קליטת נתוני פרוטוקול קביעת פונקציות רגישות Embedded
Summary
The data acquisition procedure for determining embedded sensitivity functions is described. Data is acquired and representative results are shown for a residential scale wind turbine blade.
Abstract
היעילות של טכניקות ניטור בריאות מבניות רבות תלוי המיקום של חיישני המיקום של כוחות הקלט. אלגוריתמים לקביעת חיישן אופטימלי ומאלץ מקומות בדרך כלל דורשים נתונים, או מדומים או למדוד, מהמבנה הפגום. פונקציות רגישות Embedded לספק גישה לקביעת מיקום החיישן הטוב ביותר הזמין כדי לזהות נזק עם נתונים רק מהמבנה בריא. בסרטון ואת כתב היד הזה, הליך רכישת נתונים ושיטות העבודה מומלצת לקביעת פונקציות הרגישות הגלומה של מבנה מוצג. תפקידי תגובת התדר ששימשו לחישוב של פונקציות רגישות מוטבע נרכשים באמצעות בדיקות השפעה מודאלית. הנתונים נרכשים ותוצאות נציגים מוצגות עבור להב טורבינת מגורים בהיקף רוח. אסטרטגיות על מנת לאמוד את איכות הנתונים נרכשות ניתנות במהלך ההדגמה של תהליך רכישת נתונים. </p>
Introduction
טכניקות ניטור בריאות מבניות רבות מסתמכות על שינויי פונקציות תגובת תדר נמדדים (FRFs) כדי לזהות ניזק בתוך מבנה. עם זאת, כמה מהשיטות הללו לטפל כיצד לקבוע מיקומים חיישן ו / או להציב כוחות קלט כי יהיה למקסם את היעילות של השיטה כדי לזהות נזק. פונקציות רגישות Embedded (ESFs) ניתן להשתמש כדי לקבוע את רמת הרגישות של FRF לשינוי מקומי ביישוב תכונות החומר של המבנה. לכן, בגלל ניזק בדרך כלל תוצאות שינוי נקודות נוקשות, דעיכה, או מסה של המבנה, ESFs לספק שיטה לקביעת מיקומי חיישן כוח הטובים ביותר עבור טכניקות ניטור בריאות מבוססות FRF.
המטרה בוידאו זה כתב היד היא לפרט את תהליך רכישת נתונים ושיטות עבודה מומלצת לקביעת ESFs למבנה. התהליך כולל קביעת FRFs שונה בדיקות השפעה מודאלית, אשר מבוצעת על ידי מגרה structuמחדש עם פטיש השפעה מודאלית ומדידה בתשובתה עם תאוצה. בעבודה זו, המבנה למבחן הוא להב הטורבינה 1.2 מ 'מגורים בקנה מידה הרוח. מטרת הבדיקות והניתוח היא יפקיד לאתר חיישן אשר רגישים ביותר לניזק ללהב. במקומות חיישן אלה יכולים לשמש בתכנית ניטור בריאות מבנית כדי לפקח על הלהב לניזק.
מלבד שימוש ESFs לקבוע את מיקומי חיישן היעילים ביותר להשתמש בתכנית ניטור בריאות מבנית, כמה אלגוריתמי מיקום חיישן אופטימליים ניתן למצוא גם הפגינו בספרות. ב [קרמר], קרמר איטרטיבית מעריך את היכולת של מערכת של חיישנים כדי לבחון את דרך מערכת. לאחרונה, אלגוריתמים גנטיים 1-3 ורשתות עצביות 4 פותחו תפקידו לאתר חיישן אופטימלי. ב 5, גישת בייס משמשת שלוקחת בחשבון את הסיכון של סוגים שונים של טעויותוחלוקת שיעור הנזקים. ב 6, מודל אלמנטים סופיים היה ממונפת לזהות את מיקומי חיישן הסיכוי הטוב ביותר כדי לזהות נזק. ברוב של אלגוריתמי מיקום החיישן מוצגים בספרות, נתונים מהמבנה הפגום, אם מדומים או למדוד, נדרשים. אחד יתרונות של הגישה הרגישה המוטבעת הם כי במקומות החיישן ניתן לקבוע מהמבנה הבריא.
יתרון נוסף של ESFs הוא כי תכונות חומר לא צריכות להיות ידועות במפורש. במקום זאת, תכונות חומר הם "מוטבעים" ב הביטויים עבור של FRFs המערכת. לכן, כל מה שצריך כדי לחשב ESFs הם קבוצה של FRFs נמדד במקומות קלט / פלט מסוים. באופן ספציפי, הרגישות (JK H) FRF מחושבת מתגובה נמדדה בנקודת j לקלט ב k נקודות, לשינוי קשיח (mn K) בין נקודות m ו- nהוא
אֵיפֹה 
ESF הוא כפונקציה של התדר, ω 7-9. ההליך למדידת FRFs נדרש לחשב את הצד הימני של המשוואה (1) הוא, מפורטים בפרק הבא שמודגם בסרטון.
Protocol
Representative Results
Discussion
גופי בדיקה צריכים להיות מתוכננים לשכפל תנאי שפה מציאותיים כך שהתוצאות תהיינה החלימו בתנאי הפעלה. הבחירה של מספר נקודות השפעה המשמשות לבדיקות היא trade-off בין בעל רזולוציה מרחבית מספיק זמן הבדיקה. בחר את הפטיש בהתבסס על הגודל של בדיקת דגימה ואת טווח התדרים של עניין. באופ…
Disclosures
The authors have nothing to disclose.
Acknowledgements
יש המחברים לא בתודות.
Materials
| Accelerometer | PCB | 356B11 | three used in testing |
| Impact hammer | PCB | 086C01 | |
| Data acquisition card | NI | 9234 | |
| DAQ chasis | NI | cDAQ-9171 | or similar |
| Software | MATLAB | ||
| Super glue | Loctite | 454 | |
| Handheld Shaker | PCB | 394C06 | for calibration |
References
- Singh, N., Joshi, M. Optimization of location and number of sensors for structural health monitoring using genetic algorithm. Mater Forum. 33, 359-367 (2009).
- Gao, H., Rose, J. Ultrasonic sensor placement optimization in structural health monitoring using evolutionary strategy. Review Of Qnde. 25, 1687-1693 (2006).
- Raich, A. M., Liszkai, T. R. Multi-objective optimization of sensor and excitation layouts for frequency response function-based structural damage identification. Comput-Aided Civinfrastructure Eng. 27 (2), 95-117 (2012).
- Worden, K., Burrows, A. P. Optimal sensor placement for fault detection. Eng Struct. 23 (8), 885-901 (2001).
- Flynn, E. B., Todd, M. D. A Bayesian approach to optimal sensor placement for structural health monitoring with application to active sensing. Mech Syst Signal Pr. 24 (4), 891-903 (2010).
- Markmiller, J., Chang, F. Sensor network optimization for a passive sensing impact detection technique. Struct Health Monit. 9 (1), 25-39 (2010).
- Yang, C., Adams, D., Yoo, S., Kim, H. An embedded sensitivity approach for diagnosing system-level noise and vibration problems. J. Sound Vibration. 269 (3), 1063-1081 (2004).
- Yang, C., Adams, D. Predicting changes in vibration behavior using first- and second-order iterative embedded sensitivity functions. J. Sound Vibration. 323 (1), 173-193 (2009).
- Yang, C., Adams, D. A Damage Identification Technique based on Embedded Sensitivity Analysis and Optimization Processes. J. Sound Vibration. 333 (14), 3109-3119 (2013).
- Rocklin, G. T., Crowley, J., Vold, H. A comparison of the H1, H2, and Hv frequency response functions. Proc. Of IMAC III. 1, 272-278 (1985).
- Meyer, J., Adams, D., Silvers, J. Embedded Sensitivity Functions for improving the effectiveness of vibro-acoustic modulation and damage detection on wind turbine blades. , (2014).
- Guratzsch, R., Mahadevan, S. Structural health monitoring sensor placement optimization under uncertainty. AIAA J. 48 (7), 1281-1289 (2010).
