集成数值与实验方法以通过机械结构故障检测与诊断（Fault Detection and Diagnosis, FDD）提升工作机械安全性

《Processes》：Integration of Numerical and Experimental Methods to Improve the Safety of Working Machines Through Machine Structure Fault Detection and Diagnosis Damian Derlukiewicz and Jakub Andruszko

　　

本文提出了一种集成数值与实验方法学的框架，用于远程操控工作机械（Remotely Operated Working Machines）的基于过程的状态监测（Condition Monitoring, CM）、早期故障检测与诊断（Fault Detection and Diagnosis, FDD），以提升其运行安全性与结构完整性。由于操作员对共振、高幅振动及瞬态动态载荷等危险工况的感知有限，潜在故障可能不被察觉。该框架识别并跟踪关键诊断参数，尤其是动态载荷指标（Dynamic Load Indicators），从而能够早期检测可能诱发承载结构及其他关键部件损伤的异常事件。此类机械在设计与部署中的关键挑战在于实际运行中动态载荷的发生、特性及频次难以准确掌握；设计阶段低估这些载荷会导致意外失效并降低疲劳寿命。该方法将数值强度模拟与运行过程中采集的传感器数据相融合，把过程信号与复杂载荷工况及危险状态相关联。通过结合基于模型的评估与实验验证，该方法可在变工况下支持系统化的过程监督与故障诊断。研究以 ARE 3.0 远程操控机械为案例进行了验证，结果表明基于数据的载荷表征与早期异常检测能够增强安全性，并支持面向疲劳的耐久性评估。

远程操控拆除机器人被广泛应用于拆除、采矿、核电等高危行业，可在隧道、水泥厂和核电站等人类难以到达的场所执行危险任务。然而，这类工作机械（Working Machines）的承载钢结构长期面临真实运行中动态载荷不确定的问题：操作员远离作业现场，难以感知共振、过载及突发振动；传统强度校核通常依据工具样本目录假设静力或准静态载荷，忽略了动态激励、臂架位形变化、工具–材料相互作用和短时冲击过载，导致设计阶段可能低估应力，诱发裂纹、关键系统失效或疲劳寿命下降。因此，发展面向真实工况的数值–实验一体化监测与诊断方法，对提高远程操控机械的运行安全性和结构耐久性具有重要意义。

研究人员在《Processes》发表了集成数值与实验方法的工作机械结构故障检测与诊断流程。该流程以有限元（Finite Element Method, FEM）热点应力（Hotspot Stress）识别为基础，结合应变与振动传感器布测、危险状态检测和面向疲劳的寿命解释，形成了一个迭代闭环，并在 ARE 3.0 拆除机器人上进行了案例验证。其核心贡献在于，将模型化的热点信息、实测信号与疲劳评估准则相耦合，从而为变工况下的过程监督和早期异常诊断提供工程决策支持。

主要技术方法包括：在 Abaqus/CAE 2021 中建立以壳单元为主的瞬态动力学 FEM/FEA 模型，采用线弹性各向同性材料，经网格收敛校验后通过 Hotspot Stress 法识别疲劳关键区；在 HS 位置布置应变片（Strain Gauges, SG）与加速度计，使用 SomatXR MX1601B-R 数据采集系统以 1000 Hz 同步记录；结合实验模态分析、50 Hz 低通 Butterworth 滤波、雨流计数（Rainflow Counting）、S–N 曲线及 Palmgren–Miner 累积损伤准则完成信号处理与危险状态判定。

FEM 输出与基于热点的传感器布置：数值模型以壳单元模拟焊接钢板结构，材料参数为弹性模量 E = 210 GPa、泊松比 ν = 0.3、密度 ρ = 7.86 × 10^?9 t/mm³，在 14–32 Hz 冲击频率范围内模拟地板、墙体和天花板拆除等代表性工况，并施加与实际支承及工具—结构相互作用等效的边界条件。通过网格敏感性分析，最终离散方案在关键位置连续细化后峰值应力变化控制在 5% 以内。FEM 输出确定了 HS-1、HS-2、HS-3 等疲劳关键热点，主要集中在工作臂铰接点与焊缝细节处，并据此完成应变片和加速度计的模型化布置。这些热点成为后续测量规划、数值—实验响应对比和阈值标定的基准。

实验观测与模型—测量对比：测试包括可控钢板锤击试验和墙、地板、天花板实际拆除现场试验，钢板锤击提供了可重复的基准信号。应变片输出显示，实测应力—时间历程由不规则循环与冲击瞬态峰叠加组成；频域中存在随工况和结构位形变化的主导频率成分。将 SG1–SG5 的实测值与 FEM 热点预测进行比较，误差约为 1.3%–6.4%，趋势一致性良好，说明 FEM 热点图适合作为测量规划和结构解释的依据。同时，实际拆除中测得的短时变异和局部峰值高于简化数值激励所能捕捉，强调了必须用运行数据补充模型预测而非依赖单一手段。

危险状态检测结果：经后处理，研究人员识别出超载、近共振、异常冲击和疲劳临界四类危险状态。信号经同步与 50 Hz 低通滤波后提取峰应力、均方根振动水平、主导频率及应力循环等特征，并以 FEM 预测、PN-EN 1993-1-9 和 IIW 热点疲劳准则以及基准校准共同设定预警/报警阈值。在地板拆除无效锤击（未有效破碎混凝土）工况下，振动超过预警阈值；长时间无有效破碎的连续锤击又接近或超过报警阈值。该方法可将正常工况波动与需要关注的结构性异常区分开，避免对孤立信号峰值的过度解读。

疲劳相关解释：基于验证后的模型和测量信息，研究人员将载荷历程映射到 FEM 识别的关键焊缝细节，采用 FAT 100 热点 S–N 曲线和 Palmgren–Miner 累积损伤准则计算损伤 D = Σ n_i/N_i，并以疲劳利用因子和短期损伤率作为监测指标。结果表明，工作臂最大伸展且无有效材料破碎的墙体或地板拆除工况疲劳最严重，原因是维持了较长时间的共振倾向和高幅循环；而有效破碎工况因以短时瞬态为主、应力幅较低，累积损伤相对较小。该流程由此支持对不同运行工况的疲劳危害排序。

讨论：范围、局限性与实际意义：该流程适用于可被数值识别并布置传感器的焊接钢结构，尤其适合远程操控、冲击载荷强烈的拆除机器人。其诊断质量高度依赖载荷映射的合理性和 FEM 模型校准；实际拆除过程因材料渐进断裂而不可完全重复，部分信号段定量可比性受限；阈值报警逻辑仍包含针对具体机型的工程标定，不能直接套用于其他机械。尽管如此，其价值在于将过程信号转化为结构性解释——不仅回答“振动或应变是否变化”，更回答“当前工况是否可能在关键焊缝处加速疲劳损伤”。这对在线监测、设计载荷假设修正、检修计划和运行限制策略均具有工程指导意义。

研究结论：该研究提出并验证了一种面向远程操控拆除机器人的集成数值与实验监测诊断流程。ARE 3.0 案例表明，该流程能够识别结构关键区域、指导传感器布置、解释实测响应，并有效判别超载、共振倾向和疲劳相关的危险运行状态。当前该方法仍属于机型特定方法，需依赖合理的模型校准、可接触的传感器布置以及具有代表性的运行数据。未来研究应进一步开展更广泛的定量验证、阈值选择优化，并将方法扩展至多工况下的长期耐久性监测。