Veri Toplama Protokolü Gömülü Hassasiyet İşlevleri belirlenmesi için

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.

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

1. Ön Test Hazırlama

1. Tasarım ve test fikstürü imal. Bıçağın montaj yerleri maç cıvata yerleri seçerek gerçekçi sınır koşulları çoğaltmak için fikstür tasarlayın. test numunesinin dinamik tepki fikstür katkı en aza indirmek için fikstür için çelik seçin.
   1. Özel t-dirseğe bıçağı cıvata.
   2. Bir çelik masaya armatürü Kelepçe.
2. Belirlemek ve etki yerleri ızgara işaretleyin.
   1. Tüm bıçak kapsayan 30 puan seçin.
   2. Mark referans için bir işaretleyici veya balmumu kalem ve numarası ile işaret eder. Sonuçların görsel temsil daha sonra kullanılmak üzere bir mezura yardımıyla nokta aralığı ölçün.
3. Seçin ve ivmeölçer kalibre.
   1. Tek eksen, 10 mV / g ivmeölçer seçin. sensörü aşırı yüklenmesini önlemek için ve iyi bir sinyal-to elde etmek için uygun hassasiyet ile ivmeölçer seçtiğinizden emin olun-Gürültü oranları. Ayrıca, sensör frekans aralığı test örneği için ilgili frekans aralığı yakalamak için yeterli olduğundan emin olun.
   2. Her sensörünü kalibre edin.
      1. Çıkış tarafinda 9.81 m / ^sn2 rms (yani, 1 g) bir büyüklükte olan bir tek-frekanslı bir güç elde tutulan bir karıştırıcısı Algılayıcıyı takın.
      2. 2 saniye tepkisini ölçmek.
      3. Yazılım okumadan cevap efektif genliği belirleyin.
      4. mV / g birimlerinde ivme için kalibrasyon faktörünü belirlemek için 1.000 ile efektif genlik çarpın.
4. Seç çekiç ve çekiç ucu.
   1. 11.2 mV / N bir hassasiyete sahip bir darbe çekiç seçin. yeterince hem genlik ve frekans aralığında test örneği heyecanlandıran bir çekiç seçtiğinizden emin olun.
   2. Bir naylon ucu seçin. yeterince hem genlik ve frekans aralığında test örneği heyecanlandıran bir çekiç ucu seçtiğinizden emin olun.
   3. CoBNC kablosu ile veri toplama sistemine çekiç nnect.
5. Sensör konumlarını belirlemek ve eklemek sensörler (Şekil 4).
   1. Noktaları m yerleri seçin ve n hasar konumu her iki tarafında.
   2. Konumu k üçüncü ivmeölçer monte edin. Bu sensöründen gelen verileri gömülü duyarlılık fonksiyonu analiz sonuçlarını doğrulamak için kullanılacaktır.
   3. süper yapıştırıcı kullanarak ivmeölçer takın. süper yapıştırıcı etkisi test yapmadan önce tamamen ayarlamak için izin ver.
6. veri toplama GUI Test parametrelerini seçin.
   1. çift ​​vuruş algılaması etkinleştirin.
   2. 25600 Hz örnekleme frekansını ayarlayın. kullanılabilir frekans aralığı nedenle, 12.800 Hz vardır.
   3. 1 sn örnek saatini ayarlayın.
   4. Tetik kanalı olarak çekiç kanalını seçin. 10 AB tetik seviyesini ayarlayın.
   5. toplam örnek süresinin% 5 ön tetik uzunluğunu ayarlayın. Ön-tdonatısı verileri bir tampon içinde depolanmış veri toplama başlamadan önce toplanan verilerdir. Almak ve tüm darbe olayı yakalanır, böylece bu verileri kaydetmek önemlidir.
   6. H1 FRF tahmincisi seçin. Bu tahmincisi yanıt kanallarda gürültü ve kuvvet kanalda gürültü olduğunu varsayar.
      Not: edinimi sırasında değil pencere verilerini yapın. Gerekirse, Windows sonrası işleme uygulanabilir.
   7. Kalibrasyon faktörleri ve kimlik notları da dahil olmak üzere ivmeölçer ve çekiç bilgileri girin.
   8. kayıt tutma ve gelecekteki testlerinde kullanılmak üzere ayarları kaydedin.

Sağlıklı Blade 2. Darbe Testi

1. çekiçle darbe noktası 1. darbe kuvvetinin büyüklüğü seçilen tetikleme seviyesini aştığında, veri toplama sistemi tetiklenir ve ön tetik veri seçilen miktarı da dahil olmak üzere veri, kayıt başlayacaktır.
   1. veri acquisitio sırasından, veri toplama yazılımı görüntülenen zaman geçmişlerini gözlemleyerek kanal kırpma ve çift etkilerini önlemek için kanal izlemek.
   2. veri toplama sırasında, veri toplama yazılımı tutarlılık arsa gözlemleyerek elde edilen verilerin kalitesini değerlendirmek için her ivmeölçer kanalı için tutarlılık izlemek.
2. Adımı yineleyin 1 noktasında 2.1 dört kez daha.
   1. tüm etkilerin için tutarlı darbe genlikleri kullanın.
3. Tekrarlayın tüm noktaları için 2.1 ve 2.2 adımları tekrarlayın.

Hasarlı Blade 3. Darbe Testi

1. sırayla hasarlı bıçak üzerinde tekrarlayın bölüm 2 gömülü duyarlılık işlevi sonuçlarını doğrulamak için veri toplamak için. Test numunesinde değişiklik dışında, bütün test parametreleri, tutulur.

Representative Results

Şekil 1 tipik bir gömülü duyarlılık işlevini gösterir. Bir FF benzer şekilde, ESF yapının doğal frekansları yakınındaki tepe vardır. ESF yüksek bir değer, daha hassas konum noktaları m ve n arasında zarar etmektir. rüzgar türbini kanadının üzerinde test otuz noktanın her bir benzersiz ESF vardır. Bu ESFs hasara en hassas olacağını sensör konumu belirlemek için karşılaştırılabilir. Örneğin, Şekil 2, 142 Hz civarındaki ESFs genliklerinin gösteriyor. Bu grafikte bakıldığında, birinci ve üçüncü kolonlarda kareler karşılık gelen algılayıcı yerleri hasara en hassas olduğu açıktır. Bu konumları sağlıklı bıçak elde edilen verilerden belirlenmiştir unutmayın.

Şekil 3 sağlıklı verilerin belirlenen FTF'larındaki arasındaki FTF'larındaki ölçülen farkı gösterir bıçak ve hasarlı bıçak verilerinden belirlenmiştir olanlar. FTF'larındaki farkı arasındaki benzerlikler ve ESFs hasar nedeniyle FTF'larındaki büyük değişiklikler sergilenecek olan konumları tahmin etmek ESFs etkinliğini göstermektedir.

Şekil 1. ESF değeri seçilen yerde yapısında hasara 1 noktasında FRF hassasiyetine karşılık gelen nokta 1. e mbedded duyarlılık fonksiyonunun genliği. Değerler, frekansın bir fonksiyonu olarak değişir. ESF Peaks yapının doğal frekansları karşılık eğilimindedir. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız.

3690 / 53690fig2.jpg "/>
Şekil 2. 142 Hz tüm otuz puan için ESFs genlikleri. Her renkli kare, test edilen her uzamsal konumu için 142 Hz ESF değerine karşılık gelir. Sıcak renkler ESFs hasar nedeniyle FRF en büyük değişiklik tahmin hangi noktalara gelmektedir. Soğutucu renkler bu noktada FRF değişim nispeten küçük olacağını göstermektedir. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız.

Şekil 3. FTF'larındaki farkı, lH _jk, 142 Hz tüm otuz puan. Fark sağlıklı ve bozuk bıçaklardan tespit FTF'larını çıkarılarak hesaplanmıştır. Sıcak renkler FTF'larındaki büyük farklılıklar göstermektedir. Soğuk renkler SMA işaretFTF'larındaki ll değişir. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız.

Şekil 4. Etki noktaları test sırasında kullanılan. Puan bıçak span seçildi. Bu rakamın büyük halini görmek için lütfen buraya tıklayınız.

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 üretirler. Çekiçler etkinin zaman geçmişini ölçmek için bir kuvvet ölçer cihazlarıya edilir. çekiç ucu tipi de uyarma frekans aralığını etkiler. sert ucu, uyarma geniş frekans bandı. Süper Montaj yapıştırıcısı malzeme tarafından YANITIN en aza indirmek için, örneğin, balmumu üzerinde seçilir.

veri toplama yazılımı olarak otomasy amacıyla çift vuruş algılamayı etkinleştirmekBir çift etki meydana geldiğinde Cally göstermektedir. Onlar daha geniş, daha tekrarlanabilir kuvvet spektrumunu üretmek çünkü tek etkileri arzu edilir. kuvvetinin büyüklüğü, seçilen tetikleme seviyesinin üzerine çıktığında, veri toplama başlatılır. Zaman veri veri toplama yazılımı ile elde edilir. Satın alma sırasında veri veri kalitesini sağlamak için takip edilmelidir. sensör tarafından ölçülen tepki izin verilen gerilim aralığını aştığında meydana Kanal kırpma, kaçınılmalıdır. Tutarlılık veri kalitesini yargılamak için kullanmak için mükemmel bir ölçümdür. Genel olarak, tutarlılık etkisiyle heyecanlı frekans aralığındaki tüm frekanslar için birinin yakınında olmalıdır. sinyal gürültü oranı düşüktür ve gürültü girişi ile ilişkisiz olduğundan uyumlu olarak eğimler test numunesinin, anti-rezonans frekanslarına yakın beklenmektedir. kaliteli veri elde edilir sonra, zaman geçmişleri Hızlı Fourier Dönüşümü (FFT) üzerinden frekans alanına dönüştürülür ve ortalama FRF estima olduğunuted H1 tahmincisi ¹⁰ kullanarak.

Test sırasında ölçülen FTF'ndan ESF belirlemek için denklem 1, iki yoldan biri ile kullanılabilir. İlk olarak, doğrudan yaklaşım HJM, Hjn, HKM ve HkN için ölçümler gerektiren, kullanılabilir. Bu FTF'ları konum k bir sensör yerleştirerek ve her potansiyel sensör konumu j bir sensör fitil ile belirlenecektir. Etkiler hasar yerini kapsayan iki noktada uygulanacak. Veri toplama daha etkili hale getirmek için, karşılıklı ana giriş ve ölçüm konumları ters kullanılabilir. Bu yaklaşımı kullanarak, HMJ, Hnj, Hmk ve Hnk belirlenir. Şimdi, bunun yerine her biri farklı ölçüm sensörleri taşımak zorunda kalmadan, sensörler sabit kalmak ve darbe konumu roved edilir. ESFs her bir yer için hesaplanan sonra, kendi genlikler Yer j belirlemek için karşılaştırılırkonumları, m ve n arasındaki hasara en hassas olanıdır. Tek bir hasar konum bu çalışmada kabul edilir unutmayın.

ESF analiz sonuçları artık FF tabanlı yapısal sağlık gözlem şemada kullanılabilir. ^11, bu hasara en duyarlı olarak ESFs tarafından belirlenen sensör yerleri bir rüzgar türbini kanadının hasar varlığını belirlemede daha etkili olduğu gösterilmiştir.

Diğer yöntemler yapının FTF genellikle ^12. FRF veri girişi ve ölçüm yerlerinin farklı kombinasyonları kullanılarak simüle edilmektedir yapısı ^{3, 6,} analitik modelleme güvenmek zarar duyarlı olacağı konumları tahmin etmek. Bununla birlikte, bu yöntemin sonuçları detaylı malzeme özellikleri hakkında bilgi ve yapının geometrisini gerektiren bir güvenilir ve doğru modelinin geliştirilmesine dayanır. ESFs deneysel ölçümlere dayanan verilerden hesaplanabilir çünküSağlıklı yapısına, malzeme özelliklerinin tanımlanması gerekli değildir ve yapı geometrisi tespit edilmesi gerekmez.

Tekniğin potansiyel bir sınırlama da hasar meydana nereye gittiğini a priori bilgi gerektirir. Birçok uygulamada, bu gereklilik nedeniyle stres nedeniyle sınırlayıcı değildir analizleri ve önceki deneyim, hasar yeri öngörülebilir. Hasar yeri bilinmiyor uygulamalarda, çoklu veri setleri, farklı bir hasar konum varsayarak her zaman elde edilebilir. veri toplama protokolü kapsamında, birçok iyi uygulamalar sadece ESFs için veri toplama için geçerli değil, aynı zamanda kalıcı darbe testi genellikle geçerli değildir tespit edilmiştir. elde edilen verinin kalitesini yargılamak mümkün deneyime sahip geliştirir olmak, ancak kuvvet roll-off belirlenmesi ve elde etmek için darbe testi modal bile bu yeni sağlayacak tutarlılık değerlendirilmesi de dahil olmak üzere temel bilerek merhabagh kaliteli veri.

Disclosures

Yazarlar ifşa hiçbir şey yok.

Acknowledgments

Yazarlar hiçbir onayları var.

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

Mühendislik Sayı 110 Gömülü duyarlılık fonksiyonları yapısal sağlık izleme frekans tepki fonksiyonları titreşimler darbe test rüzgar türbin kanatları