3.1 風(fēng)險(xiǎn)評(píng)估數(shù)據(jù)的獲取

文章用于評(píng)價(jià)車軸風(fēng)險(xiǎn)的數(shù)據(jù)是聲發(fā)射信號(hào),取筆者所在課題組試驗(yàn)所得的聲發(fā)射信號(hào)為試驗(yàn)數(shù)據(jù)進(jìn)行驗(yàn)證[18]，來(lái)判斷此方法是否可行。該信號(hào)采樣頻率為106Hz,采樣點(diǎn)數(shù)為4 096個(gè)。

通過(guò)試驗(yàn)監(jiān)測(cè)車軸在運(yùn)行過(guò)程中不同狀態(tài)的聲發(fā)射信號(hào)。收集了車軸在運(yùn)行過(guò)程中從產(chǎn)生輕微裂紋到裂紋擴(kuò)大至極具毀壞性裂紋的九組信號(hào)樣本。樣本中的狀態(tài)不同，有的是小裂紋產(chǎn)生時(shí)的狀態(tài)，有的是中裂紋產(chǎn)生時(shí)的狀態(tài)，還有的是大裂紋產(chǎn)生時(shí)的狀態(tài)，如圖2所示。

圖2 三種裂紋狀態(tài)下的聲發(fā)射信號(hào)波動(dòng)圖

從圖2中可看出：從小裂紋到大裂紋的發(fā)展過(guò)程中，信號(hào)的波動(dòng)頻率是逐漸增大的，而波動(dòng)幅值是先增加后減小的。

3.2 構(gòu)建評(píng)價(jià)指標(biāo)

筆者在前人研究的基礎(chǔ)上，綜合考慮后選用均值、峭度值、能量值和功率值等作為車軸風(fēng)險(xiǎn)評(píng)估的4個(gè)評(píng)價(jià)指標(biāo)。

3.3 數(shù)據(jù)處理

筆者通過(guò)對(duì)試件的在線監(jiān)測(cè)試驗(yàn)，獲得了9組不同故障階段的車軸聲發(fā)射信號(hào)樣本。為了進(jìn)一步評(píng)價(jià)其風(fēng)險(xiǎn)等級(jí)，必須先計(jì)算出各個(gè)信號(hào)的評(píng)價(jià)指標(biāo)的參考值，根據(jù)選擇的評(píng)價(jià)指標(biāo)進(jìn)行數(shù)據(jù)處理。

因此，筆者首先在MATLAB平臺(tái)上，利用MATLAB軟件編寫相關(guān)代碼計(jì)算小裂紋、中裂紋、大裂紋等共9組數(shù)據(jù)樣本的均值、峭度值、能量值和功率值4個(gè)評(píng)價(jià)指標(biāo)因素。

如表1所示，ni(i=1,2,…,9)為樣本；m為評(píng)估指標(biāo)(m1表示均值指標(biāo)，m2表示峭度值指標(biāo)，m3表示能量值指標(biāo)，m4表示功率值指標(biāo))；c為樣本狀態(tài)(1表示小裂紋，2表示中裂紋，3表示大裂紋)。

表1 車軸聲發(fā)射信號(hào)狀態(tài)參數(shù)

3.4 車軸故障聲發(fā)射信號(hào)的風(fēng)險(xiǎn)等級(jí)灰類的劃分 為了嘗試對(duì)車軸故障風(fēng)險(xiǎn)等級(jí)評(píng)估進(jìn)行研究，在數(shù)據(jù)獲取時(shí)按照故障從小到大取了3個(gè)頻段的數(shù)據(jù)，因此根據(jù)表1計(jì)算得到的4個(gè)評(píng)價(jià)指標(biāo)的參考值確定灰類的中點(diǎn)，在劃分灰類時(shí)按照需求劃分1，2，3三個(gè)灰類，分別為低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)、高風(fēng)險(xiǎn)。S1，S2，S3作為各個(gè)指標(biāo)的取值范圍的相應(yīng)3個(gè)灰類，以其作為各個(gè)灰類的代表。對(duì)于灰類中心點(diǎn)的選取是最可能屬于某一灰類的點(diǎn)，其可以是對(duì)應(yīng)小區(qū)間的中點(diǎn)，也可以不是中點(diǎn)。根據(jù)表1的特征參數(shù)值，為了盡可能地使其處于合理的灰類范圍內(nèi)，筆者選用近似黃金分割法來(lái)劃分白化分界值，以9組數(shù)據(jù)的各個(gè)評(píng)價(jià)指標(biāo)參數(shù)的平均數(shù)作為中間值，高的白化分界值為中間分界值提高60%得到，低的分界值為中間分界值降低40%得到。表2所示為劃分灰類的風(fēng)險(xiǎn)等級(jí)及閾值中心點(diǎn)。

表2 劃分灰類的風(fēng)險(xiǎn)等級(jí)及閾值中心點(diǎn)

3.5 車軸故障聲發(fā)射信號(hào)評(píng)價(jià)指標(biāo)的延拓值 對(duì)于車軸聲發(fā)射信號(hào)的故障風(fēng)險(xiǎn)的各評(píng)價(jià)指標(biāo),將其灰類中心點(diǎn)向左、右不同方向進(jìn)行延拓，以表2中相鄰閾值差的平均值作為差值，確定各個(gè)指標(biāo)的延拓值，如表3所示。

表3 評(píng)價(jià)指標(biāo)的延拓值

通過(guò)對(duì)表2和表3的整理，總結(jié)出灰色聚類評(píng)價(jià)模型的中心點(diǎn)序列λ0，λ1，λ2，λ3，λ4,以便于建立中心點(diǎn)三角白化權(quán)函數(shù)。整理出的中心點(diǎn)序列如表4所示。

表4 灰色評(píng)價(jià)模型的中心點(diǎn)序列

3.6 車軸故障聲發(fā)射信號(hào)的白化權(quán)函數(shù)表達(dá)式

對(duì)于指標(biāo)j的一個(gè)觀測(cè)值x，當(dāng)k=2,3，…,s-1時(shí)，可有下式：

(4)

表5 樣本信號(hào)對(duì)應(yīng)各指標(biāo)的隸屬度

表5中為9個(gè)樣本聲發(fā)射信號(hào)的均值、峭度、能量、功率4個(gè)指標(biāo)的隸屬度值。表中的c為樣本信號(hào)原始的狀態(tài)參數(shù)；1表示小裂紋，2表示中裂紋，3表示大裂紋，對(duì)應(yīng)著灰類的低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)。表5中加粗的隸屬度表示對(duì)應(yīng)的灰度與原始信號(hào)狀態(tài)相一致的樣本信號(hào)與指標(biāo)，從表中可初步判斷，36組隸屬度中有18組與已知狀態(tài)相一致，其中m1即均值指標(biāo)有3組，m2即峭度值指標(biāo)有7組，m3即能量值指標(biāo)有4組。m4即功率值指標(biāo)有4組，因此，由此判斷4個(gè)指標(biāo)在后期求綜合聚類系數(shù)的權(quán)重，權(quán)重為各指標(biāo)與原始信號(hào)狀態(tài)一致的組數(shù)與總共狀態(tài)一致的組數(shù)的商，由此可得η1=0.17，η2=0.39，η3=η4=0.22。

表6 評(píng)估結(jié)果與真實(shí)狀態(tài)的比較

4 結(jié)論

(1) 利用灰色聚類的中心點(diǎn)三角白化權(quán)函數(shù)評(píng)估方法對(duì)試驗(yàn)獲取的9組不同狀態(tài)的車軸故障聲發(fā)射信號(hào)的評(píng)估結(jié)果與真實(shí)狀態(tài)進(jìn)行比較，評(píng)估結(jié)果的正確率為78%。

(2) 在9組信號(hào)的灰色中心點(diǎn)三角白化權(quán)函數(shù)評(píng)估中，有7組是與真實(shí)狀態(tài)相一致的，78%的正確率可以說(shuō)明灰色聚類的中心點(diǎn)三角白化權(quán)函數(shù)評(píng)估對(duì)聲發(fā)射信號(hào)的風(fēng)險(xiǎn)評(píng)估是可行的。

(3) 采取能夠表現(xiàn)車軸聲發(fā)射信號(hào)故障的4個(gè)參數(shù)作為指標(biāo)，比單指標(biāo)評(píng)估更為合理。

(4) 灰色聚類權(quán)的中心點(diǎn)三角白化權(quán)函數(shù)評(píng)估方法的中心點(diǎn)序列和求綜合聚類系數(shù)的權(quán)重的選取略有些主觀性。

[1] 嚴(yán)雋耄,傅茂海.車輛工程[M]. 北京:中國(guó)鐵道出版社,2012.

[2] TAN C K, MBA D. Identification of the acoustic emission source during a comparative study on diagnosis of a spurgearbox[J].Tribology International,2005,38(5):469-480.

[3] MIRHADIZADEH S A,MONCHOLI E P,MBA D.Influence of operational variables in a hydrodynamic bearing on the generation of acoustic emission[J].Tribology International,2010,43(9):1760-1767.

[4] TITTMANN B R,YEN C E.Acoustic emission technique for monitoring the pyrolysis of composites for process control[J].Ultrasonics,2008,48(6/7):621-630.

[5] MBA D,RAO R B K N.Development of acoustic emission technology for condition monitoring and diagnosis of rotating machines:bearings,pumps,gearboxes,engines and rotating structures[J].The Shock and Vibration Digest,2006,38(1):3-16.

[6] THEODORE G,WILLIM H,MARTIN K. Acoustic emissions in broadband vibration as an indicator of bearing stress[J]. Aerospace Conference Proceedings, 2000,6(3):95-122.

[7] 曲文聲,王壽軍,穆為磊,等. 基于聲發(fā)射技術(shù)的海洋平臺(tái)材料疲勞損傷檢測(cè)[J]. 無(wú)損檢測(cè),2016,38(10):10-13.

[8] 鄒兵,賈招弟,李偉. 基于聲發(fā)射技術(shù)的氣體閥門內(nèi)漏診斷[J]. 無(wú)損檢測(cè),2016,38(3):56-59.

[9] 李偉,李英年,蔣鵬,等. T300碳纖維復(fù)合材料損傷聲發(fā)射信號(hào)的有監(jiān)督模式識(shí)別[J]. 無(wú)損檢測(cè),2016,38(2):9-13.

[10] 張慶宇. 基于模型軌道車輛車軸聲發(fā)射風(fēng)險(xiǎn)評(píng)估[D].大連：大連交通大學(xué),2014.

[11] 楊時(shí)川. 車軸聲發(fā)射信號(hào)VAR和ARMA預(yù)測(cè)及風(fēng)險(xiǎn)層次分析[D]. 大連：大連交通大學(xué),2015.

[12] 劉思峰,楊英杰,吳利豐.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)出版社,2014.

[13] 賈立敏,王巧珍,向想想,等.基于WSR-灰色聚類綜合法的水電工程進(jìn)度風(fēng)險(xiǎn)評(píng)估[J].水力發(fā)電,2014,40(12):83-86.

[14] 張峰,汪鵬為,肖支榮,等.灰色理論在艦載機(jī)系統(tǒng)安全評(píng)估中的應(yīng)用[J].飛機(jī)設(shè)計(jì),2010,30(3):56-61.

[15] 龐偉英,樊燕燕,李紅,等.基于灰色聚類法的大跨徑橋梁施工階段風(fēng)險(xiǎn)評(píng)價(jià)[J].工程管理學(xué)報(bào),2015,29(2):101-105.

[16] 金燦燦,王海燕,左洪福,等. 基于SDG和灰色聚類的系統(tǒng)故障風(fēng)險(xiǎn)評(píng)估方法[J].系統(tǒng)工程理論與實(shí)踐,2015,35(4):1048-1056.

[17] 李愛(ài)民,劉國(guó)慶.基于灰色熵權(quán)聚類決策的機(jī)械故障診斷[J].艦船科學(xué)技術(shù)，2011，3(7):125-127.

[18] LI Lin, CHU Fulei. HHT-based AE characteristics of natural fatigue cracks in rotating shafts[J]. Mechanical Systems and Signal Processing, 2012, 26:181-189.

The Risk Assessment about Axle Crack Acoustic Emission Signals Based on the Grey Cluster Method

LIN Li1, XU Qiang1, ZHOU Yong2

(1.Dalian Jiaotong University, School of Traffic and Transportation Engineering, Dalian 100240, China; 2.Dalian University of Technology, Dalian 110023, China)

Axle rail vehicle bogie is an important part and a connecting part. Acoustic emission technique was employed to monitor the axle, and the grey clustering method was used to evaluate the risk of axle crack acoustic emission signals and was compared with the actual state. The results show that this method has certain application value and is feasible in the field of acoustic emission signal.

acoustic emission signal; grey cluster; risk assessment

2016-05-16

國(guó)家自然科學(xué)基金資助項(xiàng)目(51275066)；湖南科技大學(xué)機(jī)械設(shè)備健康維護(hù)湖南省重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金資助項(xiàng)目(201401)

林 麗(1971-),女，副教授，主要從事列車故障監(jiān)測(cè)診斷研究工作

林 麗,173670324@qq.com

10.11973/wsjc201708013

TG115.28

A

1000-6656(2017)08-0051-06