Name: 数据采集协议确定嵌入式灵敏度功能 (视频) | JoVE Journal
Uploaded: 2016-04-20T15:00:00.000+00:00
Duration: 7 min 46 s
Description: 学习基于实验测量数据确定结构嵌入式灵敏度函数的方法，无需预先知道质量、刚度和阻尼参数。本方法以住宅级风力涡轮机叶片为例，展示如何通过冲击锤和加速度计采集数据，实现结构健康监测与损伤定位预测。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

作者无致谢。

1. 测试前准备
<ol>
	<li>设计并制造测试夹具。通过选择与叶片安装位置相匹配的螺栓位置来设计夹具，以复现真实的边界条件。夹具材料选用钢，以尽量减少夹具对测试试件动态响应的干扰。
	<ol>
		<li>将刀片固定在定制的T型支架上。</li>
		<li>将夹具固定在钢制台面上。</li>
	</ol>
	</li>
	<li>确定并标记撞击位置的网格。
	<ol>
		<li>选择覆盖整个叶片的30个点。</li>
		<li>用记号笔或蜡笔标记点位，并编号以便参考。使用卷尺测量点间距，用于后续结果的可视化呈现。</li>
	</ol>
	</li>
	<li>选择并校准加速度计。
	<ol>
		<li>选择单轴、10 mV/g 的加速度计。务必根据适当的灵敏度选择加速度计，以避免传感器过载并获得良好的信噪比。同时，确保传感器的频率范围足够宽，能够捕捉测试样品感兴趣频率范围内的信号。</li>
		<li>校准每个传感器。
		<ol>
			<li>将传感器固定在手持式振动台上，该振动台输出为频率单一、幅值为9.81 m/sec²的激振力2 均方根（rms）即，1 g。</li>
			<li>测量反应持续2秒。</li>
			<li>根据软件读数确定响应的均方根（rms）幅度。</li>
			<li>将均方根振幅乘以 1,000，以确定加速度计的校准因子，单位为 mV/g。</li>
		</ol>
		</li>
	</ol>
	</li>
	<li>选择锤子和锤头。
	<ol>
		<li>选择灵敏度为 11.2 mV/N 的冲击锤。务必选择能够在幅值和频率范围内充分激励测试试样的冲击锤。</li>
		<li>选择尼龙探头。务必选择能够充分激发测试样品在振幅和频率范围内的锤头探头。</li>
		<li>使用BNC电缆将锤子连接到数据采集系统。</li>
	</ol>
	</li>
	<li>确定传感器位置并安装传感器（图4).
	<ol>
		<li>选择点位置 m 和 n 损伤位置的两侧。</li>
		<li>在指定位置安装第三个加速度计 k该传感器的数据将用于验证嵌入式灵敏度函数分析的结果。</li>
		<li>使用超级胶水固定加速度计。在进行冲击测试前，需等待超级胶水完全固化。</li>
	</ol>
	</li>
	<li>在数据采集图形用户界面中选择测试参数。
	<ol>
		<li>启用双次命中检测。</li>
		<li>将采样频率设置为 25,600 Hz，因此可用频率范围为 12,800 Hz。</li>
		<li>将采样时间设置为 1 秒。</li>
		<li>选择锤子通道作为触发通道。将触发电平设置为 10 EU。</li>
		<li>将预触发长度设置为总采样时间的5%。预触发数据是指在开始数据采集之前已存储在缓冲区中的数据。获取并保存这部分数据至关重要，以确保完整捕获整个冲击事件。</li>
		<li>选择 H1 频响函数估计器。该估计器假设响应通道存在噪声，而力通道无噪声。 
		注意：采集数据时不要加窗。如有必要，可在后期处理中应用窗函数。</li>
		<li>输入加速度计和锤子的信息，包括校准系数和标识备注。</li>
		<li>保存设置以用于记录保存及后续测试。</li>
	</ol>
	</li>
</ol>
2. 健全叶片的冲击测试
<ol>
	<li>用锤子敲击测点1。当冲击力的幅值超过所选触发水平时，数据采集系统将被触发，并开始记录数据，包括所选的预触发数据量。
	<ol>
		<li>在数据采集过程中，通过观察数据采集软件中显示的时间历程，监控各通道以避免通道削波和重复冲击。</li>
		<li>在数据采集过程中，监控每个加速度计通道的相干性，通过观察数据采集软件中的相干性图来评估所采集数据的质量。</li>
	</ol>
	</li>
	<li>在测点1处重复步骤2.1，共再进行四次。
	<ol>
		<li>所有冲击应保持一致的冲击幅值。</li>
	</ol>
	</li>
	<li>对所有测点重复步骤2.1和2.2。</li>
</ol>
3. 对受损叶片进行冲击测试
<ol>
	<li>对受损叶片重复第2节操作，以收集数据来验证嵌入式灵敏度函数的结果。除测试样本发生变化外，所有测试参数均保持不变。</li>
</ol>

<ol><li>Singh, N., Joshi, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimization+of+location+and+number+of+sensors+for+structural+health+monitoring+using+genetic+algorithm%5BTitle%5D)+AND+%22Mater+Forum%22%5BJournal%5D)">Optimization of location and number of sensors for structural health monitoring using genetic algorithm.</a> Mater Forum. 33, 359-367 (2009).</li>
<li>Gao, H., Rose, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ultrasonic+sensor+placement+optimization+in+structural+health+monitoring+using+evolutionary+strategy%5BTitle%5D)+AND+%22Review+Of+Qnde%22%5BJournal%5D)">Ultrasonic sensor placement optimization in structural health monitoring using evolutionary strategy.</a> Review Of Qnde. 25, 1687-1693 (2006).</li>
<li>Raich, A. M., Liszkai, T. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Multi-objective+optimization+of+sensor+and+excitation+layouts+for+frequency+response+function-based+structural+damage+identification%5BTitle%5D)+AND+%22Comput-Aided+Civinfrastructure+Eng%22%5BJournal%5D)">Multi-objective optimization of sensor and excitation layouts for frequency response function-based structural damage identification.</a> Comput-Aided Civinfrastructure Eng. 27 (2), 95-117 (2012).</li>
<li>Worden, K., Burrows, A. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Optimal+sensor+placement+for+fault+detection%5BTitle%5D)+AND+%22Eng+Struct%22%5BJournal%5D)">Optimal sensor placement for fault detection.</a> Eng Struct. 23 (8), 885-901 (2001).</li>
<li>Flynn, E. B., Todd, M. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Bayesian+approach+to+optimal+sensor+placement+for+structural+health+monitoring+with+application+to+active+sensing%5BTitle%5D)+AND+%22Mech+Syst+Signal+Pr%22%5BJournal%5D)">A Bayesian approach to optimal sensor placement for structural health monitoring with application to active sensing.</a> Mech Syst Signal Pr. 24 (4), 891-903 (2010).</li>
<li>Markmiller, J., Chang, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Sensor+network+optimization+for+a+passive+sensing+impact+detection+technique%5BTitle%5D)+AND+%22Struct+Health+Monit%22%5BJournal%5D)">Sensor network optimization for a passive sensing impact detection technique.</a> Struct Health Monit. 9 (1), 25-39 (2010).</li>
<li>Yang, C., Adams, D., Yoo, S., Kim, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((An+embedded+sensitivity+approach+for+diagnosing+system-level+noise+and+vibration+problems%5BTitle%5D)+AND+%22J.+Sound+Vibration%22%5BJournal%5D)">An embedded sensitivity approach for diagnosing system-level noise and vibration problems.</a> J. Sound Vibration. 269 (3), 1063-1081 (2004).</li>
<li>Yang, C., Adams, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+changes+in+vibration+behavior+using+first-+and+second-order+iterative+embedded+sensitivity+functions%5BTitle%5D)+AND+%22J.+Sound+Vibration%22%5BJournal%5D)">Predicting changes in vibration behavior using first- and second-order iterative embedded sensitivity functions.</a> J. Sound Vibration. 323 (1), 173-193 (2009).</li>
<li>Yang, C., Adams, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+Damage+Identification+Technique+based+on+Embedded+Sensitivity+Analysis+and+Optimization+Processes%5BTitle%5D)+AND+%22J.+Sound+Vibration%22%5BJournal%5D)">A Damage Identification Technique based on Embedded Sensitivity Analysis and Optimization Processes.</a> J. Sound Vibration. 333 (14), 3109-3119 (2013).</li>
<li>Rocklin, G. T., Crowley, J., Vold, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+comparison+of+the+H1%2C+H2%2C+and+Hv+frequency+response+functions%5BTitle%5D)+AND+%22Proc.+Of+IMAC+III%22%5BJournal%5D)">A comparison of the H1, H2, and Hv frequency response functions.</a> Proc. Of IMAC III. 1, 272-278 (1985).</li>
<li>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).</li>
<li>Guratzsch, R., Mahadevan, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structural+health+monitoring+sensor+placement+optimization+under+uncertainty%5BTitle%5D)+AND+%22AIAA+J%22%5BJournal%5D)">Structural health monitoring sensor placement optimization under uncertainty.</a> AIAA J. 48 (7), 1281-1289 (2010).</li>
</ol>

作者无任何利益冲突需要披露。

测试夹具的设计应能模拟真实的边界条件，以确保测试结果适用于实际运行条件。测试中冲击点数量的选择需在空间分辨率和测试时间之间进行权衡。应根据试样尺寸和关注的频率范围来选择冲击锤。通常情况下，冲击锤越小，激发的频率范围越宽，但较小的冲击锤通常产生的力幅值较低。冲击锤配备有力传感器，用于测量冲击的时间历程。锤头尖端的类型也会影响激励的频率范围：尖端越硬，激励的频率带越宽。例如，相较于蜡，选择超级胶水是为了尽量减少安装材料对响应信号的衰减。
在数据采集软件中，启用双击检测功能，以便自动提示双次冲击的发生。应选择单次冲击，因为其可产生更宽泛且重复性更好的力谱。当力的幅值超过所选触发水平时，即开始数据采集。时间数据由数据采集软件获取。在采集过程中，应实时监测数据以确保数据质量。应避免通道削波现象，即传感器测得的响应超出允许电压范围的情况。相干性（coherence）是评估数据质量的一个优良指标。通常情况下，在冲击所激发的频率范围内，所有频率对应的相干性应接近于1。在试件的反共振频率附近，由于信噪比较低且噪声与输入信号不相关，因此预期会出现相干性下降的现象。获得高质量数据后，通过快速傅里叶变换（...

许多结构健康监测技术依赖于测量频响函数（FRFs）的变化来检测结构内部的损伤。然而，这些方法中很少有涉及如何确定传感器布置位置和/或激励力施加位置，以最大化损伤检测方法的有效性。嵌入式灵敏度函数（ESFs）可用于确定频响函数对结构材料属性局部变化的灵敏度。因此，由于损伤通常会导致结构局部刚度、阻尼或质量发生变化，ESFs 为基于频响函数的健康监测技术提供了确定最佳传感器和激励力位置的方法。
本视频和文稿的目的是详细介绍获取数据的过程以及确定结构ESF的最佳实践方法。该过程包括通过模态冲击测试确定多个FRF，模态冲击测试通过使用模态冲击锤激励结构，并利用加速度计测量其响应来完成。在本研究中，被测试的结构是一根长度为1.2米的住宅级风力涡轮机叶片。测试与分析的目标是识别对叶片损伤最敏感的传感器布置位置。这些传感器位置随后可用于结构健康监测方案中，以对叶片的损伤情况进行监测。
除了使用ESF方法确定结构健康监测方案中最有效的传感器布置位置外，文献中还展示了多种最优传感器布置算法。在[Kramer]中，Kramer通过迭代评估一组传感器对系统模态的观测能力。近年来，已有研究开发了遗传算法1-3和神经网络4来识别最优传感器位置。在5中，采用了一种贝叶斯方法，该方法考虑了不同类型错误的风险以及损伤发生率的分布情况。在6中，利用有限元模型识别出最有可能检测到损伤的传感器位置。在文献中提出的大多数传感器布置算法中，都需要来自受损结构的数据，无论是模拟数据还是实测数据。嵌入式灵敏度方法的一个优势在于，仅需来自健康结构的数据即可确定传感器布置位置。
ESF 的另一个优势在于无需明确知晓材料属性。相反，材料属性已“嵌入”系统频响函数（FRF）的表达式中。因此，计算 ESF 所需的仅是一组在特定输入/输出位置测得的 FRF 数据。具体而言，频响函数（Hjk）——即在点 k 施加输入时，在点 j 测得的响应所对应的频响函数——对点 m 与点 n 之间刚度（Kmn）变化的灵敏度为
<img alt="数学分析中矩阵元计算的微分符号示意图。" src="/files/ftp_upload/53690/53690equation1.jpg" data-altupdatedat="1788235205000" data-alt="Equation1">
其中 <img alt="偏导数公式，∂H/∂K，微积分研究中的数学符号。" src="/files/ftp_upload/53690/53690equation2.jpg" data-altupdatedat="1788235205000" data-alt="公式2"> 是频率 ω 的函数的 ESF 7-9测量用于计算公式（1）右侧所需的频率响应函数（FRFs）的步骤将在下一节中详细说明，并在视频中进行演示。

<table><tbody><tr><td>加速度计</td><td>PCB</td><td>356B11</td><td>测试中使用三个</td></tr><tr><td>冲击锤</td><td>PCB</td><td>086C01</td><td></td></tr><tr><td>数据采集卡</td><td>NI</td><td>9234</td><td></td></tr><tr><td>DAQ 机箱&amp;nbsp;</td><td>NI</td><td>cDAQ-9171</td><td>或类似型号</td></tr><tr><td>软件</td><td>MATLAB</td><td></td><td></td></tr><tr><td>瞬干胶</td><td>Loctite</td><td>454</td><td></td></tr><tr><td>手持式激振器</td><td>PCB</td><td>394C06</td><td>用于校准&amp;nbsp;</td></tr></tbody></table>

确定嵌入式灵敏度函数的数据采集协议

Data Acquisition Protocol for Determining Embedded Sensitivity Functions

许多结构健康监测技术的有效性取决于传感器的布置以及输入力的位置。用于确定最优传感器和激励位置的算法通常需要来自受损结构的数据，无论是模拟数据还是实测数据。嵌入式灵敏度函数提供了一种方法，仅利用健康结构的数据即可确定最佳可用的传感器位置以检测损伤。本视频和文稿中介绍了数据采集流程以及确定结构嵌入式灵敏度函数的最佳实践。用于计算嵌入式灵敏度函数的频响函数是通过模态冲击测试获取的。文中以住宅级风力涡轮机叶片为例，展示了数据采集过程及代表性结果。在数据采集过程的演示中，还提供了评估所采集数据质量的策略。

图1展示了一个典型的嵌入式灵敏度函数。与频响函数（FRF）类似，嵌入式灵敏度函数（ESF）在结构的固有频率附近出现峰值。ESF的值越高，表明该位置对点m和n之间的损伤越敏感。在风力涡轮机叶片上测试的三十个点中，每个点都有其独特的ESF。通过比较这些ESF，可以确定哪个传感器位置对损伤最为敏感。例如，图2显示了接近142 Hz时ESF的幅值。从该图中可以明显看出，对应于第一列和第三列中方块的传感器位置对损伤最为敏感。需要注意的是，这些位置是根据从健康叶片获取的数据确定的。
图3展示了从健康叶片数据和受损叶片数据中确定的频响函数（FRF）之间的实测差异。FRF差异与有效模态指示函数（ESF）之间的相似性表明，ESF能够有效预测因损伤导致FRF发生最大变化的位置。
<p class="jove_content" f...

介绍了用于确定嵌入式灵敏度函数的数据采集过程。以家用规模风力涡轮机叶片为例，展示了数据采集方法及代表性结果。

许多结构健康监测技术的有效性取决于传感器的布置以及输入力的位置。用于……的算法

本实验的总体目标是确定结构的嵌入式灵敏度函数。该方法将以住宅级风力涡轮机叶片为例进行演示。该方法有助于回答与结构健康监测相关的关键问题，例如，当结构某一特定位置发生损伤时，其响应将如何变化。该技术的主要优势在于，它提供了一种基于实验测量数据进行结构建模的方法，无需事先了解质量、刚度和阻尼等特定参数。首先设计一个测试夹具，以复现真实的边界条件。在此示例中，螺栓安装位置的设计与叶片的安装位置相匹配。使用钢材制造夹具，以尽量减少夹具对测试试样动态响应的影响。首先将叶片用螺栓固定到定制的T型支架上，然后将夹具夹紧在钢制平台上，完成夹具的组装。接下来，在叶片上确定并标记一组冲击位置的网格点。使用记号笔或蜡笔在刀片上标记并编号30个点，覆盖整个刀片范围。然后，测量各点的相对位置，用于测试结果的可视化表示。接着，准备单轴10毫伏每克加速度计。选择合适的加速度计灵敏度对于获得良好的信噪比至关重要。同时，确保加速度计的频率范围足以覆盖待测样本的关注频率范围。对每个传感器进行校准。将一个传感器连接到可输出9.81米/秒²单频力的手持式振荡器上。测量传感器在振动两秒期间的响应。力的输出值由软件读出。将均方根振幅乘以1000，以确定加速度计的校准系数，单位为毫伏每重力加速度（mV/g）。下一步准备一个灵敏度为11.2毫伏每牛顿（mV/N）的冲击锤。确保该冲击锤在幅值和频率上均能有效激励测试试件。然后，将一个尼龙尖端安装到锤子上，以确保其功能不受影响。最后，通过BNC电缆将锤子连接到数据采集系统。现在，确定叶片上的传感器位置，并使用超级胶水将加速度计固定在相应位置。在损伤位置两侧的 m 点和 n 点选择测点，然后在位置 k 安装第三个加速度传感器。该传感器采集的数据将用于验证嵌入式灵敏度函数分析的结果。打开数据采集图形用户界面。首先，启用双击检测功能。然后，将采样频率设置为 10,240 赫兹。可用频率范围为采样频率的一半。第三，将采样时间设置为一秒。第四，选择锤击通道作为触发通道，并将触发水平设置为10牛顿。第五，将预触发长度设置为总采样时间的5%。预触发数据是指在数据采集系统启动之前已收集并存储在缓冲区中的数据。获取并保存这部分数据非常重要，以确保完整捕捉整个冲击事件。第六，选择假设响应通道存在噪声而激励通道无噪声的H1频响函数（FRF）估计器。最后，输入加速度计和冲击锤的信息，包括校准系数和识别备注。然后保存设置，以便存档及后续测试使用。待用于固定传感器的超级胶水完全固化后，用锤子敲击第一个冲击点。当冲击力的幅值超过所选触发阈值时，数据采集系统将被触发，并开始记录数据，包括预先设定的触发前数据量。在数据采集过程中，需在软件中监控各通道，以避免信号削波和重复冲击。此外，观察相干性图以进一步评估所获取数据的质量。在数据采集过程中不要对数据进行加窗处理。以一致的冲击幅度对测点一再进行

data-acquisition-protocol-for-determining-embedded-sensitivity

Research

科研

JoVE Journal

Engineering

工程

数据采集​​协议确定嵌入式灵敏度功能

演示了细胞内记录的电生理技术，并用于测定蝴蝶复眼中单个感光细胞的光谱敏感性。...

从昆虫模型中测定感光细胞的光谱敏感性 在体 内 细胞内记录

采用平面频率混合磁检测技术研制了一种用于平面样品中磁性颗粒成像的扫描仪。该技术通过双频激励，记录颗粒非线性无滞回磁化产生的磁互调响应，可用于对薄层生物样品进行二维成像。...

用于平面样品中磁性颗粒成像的频率混合磁检测扫描仪

本研究描述了一种纳米压印光刻技术，用于制备基于异常光学透射原理的高质量传感阵列。该生物传感器成本低、稳定性好、操作简便，可在临床相关浓度下检测血清中的心肌肌钙蛋白I（99th 百分位数截断值 ∼10–400...

利用超常光学透射技术定量检测人血清中的心脏生物标志物

本研究描述了一种用于测量2.4...

2.4 GHz频段人体可穿戴剂量计有效分析人体暴露条件

本实验方案可用于在细胞培养装置中实时测量空化活性，旨在探究实现成功药物递送和/或其他生物效应所需的条件。...

研究空化增强治疗

我们介绍一种可对同一受试者同时采集fMRI和fNIRS信号并实现全脑fNIRS覆盖的方法。该方案已在三名年轻成人中进行测试，也可根据需要调整用于发育研究和临床人群的数据采集。...

使用全头光学探头阵列和短距离通道同步采集 fMRI 与 fNIRS 测量数据

本研究利用细胞电阻抗传感技术（ECIS）——一种实时、高通量的筛选方法，评估了一种选定金属-有机框架材料的毒理学特征。...

用于实时评估金属有机框架毒理学特征的细胞电子基底传感技术

增材制造聚合物已广泛用于制备弹性超材料。然而，这些聚合物在超声频率下的粘弹性行为仍缺乏深入研究。本研究报道了一种用于估算3D打印聚合物粘弹性特性的实验方案，并展示了如何利用该方法分析超材料的动力学行为。...

表征通过增材制造制备的耗散弹性超材料

本方案提供了一种通过自动化辅助的基因文库构建与评估，对基因编码的生物传感器进行系统性全局优化的方法。该方法结合实验设计（design-of-experiment）策略，以简化实验流程，并实现对基因元件的选择，从而将生物传感器调节至特定的设计目标。...

利用实验设计与自动化工作流程实现基因编码生物传感器设计空间的高效采样

本文介绍了一种用于多种流体流动的定量三维（3D）成像技术。基于光场成像领域的原理，我们从图像阵列中重建三维体积。我们的三维结果涵盖广泛，包括速度场和多相气泡尺寸分布。...

通过多相机光场成像确定三维流场

学习基于实验测量数据确定结构嵌入式灵敏度函数的方法，无需预先知道质量、刚度和阻尼参数。本方法以住宅级风力涡轮机叶片为例，展示如何通过冲击锤和加速度计采集数据，实现结构健康监测与损伤定位预测。

确定嵌入式灵敏度函数的数据采集协议

探索更多视频