Summary

Протокол сбора данных для определения встроенных функций чувствительности

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

Эффективность многих структурных методов контроля за состоянием здоровья зависит от расположения датчиков и расположение входных сил. Алгоритмы определения оптимального датчика и принуждать местоположения обычно требуют данных, либо моделируемой или измерить, из поврежденной структуры. Встроенные функции чувствительности обеспечивают подход для определения наиболее вероятное местоположение датчика для обнаружения повреждения только с данными из здоровой структуры. В этом видео и рукописи, процедура сбора данных и наилучшей практики для определения встроенных функций чувствительности структуры представлена. Функции частотной характеристики, используемые при расчете встроенных функций чувствительности приобретаются с помощью модальных ударных испытаний. Данные получают и репрезентативные результаты приведены для жилых ветровых турбинных лопаток. Стратегии для оценки качества данных, приобретаемых предоставляются во время демонстрации процесса сбора данных. </p>

Introduction

Многие структурные методы мониторинга здоровья полагаются на изменения в измеряемых функций частотной характеристики (АЧХ) для обнаружения повреждения в структуре. Тем не менее, некоторые из этих методов решения, как определить места размещения датчиков и / или места ввода силы, которые обеспечат максимальную эффективность метода для обнаружения повреждений. Встроенные функции чувствительности (ESFS) могут быть использованы для определения чувствительности к БСМ к локальному изменению свойств материала в виде структуры. Таким образом, из-за повреждения, как правило, приводит к локальному изменению жесткости, демпфирования или массы конструкции, ESFS обеспечивают способ определения наилучшего расположения датчика и силы для БСМ на основе методов контроля за состоянием здоровья.

Цель этого видео и рукописи к деталям процесса сбора данных и передового опыта для определения ESFS для структуры. Процесс включает в себя определение различных FRF, от модального тестирования воздействия, которое осуществляется путем возбуждения structuповторно с модальным ударного молотка и измерения его ответ с акселерометров. В этой работе, структура испытываемое 1,2 м жилой масштаба ветровой турбины лезвия. Цель тестирования и анализа заключается в определении местоположения датчиков, которые наиболее чувствительны к повреждению лезвия. Эти расположения датчиков, то можно было бы использовать в структурной схемы мониторинга здоровья для мониторинга лезвия на наличие повреждений.

Кроме того, использование ESFS для определения наиболее эффективных местоположения датчиков для использования в структурной схемы мониторинга здоровья, несколько алгоритмов оптимального размещения датчика можно найти также продемонстрировано в литературе. В работе [Kramer], Kramer итеративно оценивает способность набора датчиков для наблюдения режимов системы. В последнее время , генетические алгоритмы 1-3 и нейронные сети 4 были разработаны с целью определения оптимальных расположения датчиков. В 5, байесовский подход используется , который принимает во внимание риск различных типов ошибоки распределение ставок ущерба. В 6, конечный элемент модели был заемных средств для определения местоположения датчиков с наибольшей вероятностью обнаружения повреждения. В большинстве алгоритмов размещения датчиков, представленных в литературе, данные из поврежденной структуры, будь то моделируется или измерены, требуется. Одним из преимуществ внедренного подхода чувствительности является то, что расположение датчиков могут быть определены из здоровой структуры.

Еще одним преимуществом является то, что ESFS свойства материала не должны быть известны в явном виде. Вместо этого, свойства материала "встроены" в выражениях для АЧХ системы. Таким образом, все, что необходимо для расчета ESFS представляют собой набор измеренных АЧХ в конкретных местах ввода / вывода. В частности, чувствительность FRF (H Jk) вычисляется из ответа измеряется в точке J к входу в точке К, к изменению жесткости (K M n) между точками т и пявляется

Equation1

где Equation2 является ФЭБ в зависимости от частоты, со 7-9. Процедура измерения FRF, необходимых для расчета правую часть уравнения (1) подробно описан в следующем разделе и показано в видео.

Protocol

1. Предварительный тест Подготовка Конструкция и изготовить приспособления для испытания. Конструкция прибора реплицировать реалистичные граничные условия, выбирая места для болтов, чтобы соответствовать мест установки лезвия. Выберите сталь для арматуры, чтобы минимизироват?…

Representative Results

На рисунке 1 показана типичная внедренный функцию чувствительности. Как и в случае FRF, ЕСФ имеет пики вблизи собственных частот конструкции. Чем выше значение ESF, тем более чувствительной расположение повредить между точками т и п. Каждый из тридцати …

Discussion

Испытательные приборы должны быть разработаны, чтобы повторить реалистичные граничные условия так, что результаты будут применимы в условиях эксплуатации. Выбор числа точек воздействия, используемых для тестирования является компромисс между наличием достаточного пространственно?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Авторы не имеют никаких подтверждений.

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