Data Acquisition Protocol zur Bestimmung Embedded Empfindlichkeitsfunktionen

Abstract

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.

Introduction

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 "eingebettet" 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

woher 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.

Protocol

1. Pre-Test Vorbereitung

1. 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.
   1. Bolt die Klinge an die individuelle T-Halterung.
   2. Klemmen Sie das Gerät an einem Stahltisch.
2. Identifizieren und Raster von Auftreffstellen markieren.
   1. Wählen Sie 30 Punkte, die die gesamte Klinge erstrecken.
   2. 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.
3. Wählen und kalibrieren Beschleunigungssensoren.
   1. 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.
   2. Kalibrieren Sie jeden Sensor.
      1. 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).
      2. Messen Sie die Reaktion für 2 Sekunden.
      3. Bestimmen die rms Amplitude der Antwort von der Software Auslesung.
      4. Multiplizieren die rms Amplitude von 1,000 den Kalibrierungsfaktor für den Beschleunigungsmesser in Einheiten von mV / g zu bestimmen.
4. Wählen Sie Hammer und Hammer Spitze.
   1. 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.
   2. Wählen Sie eine Nylonspitze. Achten Sie darauf, einen Hammer Spitze zu wählen, die in ausreichendem Maße die Testprobe in Amplitude und Frequenzbereich anregt.
   3. Connect den Hammer an das Datenerfassungssystem mit einem BNC-Kabel.
5. Identifizieren Sensorstellen und befestigen Sensoren (Abbildung 4).
   1. Wählen Sie Standorte an den Punkten m und n auf beiden Seiten der Schadensstelle.
   2. Montieren Sie einen dritten Beschleunigungsmesser an der Stelle k. Daten von diesem Sensor wird verwendet, um die Ergebnisse der Empfindlichkeits eingebetteten Funktionsanalyse zu bestätigen.
   3. Bringen Sie Beschleunigungsmesser mit Superkleber. Lassen Sie den Superkleber vollständig zu setzen, bevor die Schlagprüfung durchzuführen.
6. Wählen Sie die Prüfparameter in der Datenerfassung GUI.
   1. Aktivieren Doppeltreffererkennung.
   2. Stellen Sie die Abtastfrequenz auf 25.600 Hz. Die nutzbare Frequenzbereich ist daher 12.800 Hz.
   3. Stellen Sie die Probe Zeit wurde auf 1 Sekunde.
   4. Wählen Sie den Hammer Kanal als Triggerkanal. Stellen Sie den Triggerpegel auf 10 EU.
   5. 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.
   6. 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.
   7. Geben Sie Beschleunigungsmesser und Hammer Informationen, einschließlich der Kalibrierungsfaktoren und technischen Spezifikationen.
   8. Speichern Sie die Einstellungen für die Aufzeichnung und für den Einsatz in zukünftigen Tests.

2. Impact Testing auf der gesunde Klinge

1. 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.
   1. Während der Daten Acquisition, überwachen Kanäle Kanal Clipping und Doppel Auswirkungen durch die Beobachtung der Zeitverläufe angezeigt in der Software zur Datenerfassung zu vermeiden.
   2. 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.
2. Wiederholen Sie Schritt 2.1 vier weitere Male bei Punkt 1.
   1. Verwenden Sie konsistente Schlagamplituden für alle Auswirkungen.
3. Wiederholen Sie die Schritte 2.1 und 2.2 für alle Punkte.

3. Impact Testing auf dem beschädigten Klinge

1. 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.

Representative Results

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 Beschädigungen. Zum Beispiel Abbildung 2 zeigt die Amplituden des ESFS in der Nähe von 142 Hz. Aus diesem Diagramm wird deutlich, dass Sensororten zu den Plätzen in der ersten und der dritten Spalte sind am empfindlichsten auf dem Schaden entspricht. Beachten Sie, dass diese Standorte von Daten aus der gesunden Klinge erworben bestimmt werden.

Abbildung 3 zeigt die gemessene Differenz in FRFs zwischen den FRFs von Daten aus dem gesunden bestimmt Klinge und die aus Daten aus dem beschädigten Klinge bestimmt. Die Ähnlichkeiten zwischen dem Unterschied in FRFs und ESFS zeigen die Wirksamkeit des ESFS die Positionen vorherzusagen, an dem es die größten Veränderungen in FRFs aufgrund von Schäden ausgestellt werden.

Abbildung 1. Die Amplitude der e mBedded Empfindlichkeitsfunktion für Punkt 1. Der Wert des ESF entspricht der Empfindlichkeit des FRF bei Punkt 1 bis Schäden in der Struktur an der gewählten Stelle. Die Werte verändern als Funktion der Frequenz. Peaks im ESF neigen dazu, Eigenfrequenzen der Struktur entsprechen. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

3690 / 53690fig2.jpg "/>
Abbildung 2. Die Amplituden des ESFS für alle dreißig Punkte bei 142 Hz. Jeder farbige Quadrat entspricht dem Wert des ESF bei 142 Hz für jede räumliche Position getestet. Heiße Farben entsprechen den Punkten, an denen das ESFS die größte Veränderung aufgrund von Schäden in FRF vorherzusagen. Cooler Farben zeigen an, dass die Änderung an diesem Punkt in FRF wird relativ klein sein. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Abbildung 3 : Der Unterschied in den FRFs, H _jk für alle dreißig Punkte bei 142 Hz. Die Unterschiede wurden durch Subtrahieren der FRFs von den gesunden und beschädigten Schaufeln bestimmt berechnet. Heiße Farben zeigen große Unterschiede in FRFs. Kühle Farben zeigen small Änderungen in FRFs. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Abbildung 4. Auswirkungen Punkte während des Tests verwendet. Punkte ausgewählt wurden , um die Klinge zu erstrecken. Bitte klicken Sie hier , um eine größere Version dieser Figur zu sehen.

Discussion

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 erzeugen typischerweise geringere Amplitude Kräfte. Schlaghämmer sind mit einem Kraftmessgerät instrumentiert den zeitlichen Verlauf des Aufpralls zu messen. Die Art der Hammerspitze wirkt sich auch auf den Frequenzbereich der Anregung. Je härter die Spitze ist, desto breiter das Frequenzband des Anregungs. Superkleber über Wachs, beispielsweise ausgewählt, um die Dämpfung der Antwort durch das Befestigungsmaterial zu minimieren.

In der Datenerfassungssoftware ermöglichen Doppeltreffererkennung, um automamatisch anzuzeigen, wenn eine doppelte Wirkung aufgetreten ist. Einzelne Auswirkungen sind erwünscht, weil sie einen breiteren, wiederholbaren Kraftspektrum erzeugen. Wenn die Amplitude der Kraft über dem ausgewählten Triggerpegel ansteigt, wird die Datenerfassung gestartet. Zeitdaten werden von der Datenerfassungs-Software erworben. Während der Erfassung sollten Daten überwacht werden, um die Datenqualität zu gewährleisten. Kanal-Ausschnitt, der auftritt, wenn die Antwort von dem Sensor gemessene überschreitet den zulässigen Spannungsbereich, sollten vermieden werden. Coherence ist eine ausgezeichnete Metrik zu verwenden Datenqualität zu beurteilen. Im Allgemeinen sollte die Kohärenz in der Nähe sein für alle Frequenzen im Frequenzbereich durch den Aufprall angeregt. Dips in Kohärenz nahe Antiresonanzfrequenzen des Prüfkörpers zu erwarten, weil das Signal-Rausch-Verhältnis niedrig ist, und das Rauschen nicht korreliert mit dem Eingangs. Sobald die Datenqualität erfasst wird, werden die Zeitverläufe in den Frequenzbereich über die schnelle Fourier umgewandelt Transformation (FFT), und die durchschnittliche FRF ist estimated mit dem H1 - Schätzer ^10.

Um die ESF von den FRFs bestimmen während des Tests gemessen wird, Gleichung 1 kann in einer von zwei Arten verwendet werden. Erstens kann der direkte Ansatz verwendet werden, die Messungen für Hjm, HJN, Hkm und HKN erfordert. Diese FRFs würde bestimmt durch einen Sensor an der Stelle k platzieren und einen Sensor an jedem potentiellen Sensorposition j Roving. Die Auswirkungen würden an den beiden Standorten angewendet werden, die die Schadensstelle erstrecken. Um die Datenerfassung effizienter zu gestalten, kann das Prinzip der Reziprozität verwendet werden, um die Eingangs- und Messstellen auf der Rückseite. Mit diesem Ansatz hmj, HNJ, Hmk und Hnk bestimmt. Statt nun mit den Sensoren für jede unterschiedliche Mess zu bewegen, wobei die Sensoren bleiben stationär und die Trefferlageneinstelleinheit roved wird. Sobald das ESFS für jeden Standort berechnet werden, werden ihre Amplituden verglichen , die Position j zu bestimmen ,am empfindlichsten ist zwischen den Standorten m und n für Beschädigungen. Beachten Sie, dass eine einzige Schadensstelle in dieser Arbeit angenommen wird.

Die Ergebnisse der ESF-Analyse kann nun in einem FRF-basierten Strukturüberwachung Schema verwendet werden. In ¹¹ wurde gezeigt , daß die Sensorpositionen von ESFs identifiziert als am empfindlichsten gegen Beschädigungen ist eine Windturbinenschaufel in die Identifizierung der Anwesenheit von Schäden wirksamer waren.

Andere Methoden Standorten vorherzusagen , an dem eine Struktur FRF empfindlich typischerweise verlassen sich auf analytische Modellierung der Struktur ^{3, 6, 12.} FRF Daten beschädigt wird verschiedenen Kombinationen von Eingabe- und Messstellen simuliert werden. Jedoch stützen sich die Ergebnisse dieser Verfahren auf die Entwicklung eines zuverlässigen und genauen Modell, das detaillierte Kenntnis der Materialeigenschaften und der Geometrie der Struktur erfordert. Da ESFs aus experimentell gemessenen Daten berechnet werdenauf der gesunden Struktur wird die Identifizierung der Materialeigenschaften nicht erforderlich, und die Geometrie der Struktur muss nicht bestimmt werden.

Eine mögliche Einschränkung der Technik ist , dass es erfordert eine priori Kenntnis davon , wo der Schaden auftreten wird. In vielen Anwendungen ist diese Anforderung nicht, weil aufgrund von Stress Begrenzung Analysen und vorherige Erfahrung kann die Schadensstelle vorgesehen werden. In Anwendungen, bei denen die Schadensstelle nicht bekannt ist, können mehrere Datensätze erworben werden, jedes Mal einen anderen Schadensstelle übernehmen. Innerhalb des Datenerfassungsprotokoll wurden viele Best Practices identifiziert, dass nicht nur für ESFS Datenerfassung anzuwenden, sondern auch allgemein auf modal Schlagprüfung gelten. Die Möglichkeit, die Qualität der Daten zu beurteilen, werden mit Erfahrung erworben verbessert, aber zu wissen, Grundlagen einschließlich Kraft Roll-off-Bestimmung und Kohärenz ermöglicht die Bewertung auch diese neuen Schlagprüfung zur modalen zu erwerben hallogh-Qualitätsdaten.

Disclosures

Die Autoren haben nichts zu offenbaren.

Acknowledgments

Die Autoren haben keine Bestätigungen.

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

Technik Heft 110 Empfindlichkeit Embedded-Funktionen die Strukturüberwachung Frequenzgang-Funktionen Vibrationen Stoßprüfung Windturbinenschaufeln