Summary

Aquisição de Dados Protocolo para determinação de funções de sensibilidade embutidas

Published: April 20, 2016
doi:

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

A eficácia de muitas técnicas de monitoramento de saúde estrutural depende da colocação de sensores e a localização das forças de entrada. Algoritmos para determinar o sensor ideal e forçando locais geralmente requerem dados, seja simulado ou medido, da estrutura danificada. funções sensibilidade incorporados fornecem uma abordagem para determinar a melhor localização do sensor disponíveis para detectar danos, com apenas os dados da estrutura saudável. Neste vídeo e manuscrito, o procedimento de aquisição de dados e melhores práticas para a determinação das funções de sensibilidade incorporados de uma estrutura é apresentada. As funções de resposta em frequência utilizados no cálculo das funções de sensibilidade embutidos são adquiridos utilizando testes de impacto modal. Os dados são adquiridos e os resultados representativos são apresentados para uma pá de turbina eólica escala residencial. Estratégias para avaliar a qualidade dos dados sendo adquirido são fornecidos durante a demonstração do processo de aquisição de dados. </p>

Introduction

Muitas técnicas de monitoramento de integridade estrutural dependem de mudanças nas funções de resposta em frequência medidos (FRF) para detectar danos dentro de uma estrutura. No entanto, alguns destes métodos de abordar a forma de determinar os canais de sensores e / ou locais de entrada de força que irá maximizar a eficácia do método para detectar danos. funções sensibilidade embutidas (ESF) pode ser utilizado para determinar a sensibilidade de um FRF a uma alteração local nas propriedades do material de uma estrutura. Portanto, porque os danos normalmente resulta em uma alteração local na rigidez, amortecimento, ou a massa da estrutura, ESFs fornecer um método para determinar as melhores localizações de sensor e força para técnicas de monitoramento de saúde baseados em francos franceses.

O objetivo deste vídeo e manuscrito é detalhar o processo de aquisição de dados e melhores práticas para a determinação ESFs para uma estrutura. O processo inclui a determinação de vários testes de impacto FRFs modal, que é realizada através da excitação de uma estruture com um martelo de impacto modal e medindo a sua resposta com acelerômetros. Neste trabalho, a estrutura que está sendo testado é uma escala residencial lâmina de turbina eólica de 1,2 m. O objectivo do teste e a análise deve identificar os locais de sensores, que são mais sensíveis a danos na lâmina. Esses locais de sensores poderia, então, ser usado em um esquema de monitoramento de integridade estrutural para monitorar a lâmina por danos.

Além do uso de ESFs para determinar as localizações dos sensores mais eficazes para usar em um esquema de monitoramento de integridade estrutural, vários algoritmos de posicionamento do sensor ideais também podem ser encontradas demonstrado na literatura. Em [Kramer], Kramer iterativamente avalia a capacidade de um conjunto de sensores para observar os modos de um sistema. Mais recentemente, os algoritmos genéticos 1-3 e redes neurais 4 ter sido desenvolvido para identificar locais de sensores óptimas. Em 5, uma abordagem Bayesiana é utilizado que leva em conta o risco de diferentes tipos de errosea distribuição de ocorrência de danos. Em 6, um modelo de elementos finitos foi aproveitado para identificar os locais de sensores mais adequados para detectar danos. Na maior parte dos algoritmos de posicionamento de sensores apresentados na literatura, os dados da estrutura danificada, se simulado ou medido, é necessária. Uma vantagem da abordagem de sensibilidade incorporado é que as localizações de sensor pode ser determinada a partir da estrutura saudável.

Outra vantagem de ESF é que as propriedades do material não necessitam de ser explicitamente conhecido. Em vez disso, as propriedades do material são "incorporado" nas expressões para FRFs do sistema. Portanto, tudo que é necessário para calcular ESFs são um conjunto de FRFs medidos em determinados locais de entrada / saída. Especificamente, a sensibilidade do FRG (JK H) calculada a partir de uma resposta medida no ponto j de uma entrada no ponto K, a uma alteração na rigidez (K Mn) entre os pontos M e Né

equação1

Onde Equation2 é o FSE em função da frequência, ω 7-9. O procedimento de medição das FRF necessários para calcular o lado direito da equação (1) é detalhado na secção seguinte e demonstrado no vídeo.

Protocol

Preparação 1. Pré-teste Projetar e fabricar o suporte de ensaio. Projetar o dispositivo elétrico para replicar condições de contorno realistas, escolhendo locais de parafuso para coincidir com os locais de montagem da lâmina. Escolha de aço para o equipamento para minimizar a contribuição da fixação para a resposta dinâmica do espécime de teste. Fecha a lâmina para a t-suporte. Prender o dispositivo elétrico a uma mesa de aço. Identificar e marcar grelha…

Representative Results

A Figura 1 mostra uma típica função sensibilidade incorporado. Semelhante a um FRF, o FSE tem picos próximos das frequências naturais da estrutura. Quanto maior o valor do FSE, mais sensível a localização é danificar entre pontos M e n. Cada um dos trinta pontos testados na pá de turbina eólica tem um FSE original. Estes ESF podem ser comparadas para determinar qual a localização do sensor seria mais sensível a danos. Por exemplo, a <stron…

Discussion

dispositivos de teste devem ser projetados para replicar condições de contorno realistas para que os resultados serão aplicáveis ​​em condições de funcionamento. A selecção do número de pontos de impacto utilizados para o ensaio é um trade-off entre ter resolução espacial suficiente e o tempo de teste. Escolha do martelo com base no tamanho da amostra de teste e a gama de frequências de interesse. Em geral, quanto menor for o martelo, a gama de frequências mais vasta do animado. No entanto, martelos ma…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Os autores não têm confirmações.

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

  1. Singh, N., Joshi, M. Optimization of location and number of sensors for structural health monitoring using genetic algorithm. Mater Forum. 33, 359-367 (2009).
  2. Gao, H., Rose, J. Ultrasonic sensor placement optimization in structural health monitoring using evolutionary strategy. Review Of Qnde. 25, 1687-1693 (2006).
  3. 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).
  4. Worden, K., Burrows, A. P. Optimal sensor placement for fault detection. Eng Struct. 23 (8), 885-901 (2001).
  5. 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).
  6. Markmiller, J., Chang, F. Sensor network optimization for a passive sensing impact detection technique. Struct Health Monit. 9 (1), 25-39 (2010).
  7. 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).
  8. 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).
  9. Yang, C., Adams, D. A Damage Identification Technique based on Embedded Sensitivity Analysis and Optimization Processes. J. Sound Vibration. 333 (14), 3109-3119 (2013).
  10. 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).
  11. 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).
  12. Guratzsch, R., Mahadevan, S. Structural health monitoring sensor placement optimization under uncertainty. AIAA J. 48 (7), 1281-1289 (2010).

Play Video

Cite This Article
Meyer, J. J., Adams, D. E., Silvers, J. Data Acquisition Protocol for Determining Embedded Sensitivity Functions. J. Vis. Exp. (110), e53690, doi:10.3791/53690 (2016).

View Video