Name: Data Acquisition Protocol zur Bestimmung Embedded Empfindlichkeitsfunktionen (Video) | JoVE Journal
Uploaded: 2016-04-20T15:00:00.000+00:00
Duration: 7 min 46 s
Description: Lernen Sie die Bestimmung eingebetteter Empfindlichkeitsfunktionen für das Struktur-Health-Monitoring von Windturbinenblättern. Diese datenbasierte Methode ermöglicht präzise Schadenslokalisierung ohne Kenntnis spezifischer Massen-, Steifigkeits- und Dämpfungsparameter.

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

Die Autoren haben keine Bestätigungen.

1. Pre-Test Vorbereitung <ol><li> Design und die Testvorrichtung herzustellen. Gestalten Sie das Gerät zu replizieren realistischen Randbedingungen durch die Wahl Bolzen Stellen, um die Befestigungsstellen der Klinge zu entsprechen. Wählen Stahl für die Haltevorrichtung, den Beitrag von der Befestigung der dynamischen Reaktion der Testprobe zu minimieren. <ol><li> Bolt die Klinge an die individuelle T-Halterung. </li><li> Klemmen Sie das Gerät an einem Stahltisch. </li></ol></li><li> Identifizieren und Raster von Auftreffstellen markieren. <ol><li> Wählen Sie 30 Punkte, die die gesamte Klinge erstrecken. </li><li> Mark Punkte mit einem Marker oder Wachsstift und Nummer Referenz. Messen Sie Punktabstand ein Maßband für die spätere Verwendung in der visuellen Darstellung von Ergebnissen. </li></ol></li><li> Wählen und kalibrieren Beschleunigungssensoren. <ol><li> Wählen Sie einzelne Achse, 10 mV / g Beschleunigungsmesser. Achten Sie darauf, Beschleunigungsmesser mit der entsprechenden Empfindlichkeit zu wählen, um den Sensor eine Überlastung zu vermeiden und gutes Signal-zu erreichen-Noise Verhältnisse. Auch seien Sie sicher, dass der Frequenzbereich der Sensoren ausreichend ist, um den Frequenzbereich von Interesse für die Testprobe zu erfassen. </li><li> Kalibrieren Sie jeden Sensor. <ol><li> Befestigen Sie den Sensor an einer Handschüttler , dessen Ausgang eine Einzelfrequenz - Kraft mit einer Größe von 9,81 m / s 2 rms (dh 1 g). </li><li> Messen Sie die Reaktion für 2 Sekunden. </li><li> Bestimmen die rms Amplitude der Antwort von der Software Auslesung. </li><li> Multiplizieren die rms Amplitude von 1,000 den Kalibrierungsfaktor für den Beschleunigungsmesser in Einheiten von mV / g zu bestimmen. </li></ol></li></ol></li><li> Wählen Sie Hammer und Hammer Spitze. <ol><li> Wählen Sie einen Schlaghammer mit einer Empfindlichkeit von 11,2 mV / N. Achten Sie darauf, einen Hammer zu wählen, die in ausreichendem Maße die Testprobe in Amplitude und Frequenzbereich anregt. </li><li> Wählen Sie eine Nylonspitze. Achten Sie darauf, einen Hammer Spitze zu wählen, die in ausreichendem Maße die Testprobe in Amplitude und Frequenzbereich anregt. </li><li> Connect den Hammer an das Datenerfassungssystem mit einem BNC-Kabel. </li></ol></li><li> Identifizieren Sensorstellen und befestigen Sensoren (Abbildung 4). <ol><li> Wählen Sie Standorte an den Punkten m und n auf beiden Seiten der Schadensstelle. </li><li> Montieren Sie einen dritten Beschleunigungsmesser an der Stelle k. Daten von diesem Sensor wird verwendet, um die Ergebnisse der Empfindlichkeits eingebetteten Funktionsanalyse zu bestätigen. </li><li> Bringen Sie Beschleunigungsmesser mit Superkleber. Lassen Sie den Superkleber vollständig zu setzen, bevor die Schlagprüfung durchzuführen. </li></ol></li><li> Wählen Sie die Prüfparameter in der Datenerfassung GUI. <ol><li> Aktivieren Doppeltreffererkennung. </li><li> Stellen Sie die Abtastfrequenz auf 25.600 Hz. Die nutzbare Frequenzbereich ist daher 12.800 Hz. </li><li> Stellen Sie die Probe Zeit wurde auf 1 Sekunde. </li><li> Wählen Sie den Hammer Kanal als Triggerkanal. Stellen Sie den Triggerpegel auf 10 EU. </li><li> Stellen Sie den Pre-Trigger-Länge bis 5% der gesamten Probenzeit. Die Pre-tVorbereiter Daten sind Daten gesammelt, bevor die Datenerfassung gestartet wird, die in einem Puffer gespeichert wurde. Es ist wichtig, diese Daten abrufen und speichern, so dass die gesamte Aufprallereignis erfasst wird. </li><li> Wählen Sie den H1 FRF-Schätzer. Dieser Schätzer geht davon aus, dass es Rauschen auf den Antwort-Kanäle und kein Lärm auf der Kraft-Kanal ist. Hinweis: Verwenden Sie keine Fenster Daten während der Erfassung. Fenster können in der Nachbearbeitung angewendet werden, falls erforderlich. </li><li> Geben Sie Beschleunigungsmesser und Hammer Informationen, einschließlich der Kalibrierungsfaktoren und technischen Spezifikationen. </li><li> Speichern Sie die Einstellungen für die Aufzeichnung und für den Einsatz in zukünftigen Tests. </li></ol></li></ol> 2. Impact Testing auf der gesunde Klinge <ol><li> Schlagpunkt 1 mit dem Hammer. Wenn die Amplitude der Stoßkraft der gewählten Triggerpegel überschreitet, wird das Datenerfassungssystem ausgelöst werden und Daten, einschließlich der ausgewählten Menge an Pre-Trigger-Daten, wird die Aufnahme beginnen. <ol><li> Während der Daten Acquisition, überwachen Kanäle Kanal Clipping und Doppel Auswirkungen durch die Beobachtung der Zeitverläufe angezeigt in der Software zur Datenerfassung zu vermeiden. </li><li> Während der Datenerfassung, Überwachung der Kohärenz für jedes Beschleunigungsmessers Kanal die Qualität der erfassten Daten durch die Beobachtung der Kohärenz Grundstück in der Software zur Datenerfassung zu bewerten. </li></ol></li><li> Wiederholen Sie Schritt 2.1 vier weitere Male bei Punkt 1. <ol><li> Verwenden Sie konsistente Schlagamplituden für alle Auswirkungen. </li></ol></li><li> Wiederholen Sie die Schritte 2.1 und 2.2 für alle Punkte. </li></ol> 3. Impact Testing auf dem beschädigten Klinge <ol><li> Wiederholen Sie Abschnitt 2 auf die beschädigte Klinge, um Daten zu sammeln für die eingebetteten Empfindlichkeitsfunktion Ergebnisse zu validieren. Mit Ausnahme der Veränderung in der Testprobe, werden alle Testparameter gleich gehalten. </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>

Die Autoren haben nichts zu offenbaren.

Prüfadapter sollten realistische Randbedingungen zu replizieren werden so konzipiert, dass die Ergebnisse anwendbar unter Betriebsbedingungen sein. Die Auswahl der Anzahl von Auftreffpunkten für die Prüfung verwendet wird, ein Kompromiß zwischen einer ausreichenden räumlichen Auflösung und die Testzeit. Wählen Sie den Hammer auf der Basis der Größe des Prüflings und den Frequenzbereich von Interesse. Im Allgemeinen, je kleiner die Hammer, desto breiter der Frequenzbereich angeregt wird. Aber auch kleinere Hämmer erzeuge...

Viele Strukturüberwachung Techniken beruhen auf Veränderungen der gemessenen Frequenzantwortfunktionen (FRFs) Schaden innerhalb einer Struktur zu erkennen. Jedoch adressieren einige dieser Methoden, wie Sensorplatzierungen und / oder Eingangskraft Stellen zu bestimmen, die die Wirksamkeit des Verfahrens maximiert Schäden zu detektieren. Eingebettete Empfindlichkeitsfunktionen (ESFs) können verwendet werden, um die Empfindlichkeit eines FRF zu einer lokalen Veränderung der Struktur einer Materialeigenschaften zu bestimmen. Deshalb, in der Regel, weil Schäden in einer lokalen Änderung der Steifigkeit ergibt, Dämpfung, oder die Masse der Struktur bieten ESFs ein Verfahren zur Bestimmung der besten Sensor und Kraftplätze für die FRF-basierte Gesundheitsüberwachungstechniken. Der Zweck dieses Video und Manuskript ist zum Detail die Datenerfassungsprozess und Best Practices für die ESF für eine Struktur zu bestimmen. Der Prozess umfasst verschiedene FRFs von modalen Aufpralltests zu bestimmen, die durch Anregung eines structu durchgeführt wird,wieder mit einem modalen Schlaghammer und Messung seiner Reaktion mit Beschleunigungssensoren. In dieser Arbeit wird die Struktur getestet ist ein 1,2 m Wohn-Skala Windturbinenschaufel. Das Ziel der Tests und Analysen ist Sensorstellen zu identifizieren, die am empfindlichsten auf eine Beschädigung der Klinge sind. Diese Sensorpositionen könnten dann in einem Strukturüberwachung Schema verwendet werden, um die Klinge auf Beschädigungen zu überwachen. Neben dem Einsatz von ESF die effektivsten Sensorpositionen zu bestimmen, in einer Strukturüberwachung Schema, mehrere optimale Sensorplatzierung Algorithmen auch gefunden in der Literatur nachgewiesen werden kann, zu verwenden. In [Kramer] wertet Kramer iterativ die Fähigkeit einer Reihe von Sensoren, die Betriebsarten des Systems zu beobachten. In jüngerer Zeit wurden genetische Algorithmen 1-3 und neuronale Netze 4 entwickelt Stellen optimal Sensor zu identifizieren. In 5 wird ein Bayes - Ansatz verwendet, der das Risiko von verschiedenen Arten von Fehlern berücksichtigt ,und die Verteilung der Schadensraten. In 6 wurde ein Finite - Elemente - Modell der Sensorstellen am ehesten zu erkennen Schäden zu identifizieren , genutzt. In den meisten der Sensorplatzierung Algorithmen in der Literatur vorgestellt, Daten von der beschädigten Struktur, auch simuliert oder gemessen wird, ist erforderlich. Ein Vorteil der eingebetteten Empfindlichkeit Ansatz ist, dass die Sensorpositionen von der gesunden Struktur bestimmt werden kann. Ein weiterer Vorteil besteht darin, dass ESFs Materialeigenschaften müssen nicht explizit bekannt sein. Stattdessen werden die Materialeigenschaften &quot;eingebettet&quot; in den Ausdrücken für die FRFs des Systems. Daher ist alles, was benötigt ESFs sind ein Satz gemessener FRFs an bestimmten Eingabe / Ausgabe-Positionen zu berechnen. Insbesondere aus einer Reaktion berechnet die Empfindlichkeit der FRF (H jk) am Punkt j , gemessen mit einem Eingang an dem Punkt k zu einer Änderung der Steifigkeit (K mn) zwischen den Punkten m und nist <img alt="Equation1" src="/files/ftp_upload/53690/53690equation1.jpg" /> woher <img alt="Equation2" src="/files/ftp_upload/53690/53690equation2.jpg" /> ist der ESF als Funktion der Frequenz, ω 7-9. Das Verfahren für die Messung erforderlich FRFs die rechte Seite der Gleichung zu berechnen (1) ist detailliert in dem folgenden Abschnitt und in dem Video gezeigt.

<table><tbody><tr><td>Beschleunigungsmesser</td><td>PCB</td><td>356B11</td><td>drei für Tests verwendet</td></tr><tr><td>Schlaghammer</td><td>PCB</td><td>086C01</td><td></td></tr><tr><td>Datenerfassungskarte</td><td>NI</td><td>9234</td><td></td></tr><tr><td>Datenerfassungschassis&nbsp;</td><td>NI</td><td>cDAQ-9171</td><td>oder ähnlich</td></tr><tr><td>Software</td><td>MATLAB</td><td></td><td></td></tr><tr><td>Sekundenkleber</td><td>Loctite</td><td>454</td><td></td></tr><tr><td>Handheld Shaker</td><td>PCB</td><td>394C06</td><td>zur Kalibrierung&nbsp;</td></tr></tbody></table>

data acquisition protocol zur bestimmung embedded empfindlichkeitsfunktionen

Data Acquisition Protocol for Determining Embedded Sensitivity Functions

Die Wirksamkeit vieler Strukturüberwachung Techniken hängt von der Anordnung von Sensoren und die Lage der Eingangskräfte. Algorithmen zur optimalen Sensor zu bestimmen und zwingt Standorte erfordern in der Regel Daten, entweder simuliert oder gemessen, aus dem beschädigten Struktur. Embedded Empfindlichkeitsfunktionen bieten einen Ansatz zur Bestimmung der besten Lage verfügbaren Sensorschäden mit nur Daten aus der gesunden Struktur zu erkennen. In diesem Video-und Manuskript, das Datenerfassungsverfahren und Best Practices für die eingebetteten Empfindlichkeitsfunktionen einer Struktur zu bestimmen vorgestellt. Die Frequenzantwortfunktionen bei der Berechnung der eingebetteten Empfindlichkeitsfunktionen verwendet werden, unter Verwendung modal Schlagprüfung erworben. Die Daten werden erfasst und repräsentative Ergebnisse sind für eine Wohn Maßstab Windturbinenschaufel gezeigt. Strategien für die Bewertung der Qualität der gewonnenen Daten werden bei der Demonstration des Datenerfassungsprozesses vorgesehen sind. </p&gt;

Figur 1 zeigt ein typisches eingebettetes Empfindlichkeitsfunktion. Ähnlich einem FRF hat der ESF-Gipfel in der Nähe der Eigenfrequenzen der Struktur. Je höher der Wert des ESF, desto empfindlicher ist die Lage zwischen den Punkten m und n nicht zu beschädigen. Jede der dreißig Punkte getestet auf der Windturbinenschaufel hat ein einzigartiges ESF. Diese ESFs können verglichen werden, um die Sensorposition bestimmen wäre sehr empfindlich für Beschädigun...

Das Datenerfassungsverfahren zur Bestimmung eingebetteter Empfindlichkeitsfunktionen wird beschrieben. Es werden Daten erfasst und repräsentative Ergebnisse für ein Windturbinenblatt im Wohnbereich angezeigt.

Data Acquisition Protocol zur Bestimmung Embedded Empfindlichkeitsfunktionen

The effectiveness of many structural health monitoring techniques depends on the placement of sensors and the location of input forces. Algorithms for ...

Das übergeordnete Ziel dieses Verfahrens besteht darin, die eingebetteten Empfindlichkeitsfunktionen einer Struktur zu bestimmen. Das Verfahren wird an einer Windturbinenflügel im Maßstab eines Wohngebäudes demonstriert. Diese Methode kann helfen, zentrale Fragen im Zusammenhang mit der Überwachung der strukturellen Integrität zu beantworten, beispielsweise wie sich die Reaktion einer Struktur aufgrund einer Beschädigung an einer bestimmten Stelle verändert.Der Hauptvorteil dieser Technik besteht darin, dass sie eine Methode zur Modellierung einer Struktur basierend auf experimentell gemessenen Daten bietet und dadurch die Notwendigkeit entfällt, spezifische Parameter für Masse, Steifigkeit und Dämpfung zu kennen. Beginnen Sie mit der Konstruktion einer Prüfvorrichtung, um realistische Randbedingungen nachzubilden. In diesem Beispiel werden Bolzstellen so vorbereitet, dass sie mit den Befestigungsstellen der Schaufel übereinstimmen.Stellen Sie die Vorrichtung aus Stahl her, um den Beitrag der Vorrichtung zur dynamischen Antwort der Prüfvorrichtung zu minimieren. Bauen Sie die Vorrichtung zusammen, indem Sie zuerst die Klinge mit der speziellen T-Halterung verschrauben und anschließend die Vorrichtung an einem Stahltisch befestigen. Identifizieren und markieren Sie nun ein Raster von Schlagstellen auf der Klinge.Markieren und nummerieren Sie mit einem Stift oder Wachsmalstift 30 Punkte, die die gesamte Klinge überdecken. Messen Sie anschließend die relative Position der Punkte, um diese für die visuelle Darstellung der Testergebnisse zu verwenden. Bereiten Sie danach einkanalige Beschleunigungssensoren mit 10 Millivolt pro g vor.Die Wahl der richtigen Empfindlichkeit Ihres Beschleunigungssensors ist entscheidend, um gute Signal-Rausch-Verhältnisse zu erzielen. Stellen Sie außerdem sicher, dass der Frequenzbereich des Beschleunigungssensors ausreicht, um den Frequenzbereich Ihres Probenmaterials abzudecken. Kalibrieren Sie jeden Sensor.Befestigen Sie einen Sensor an einem handgehaltenen Schüttler, der eine Kraft mit einer einzelnen Frequenz von 9,81 Metern pro Sekunde zum Quadrat ausgeben kann. Messen Sie die Reaktion des Sensors während zweier Sekunden des Schüttlens. Die Kraftausgabe wird im Software-Display angezeigt.Multiplizieren Sie die Effektivamplitude mit 1000, um den Kalibrierfaktor für das Beschleunigungssensor in Millivolt pro g zu bestimmen. Als nächster Schritt bereiten Sie einen Impulshammer vor, der eine Empfindlichkeit von 11,2 Millivolt pro Newton aufweist. Stellen Sie sicher, dass der Hammer das Prüfobjekt sowohl in der Amplitude als auch in der Frequenz anregen kann.Befestigen Sie anschließend eine Nylonspitze am Hammer, die dessen Funktion nicht beeinträchtigt. Schließen Sie abschließend den Hammer über ein BNC-Kabel an das Datenerfassungssystem an. Identifizieren Sie nun die Sensorpositionen an der Schaufel und befestigen Sie die Beschleunigungssensoren mit Sekundenkleber.Wählen Sie Positionen an den Punkten m und n auf beiden Seiten der beschädigten Stelle. Bringen Sie dann ein drittes Beschleunigungssensor an der Position k an. Die Daten dieses Sensors werden verwendet, um die Ergebnisse der Analyse der eingebetteten Empfindlichkeitsfunktion zu validieren.Öffnen Sie die GUI zur Datenerfassung. Aktivieren Sie zuerst die Doppeltreffer-Erkennung. Stellen Sie anschließend die Abtastrate auf 10.240 Hertz ein.Der nutzbare Frequenzbereich beträgt die Hälfte der Abtastrate. Drittens stellen Sie die Abtastzeit auf eine Sekunde ein. Viertens wählen Sie den Hammerkanal als Auslösekanal und stellen die Auslöseschwelle auf 10 Newton ein.Fünftens stellen Sie die Vorauslösezeit auf 5 % der gesamten Abtastzeit ein. Die Vorauslösedaten sind Daten, die gesammelt und in einem Puffer gespeichert werden, bevor das Datenerfassungssystem gestartet wird. Es ist wichtig, diese Daten abzurufen und zu speichern, damit das gesamte Aufprallerlebnis erfasst wird.Sechstens wählen Sie den H1-FRF-Schätzer aus, der annimmt, dass Rauschen in den Antwortkanälen und kein Rauschen im Kraftkanal vorhanden ist. Zuletzt geben Sie die Informationen zu Beschleunigungssensor und Hammer ein, einschließlich Kalibrierfaktoren und Identifikationsanmerkungen. Speichern Sie anschließend die Einstellungen zur Dokumentation und für die Verwendung in zukünftigen Tests.Nachdem der Sekundenkleber, der zum Befestigen der Sensoren verwendet wurde, vollständig ausgehärtet ist, schlagen Sie mit dem Hammer auf den ersten Auftreffpunkt. Wenn die Amplitude der Aufprallkraft den gewählten Auslösewert überschreitet, wird das Datenerfassungssystem aktiviert und die Aufzeichnung der Daten beginnt, einschließlich der vordefinierten Menge an Pre-Trigger-Daten. Wählen Sie während der Datenerfassung die Kanäle in der Software zur Überwachung aus, um Übersteuerung und Doppelauftreffs zu vermeiden.Beobachten Sie außerdem das Kohärenzdiagramm, um die Qualität der erfassten Daten weiter zu bewerten. Fenstern Sie die Daten während der Erfassung nicht. Schlagen Sie Punkt eins vier weitere Male mit konsistenten Schlagamplituden an.Wiederholen Sie diesen Vorgang anschließend für jeden ausgewählten Punkt auf der Schaufel. Nachdem alle Punkte belastet wurden, wiederholen Sie den gesamten Prozess erneut an der beschädigten Schaufel. Die Daten der beschädigten Schaufel werden lediglich benötigt, um die Wirksamkeit der eingebetteten Empfindlichkeitsfunktionen zu bewerten.Es ist nicht notwendig, die eingebetteten Empfindlichkeitsfunktionen selbst zu bestimmen. Ähnlich wie Frequenzgangfunktionen weisen die eingebetteten Empfindlichkeitsfunktionen Maxima in der Nähe der Eigenfrequenzen der Struktur auf. Je höher der Wert der Funktionen ist, desto empfindlicher ist die Stelle gegenüber Schäden zwischen den Punkten m und n.Betrachten Sie beispielsweise die Amplituden der Funktion in der Nähe von 142 Hertz. Es ist deutlich, dass die Sensoren an den Positionen, die den Quadraten in der ersten und dritten Spalte entsprechen, am empfindlichsten gegenüber Schäden sind. Beachten Sie, dass diese Positionen anhand von Daten bestimmt wurden, die an einer intakten Schaufel gewonnen wurden.Der Unterschied zwischen den aus der intakten Schaufel ermittelten Frequenzgangfunktionen und den aus der beschädigten Schaufel ermittelten Frequenzgangfunktionen zeigt, dass die eingebetteten Empfindlichkeitsfunktionen sehr effektiv dabei sind, die Bereiche an der Schaufel vorherzusagen, die am empfindlichsten gegenüber Schäden sind, wie die Ähnlichkeit dieser beiden Diagramme belegt. Nach dem Anschauen dieses Videos sollten Sie ein gutes Verständnis dafür haben, wie die zur Bestimmung der eingebetteten Empfindlichkeitsfunktionen einer Struktur notwendigen Daten gewonnen werden. Obwohl am Beispiel einer Windkraftanlagenschaufel demonstriert, ist dieses Verfahren auf jede Struktur anwendbar, deren Antwort mit einem Schlaghammer und einem Beschleunigungssensor gemessen werden kann.

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

Research

Forschung

JoVE Journal

Engineering

Ingenieurwesen

Die elektrophysiologische Technik der intrazellulären Aufnahme wird gezeigt, und verwendet, um spektralen Empfindlichkeiten einzelner Sehzellen in der Verbindung Auge eines Schmetterlings bestimmen.

Bestimmung der Sehzellen Spektrale Empfindlichkeit in einem Insekt Modell aus<em&gt; In Vivo</em&gt; Intrazellulärer Recordings

Ein Scanner zum Abbilden magnetischen Teilchen in planar Proben wurde unter Verwendung des planaren Frequenzmisch magnetischen Detektionstechnik entwickelt. Das magnetische Intermodulationsprodukt Antwort von der nichtlinearen hysteresefreie Magnetisierung der Teilchen wird bei einer Zweifrequenzanregung aufgezeichnet. Es kann verwendet werden 2D-Bilder von dünnen biologischen Proben zu nehmen.

Frequenzmisch Magnetische Erkennung Scanner für die Bildgebung magnetische Partikel in Planar Proben

Diese Arbeit beschreibt eine Nanoimprinting Lithografie Methode, um qualitativ hochwertige Sensoren Arrays zu fabrizieren, die auf dem Prinzip der außergewöhnlichen optischen Übertragung arbeiten. Der Biosensor ist kostengünstige, robuste, einfach zu bedienen und erkennt kardiale Troponin im Serum bei klinisch relevanten Konzentrationen (99th Perzentil cutoff ∼10-400 Pg/mL, abhängig von der Assay).

Verwendung von außergewöhnlichen optischen Übertragung kardiale Biomarker in humanem Serum quantifizieren

Diese Studie beschreibt ein Protokoll zur Messung der Exposition im 2,4 GHz-Band, die Unsicherheiten, die durch den Gebrauch der persönlichen exposimetern als Messgeräte zu vermeiden. Diese Änderungen der Exposition sollte berücksichtigt werden, vor allem in Konformitätstests, wo Expositionsgrenzwerte nicht beunruhigt Daten definiert sind.

Effektive Analyse der Exposition des Menschen mit Körper Dosimeter im 2,4 GHz-Band

Das vorgestellte experimentelle Protokoll kann verwendet werden, um Echtzeitmessungen der Kavitationsaktivität in einem Zellkulturgerät durchzuführen, mit dem Ziel, die Untersuchung der Bedingungen zu ermöglichen, die für eine erfolgreiche Wirkstoffabgabe und / oder andere Bioeffekte erforderlich sind.

Untersuchung der Kavitationstherapie

Wir stellen eine Methode zur gleichzeitigen Erfassung von fMRT- und fNIRS-Signalen von denselben Probanden mit Ganzkopf-fNIRS-Abdeckung vor. Das Protokoll wurde mit drei jungen Erwachsenen getestet und kann für die Datenerhebung für Entwicklungsstudien und klinische Populationen angepasst werden.

Gleichzeitige Datenerfassung von fMRT- und fNIRS-Messungen unter Verwendung eines Ganzkopf-Optodenarrays und Kurzstreckenkanälen

Die folgende Studie evaluiert das toxikologische Profil eines ausgewählten metallorganischen Gerüsts unter Verwendung der elektrischen Zellsubstrat-Impedanzmessung (ECIS), einer Echtzeit-Hochdurchsatz-Screening-Technik.

Elektrische Zell-Substrat-Sensorik zur Echtzeit-Bewertung von toxikologischen Profilen metallorganischer Gerüstverbindungen

Additiv gefertigte Polymere werden in großem Umfang zur Herstellung elastischer Metamaterialien verwendet. Das viskoelastische Verhalten dieser Polymere bei Ultraschallfrequenzen ist jedoch noch wenig untersucht. Diese Studie berichtet über ein Protokoll zur Abschätzung der viskoelastischen Eigenschaften von 3D-gedruckten Polymeren und zeigt, wie sie zur Analyse der Metamaterialdynamik verwendet werden können.

Charakterisierung dissipativer, elastischer Metamaterialien, die durch additive Fertigung hergestellt werden 

Dieses Protokoll stellt eine Methode zur systematischen globalen Optimierung von genetisch kodierten Biosensoren durch automatisierungsgestützte Generierung und Bewertung genetischer Bibliotheken zur Verfügung. Dies wird mit Design-of-Experiment-Methoden gekoppelt, um Experimente zu rationalisieren und die Auswahl genetischer Komponenten zu ermöglichen, um Biosensoren auf bestimmte Designergebnisse abzustimmen.

Effiziente Probenahme von genetisch kodierten Biosensoren Design Space mit einem Design of Experiment- und Automatisierungs-Workflow

Eine Technik zum Durchführen quantitativer dreidimensionale (3D)-Bildgebung für einen Bereich von Fluidströmungen wird vorgestellt. Mit Konzepten aus dem Bereich der Light Field Imaging, rekonstruieren wir 3D-Volumen aus Arrays von Bildern. Unsere 3D-Ergebnisse umfassen ein breites Spektrum, einschließlich Geschwindigkeit Felder und Mehrphasen-Blasengröße-Distributionen.

Ermittlung 3D Flow Felder via Multi-Kamera-Light Field Imaging

Lernen Sie die Bestimmung eingebetteter Empfindlichkeitsfunktionen für das Struktur-Health-Monitoring von Windturbinenblättern. Diese datenbasierte Methode ermöglicht präzise Schadenslokalisierung ohne Kenntnis spezifischer Massen-, Steifigkeits- und Dämpfungsparameter.

Data Acquisition Protocol zur Bestimmung Embedded Empfindlichkeitsfunktionen

Weitere Videos entdecken