Comprehensive Report for the Academic Paper

主要作者与机构：
本文的主要作者为 Jiayu Huang、Jianhua Liu、Hao Gong 和 Xinjian Deng，所属机构为北京理工大学机械工程学院（Beijing Institute of Technology, School of Mechanical Engineering），其地址为北京市海淀区中关村南大街5号。

发表时间与期刊信息：
本文发表于《Mechanical Systems and Signal Processing (168)》，文章编号为108652，于2022年正式发表，并于2021年12月1日在线提供。

论文主题：
本论文是一篇主题为“螺栓连接松动检测方法的综合评述”（A comprehensive review of loosening detection methods for threaded fasteners）的研究性综述文章，系统分类并总结了基于传感器、视觉以及敲击信号检测的螺纹紧固件松动检测方法的研究进展。

学术背景

科学领域及研究动机：
螺纹紧固件（threaded fasteners）是机械连接中使用最广泛的方法，因其成本低、互换性好、安装拆卸方便而得到了广泛应用。然而，螺栓松动问题会导致预紧力减小，诱发螺栓疲劳断裂，最终严重影响机械产品的可靠性。例如，在车辆、高铁轨道等振动环境中，螺栓松动引发的机械失效可以导致灾难性事故。据研究，23%的汽车服务故障和12%的新车出厂瑕疵与紧固件松动相关。

研究表明，轴向应力、横向振动的局部滑移堆积是松动的关键成因。虽然已有诸如球面螺栓、分步锁螺栓等防松措施被提出，但无法完全解决松动问题。因此，针对螺纹紧固件的松动检测技术成为确保连接牢固性的一种有效手段，而对检验方法研究的系统总结十分必要，以更好地指导工程应用。

内容摘要及主要观点

检测方法分类与综述框架：
论文主要将螺栓松动检测方法分为三大类：

1. 基于传感器检测（Sensor-Based Methods）：
   其中包含显式检测与隐式检测两种：

   • 显式检测（Explicit Detection）：测量参数与预紧力间具有明确的线性关系，方法精准度依赖于实验校准，典型设备包括应变片（Strain Gauge）、超声传感器（Ultrasonic Sensor）、光纤光栅传感器（Fiber Bragg Grating Sensor）。
     
   • 隐式检测（Implicit Detection）：测量参数与预紧力的关系为隐式和非线性的，需要通过信号特征提取进行定性评估。常用方法包括超声衰减、时间反转（Time Reversal）、振动声学调制（Vibro-Acoustic Modulation）、电阻抗（Electromechanical Impedance，EMI）分析及激励信号分析法。
     

2. 基于敲击检测（Percussion-Based Methods）：
   敲击检测方法基于松动影响结构动态特性进而改变敲击音频信号的原理，通过人工听觉判断逐渐向与人工智能相结合的监督学习方向发展。

3. 基于视觉检测（Vision-Based Methods）：
   借助成像设备和计算机视觉技术，通过分析旋转角度或螺栓暴露长度检测松动状态，该法精准度高且适用于复杂环境。

以下为各类别方法的详细综述。

第一类：基于传感器检测

1.1 显式检测：
常见显式传感器包括：
- 应变片（Strain Gauge）： 系统性讨论了三种安装形式（非螺纹螺栓表面、螺栓内孔壁或垫片内嵌）。应变片基于拉伸或压缩时电阻变化进行检测，其特点是布局灵活且精度高但对较高温环境敏感。
- 超声传感器（Ultrasonic Sensor）： 基于弹性声效应（Acoustoelastic Effect），通过回波飞行时间（Time of Flight, TOF）变化来测定螺栓轴向应力和预紧力。论文比较了单波法（Mono-Wave）和双波法（Bi-Wave）。双波法通过纵波与横波的TOF比值来消除无应力状态校准的需求，具有更高的实用性。
- 光纤光栅传感器（FBG Sensor）： 内嵌至螺栓中，基于Bragg波长漂移实现轴向应力的准确检测。然而，其在高温条件下的应用受到限制，论文讨论了金属封装再生光纤光栅技术的潜在优势。

1.2 隐式检测：
隐式检测的核心在于从响应信号中提取敏感特征来评估预紧力变化，详细探讨如下几种方法：
- 超声衰减法（Ultrasonic Attenuation Method）： 特征为信号能量的变化，但高载荷时检测灵敏度下降（饱和现象）。部分学者提出基于熵的索引以改善早期检测性能。
- 时间反转法（Time Reversal Method）： 利用时间反转处理重建激励点信号，通过集中程度评估松动。饱和现象仍是技术挑战，部分研究提出虚拟时间反转法（VTR）以解决多螺栓检测问题。
- 振动声学调制法（Vibro-Acoustic Modulation Method）： 提取调制非线性特征，如边频带，用于螺栓松动的高灵敏度检测，但信号选取复杂。
- 电阻抗法（Electromechanical Impedance, EMI）： 利用机械阻抗变化影响压电材料电阻抗的特性进行实时检测，但环境因素如温湿度对精度影响较大。
- 激励信号分析法（Excitation Analysis Method）： 借助动态响应的时频域特征分析实现松动评价，但结果易受噪声干扰。

第二类：基于敲击检测

整合敲击检测与机器学习实现自动化趋势：
- 信号特征提取：早期方法提取时域主成分，后来偏向功率谱密度（PSD）及多尺度熵（IMSE）。
- 分类器选择：支持向量机（SVM）、梯度提升树（GBDT）等广泛应用于敲击音频信号分类，不断提高多螺栓状态辨识的准确率。

第三类：基于视觉检测

将螺栓松动检测分为四类：
- 螺栓缺失检测： 以铁路为典型场景，通过特征提取（如局部二值模式）和分类器（如神经网络、SVM）进行螺栓缺失监测，多数研究基于监督学习。
- 螺栓松动的定性检测： 基于螺栓轴暴露长度或旋转角度变化，典型算法如Canny边缘检测和Hough变换。
- 螺栓旋转角度定量检测： 应用深度学习如R-CNN和几何信息提取松动角度，实现精确计算。
- 螺栓轴长度定量检测： 现代研究通过双目立体视觉测算暴露长度，为铁路领域中多螺栓监测提供了便捷方案。

意义与价值

本论文通过系统回顾螺栓松动检测的多种技术方法，为研究者和工程师提供了全面的技术现状与研究路径。论文强调了自供能无线传感器和基于深度学习的高精度松动定量检测技术的未来发展方向，具有重要的科学与应用意义。