基于聲發射和改進灰關聯度分析的TBM滾刀磨損狀態評估方法

李宏波,孫振川,周建軍，翟乾智

(1.盾構及掘進技術國家重點實驗室 研發部，河南 鄭州 450001；2.中鐵隧道局集團有限公司，廣東 廣州 511458)

隧道掘進機TBM作為一種大型地下施工裝備，以高效、安全、快速的施工優點正越來越廣泛地被應用于隧道工程。相對于盾構機這種大型施工裝備而言，TBM更多地被選擇在硬質巖層中掘進，使得在掘進過程中不可避免地面臨滾刀磨損較快且較嚴重，需要頻繁換刀等問題。此外，由于地下施工環境復雜，難以及時準確地了解TBM滾刀的狀態信息，極易出現滾刀非正常磨損，一旦滾刀磨損超過限值而報廢，不僅滾刀更換復雜，影響工期，而且導致成本增加，更嚴重時甚至會磨損到TBM刀盤。大量工程實例表明，在TBM施工過程中，滾刀磨損問題一直是影響工程進度和成本的關鍵問題。因此，對施工過程中TBM滾刀磨損狀態進行評估，進而提前采取應對措施，具有重大的工程意義[1-3]。

針對TBM滾刀磨損檢測問題，現階段是依靠滾刀制造商在生產滾刀過程中內置傳感電路或液壓油路輔助檢測，這種檢測方法僅當滾刀磨損到極限程度時，內置的電路才會短路或油路泄壓，這種方法只能作為更換滾刀的一種參考判斷，不但無法評估滾刀的偏磨程度，刀圈磨損等狀態信息，而且會導致因為不及時更換滾刀而磨損到TBM刀盤的現象。分析滾刀磨損機理可知，滾刀磨損微觀上表現為金屬材料內部微細裂紋的擴展而脫離本體。聲發射技術作為一種對金屬材料內部微細裂紋非常敏感的檢測技術，已經廣泛應用于各種設備損傷檢測領域[4-8]。該技術是通過檢測設備的聲波，分析這些聲波的特征參量，實現對設備損傷的檢測。

本文將聲發射技術應用于TBM滾刀磨損檢測領域，提出基于聲發射和改進灰關聯度分析的TBM滾刀磨損評估新方法。選取無磨損和不同磨損程度的滾刀，通過TBM巖機作用試驗平臺進行磨損聲波檢測，采用聲發射數據采集系統采集滾刀的聲波；采用最小均方根(Least Mean Square，LMS)自適應濾波算法去除聲波中的干擾噪聲，利用改進灰關聯度分析算法計算散點聲波多特征參量的綜合狀態評估值，建立滾刀狀態與綜合狀態評估值一一對應的原始數據庫。在工程現場，在TBM滾刀刀座上搭載聲發射傳感器；對滾刀進行聲波檢測，然后采用上述方法計算其綜合狀態評估值；將其在原始數據庫中比對，找到對應的滾刀狀態，實現對TBM滾刀磨損的評估。

1 LMS自適應濾波信號處理

1.1 LMS自適應濾波

LMS自適應濾波，通過對輸入信號權系數的動態調整，自動調整濾波過程中的參數來滿足信號和噪聲隨時間變化的統計特征，從而達到動態最優濾波的效果[9-12]。定義如下參數：x(n)為信號輸入端原始信號,r(n)為濾波器輸入參考信號,y(n)為信號輸出端次級聲源信號，e(n)為誤差輸出信號，M為LMS自適應濾波的階數；每個信號滯后單元的被接入點為抽頭數值點，每個抽頭數值點的輸入分別為r(n),r(n-1), …,r(n-M+1), 濾波器的輸出為信號輸入端抽頭數值點與抽頭數值點權重的內積之和，LMS自適應濾波原理如圖1所示。

圖1 LMS自適應濾波原理圖

經過LMS自適應濾波后輸出端則可以表示為

(1)

LMS自適應濾波的權系數矢量W、參考信號矢量X(n)和權重矢量分別為

W=[w1(n),w2(n), …,wM(n)]T

(2)

X(n)=[x(n),x(n-1), …,x(n-M+1)]

(3)

w(n+1)=w(n)+2μe(n)r(n)

(4)

設μ為濾波器迭代權系數，故y(n)又可以表示為

y(n)=XT(n)W=WTX(n)

(5)

1.2 LMS濾波有效性仿真驗證

LMS自適應濾波能否有效地應用于聲發射信號濾波，需要通過對模擬信號仿真驗證。設計如式(6)所示的函數β(t)模擬聲發射信號，將該信號疊加高斯白噪聲的信號如圖2所示，通過LMS自適應濾波后的信號如圖3所示。由圖3可以明顯看出，經過LMS自適應濾波后，白噪聲能夠被很好地被濾除，濾波后的信號符合聲發射典型的震蕩衰減特征，從而驗證了LMS自適應濾波算法的有效性。

β(t)=8e-2tsin(150πt)

(6)

圖2 模擬聲發射信號+白噪聲信號

圖3 濾波后信號

2 基于改進灰關聯度分析的滾刀綜合狀態評估值計算方法

灰關聯度分析是一種典型的針對多特征樣本分析的方法,該方法具有對樣本空間敏感性低的優點，它是從整個系統的角度分析各種特征信息的關系，對被評估事件找出最優方案，即通過關聯分析找出事件的最優解。評估TBM滾刀磨損可以看作是對被采集信號特征最佳賦權后得到1個綜合狀態評估值的過程[13-16]。傳統灰關聯度分析是針對被分析對象采樣1次存在的多個特征數值進行分析， 但針對不同磨損狀態的TBM滾刀，采用聲發射技術進行數據采集時，每次產生多個散點，每個散點又包含多個特征參量，因此，采用改進的灰關聯度分析對采集的多散點聲波的這些特征參量進行分析，可以評估TBM滾刀磨損狀態。

假定1個TBM滾刀，每次數據采集得到m個聲發射散點，每個散點對應1個聲波，對于第i個散點聲波可提取n個特征參量，分別為信號強度、均方根、持續時間、絕對能量、中心頻率、平均信號幅值、平均頻率、峰頻、能量、上升時間、峰值頻率等，記為xi,j(i=1,2,…,m；j=1,2,…,n)。因為這些特征參量xi,j的量綱不同，需對其進行歸一化處理，計算公式為

(7)

由消除量綱后的m個散點提取的n個特征參量可構成1個m×n的特征參量矩陣X為

(8)

(9)

(10)

由m個散點n個特征參量的權重構成1個m×n的權重矩陣W為

(11)

由特征參數矩陣X與權重矩陣W相乘，可得1個m×n的綜合狀態評估矩陣Q，即

(12)

對綜合狀態評估矩陣Q進行變換得到綜合狀態評估值T，計算公式為

(13)

由此可知，計算得到的綜合狀態評估值，加強了權重影響大的特征參量的作用，有效避免了數據采集獲取的散點樣本的差異性，消除了異常散點的影響，避免了單一特征參量和異常散點對滾刀磨損評估檢測的干擾。

3 滾刀磨損狀態評估方法

3.1 試驗設置和測試

從現場收集無磨損和不同磨損狀態的TBM滾刀，將滾刀安裝在如圖4所示的滾刀巖機作用試驗平臺的刀箱中，進行TBM滾刀磨損評估試驗。試驗平臺上共有3個刀箱，每個刀箱上搭載1個聲發射傳感器作為1個聲發射測點，傳感器采用磁力座固定。聲發射測點布置和試驗臺的相對運動如圖5所示。

圖4 滾刀巖機作用試驗臺

圖5 測點布置位置及試驗臺運動軌跡簡圖

數據采集選擇了多通道聲發射數據采集系統。數據采集參數設置：門檻域值為35 dB；模擬濾波器頻率上限和下限分別為400和100 MHz；采樣頻率為1 000 MHz；聲發射散點對應的聲波控制采樣長度為1 024；峰值定義時間，撞擊定義時間和撞擊閉鎖時間分別為200，400和800 μs。

選擇無磨損和不同磨損狀態的TBM滾刀10把，見表1。由于滾刀巖機試驗平臺上只有3個刀箱，則每次測試僅能安裝3把滾刀。

表1 被測滾刀特征描述

3.2 基于試驗數據的滾刀磨損狀態評估

在試驗過程中，機器轉動、人員走動等均會產生大量環境噪聲。為了排除這些環境噪聲的干擾，首先設置較低的門檻閾值進行信號采集，發現這些環境噪聲信號的門檻閾值大都在35 dB以下，而滾刀磨損信號頻率幅度較高，因此數據采集時設置門檻閾值為35 dB，這樣就避免了低于35 dB的環境噪聲的干擾。

通過聲發射數據采集系統獲得聲發射散點圖，圖6是1號無磨損滾刀的聲發射散點圖，圖7是5號有磨損滾刀的聲發射散點圖。對每個散點的聲波采用LMS自適應濾波，圖8為5號滾刀聲發射散點圖中某個散點的聲波采用LMS自適應濾波降噪前后對比圖。從圖8可以看出：濾波能夠顯著地去除干擾信號，濾波后的波形特征明顯，能夠直觀反應聲發射信號震蕩衰減的特性，增加了特征參量提取的準確度。

對每個自適應濾波后的信號提取信號強度、均方根、持續時間、絕對能量、中心頻率、平均信號幅值、平均頻率、峰頻、能量、上升時間、峰值頻率等11個特征參量；利用灰關聯分析找出這些特征參量的灰關聯度，并按照其值從大到小進行排序，給出序號，詳見表2所示。因排序在后面的關聯度已經很小了，其對整個評估結果的貢獻很小，所以選取排序在前的6個特征參量，即信號強度、均方根、平均信號幅值、絕對能量、能量、峰值頻率的灰關聯度進行單一的趨勢分析，如圖9所示。由圖可以發現，單個特征參量灰關聯度的變化趨勢并不能夠反映出滾刀的磨損狀態趨勢。

圖6 1號正常滾刀的聲發射散點

圖7 5號磨損滾刀的聲發射散點

圖8 5號滾刀某個散點的原始信號及其自適應濾波后信號

表2 特征指標的關聯度及指標排序

因此，采用本文提出的基于聲發射和改進灰關聯度分析的TBM滾刀磨損評估方法，檢測得到散點數，計算得到10把滾刀的綜合狀態評估值，結果見表3和圖10。根據圖10的曲線形狀，可將曲線劃分為4段，分別對應無磨損滾刀，刀刃均勻磨損滾刀，刀刃單邊偏磨的滾刀和完全報廢狀態的滾刀。可見，采用該方法，可以有效地評估出滾刀的狀態，這是因為，該方法融合了聲發射的多散點多特征參量，并且加強了特征參量權重的影響作用。

3.3 評估方法的應用

本文方法在實際工程中應用時，首先選取不同磨損狀態的滾刀，采用該方法計算其綜合狀態評估值，建立滾刀狀態與綜合狀態評估值區間一一對應的原始數據庫；對實際工程中的滾刀狀態進行評估時，需要在TBM滾刀刀座上搭載聲發射傳感器，然后采用本文方法計算其綜合狀態評估值；在原始數據庫中查找到其屬于哪個綜合狀態評估值區間，找到對應的滾刀狀態，實現被測試滾刀狀態的評估。

圖9 不同刀具的6個特征參量的灰關聯度

滾刀編號散點數綜合狀態評估值1480.1282530.1363810.2964740.3125890.33161050.39271150.46681950.70191870.728102260.828

圖10 不同滾刀的綜合狀態評估值

后續的研究工作，應放在增加原始數據庫中不同磨損狀態滾刀樣本的數量，細化各種磨損狀態滾刀的綜合狀態評估值區間，以便更加準確地界定綜合狀態評估值與滾刀狀態的映射關系。

4 結 語

將聲發射技術應用于TBM滾刀磨損檢測領域，提出了1種基于聲發射和改進灰關聯度分析的TBM滾刀磨損評估方法。該方法消除了聲發射異常散點樣本和單一特征參量的影響，綜合考慮多特征參量的貢獻度，同時增強了對評估結果貢獻大的特征參量的權值。該方法能夠有效地評估TBM滾刀磨損的狀態，可為TBM施工現場滾刀的檢測、維修和保養提供指導。