Протокол сбора данных для определения встроенных функций чувствительности

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.

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

где 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

1. 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 минимизировать вклад от прибора к динамической реакции испытуемого образца.
   1. Болт лезвие к пользовательской т-образным кронштейном.
   2. Зажмите приспособление к стальной пластине.
2. Определить и отметить сетку местоположений воздействия.
   1. Выберите 30 очков, которые охватывают всю лезвие.
   2. Марк указывает с маркером или восковой ручкой и номер для справки. Измерьте расстояние между точками с помощью ленты мера для последующего использования в визуальном представлении результатов.
3. Выбор и калибровки акселерометров.
   1. Выберите одну ось, 10 мВ / г акселерометры. Не забудьте выбрать акселерометры с соответствующей чувствительности для того, чтобы избежать перегрузки датчика и для достижения хорошего сигнала к-noise отношения. Кроме того, убедитесь, что частотный диапазон датчиков достаточно, чтобы захватить диапазон частот, представляющих интерес для испытуемого образца.
   2. Калибровка каждого датчика.
      1. Прикрепите датчик к ручной шейкер, выход которого является одночастотный сила с величиной 9,81 м / сек ² эфф (т.е. 1 г).
      2. Измерьте ответ на 2 сек.
      3. Определить среднеквадратичную амплитуду ответа от программного обеспечения считывания.
      4. Умножьте среднеквадратичная амплитуда на 1000, чтобы определить коэффициент калибровки для акселерометра в единицах мВ / г.
4. Выберите молоток и молот наконечник.
   1. Выберите ударный молоток с чувствительностью 11,2 мВ / N. Не забудьте выбрать молоток, который достаточно возбуждающей испытуемого образца как по амплитуде и частотном диапазоне.
   2. Выберите наконечник из нейлона. Не забудьте выбрать наконечник молоток, который достаточно возбуждающей испытуемого образца как по амплитуде и частотном диапазоне.
   3. Колорадоnnect молоток к системе сбора данных с помощью кабеля BNC.
5. Определить местоположение датчиков и прикрепляются датчики (Рисунок 4).
   1. Выберите места в точках т и п по обе стороны от места повреждения.
   2. Установите третий акселерометр на месте к. Данные из этого датчика будет использоваться для подтверждения результатов встроенного функционального анализа чувствительности.
   3. Присоединить акселерометры с помощью супер клей. Дайте супер клей, чтобы установить полностью перед проведением испытания на удар.
6. Выберите параметры тестирования в графическом интерфейсе сбора данных.
   1. Включить двойное обнаружение хит.
   2. Установите частоту дискретизации до 25600 Гц. Используемый частотный диапазон, поэтому, 12800 Гц.
   3. Установите время выборки до 1 сек.
   4. Выберите молотковую канал в качестве канала синхронизации. Установите пороговый уровень в 10 ЕС.
   5. Установите длину до запуска до 5% от общего времени выборки. Предварительную тмонтера данные представляют собой данные, собранные до запуска сбора данных, которые были сохранены в буфере. Важно, чтобы получить и сохранить эти данные таким образом, чтобы все событие воздействие захватывается.
   6. Выберите оценщик H1 FRF. Эта оценка предполагает, что есть шум на каналах отклика и отсутствие шума на силовом канале.
      Примечание: Не данные окна во время сбора. Окна могут быть применены в последующей обработке, если это необходимо.
   7. Введите акселерометр и информацию молота, включая калибровочные коэффициенты и идентификации нот.
   8. Сохранить настройки для ведения учета, а также для использования в будущих тестах.

2. Тестирование воздействия на здорового Клинка

1. Воздействие точка 1 с молотка. Когда амплитуда ударной силы превышает выбранный пороговый уровень, система сбора данных будет срабатывать и данные, в том числе выбранного количества данных перед срабатыванием триггера, начнется запись.
   1. Во время acquisitio данныхп, контролировать каналы, чтобы избежать канала вырезку и двойные удары, наблюдая за время истории, отображаемые в программном обеспечении сбора данных.
   2. В процессе сбора данных, контроль за когерентность для каждого акселерометра канала для оценки качества полученных данных путем наблюдения когерентности участка в программном обеспечении сбора данных.
2. Повторите шаг 2.1 еще четыре раза в пункте 1.
   1. Используйте последовательные амплитуды воздействия для всех воздействий.
3. Повторите шаги 2.1 и 2.2 для всех точек.

3. Тестирование Воздействие на поврежденное полотно

1. Повторите раздел 2 на поврежденное лезвие для того, чтобы собрать данные для проверки результатов встроенных функций чувствительности. для изменения испытываемого образца За исключением случаев, все параметры испытания сохраняются.

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 пунктов испытанных на лопатки турбины ветра имеет уникальный ESF. Эти ESFS можно сравнить, чтобы определить, какой датчик местоположения будет наиболее чувствительным к повреждениям. Например, на рисунке 2 показаны амплитуды ESFS вблизи 142 Гц. Из этого графика видно, что расположение датчиков, соответствующих квадратов в первом и третьем столбцах наиболее чувствительны к повреждениям. Обратите внимание, что эти местоположения определяются на основании данных, полученных от здоровых лезвии.

На рисунке 3 показана измеренная разница в АЧХ между АЧХ определяется на основе данных от здоровых лезвие и тех, которые определены на основании данных из поврежденного лезвия. Сходство между разницей в АЧХ и ESFS показывают эффективность ESFS спрогнозировать места, на котором будут выставлены наибольшие изменения в АЧХ из-за повреждения.

Рисунок 1. Амплитуда функции чувствительности е mbedded для точки 1. Значение ESF соответствует чувствительности БСМ в точке 1 на повреждение в структуре в выбранном месте. Значения изменяются в зависимости от частоты. Пики в ESF , как правило, соответствуют собственным частотам структуры. Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию этой фигуры.

3690 / 53690fig2.jpg "/>
Рисунок 2. Амплитуды ESFS для всех тридцати точек на 142 Гц. Каждый цветной квадрат соответствует значению ESF при 142 Гц для каждого пространственного расположения испытуемого. Горячие цвета соответствуют точкам, на которых ESFS предсказывают наибольшие изменения в БСМ из-за повреждения. Cooler цвета указывают , что изменение в БСМ в этой точке будет относительно небольшим. Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию этой фигуры.

Рисунок 3. Разница в АЧХ, H _Ю.К., для всех тридцати точек на 142 Гц. Различия были рассчитаны путем вычитания АЧХ определяется из здоровых и поврежденных лопастей. Горячие цвета указывают на большие различия в АЧХ. Холодные цвета указывают на SMALL изменения в АЧХ. Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию этой фигуры.

Рисунок 4. Точки воздействия используются в ходе тестирования. Точки были выбраны , чтобы охватить лезвие. Пожалуйста , нажмите здесь , чтобы посмотреть увеличенную версию этой фигуры.

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 пространственного разрешения и время тестирования. Выберите молоток на основе размера испытуемого образца и интересующем диапазоне частот. В общем случае, чем меньше молоток, тем шире диапазон частот возбужден. Тем не менее, небольшие молотки обычно производят более низкие силы амплитуды. Ударные молотки инструментальными с динамометр для измерения истории времени воздействия. Тип ударного наконечника также влияет на диапазон частот возбуждения. Чем сильнее кончик, тем шире полоса частот возбуждения. Супер клей выбирается над воском, например, чтобы свести к минимуму ослабление реакции со стороны крепежного материала.

В программном обеспечении сбора данных, позволяют двойное обнаружение хит для того, чтобы автоматизацчески указать, когда двойное воздействие произошло. Одиночные удары желательны, потому что они производят более широкий и повторяемый спектр силы. Когда амплитуда силы поднимается выше выбранного уровня триггера, сбор данных запускается. Данные времени приобретается с помощью программного обеспечения для сбора данных. Во время сбора данных должны контролироваться для обеспечения качества данных. Канал отсечение, которое происходит, когда ответ, измеренный датчиком, превышает допустимый диапазон напряжения, его следует избегать. Согласованность является отличным метрический использовать, чтобы судить о качестве данных. В целом, согласованность должна быть рядом с одним для всех частот в пределах диапазона частот, возбуждаемых воздействием. Провалам когерентности, как ожидается, вблизи анти-резонансных частот исследуемого образца, так как отношение сигнал-шум является низким, и шум не коррелированы с входом. После того, как данные качества приобретается, временные истории преобразуются в частотную область с помощью быстрого преобразования Фурье (FFT), а средний ФЧХ является EstimaTed , используя оценщик H1 ^10.

Для определения ESF от АЧХ, измеренных в ходе испытаний, уравнение 1 может быть использован в одном из двух способов. Во- первых, прямой подход может быть использован, который требует измерения для HJM, Hjn, ХКМ и HKN. Эти АЧХ будет определяться путем размещения датчика в точке к и бродячие датчик для каждого потенциального местоположения датчика J. Воздействие будет применяться в двух местах, которые охватывают место повреждения. Для того, чтобы сделать сбор данных более эффективным, основной взаимности может использоваться для обратного места ввода и измерения. Используя этот подход, HMJ, Hnj, HMK и Hnk определяются. Теперь, вместо того, чтобы перемещать датчики для каждого из различных измерений, датчики оставаться неподвижным, а расположение воздействие блуждал. После того , как ESFS рассчитываются для каждого места, их амплитуды сравниваются , чтобы определить , какое место Jнаиболее чувствительна к повреждениям между локациями м и п. Обратите внимание, что в одном месте повреждения предполагается в этой работе.

Результаты анализа ФЭБ теперь могут быть использованы в качестве ФЧХ на основе структурной схемы мониторинга здоровья. В ^11, было показано , что расположение датчиков , идентифицированные ESFS как наиболее чувствительны к повреждениям были более эффективны в определении присутствия повреждения ветряной турбины лопатки.

Другие методы для прогнозирования мест , в которых ФЧХ структуру , будет чувствительным к повреждению , как правило , полагаются на аналитического моделирования структуры ^{3, 6, 12.} Данные ФЧХ имитируется с использованием различных комбинаций входных и измерительных точках. Тем не менее, результаты этих методов полагаются на разработку надежной и точной модели, которая требует детального знания свойств материала и геометрии структуры. Поскольку ESFS можно рассчитать из экспериментально измеренных данныхна здоровой структуры, определение свойств материала не требуется, и геометрия конструкции не должны быть определены.

Одним из потенциальных ограничений техники является то , что она требует априорного знания о том, где ущерб будет происходить. Во многих случаях это требование не является ограничением, так как из-за стресса и анализа предыдущего опыта, место повреждения можно предвидеть. В тех случаях, когда место повреждения неизвестна, несколько наборов данных могут быть приобретены, каждый раз, предполагая другое место повреждения. В рамках протокола сбора данных, многие лучшие практики были идентифицированы, которые применимы не только к приобретению данных для ESFS, но также применяются в целом к ​​модальной испытании на удар. Будучи в состоянии судить о качестве данных, приобретаемых улучшается с опытом работы, но, зная основы, включая определение силы скатывания и оценки согласованности позволит даже новым модальным ударных испытаний приобрести приветGH-качества данных.

Disclosures

Авторы не имеют ничего раскрывать.

Acknowledgments

Авторы не имеют никаких подтверждений.

Materials

Name	Company	Catalog Number	Comments
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. ASME 2014 DSCC, , (2014).
12. Guratzsch, R., Mahadevan, S. Structural health monitoring sensor placement optimization under uncertainty. AIAA J. 48 (7), 1281-1289 (2010).

Tags

Инженерная выпуск 110 Встроенные функции чувствительности структурный мониторинг состояния здоровья функции частотной характеристики вибрации испытания на удар ветер турбинных лопаток