एंबेडेड संवेदनशीलता कार्य निर्धारण के लिए डाटा अधिग्रहण प्रोटोकॉल

Abstract

कई संरचनात्मक स्वास्थ्य की निगरानी तकनीक के प्रभाव सेंसर की नियुक्ति और इनपुट बलों के स्थान पर निर्भर करता है। इष्टतम सेंसर का निर्धारण करने और स्थानों आमतौर पर मजबूर करने के लिए एल्गोरिदम डेटा, या तो नकली मापा जाता है या क्षतिग्रस्त संरचना से की आवश्यकता होती है। एंबेडेड संवेदनशीलता कार्यों स्वस्थ संरचना से केवल डेटा के साथ नुकसान का पता लगाने के लिए सबसे अच्छा उपलब्ध सेंसर स्थान का निर्धारण करने के लिए एक दृष्टिकोण प्रदान करते हैं। इस वीडियो और पांडुलिपि में, डाटा अधिग्रहण की प्रक्रिया और एक संरचना के एम्बेडेड संवेदनशीलता कार्यों को निर्धारित करने के लिए सर्वोत्तम प्रथाओं प्रस्तुत किया है। आवृत्ति प्रतिक्रिया एम्बेडेड संवेदनशीलता कार्यों की गणना में इस्तेमाल किया कार्यों मोडल प्रभाव का परीक्षण का उपयोग कर हासिल किया है। डेटा का अधिग्रहण किया है और प्रतिनिधि परिणाम एक आवासीय पैमाने पर पवन टरबाइन ब्लेड के लिए दिखाए जाते हैं। डेटा की गुणवत्ता के मूल्यांकन के लिए रणनीतियाँ डाटा अधिग्रहण की प्रक्रिया के प्रदर्शन के दौरान प्रदान की जाती हैं अधिग्रहण किया जा रहा है।

Introduction

कई संरचनात्मक स्वास्थ्य की निगरानी तकनीक मापा आवृत्ति प्रतिक्रिया कार्यों (FRFs) में परिवर्तन पर भरोसा करते हैं एक ढांचे के भीतर नुकसान का पता लगाने के लिए। हालांकि, इन तरीकों में से कुछ पता कैसे सेंसर प्लेसमेंट और / या इनपुट बल स्थानों है कि विधि की प्रभावशीलता को अधिकतम नुकसान का पता लगाने के लिए होगा निर्धारित करने के लिए। एंबेडेड संवेदनशीलता कार्यों (ESFs) एक संरचना की सामग्री के गुणों में एक स्थानीय परिवर्तन करने के लिए एक FRF की संवेदनशीलता को निर्धारित करने के लिए इस्तेमाल किया जा सकता है। इसलिए, क्योंकि आम तौर पर नुकसान की जकड़न, भिगोना, या संरचना के द्रव्यमान में एक स्थानीय परिवर्तन में परिणाम है, ESFs स्वास्थ्य की निगरानी तकनीक FRF आधारित करने के लिए अच्छी सेंसर और बल स्थानों का निर्धारण करने के लिए एक विधि प्रदान करते हैं।

इस वीडियो और पांडुलिपि के प्रयोजन के विस्तार करने के लिए डाटा अधिग्रहण की प्रक्रिया और एक संरचना के लिए ESFs का निर्धारण करने के लिए सर्वोत्तम प्रथाओं है। प्रक्रिया मोडल प्रभाव का परीक्षण है, जो रोमांचक एक संरचना द्वारा किया जाता है से विभिन्न FRFs का निर्धारण शामिलएक मॉडल प्रभाव हथौड़ा के साथ फिर से और accelerometers के साथ अपनी प्रतिक्रिया को मापने। इस काम में, संरचना का परीक्षण किया जा रहा है एक 1.2 मीटर आवासीय पैमाने पर पवन टरबाइन ब्लेड है। परीक्षण और विश्लेषण के लक्ष्य को सेंसर स्थानों जो ब्लेड के लिए क्षति के लिए सबसे ज्यादा संवेदनशील हैं की पहचान है। ये सेंसर स्थानों तो क्षति के लिए ब्लेड की निगरानी के लिए एक संरचनात्मक स्वास्थ्य की निगरानी योजना में इस्तेमाल किया जा सकता है।

ESFs का उपयोग एक संरचनात्मक स्वास्थ्य की निगरानी योजना में उपयोग करने के लिए सबसे प्रभावी सेंसर स्थानों का निर्धारण करने के लिए इसके अलावा, कई इष्टतम सेंसर प्लेसमेंट के एल्गोरिदम भी पाया जा सकता साहित्य में प्रदर्शन किया। में [क्रेमर], क्रेमर iteratively एक प्रणाली के साधनों का निरीक्षण करने के लिए सेंसर का एक सेट की क्षमता का मूल्यांकन करता है। हाल ही में, आनुवंशिक एल्गोरिदम ^1-3 और तंत्रिका नेटवर्क ⁴ इष्टतम सेंसर स्थानों की पहचान करने के लिए विकसित किया गया है। ⁵ में, एक Bayesian दृष्टिकोण का इस्तेमाल किया जाता है कि खाते में त्रुटियों के विभिन्न प्रकार के जोखिम लेता हैऔर क्षति दरों का वितरण। ⁶ में, एक परिमित तत्व मॉडल सेंसर स्थानों सबसे अधिक नुकसान का पता लगाने की संभावना की पहचान करने के लिए leveraged किया गया था। साहित्य में प्रस्तुत सेंसर प्लेसमेंट के एल्गोरिदम के अधिकांश में, क्षतिग्रस्त संरचना से डेटा, चाहे नकली या मापा जाता है, की आवश्यकता है। एम्बेडेड संवेदनशीलता दृष्टिकोण का एक लाभ यह है कि सेंसर स्थानों स्वस्थ संरचना से निर्धारित किया जा सकता है।

ESFs का एक अन्य लाभ यह है कि सामग्री के गुणों को स्पष्ट रूप में जाना जाने की जरूरत नहीं है। इसके बजाय, सामग्री गुण "एम्बेडेड रहे हैं" सिस्टम के FRFs के लिए भाव में। इसलिए, सभी कि गणना करने के लिए विशेष रूप से ESFs इनपुट / आउटपुट स्थानों पर मापा FRFs का एक सेट है की जरूरत है। विशेष रूप से, FRF (एच _जे) की संवेदनशीलता की गणना एक प्रतिक्रिया से बिंदु कश्मीर में एक इनपुट के लिए बिंदु जम्मू में मापा जाता है, अंक और एम एन के बीच कठोरता में एक परिवर्तन (कश्मीर _mn) कोहै

कहा पे आवृत्ति के एक समारोह, ^7-9 ω के रूप में ESF है। समीकरण (1) के दाएँ हाथ की ओर की गणना करने के लिए आवश्यक FRFs को मापने के लिए प्रक्रिया अगले भाग में विस्तृत और वीडियो में प्रदर्शन किया है।

Protocol

1. पूर्व परीक्षा की तैयारी

1. डिजाइन और परीक्षण दृढ़ बनाना। स्थिरता डिजाइन ब्लेड के बढ़ते स्थानों मैच के लिए बोल्ट स्थानों का चयन करके यथार्थवादी सीमा की स्थिति को दोहराने के लिए। परीक्षण नमूना के गतिशील प्रतिक्रिया करने के लिए दृढ़ता से योगदान को कम करने के लिए स्थिरता के लिए स्टील का चयन करें।
   1. कस्टम टी ब्रैकेट करने के लिए ब्लेड बोल्ट।
   2. एक स्टील की मेज पर स्थिरता दबाना।
2. पहचानें और प्रभाव स्थानों के ग्रिड के निशान।
   1. 30 अंक कि पूरे ब्लेड अवधि चुनें।
   2. मार्क एक मार्कर या मोम कलम और संदर्भ के लिए संख्या के साथ बताते हैं। उपाय बिंदु रिक्ति परिणामों के दृश्य प्रतिनिधित्व में बाद में उपयोग के लिए एक टेप उपाय का उपयोग कर।
3. का चयन करें और accelerometers जांचना।
   1. एक धुरी, 10 एम वी / जी accelerometers चुनें। आदेश में सेंसर ओवरलोडिंग से बचने के लिए और अच्छा संकेत से प्राप्त करने के लिए उचित संवेदनशीलता के साथ accelerometers का चयन सुनिश्चित करेंशोर अनुपात। इसके अलावा, यकीन है कि सेंसर की आवृत्ति रेंज परीक्षण नमूना के लिए ब्याज की आवृत्ति रेंज पर कब्जा करने के लिए पर्याप्त है।
   2. प्रत्येक सेंसर जांचना।
      1. एक हाथ से आयोजित एक प्रकार के बरतन जिसका उत्पादन 9.81 मीटर / सेकंड ² आरएमएस (यानी, 1 ग्राम) की एक परिमाण के साथ एक एकल आवृत्ति शक्ति है करने के लिए सेंसर संलग्न।
      2. 2 सेकंड के लिए प्रतिक्रिया को मापने।
      3. सॉफ्टवेयर readout से प्रतिक्रिया की आरएमएस आयाम निर्धारित करते हैं।
      4. एम वी / जी की इकाइयों में accelerometer के लिए अंशांकन कारक निर्धारित करने के लिए 1,000 से आरएमएस आयाम गुणा करें।
4. हथौड़ा और हथौड़ा टिप का चयन करें।
   1. 11.2 एम वी / एन के एक संवेदनशीलता के साथ एक प्रभाव हथौड़ा चुनें। एक हथौड़ा है कि पर्याप्त दोनों आयाम और आवृत्ति रेंज में परीक्षण नमूना उत्तेजित का चयन करने के लिए सुनिश्चित करें।
   2. एक नायलॉन टिप चुनें। एक हथौड़ा टिप है कि पर्याप्त रूप से दोनों आयाम और आवृत्ति रेंज में परीक्षण नमूना उत्तेजित का चयन करने के लिए सुनिश्चित करें।
   3. सहएक BNC केबल के साथ डाटा अधिग्रहण प्रणाली के लिए हथौड़ा nnect।
5. सेंसर स्थानों की पहचान और देते सेंसर (चित्रा 4)।
   1. अंक मीटर की ऊंचाई पर स्थानों का चयन करें और एन नुकसान स्थान के दोनों ओर।
   2. स्थान कश्मीर में एक तिहाई accelerometer माउंट। इस सेंसर से डाटा एम्बेडेड संवेदनशीलता समारोह के विश्लेषण के परिणामों को मान्य करने के लिए इस्तेमाल किया जाएगा।
   3. सुपर गोंद का उपयोग accelerometers संलग्न। सुपर गोंद पूरी तरह से प्रभाव का परीक्षण आयोजित करने से पहले स्थापित करने के लिए अनुमति दें।
6. डाटा अधिग्रहण जीयूआई में परीक्षण के मापदंडों का चयन करें।
   1. डबल हिट का पता लगाने के लिए सक्षम करें।
   2. 25,600 हर्ट्ज के नमूने आवृत्ति सेट करें। उपयोगी आवृत्ति रेंज है, इसलिए, 12,800 हर्ट्ज।
   3. 1 सेकंड के लिए नमूना समय निर्धारित करें।
   4. ट्रिगर चैनल के रूप में हथौड़ा चैनल का चयन करें। 10 यूरोपीय संघ के लिए ट्रिगर स्तर सेट करें।
   5. कुल नमूना समय के 5% से पूर्व ट्रिगर लंबाई निर्धारित करें। प्री-टीमेकेनिक डेटा है कि एक बफर में संग्रहीत किया गया है इससे पहले कि डाटा अधिग्रहण शुरू कर दिया है एकत्र डेटा है। इसे पुनः प्राप्त है और इसलिए है कि पूरे प्रभाव घटना कब्जा कर लिया है इस डेटा को बचाने के लिए महत्वपूर्ण है।
   6. एच 1 FRF आकलनकर्ता का चयन करें। यह मान लिया गया है आकलनकर्ता प्रतिक्रिया चैनलों पर शोर और बल चैनल पर कोई शोर नहीं है।
      नोट: अधिग्रहण के दौरान खिड़की डेटा नहीं है। विंडोज, बाद के प्रसंस्करण में लागू किया जा सकता है यदि आवश्यक है।
   7. accelerometer और अंशांकन कारकों और पहचान नोटों सहित हथौड़ा जानकारी दर्ज करें।
   8. रिकॉर्ड रखने के लिए और भविष्य के परीक्षण में इस्तेमाल के लिए सेटिंग्स सहेजें।

2. स्वस्थ ब्लेड पर प्रभाव परीक्षण

1. हथौड़ा के साथ प्रभाव बिंदु 1। जब प्रभाव बल के आयाम को चुना ट्रिगर स्तर से अधिक है, डाटा अधिग्रहण प्रणाली शुरू हो जाएगा और पूर्व ट्रिगर डेटा के चयनित राशि सहित डेटा, रिकॉर्डिंग शुरू हो जाएगा।
   1. डेटा acquisitio के दौरानn, समय के इतिहास डाटा अधिग्रहण सॉफ्टवेयर में दिखाया देख कर चैनल कतरन और डबल प्रभावों से बचने के लिए चैनलों की निगरानी।
   2. डाटा अधिग्रहण के दौरान, डाटा अधिग्रहण सॉफ्टवेयर में जुटना साजिश देख द्वारा अधिग्रहीत डेटा की गुणवत्ता का मूल्यांकन करने के लिए प्रत्येक accelerometer चैनल के लिए जुटना की निगरानी।
2. दोहराएँ कदम 1 बिंदु पर 2.1 चार गुना अधिक है।
   1. सभी प्रभावों के लिए लगातार प्रभाव आयाम का प्रयोग करें।
3. दोहराएँ 2.1 और 2.2 सभी बिंदुओं के लिए कदम।

3. क्षतिग्रस्त ब्लेड पर प्रभाव परीक्षण

1. आदेश में दोहराने धारा 2 क्षतिग्रस्त ब्लेड पर एम्बेडेड संवेदनशीलता समारोह परिणाम मान्य करने के लिए डेटा इकट्ठा करने के लिए। परीक्षण नमूना में बदलाव के लिए छोड़कर, सभी परीक्षण मानकों ही रखा जाता है।

Representative Results

चित्रा 1 एक ठेठ एम्बेडेड संवेदनशीलता समारोह से पता चलता है। एक FRF के लिए इसी प्रकार, ESF संरचना के प्राकृतिक आवृत्तियों के पास चोटियों है। उच्च ESF के मूल्य, और अधिक संवेदनशील स्थान अंक और एम एन के बीच नुकसान हो रहा है। तीस अंक पवन टरबाइन ब्लेड पर परीक्षण से प्रत्येक एक अद्वितीय ESF है। ये ESFs निर्धारित करने के लिए जो सेंसर स्थान के नुकसान के लिए सबसे अधिक संवेदनशील होगा तुलना में किया जा सकता है। उदाहरण के लिए, चित्रा 2 142 हर्ट्ज के पास ESFs के आयाम से पता चलता है। इस साजिश से, यह स्पष्ट है कि पहले और तीसरे कॉलम में चौकों करने के लिए इसी सेंसर स्थानों क्षति के लिए सबसे ज्यादा संवेदनशील होते हैं। ध्यान दें कि इन स्थानों स्वस्थ ब्लेड से प्राप्त डेटा से निर्धारित होते हैं।

चित्रा 3 स्वस्थ से डेटा से निर्धारित FRFs के बीच FRFs में मापा अंतर को दर्शाता है ब्लेड और क्षतिग्रस्त ब्लेड से डेटा से निर्धारित होते हैं। FRFs में अंतर के बीच समानता और ESFs ESFs की प्रभावशीलता स्थानों पर नुकसान की वजह से FRFs में सबसे बड़ा परिवर्तन प्रदर्शित किया जाएगा भविष्यवाणी करने के लिए दिखा।

चित्रा 1. बिंदु 1. के लिए ई mbedded संवेदनशीलता समारोह के आयाम ESF का मूल्य FRF के चुने हुए स्थान पर संरचना में क्षति के लिए 1 बिंदु पर संवेदनशीलता से मेल खाती है। मूल्यों आवृत्ति के एक समारोह के रूप में बदल जाते हैं। ESF में चोटियों संरचना के प्राकृतिक आवृत्तियों के अनुरूप होते हैं। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

3690 / 53690fig2.jpg "/>
चित्रा 2. 142 हर्ट्ज पर सभी तीस अंक के लिए ESFs के आयाम। प्रत्येक रंग वर्ग का परीक्षण प्रत्येक स्थानिक स्थान के लिए 142 हर्ट्ज पर ESF के मान से मेल खाती है। गर्म रंग अंक जिस पर ESFs क्षति के कारण FRF में सबसे बड़ा परिवर्तन की भविष्यवाणी के अनुरूप हैं। कूलर रंग से संकेत मिलता है कि उस बिंदु पर FRF में परिवर्तन अपेक्षाकृत छोटा हो जाएगा। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 3. FRFs में अंतर, एच _जे, 142 हर्ट्ज पर सभी तीस अंक के लिए। मतभेदों को स्वस्थ और क्षतिग्रस्त ब्लेड से निर्धारित FRFs घटाकर द्वारा गणना की गई। गर्म रंग FRFs में बड़े मतभेद का संकेत मिलता है। शांत रंग से संकेत मिलता है SMAFRFs में डालूँगा बदल जाता है। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

चित्रा 4. प्रभाव अंक परीक्षण के दौरान इस्तेमाल किया। पॉइंट्स ब्लेड अवधि के लिए चुने गए हैं। यह आंकड़ा का एक बड़ा संस्करण देखने के लिए यहां क्लिक करें।

Discussion

टेस्ट जुड़नार यथार्थवादी सीमा की स्थिति को दोहराने के लिए इतना है कि परिणाम संचालन की शर्तों के तहत लागू किया जाएगा डिजाइन किया जाना चाहिए। परीक्षण के लिए इस्तेमाल प्रभाव अंकों की संख्या के चयन के लिए पर्याप्त स्थानिक संकल्प और परीक्षण के समय होने के बीच एक व्यापार बंद है। परीक्षण नमूना के आकार और ब्याज की आवृत्ति रेंज के आधार पर हथौड़ा का चयन करें। सामान्य में, छोटे हथौड़ा, व्यापक आवृत्ति रेंज उत्साहित हैं। हालांकि, छोटे हथौड़ों आमतौर पर कम आयाम बलों का उत्पादन। प्रभाव हथौड़ों एक शक्ति गेज प्रभाव के समय के इतिहास को मापने के लिए साथ instrumented रहे हैं। हथौड़ा टिप के प्रकार भी उत्तेजना की आवृत्ति रेंज को प्रभावित करता है। कठिन टिप, व्यापक उत्तेजना की आवृत्ति बैंड। सुपर गोंद उदाहरण के लिए, मोम पर चुना जाता है, बढ़ते सामग्री द्वारा प्रतिक्रिया की क्षीणन कम से कम।

डाटा अधिग्रहण सॉफ्टवेयर में, क्रम में automati करने के लिए डबल हिट का पता लगाने के लिए सक्षमबड़ी सफाई से संकेत मिलता है जब एक डबल प्रभाव हुआ है। एकल प्रभावों वांछित क्योंकि वे एक व्यापक, अधिक repeatable बल स्पेक्ट्रम का उत्पादन कर रहे हैं। बल के आयाम का चयन किया ट्रिगर स्तर से ऊपर बढ़ जाता है, डाटा अधिग्रहण शुरू कर दिया है। टाइम डेटा डाटा अधिग्रहण सॉफ्टवेयर द्वारा अधिग्रहण कर लिया है। अधिग्रहण के दौरान डेटा डेटा की गुणवत्ता सुनिश्चित करने के लिए निगरानी की जानी चाहिए। चैनल कतरन, जो जब प्रतिक्रिया संवेदक द्वारा मापा स्वीकार्य सीमा से अधिक वोल्टेज होता है, बचा जाना चाहिए। जुटना एक उत्कृष्ट मीट्रिक डेटा की गुणवत्ता न्यायाधीश करने के लिए इस्तेमाल होता है। सामान्य तौर पर, जुटना आवृत्ति सीमा के भीतर सभी आवृत्तियों प्रभाव से उत्साहित के लिए एक के पास होना चाहिए। जुटना में गिरावट परीक्षण नमूना के विरोधी गूंज आवृत्तियों के पास उम्मीद कर रहे हैं क्योंकि शोर अनुपात करने के संकेत कम है और शोर इनपुट के साथ असहसंबद्ध है। एक बार गुणवत्ता डेटा अधिग्रहण कर लिया है, समय के इतिहास को फास्ट फूरियर रूपांतरण (FFT) के माध्यम से आवृत्ति डोमेन में परिवर्तित कर रहे हैं, और औसत FRF Estima हैटेड एच 1 आकलनकर्ता ¹⁰ का उपयोग।

FRFs परीक्षण के दौरान मापा से ESF का निर्धारण करने के लिए, 1 समीकरण दो तरीकों में से एक में इस्तेमाल किया जा सकता है। सबसे पहले, प्रत्यक्ष दृष्टिकोण का इस्तेमाल किया जा सकता है, जो HJM, Hjn, Hkm, और Hkn के लिए माप की आवश्यकता है। ये FRFs स्थान कश्मीर में एक सेंसर रखने और प्रत्येक संभावित सेंसर स्थान जम्मू के लिए एक सेंसर roving द्वारा निर्धारित किया जाएगा। प्रभावों दो स्थानों है कि क्षति स्थान अवधि में लागू किया जाएगा। डेटा संग्रह और अधिक कुशल बनाने के लिए, पारस्परिकता के प्रिंसिपल इनपुट और माप स्थानों रिवर्स करने के लिए इस्तेमाल किया जा सकता है। इस दृष्टिकोण का प्रयोग, Hmj, Hnj, HMK, और HNK निर्धारित कर रहे हैं। अब, के बजाय एक अलग माप के लिए सेंसर को स्थानांतरित करने के लिए होने की, सेंसर स्थिर रहने के लिए और प्रभाव स्थान roved है। एक बार जब ESFs प्रत्येक स्थान के लिए गणना कर रहे हैं, उनके आयाम जो स्थान निर्धारित करने के लिए जम्मू तुलना कर रहे हैंस्थानों और एम एन के बीच क्षति के लिए सबसे ज्यादा संवेदनशील है। ध्यान दें कि एक नुकसान स्थान इस काम में माना जाता है।

ESF विश्लेषण के परिणाम अब एक FRF आधारित संरचनात्मक स्वास्थ्य की निगरानी योजना में इस्तेमाल किया जा सकता है। ¹¹ में, यह प्रदर्शन किया गया है कि सेंसर क्षति के लिए सबसे ज्यादा संवेदनशील होने के रूप में ESFs द्वारा की पहचान स्थानों एक पवन टरबाइन ब्लेड को नुकसान की उपस्थिति की पहचान करने में अधिक प्रभावी रहे थे।

अन्य तरीकों स्थानों पर एक संरचना के FRF आम तौर पर ^12। FRF डेटा इनपुट और माप स्थानों के विभिन्न संयोजनों का उपयोग कर नकली है संरचना ^{3, 6,} के विश्लेषणात्मक मॉडलिंग पर भरोसा नुकसान के प्रति संवेदनशील होना होगा भविष्यवाणी करने के लिए। हालांकि, इन तरीकों के परिणाम एक विश्वसनीय और सटीक मॉडल है, जो सामग्री के गुणों का विस्तृत ज्ञान और संरचना की ज्यामिति की आवश्यकता के विकास पर भरोसा करते हैं। ESFs मापा प्रयोगात्मक डेटा से गणना की जा सकती है क्योंकिस्वस्थ संरचना पर, सामग्री के गुणों की पहचान की आवश्यकता नहीं है और संरचना की ज्यामिति निर्धारित करने की आवश्यकता नहीं है।

तकनीक का एक संभावित सीमा है कि यह जहां नुकसान हो रहा है की एक प्राथमिकताओं ज्ञान की आवश्यकता है। कई अनुप्रयोगों में, इस आवश्यकता है क्योंकि तनाव के कारण सीमित नहीं है विश्लेषण करती है और पूर्व के अनुभव, क्षति स्थान सोच जा सकता है। आवेदन कहाँ क्षति स्थान अज्ञात है, कई डेटा सेट का अधिग्रहण किया जा सकता है, हर बार एक अलग नुकसान स्थान संभालने। डाटा अधिग्रहण प्रोटोकॉल के भीतर, कई सर्वोत्तम प्रथाओं की पहचान की गई है कि केवल ESFs के लिए डाटा अधिग्रहण के लिए लागू नहीं है, लेकिन यह भी मोडल प्रभाव का परीक्षण करने के लिए आम तौर पर लागू होते हैं। डेटा की गुणवत्ता न्यायाधीश करने में सक्षम होने के नाते अधिग्रहण किया जा रहा अनुभव के साथ सुधार, लेकिन बल रोल बंद का निर्धारण करने और जुटना का मूल्यांकन प्राप्त करने के लिए प्रभाव का परीक्षण करने के लिए मोडल भी उन नए सक्षम हो जाएगा सहित बुनियादी बातों को जानने हायजीएच गुणवत्ता वाले डेटा।

Disclosures

लेखकों के पास खुलासे के लिए कुछ भी नहीं है।

Acknowledgments

लेखकों कोई स्वीकृतियां है।

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

इंजीनियरिंग अंक 110 एंबेडेड संवेदनशीलता काम करता है संरचनात्मक स्वास्थ्य की निगरानी ​​आवृत्ति प्रतिक्रिया कार्यों कंपन प्रभाव का परीक्षण पवन टरबाइन ब्लेड