Veri Toplama Protokolü Gömülü Hassasiyet İşlevleri belirlenmesi için
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
Birçok yapısal sağlık gözlem teknikleri etkinliği sensörleri yerleştirilmesi ve giriş güçleri konumuna bağlıdır. Optimal sensörü belirlenmesi ve tipik yerleri zorlamak için algoritmalar hasarlı yapısını verileri, simüle veya ölçülen ya gerektirir. Gömülü duyarlılık fonksiyonları, sağlıklı yapısından sadece verilerle hasar tespit için mevcut en iyi sensör konumunu belirlemek için bir yaklaşım sağlar. Bu video ve yazıda, veri toplama işlemi ve bir yapının gömülü duyarlılık fonksiyonlarını belirlemek için en iyi uygulamalar sunulmuştur. Gömülü duyarlılık fonksiyonları hesaplanmasında kullanılan frekans tepki fonksiyonları kalıcı etki testi kullanılarak elde edilir. Veriler elde edilir ve temsilcisi sonuçları bir yerleşim ölçekli rüzgar türbini kanadının için gösterilmiştir. veri kalitesini değerlendirmek için stratejiler veri toplama sürecinin gösteri sırasında sağlanan kazanılmış edilir. </p>
Introduction
Birçok yapısal sağlık izleme teknikleri bir yapı içinde hasar tespit ölçülen frekans tepki fonksiyonları (FTF) değişikliklere dayanmaktadır. Ancak, bu yöntemlerin birkaç hasarı tespit etmek için yöntemin etkinliğini maksimize edecek sensör yerleşimleri ve / veya giriş kuvveti konumlarını belirlemek için nasıl hitap etmektedir. Yerleşik hassasiyet fonksiyonları (ESFs) bir yapı malzemesi özellikleri, yerel bir değişim, bir Fransız Frangı duyarlılığını belirlemek için kullanılabilir. Hasar, genellikle sertlik, süspansiyon, ya da yapının kütlesinde bir yerel değişim ile sonuçlanır, çünkü, bu nedenle, ESFs FF tabanlı sağlık gözlem teknikleri için en uygun sensör ve kuvvet konumları belirlemek için bir yöntem sağlar.
Bu video ve yazının amacı detaylara veri toplama süreci ve bir yapının ESFs belirlemek için en iyi uygulamalar olduğunu. süreç heyecan verici bir birleşik yapılarda tarafından yapılır modal darbe testi, çeşitli FTF'larını belirleyen içerirKalıcı bir etki çekiçle yeniden ve ivme ölçer ile yanıtının ölçülmesi. Bu çalışmada, test edilen yapı 1.2 m konut ölçekli rüzgar türbini kanadı olduğunu. test ve analiz amacı bıçak zarar en duyarlı sensör yerleri tespit etmektir. Bu sensör konumları daha sonra, hasar bıçak izlemek için yapısal bir sağlık gözlem şemada kullanılabilir.
yapısal sağlık izleme düzeni kullanmak en etkili sensör konumlarını belirlemek için ESFs kullanımı yanında, birkaç iyi sensör yerleştirme algoritmaları da literatürde ortaya bulunabilir. [Kramer] 'de, Kramer iteratif bir sistemin modları gözlemlemek için bir sensör grubu yeteneğini değerlendirir. Daha yakın zamanlarda, genetik algoritmalar 1-3 ve sinir ağları 4 optimum sensör yerleri belirlemek için geliştirilmiştir. 5 olarak, Bayes yaklaşımı göz önüne hata farklı riskini alır kullanılanHasar oranları ve dağıtımı. 6'da, sonlu elemanlar modeli hasar tespit olasılığı en yüksek sensör yerleri belirlemek için kaldıraçlı edildi. literatürde sensör yerleştirme algoritmaları çoğunda, hasarlı yapıdan veri, simüle veya ölçülen olsun, gereklidir. gömülü hassasiyet yaklaşımın bir avantajı, sensör yer sağlıklı bir yapıya tespit edilebilir olmasıdır.
ESFs diğer bir avantajı, malzeme özellikleri açık bir şekilde bilinen gerek olmasıdır. Bunun yerine, malzeme özellikleri sistemin FTF'larındaki için ifadelerde "embedded" vardır. Bu nedenle, bütün bu ESFs özellikle giriş / çıkış yerlerinde FTF'larından bir dizi hesaplamak için gereklidir. Özellikle, bir yanıt hesaplanan FRF (H jk) duyarlılığı noktaları m ve n arasındaki sertlik bir değişiklik (K mn) için, gelin k bir giriş gelin j ölçülenolduğunu
nerede 
7-9 ω frekansın bir fonksiyonu olarak ESF olup. (1) denkleminin sağ tarafına hesaplanması için gerekli FTF'larını ölçülmesi için prosedür, sonraki bölümde detaylı ve video gösterilmiştir.
Protocol
Representative Results
Discussion
Test demirbaşlar sonuçlar çalışma koşulları altında geçerli olacak o kadar gerçekçi sınır koşulları çoğaltmak için tasarlanmış olmalıdır. Test için kullanılan etki noktalarının sayısının seçimi yeterli uzaysal çözünürlüğü ve test vakit geçiriyor arasında bir trade-off. Test numunesinin boyut ve frekans aralığının göre çekiç seçin. Genel olarak, frekans aralığı heyecanlı geniş, çekiç küçük. Ancak, küçük çekiçler genellikle daha düşük genlik güçleri üreti…
Disclosures
The authors have nothing to disclose.
Acknowledgements
Yazarlar hiçbir onayları var.
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).
