特种设备的螺栓检测方法与流程

1.本发明属于特种设备无损检测技术领域，具体涉及一种特种设备的螺栓检测方法。


背景技术：

2.特种设备与工业生产，以及人们日常生活中息息相关，如起重器、承压锅炉、压力管道、电梯和游乐设施等，在不同领域发挥着巨大的作用。特种设备很多部件是通过螺栓连接的，设备在在工作过程中，由于震动、腐蚀、撞击等因素，容易导致螺栓松动、开口销缺失、裂纹等缺陷，这些缺陷都可能导致发生安全事故，因此需要定期对特种设备的连接螺栓进行检测，特别是一些关键部位。
3.但是对于一些大型特征设备，如起重机，每个设备上几百，甚至几千个螺栓，如果挨个对所有螺栓进行检测，作量巨大，耗时太长，且因设备体积高大导致检测工作具有一定的危险性。因此需要设计一种快速、准确检测特种设备的螺栓的方法。


技术实现要素：

4.本发明的目的在于提供一种特种设备的螺栓检测方法，解决现有技术中特种设备设备螺栓数量多，如果挨个对所有螺栓进行检测，作量巨大，耗时太长，且因设备体积高大导致检测工作具有一定危险性的技术问题。
5.为了解决上述问题，本发明通过如下技术方案实现：
6.特种设备的螺栓检测方法，通过历史检验数据和事故案例数据分析，得出不同种特种设备所对应的最有可能出现螺栓和开口销缺失、松动故障的关键连接部位，例如起重机的主梁跨中连接螺栓、支腿与主梁连接螺栓、轨道压板螺栓、联轴器联接螺栓、回转支承连接螺栓、塔机的地脚高强度联接螺栓、标准节连接螺栓等；然后根据待检测设备的工作环境、使用工况、工作等级、历史检验和故障数据评估该设备的风险等级；如炼钢厂用于吊运熔融金属，以及位于港口等一些特殊环境中的起重机等；根据风险等级的高低对关键连接部位的螺栓是否存在缺陷进行无损检测。
7.本发明中，先找关键部位，然后结合工作环境、使用年限等状况评估风险等级，再根据风险等级的高低选择具体采用那些无损检测手段，大大检测提高效率，缩短检测时间，且根据前期的分析重点针对关键部位，能够真正做到有的放矢，快速、准确的检测到存在缺陷的螺栓。
8.进一步改进，对待检测设备关键连接部位的螺栓是否存在缺陷进行检测的方法包括以下部分或全部检测手段：
9.1)、基于深度学习的视觉检测法对有明显缺陷的螺栓进行检测；
10.2)、采用共振频率法排查对有松动的螺栓进行排查；
11.3)、基于电磁超声法对疑似松动螺栓进行预紧力测量；
12.4)、采用超声相控阵对有潜在缺陷的螺栓内部微裂纹进行可视化检测。
13.对于一些比较高大、螺栓安装位置较危险的特种设备，检测人员不容易攀爬上去检测，则可以借助无人机基于深度学习的视觉检测法对一些关键部位的螺栓进行检测，如果存在一些明显的缺陷，则很容识别出来，非常方便。如果某些螺栓存在一些细小、隐蔽的缺陷，无法采用视觉检测直接识别，则采用振动检测法和/电磁超声测轴力检测发来确定螺栓是否松动；对一些内部存在细小裂纹的螺栓，无法采用视觉检测、振动检测法和电磁超声测轴力的方法识别该缺陷，则采用相控阵检测。针对不同缺陷类型，采用对应的检测方法，节约时间，提高了检测效率。
14.进一步改进，所述深度学习视觉检测方法包括如下步骤：
15.步骤一、构建检测图库：获取螺栓缺陷检测图像，对图像进行预处理，获取特种设备螺栓缺陷检测图像样本；
16.步骤二、构建模型：通过图库管理和标注软件，多端口人工进行图像样本的信息标注，提取缺陷特征，并通过多次学习的方式构建深度学习模型，使用训练样本进行训练，最终得到合适的特种设备螺栓缺陷识别模型；
17.步骤三、利用无人机对特种设备的关键连接部位进行检测：遥控无人机飞至待检测部位附近后悬停，使无人机的相机镜头对准对待检测部位进行拍摄，并将拍摄的图像传给控制终端的特种设备螺栓缺陷识别模型，对采集的图像进行缺陷识别分析，如果发现螺栓缺陷则对缺陷部位进行标注，并进行声光报警；
18.步骤四、重复步骤三，利用无人机对待检测特征设备的所有关键连接部位进行检测。
19.进一步改进，基于深度学习的视觉检测能够识别的螺栓缺陷类型包括螺栓缺失、外露长度过大或不足、明显松动、漆封线是否对齐、开口销缺失和松动。
20.进一步改进，所述采用共振频率法排查对有松动的螺栓进行排查的方法如下：测量待检测特种设备当前的共振频率f2，并该设备制造初期测得的固有共振频率f1进行比较，如果二者的差值较大，则说明该设备存在螺栓发生松动的现象。螺栓松动导致其部件晃动时，其工作中共振频率f2将与固有共振频率f1发生较大变化。通过检测设备的共振频率，可以快速判定设备是否存在较大问题。
21.进一步改进，所述基于电磁超声法对疑似松动螺栓进行预紧力测量方法包括如下步骤：
22.步骤一、通过将电磁超声换能器靠近被测螺栓的表面，利用电磁超声换能器在被测螺栓的分别表面产生横波和横波，测的横波在被测螺栓内的传播的时间为t
t’＝δt
t
t
t
；测得纵波在被测螺栓内的传播的时间t
l’＝δt
l
t
l
；
23.步骤二、测量该型号的螺栓在不受力状态下横波在被测螺栓内的传播的时间为t
t
；测得纵波在被测螺栓内的传播的时间t
l
；
24.步骤三、检测待检螺栓预紧力：
25.设定该型号的螺栓在不受力状态下的长度为l，受力后的长度增量为δl；则
[0026][0027]
[0028]
设定
[0029]
根据公式(1)(2)，则有：
[0030][0031]
其中，k
t1
、k
t2
为横波在被测螺栓内传播时的系数，k
l1
、k
l2
为纵波在被测螺栓内传播时的系数，e为弹性模量，σ为预紧力；
[0032]
通过测量待检测螺栓的预紧力，判断该螺栓是否发生松动。
[0033]
传统螺栓预紧力检测，主要靠检测人员通过力矩扳手拧动螺帽来检测。在用设备的检验中，预紧力扳手可以检验螺栓松动导致预紧力过小的情况。但预紧力是否过大，无法进行检验，且该方法效率低，检验时间长。
[0034]
本发明中，采用上述方法代替力矩扳手拧动螺帽来检测，非常方便、高效。
[0035]
进一步改进，所述采用超声相控阵对有潜在缺陷的螺栓内部微裂纹进行检测的方法如下，将相控阵超声检测仪的环形探头套设在待检测螺栓上，然后在相控阵超声检测仪的人机界面上调节检测参数后对螺栓实施检测；环形探头发射超声波，当检测到螺栓螺纹及裂纹缺陷时，产生反射波回波，并将波形和图像在相控阵超声波检测仪的屏幕上显示出来，通过与正常螺栓的波形和图像进行对比，对螺纹内部微裂纹进行检测。
[0036]
与现有技术相比，本发明的有益效果是：
[0037]
本发明中，先找关键部位，然后结合工作环境、使用年限等状况评估风险等级，再根据风险等级的高低选择具体采用那些无损检测手段，大大检测提高效率，缩短检测时间，且根据前期的分析重点针对关键部位，能够真正做到有的放矢，快速、准确的检测到存在缺陷的螺栓。
附图说明
[0038]
图1为本发明所述特种设备的螺栓检测方法的流程图。
具体实施方式
[0039]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
[0040]
如图1所示，特种设备的螺栓检测方法，通过历史检验数据和事故案例数据分析，得出不同种特种设备所对应的最有可能出现螺栓和开口销缺失、松动故障的关键连接部位，例如起重机的主梁跨中连接螺栓、支腿与主梁连接螺栓、轨道压板螺栓、联轴器联接螺栓、回转支承连接螺栓、塔机的地脚高强度联接螺栓、标准节连接螺栓等；然后根据待检测设备的工作环境、使用工况、工作等级、历史检验和故障数据评估该设备的风险等级；如炼钢厂用于吊运熔融金属，以及位于港口等一些特殊环境中的起重机等；根据风险等级的高低对关键连接部位的螺栓是否存在缺陷进行无损检测。
[0041]
本发明中，先找关键连接部位，然后结合工作环境、使用年限等状况评估风险等级，再根据风险等级的高低选择具体采用那些无损检测手段，大大检测提高效率，缩短检测时间，且根据前期的分析重点针对关键部位，能够真正做到有的放矢，快速、准确的检测到
存在缺陷的螺栓。
[0042]
在本实施例中，对待检测设备关键连接部位的螺栓是否存在缺陷进行检测的方法包括以下部分或全部检测手段：
[0043]
1)、基于深度学习的视觉检测法对有明显缺陷的螺栓进行检测；
[0044]
2)、采用共振频率法排查对有松动的螺栓进行排查；
[0045]
3)、基于电磁超声法对疑似松动螺栓进行预紧力测量；
[0046]
4)、采用超声相控阵对有潜在缺陷的螺栓内部微裂纹进行可视化检测。
[0047]
对于一些比较高大、螺栓安装位置较危险的特种设备，检测人员不容易攀爬上去检测，则可以借助无人机基于深度学习的视觉检测法对一些关键部位的螺栓进行检测，如果存在一些明显的缺陷，则很容识别出来，非常方便。如果某些螺栓存在一些细小、隐蔽的缺陷，无法采用视觉检测直接识别，则采用振动检测法和/电磁超声测轴力检测发来确定螺栓是否松动；对一些内部存在细小裂纹的螺栓，无法采用视觉检测、振动检测法和电磁超声测轴力的方法识别该缺陷，则采用相控阵检测。针对不同缺陷类型，采用对应的检测方法，节约时间，提高了检测效率。
[0048]
在本实施例中，所述深度学习视觉检测方法包括如下步骤：
[0049]
步骤一、构建检测图库：获取螺栓缺陷检测图像，对图像进行预处理，获取特种设备螺栓缺陷检测图像样本；
[0050]
步骤二、构建模型：通过图库管理和标注软件，多端口人工进行图像样本的信息标注，提取缺陷特征，并通过多次学习的方式构建深度学习模型，并使用训练样本进行训练，最终得到适合的特种设备螺栓缺陷识别模型；
[0051]
步骤三、利用无人机对特种设备的关键连接部位进行检测：遥控无人机飞至待检测部位附近后悬停，使无人机的相机镜头对准对待检测部位进行拍摄，并将拍摄的图像传给控制终端的特种设备螺栓缺陷识别模型，对采集的图像进行缺陷识别分析，如果发现螺栓缺陷则对缺陷部位进行标注，并进行声光报警；
[0052]
步骤四、重复步骤三，利用无人机对待检测特征设备的所有关键连接部位进行检测。
[0053]
在本实施例中，基于深度学习的视觉检测能够识别的螺栓缺陷类型包括螺栓缺失、外露长度过大或不足、明显松动、漆封线是否对齐、开口销缺失和松动。
[0054]
在本实施例中，所述采用共振频率法排查对有松动的螺栓进行排查的方法如下：测量待检测特种设备当前的共振频率f2，并该设备制造初期测得的固有共振频率f1进行比较，如果二者的差值较大，则说明该设备存在螺栓发生松动的现象。螺栓松动导致其部件晃动时，其工作中共振频率f2将与固有共振频率f1发生较大变化。通过检测设备的共振频率，可以快速判定设备是否存在较大问题。
[0055]
在本实施例中，所述基于电磁超声法对疑似松动螺栓进行预紧力测量，包括如下步骤：
[0056]
步骤一、通过将电磁超声换能器靠近被测螺栓的表面，利用电磁超声换能器在被测螺栓的分别表面产生横波和横波，测的横波在被测螺栓内的传播的时间为t
t’＝δt
t
t
t
；测得纵波在被测螺栓内的传播的时间t
l’＝δt
l
t
l
；
[0057]
步骤二、测量该型号的螺栓在不受力状态下横波在被测螺栓内的传播的时间为
t
t
；测得纵波在被测螺栓内的传播的时间t
l
；
[0058]
步骤三、检测待检螺栓预紧力：
[0059]
设定该型号的螺栓在不受力状态下的长度为l，受力后的长度增量为δl；则
[0060][0061][0062]
设定
[0063]
根据公式(1)(2)，则有：
[0064][0065]
其中，k
t1
、k
t2
为横波在被测螺栓内的传播时的系数，k
l1
、k
l2
为纵波在被测螺栓内的传播时的系数，e为弹性模量，σ为预紧力；
[0066]
通过测量待检螺栓的预紧力，判断该螺栓是否松动。
[0067]
传统螺栓预紧力检测，主要靠检测人员通过力矩扳手拧动螺帽来检测。在用设备的检验中，预紧力扳手可以检验螺栓松动导致预紧力过小的情况。但预紧力是否过大，无法进行检验，且该方法效率低，检验时间长。
[0068]
本发明中，采用上述方法代替力矩扳手拧动螺帽来检测，非常方便、高效。
[0069]
在本实施例中，所述采用超声相控阵对有潜在缺陷的螺栓内部微裂纹进行检测的方法如下，将相控阵超声检测仪的环形探头套设在待检测螺栓上，然后在相控阵超声检测仪的人机界面上调节检测参数后对螺栓实施检测；环形探头发射超声波，当检测到螺栓螺纹及裂纹缺陷时，产生反射波回波，并将波形和图像在相控阵超声波检测仪的屏幕上显示出来，通过与正常螺栓的波形和图像进行对比，对螺纹内部微裂纹进行检测。
[0070]
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明；凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。