在工程结构领域，螺栓连接成为了钢结构中一种主要的连接方式，它不但具有受力和抗振性能好、连接刚度高和耐疲劳等优点，而且拆换方便。
尽管如此，在现实工程应用场景下，由于振动、冲击、变载荷和温差等不稳定因素的影响，螺栓紧固件往往会发生松动或疲劳失效的问题。
鉴于螺栓松动不易被检测到，并且一旦发生，可能会导致严重的安全事故和经济损失，迫切需要对螺栓连接进行有效的监测。
在过去十年里，学者们已经开发出多种结构健康监测技术，专注于检测螺栓松动这一关键问题。螺栓的松动行为可以分为两个阶段：第一阶段为材料松动期，在此阶段，由于材料的塑性变形导致螺栓的预紧力下降，螺栓与螺母之间并未发生相对转动；第二阶段为结构松动期，在此阶段，螺栓与螺母之间的相对转动导致预紧力明显下降。
总而言之，当螺栓的预紧力未超过国家规定的拧紧扭矩标准时，螺栓处于紧固状态；当螺栓处于材料松动期时，预紧力缓慢下降，表示螺栓处于早期松动状态；在螺栓处于结构松动期时，预紧力快速下降，表示螺栓已进入中晚期松动状态。
螺栓连接松动的监检测技术 基于声弹性效应的方法 目前，利用超声波测量预紧力的研究可分为单波法和双波法两类，取决于所使用的超声波数量和类型。 1单波法 单波法是一种仅使用一个横波或纵波进行预紧力测量的方法，其中纵波因其对预紧力变化更为敏感而被广泛采用。图2展示了单波法的检测原理，该方法能够精确测量施加预紧力和无应力状态下的渡越时间变化。 图2 单波法检测原理 当使用单波法对螺栓预紧力进行测量时，噪声和耦合剂可能对渡越时间的测量造成影响，进而导致无法精确测量螺栓预紧力。 使用单波法对螺栓预紧力进行测量时，必须了解螺栓在无应力状态下横波和纵波的波速。 2双波法 声弹性法具有高灵敏度的特点，但在评估螺栓松动时需要使用高精度的采样和检测设备来测量参数的变化。大多数情况下，该方法只能用于单个螺栓的检测，无法同时检测多个螺栓，对于工程结构中的多螺栓结构，则只能进行抽样检测。 基于振动的方法 振动技术是一种经典的技术，广泛应用于设备状态监测和故障诊断领域。在螺栓松动监测方面，基于振动的方法主要依赖于从振动数据中提取结构在螺栓松动前后的特征频率变化、传递函数和功率谱等关键参数。通过分析这些参数的变化，可以对螺栓连接的状态进行准确的分析和判断。 导波法 1波能耗散方法 考虑到超声导波透过螺栓连接界面的能量与界面接触状态之间的密切联系，采用透射导波能量作为检测螺栓松动的指标的方法受到了广泛关注，这种方法通常被称作波能耗散（WED）方法。 图3 波能耗散法检测松动的基本原理 2时间反转方法 TR技术被应用于螺栓松动检测的过程和原理如图4所示。以单搭螺栓为例，首先在激励点产生输入脉冲信号，然后通过螺栓连接的机械系统传播。接着，在记录点处获取响应信号，并对其进行时域反转处理。最后，将这一反转信号重新传输回激励点，并在激励点处获取并重构原始信号。 图4 时间反转法检测松动的基本原理 图5 虚拟时间法螺栓松动检测过程 在上述研究的基础上，Du等提出了一种基于虚拟时间反转和密封指数的导波方法。通过定义两个紧密度指标来提高检测灵敏度：1) 基于重聚焦波包和整个最终接收波信号的能量，表示为TIE；2) 基于输入信号和聚焦信号之间的形状变化，表示为TIL2。对于单螺栓和多螺栓装配体，TIE的检测能力都优于TIL2。表2总结了用于螺栓松动检测的时间反转技术。 3振动声调制方法 图6 基于振动声调制方法的松动检测流程及原理 在连接界面的微观尺度上，许多凹凸体形成了粗糙的结构。随着接触压力的增加，界面的实际接触面积也增加。低频正弦振动和高频探测波穿过连接界面时，低频泵送振动会引起界面的”呼吸“效应，即”不完整“的连接界面会产生”闭合“和”打开“的运动，从而调制高频探测波的传播特性。 利用VAM的方法对螺栓松动进行预测可以分为3个步骤： 1) 将产生的高频探测波和低频泵激振动输入到螺栓连接的结构中； 2) 从采集的调制响应信号中提取敏感的松动特征； 3) 建立松动特征与预加载/拧紧扭矩之间的关系，以实现螺栓连接结构的松动检测。 第1步中，由于实验环境不同，实验人员所采用的正弦信号频率也有所不同。 第2步中，调制响应信号通常由压电陶瓷、加速度计和声发射传感器收集，第2步的难点在于从信号中提取敏感的松动特征。 图7 松动特征与扭矩的关系 机电阻抗法 机电阻抗（EMI）法的基本概念是利用高频振动监测结构的局部区域，以了解结构阻抗的变化，从而指示松动甚至早期松动。这可以通过使用与结构的机械阻抗直接相关的压电传感器/致动器来实现。阻抗测量能够提供有关变化参数的信息。当螺栓连接结构发生松动时,
机械阻抗会发生变化。 图8 基于机电阻抗的松动检测过程 利用EMI实现螺栓松动检测的步骤与其他检测方法的步骤相似，具体可以总结为以下3点： 1) 将压电陶瓷贴片粘贴到螺栓连接结构，并将高频扫描信号输入到压电陶瓷贴片中； 2) 利用阻抗分析仪得到阻抗信号并进行分析，确定损伤敏感地带和松动特征； 3) 建立松动特征和预紧力的关系，实现松动检测。 在第1步中，研究人员开发了不同的压电陶瓷贴片与螺栓连接结构粘贴的方式。 在第2步中，关键技术问题是确定损伤敏感地带和松动特征。目前，用于表征螺栓松动的各种损伤指标包括互相关系数（CC）、平均绝对百分比偏差（MAPD）、均方根偏差（RMSD）、互相关偏差（CCD）和峰值频移。实验结果表明，RMSD和CCD能够有效地反映螺栓松动程度。RMSD对阻抗信号的振幅变化（即垂直位移）和频率变化（即水平位移）敏感。而CCD则只对阻抗信号的频率变化（即水平位移）敏感。 然而，用于检测松动的EMI容易受到温度等环境因素的影响。近年来，随着神经网络的兴起，学者将神经网络引入到EMI，对传统EMI进行了改进。 总之，机电阻抗法用于检测螺栓松动时，需要设置传感器阵列，这导致成本较高。为了降低成本，已有研究人员针对不同的螺栓结构设计了便携式检测设备，但这方面的研究较少。表4对用于螺栓松动检测的EMI技术进行了总结。 信号分析方法 要对螺栓松动进行检测，关键在于将螺栓连接结构的信号与螺栓预紧力相关联，因此合适的信号分析方法必不可少。近年来，机器学习（ML）在损伤检测中的应用显著增加，包括神经网络和支持向量机等算法，这些算法逐步应用到了螺栓松动检测领域。结合基于振动的方法、导波法和压电阻抗法，提取能够反映螺栓松动的参数，利用机器学习方法对螺栓松动进行识别和量化。 1人工神经网络 图9 ANN的图形表示 ANN根据训练时传播途径的不同，可分为反向传播和前向传播。在反向传播过程中，ANN模型调整其所有节点的权重以最小化误差，直到满足收敛条件，这种ANN被称为反向传播神经网络（BPNN）。此外，在前向传播过程中，隐藏层节点考虑来自前面节点的加权和。隐藏层节点的输出，即下一层节点的输入，是使用激活函数计算的，输出层节点将最终的加权总和进行模型预测，然后使用损失函数比较预测值和实际值。在ANN训练完成后，测试数据再通过ANN进行预测。这些类型的ANN被称为前馈神经网络。 大多数ANN的预测具有未知的置信度，即无法确保预测的可信度，从而导致潜在的风险。贝叶斯统计可以通过将概率视为事件发生程度的度量来考虑ANN的不确定性。概率神经网络（PNN）是一种基于贝叶斯分类规则的前馈神经网络，其使用Parzen窗概率密度进行预测。PNN的结构包括4个层次：输入层、模式层、求和层和输出层，如图10所示。 图10 PNN的层次模型 表5 基于BPNN和PNN的螺栓松动分类综述 图11 卷积神经网络示意图 Zhang等使用相位运动估计方法结合CNN技术来检测螺栓松动。通过预处理（包括图像缩放和标准化）将时频图像输入CNN进行训练，以识别螺栓连接结构中的螺栓松动位置和松动状态。这种方法解决了CNN在训练数据不足方面的问题，对于CNN在结构损伤识别中的应用具有重要意义。 近年来，研究人员开始改进CNN的结构以提高其准确性。表6介绍了文献中用于检测螺栓连接结构松动的各种CNN模型。 表6 用于监测螺栓连接的CNN及其变体概述 2支持向量机 支持向量机（SVM）是一种应用统计学习解决分类问题的ML算法。非线性映射函数可被应用于线性SVM以解决非线性问题。用于线性和非线性分类的SVM在图12中进行了示意。 图12 支持向量机的类型 将神经网络与检测方法结合，通过神经网络可以选择复杂信号中与预紧力相关的特征参数，以此提高螺栓松动检测的准确率。目前大多数研究都集中在单个螺栓结构上，对于多螺栓结构的研究相对较少。表8总结了用于螺栓松动检测的各种SVM方法。 表8 螺栓松动检测的SVM方法综述 结论和展望 基于声弹性效应的方法具有灵敏度高的优点，但评估螺栓松动时需用高精度设备测量参数变化。而且此方法多用于单个螺栓检测，无法同时检测多个螺栓，对多螺栓结构只能抽样检测；基于振动的方法主要通过分析振动数据中的特征频率、传递函数和功率谱等变化来评估螺栓连接状态，但对局部松动敏感度低，常规的激振设备（如激振器或振动筛）很难有效地激发结构的某些固有模态信息；基于导波的方法能有效提高螺栓预紧力的检测灵敏度，但在螺栓松动的早期阶段，这些方法的灵敏度仍有待提高；基于机电阻抗的监测和辨识方法通过利用PZT激励结构和感知阻抗信息，能够有效区分结构连接状态改变所引起的高频段阻抗谱的变化。 然而，在实际应用中，需要布置传感器信号采集阵列，由于成本较高，难以推广使用；将机器学习的信号处理方法和现有螺栓松动监检测方法相结合，进一步提高了螺栓松动的检测精度，但是多数是对单螺栓结构进行监测，而对多螺栓松动的监测研究较少。 通过对现有技术的总结，螺栓松动监检测技术在未来的发展中应注意以下几点： 1基于声弹性效应的方法在未来的研究中应致力于开发能够同时检测多个螺栓的高精度设备，以提高多螺栓结构检测的效率和可靠性； 2基于振动的方法面临缺乏合适设备来激励结构固有模态信息的问题。因此，改进激振设备和方法，使其能够有效激发结构的固有模态信息，将是提升检测精度的关键； 3基于导波的方法对螺栓早期松动不敏感，未来的研究应集中于增强导波技术在早期松动检测中的应用效果，确保其在实际工程中的可行性和可靠性； 4针对机电阻抗技术，未来研究应着重于降低设备成本，同时保持高检测精度，使该技术更具实用性和经济性； 5机器学习算法结合传统方法能够更加精准地识别螺栓松动，但是大多数方法是对单螺栓结构进行监测，未来的研究应扩大至多螺栓结构的监测，以满足复杂工程结构的需求。 作者：龚摇裕1,2，唐国良2，王孝然3，刘增华3 工作单位：北京工业大学 1.材料科学与工程学院；2.机械与能源工程学院；3.信息科学技术学院 来源：北京工业大学学报 转自：智能紧固件及紧固工具
