Name: Data Acquisition Protocollo per la determinazione delle funzioni di sensibilità embedded (Video) | JoVE Journal
Uploaded: 2016-04-20T15:00:00.000+00:00
Duration: 7 min 46 s
Description: Scopri come determinare le funzioni di sensibilità embedded per il monitoraggio strutturale di una pala di turbina eolica residenziale. Questo metodo computazionale modella la risposta strutturale senza richiedere parametri specifici di massa, rigidezza e smorzamento.

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

Gli autori non hanno riconoscimenti.

Preparazione 1. Pre-test <ol><li> Progettare e fabbricare il dispositivo di prova. Progettare il dispositivo di replicare le condizioni al contorno realistiche, scegliendo luoghi bulloni per abbinare le posizioni di montaggio della lama. Scegliere acciaio per il fissaggio di minimizzare il contributo del dispositivo per la risposta dinamica del provino. <ol><li> Imbullonare la lama per la t-staffa personalizzato. </li><li> Fissare l&#39;apparecchio a un tavolo d&#39;acciaio. </li></ol></li><li> Identificare e segnare griglia di posizioni di impatto. <ol><li> Scegliere 30 punti che si estendono su tutta la lama. </li><li> Mark punti con un pennarello o cera e il numero di riferimento. Misurare la spaziatura punto utilizzando un metro a nastro per un uso successivo nella rappresentazione visiva dei risultati. </li></ol></li><li> Selezionare e calibrare accelerometri. <ol><li> Scegli asse singolo, 10 mV / g accelerometri. Assicurarsi di scegliere accelerometri con sensibilità appropriata per evitare di sovraccaricare il sensore e per ottenere una buona segnalerapporti silenziata LS. Inoltre, assicurarsi la gamma di frequenza dei sensori è sufficiente per catturare la gamma di frequenze di interesse per provino. </li><li> Calibrare ogni sensore. <ol><li> Fissare il sensore ad un agitatore a mano la cui uscita è una forza singola frequenza con una magnitudo di 9.81 m / sec 2 rms (cioè 1 g). </li><li> Misurare la risposta per 2 sec. </li><li> Determinare il valore efficace ampiezza della risposta dalla lettura software. </li><li> Moltiplicare l&#39;ampiezza RMS dal 1000 per determinare il fattore di calibrazione per l&#39;accelerometro in unità di mV / g. </li></ol></li></ol></li><li> Selezionare martello e punta martello. <ol><li> Scegliere un martello impatto con una sensibilità di 11.2 mV / N. Assicurarsi di selezionare un martello che eccita sufficientemente il provino sia in campo di ampiezza e frequenza. </li><li> Scegliete una punta di nylon. Assicurarsi di selezionare una punta martello che eccita sufficientemente il provino sia in campo di ampiezza e frequenza. </li><li> connect il martello per il sistema di acquisizione dati con un cavo BNC. </li></ol></li><li> Identificare le posizioni dei sensori e collegare sensori (Figura 4). <ol><li> Scegliere posizioni a punti M e n su entrambi i lati della posizione danni. </li><li> Montare un terzo accelerometro in posizione k. I dati di questo sensore saranno utilizzati per convalidare i risultati dell&#39;analisi funzione di sensibilità incorporato. </li><li> Fissare accelerometri che usano colla super. Lasciare che la colla super per impostare completamente prima di effettuare il test di impatto. </li></ol></li><li> Selezionare i parametri di prova della GUI di acquisizione dati. <ol><li> Attiva rilevamento doppio colpo. </li><li> Impostare la frequenza di campionamento di 25.600 Hz. La gamma di frequenza utilizzabile è quindi 12.800 Hz. </li><li> Impostare il tempo di campionamento di 1 sec. </li><li> Selezionare il canale martello come canale trigger. Impostare il livello di trigger 10 EU. </li><li> Impostare la lunghezza pre-trigger al 5% del tempo totale di campionamento. Il pre-tDati rigger sono dati raccolti prima di iniziare l&#39;acquisizione dei dati che sono stati memorizzati in un buffer. È importante recuperare e salvare i dati in modo che l&#39;intero evento di impatto viene catturata. </li><li> Selezionare lo stimatore H1 FRF. Questo stimatore presuppone che vi sia rumore sui canali di risposta e nessun rumore sul canale forza. Nota: Non dati delle finestre durante l&#39;acquisizione. Windows può essere applicato in post-elaborazione, se necessario. </li><li> Inserisci accelerometro e informazioni martello, compresi i fattori di calibrazione e le note di identificazione. </li><li> Salvare le impostazioni per la tenuta dei registri e per l&#39;uso in test futuri. </li></ol></li></ol> 2. prove di impatto sulla lama sano <ol><li> punto Impact 1 con il martello. Quando l&#39;ampiezza della forza di impatto superiore alla soglia prescelto, il sistema di acquisizione dati sarà attivato e dati, compresa la quantità selezionata di dati pre-trigger, inizia la registrazione. <ol><li> Durante acquisitio datin, monitorare i canali per evitare canale di ritaglio e doppie impatti osservando le storie temporali visualizzati nel software di acquisizione dati. </li><li> Durante l&#39;acquisizione dei dati, monitorare la coerenza per ciascun canale accelerometro per valutare la qualità dei dati acquisiti osservando la trama coerenza del software di acquisizione dati. </li></ol></li><li> Ripetere il punto 2.1 a quattro volte di più al punto 1. <ol><li> Utilizzare ampiezze impatto coerenti per tutti gli impatti. </li></ol></li><li> Ripetere i punti 2.1 e 2.2 per tutti i punti. </li></ol> 3. prove di impatto sulla lama danneggiato <ol><li> Ripetere la sezione 2 sulla lama danneggiata al fine di raccogliere i dati per validare i risultati delle funzioni sensibilità embedded. Fatta eccezione per il cambiamento nel campione, tutti i parametri di prova sono mantenuti gli stessi. </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>

Gli autori non hanno nulla da rivelare.

attrezzature di prova dovrebbero essere progettati per replicare le condizioni al contorno realistiche in modo che i risultati saranno applicabili in condizioni operative. La scelta del numero di punti di impatto utilizzati per le prove è un compromesso tra l&#39;avere risoluzione spaziale sufficiente e il tempo di test. Selezionare il martello in base alle dimensioni del provino e la gamma di frequenza di interesse. In generale, più piccolo è il martello, la più ampia gamma di frequenze eccitato. Tuttavia, martelli più...

Molte tecniche di monitoraggio strutturale si affidano a cambiamenti delle funzioni di risposta in frequenza misurate (FRF) per rilevare danni all&#39;interno di una struttura. Tuttavia, alcuni di questi metodi affrontare come determinare posizionamenti sensori e / o luoghi forza di input in grado di massimizzare l&#39;efficacia del metodo per rilevare danni. Funzioni sensibilità integrati (ESFS) possono essere utilizzati per determinare la sensibilità di un FRF ad una modifica locale delle proprietà del materiale di una struttura. Pertanto, poiché i danni in genere si traduce in un cambiamento locale nella rigidità, smorzamento, o massa della struttura, ESFS forniscono un metodo per la determinazione dei sensori e di forza migliori posizioni per le tecniche di monitoraggio della salute FRF-based. Lo scopo di questo video e manoscritto è nei dettagli il processo di acquisizione dei dati e le migliori pratiche per la determinazione ESFS per una struttura. Il processo include la determinazione varie FRF dai test di impatto modale, che viene eseguito da un emozionante structuri con un martello impatto modale e misurando la sua risposta con accelerometri. In questo lavoro, la struttura in fase di sperimentazione è una zona residenziale scala pala eolica 1,2 m. L&#39;obiettivo del test e analisi è quello di identificare posizioni dei sensori che sono più sensibili ai danni alla lama. Queste posizioni dei sensori potrebbero essere utilizzati in un sistema di monitoraggio strutturale per monitorare la lama per danni. Oltre l&#39;uso di ESFS per determinare le posizioni dei sensori più efficaci da utilizzare in un sistema di monitoraggio strutturale, diversi algoritmi ottimali di posizionamento del sensore si possono trovare anche dimostrato in letteratura. In [Kramer], Kramer valuta iterativamente la capacità di un insieme di sensori ad osservare le modalità di un sistema. Più recentemente, gli algoritmi genetici 1-3 e reti neurali 4 sono stati sviluppati per identificare posizioni ottimali sensori. In 5, un approccio Bayesiano è utilizzato che tiene conto del rischio di diversi tipi di errorie la distribuzione di frequenza dei danni. In 6, un modello agli elementi finiti è stato sfruttato per identificare le posizioni dei sensori più probabile per rilevare danni. Nella maggior parte degli algoritmi di posizionamento del sensore presenti in letteratura, i dati della struttura danneggiata, se simulato o misurato, è richiesto. Un vantaggio dell&#39;approccio sensibilità incorporato è che le posizioni dei sensori possono essere determinati dalla struttura sana. Un altro vantaggio è che ESFS proprietà del materiale non devono essere esplicitamente note. Invece, le proprietà del materiale sono &quot;embedded&quot; nelle espressioni per FRF del sistema. Pertanto, tutto ciò che è necessario per calcolare ESFS sono un insieme di FRF misurate in particolari posizioni di ingresso / uscita. In particolare, la sensibilità del FRF (H jk) calcolata da una risposta misurata al punto j ad un ingresso al punto k, al cambiamento di rigidità (K mn) tra i punti m ed nè <img alt="Equation1" src="/files/ftp_upload/53690/53690equation1.jpg" /> dove <img alt="Equation2" src="/files/ftp_upload/53690/53690equation2.jpg" /> è il FSE in funzione della frequenza, ω 7-9. La procedura per misurare le FRF necessari per calcolare il lato destro dell&#39;equazione (1) è dettagliato nella sezione successiva e dimostrato nel video.

<table><tbody><tr><td>Accelerometro</td><td>PCB</td><td>356B11</td><td>tre utilizzati nel test</td></tr><tr><td>Martello a percussione</td><td>PCB</td><td>086C01</td><td></td></tr><tr><td>Scheda di acquisizione dati</td><td>NI</td><td>9234</td><td></td></tr><tr><td>DAQ chasis&nbsp;</td><td>NI</td><td>cDAQ-9171</td><td>o simile</td></tr><tr><td>Software</td><td>MATLAB</td><td></td><td></td></tr><tr><td>Super colla</td><td>Loctite</td><td>454</td><td></td></tr><tr><td>Agitatore portatile</td><td>PCB</td><td>394C06</td><td>per la calibrazione&nbsp;</td></tr></tbody></table>

data acquisition protocollo per la determinazione delle funzioni di sensibilità embedded

Data Acquisition Protocol for Determining Embedded Sensitivity Functions

L&#39;efficacia delle molte tecniche monitoraggio strutturale dipende dal posizionamento dei sensori e la posizione delle forze di input. Algoritmi per la determinazione del sensore ottimale e costringendo posizioni in genere richiedono i dati, sia simulato o misurato, dalla struttura danneggiata. funzioni di sensibilità incorporati forniscono un approccio per determinare la migliore posizione del sensore a disposizione per rilevare i danni con solo i dati dalla struttura sana. In questo video e manoscritti, la procedura di acquisizione dei dati e le migliori pratiche per la determinazione delle funzioni di sensibilità integrate di una struttura è presentato. Le funzioni di risposta in frequenza utilizzati nel calcolo delle funzioni sensibilità incorporati vengono acquisite utilizzando prove di impatto modale. I dati vengono acquisiti e risultati rappresentativi sono mostrati per una lama di turbina eolica scala residenziale. Strategie per valutare la qualità dei dati in corso di acquisizione sono forniti durante la dimostrazione del processo di acquisizione dei dati. </p&gt;

La figura 1 mostra una tipica funzione di sensibilità incorporato. Simile a un FRF, il FSE ha picchi vicino le frequenze naturali della struttura. Più alto è il valore del FSE, il più sensibile la posizione è di danneggiare tra i punti M e n. Ognuno dei trenta punti testati sulla pala della turbina eolica ha un FSE unico. Questi ESFS possono essere confrontati per determinare quale posizione sensore sarebbe più sensibili ai danni. Ad esempio, la...

Viene descritta la procedura di acquisizione dati per determinare le funzioni di sensibilità incorporate. I dati vengono acquisiti e vengono mostrati risultati rappresentativi per una pala di turbina eolica su scala residenziale.

Data Acquisition Protocollo per la determinazione delle funzioni di sensibilità embedded

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

L'obiettivo generale di questa procedura è determinare le funzioni di sensibilità incorporate in una struttura. La procedura verrà dimostrata su una pala di turbina eolica su scala residenziale. Questo metodo può aiutare a rispondere a domande fondamentali relative al monitoraggio dello stato strutturale, ad esempio come la risposta di una struttura cambierà a seguito di un danno in una determinata posizione.Il vantaggio principale di questa tecnica è che fornisce un metodo per modellare una struttura sulla base di dati misurati sperimentalmente, eliminando la necessità di conoscere parametri specifici per massa, rigidità e smorzamento. Iniziare progettando un dispositivo di prova per riprodurre condizioni al contorno realistiche. In questo esempio, le posizioni dei bulloni sono predisposte in modo da corrispondere ai punti di montaggio della pala.Realizzare l'attrezzatura in acciaio per ridurre al minimo il contributo dell'attrezzatura alla risposta dinamica del provino. Assemblare l'attrezzatura fissando prima la pala al supporto a T personalizzato e poi serrando l'attrezzatura a un tavolo in acciaio. A questo punto, identificare e segnare una griglia di punti d'impatto sulla pal

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

Research

Ricerca

JoVE Journal

Engineering

Ingegneria

La tecnica elettrofisiologica di registrazione intracellulare è dimostrato e utilizzato per determinare la sensibilità spettrali dei fotorecettori singoli nell'occhio composto di una farfalla.

Determinazione del fotorecettore cellulare Sensibilità spettrale in un modello da insetti<em&gt; In Vivo</em&gt; registrazioni intracellulari

Uno scanner per l'imaging particelle magnetiche nei campioni planari è stato sviluppato utilizzando la frequenza planare miscelazione tecnica di rilevamento magnetico. La risposta del prodotto di intermodulazione magnetico dal magnetizzazione nonhysteretic non lineare delle particelle viene registrato su una eccitazione a due frequenze. Può essere usato per prendere immagini 2D di campioni biologici sottili.

Frequenza di miscelazione Scanner rilevamento magnetico per l&#39;imaging particelle magnetiche in Planar Campioni

Questo lavoro descrive un metodo di Litografia nanoimprinting per fabbricare matrici di sensori di alta qualità che funzionano sul principio della trasmissione ottica straordinaria. Il biosensore è basso costo, robusto, facile da usare e in grado di rilevare la troponina cardiaca I nel siero a concentrazioni clinicamente rilevanti (99th percentile taglio ∼10-400 pg/mL, a seconda del dosaggio).

Utilizzando la trasmissione ottica straordinaria per quantificare i biomarcatori cardiaci nel siero umano

Questo studio descrive un protocollo per misurare i livelli di esposizione nella banda 2,4 GHz, evitando le incertezze causate dall'utilizzo di personale exposimeters come dispositivi di misura. Queste alterazioni dei livelli di esposizione dovrebbero essere tenute conto, soprattutto nel rispetto delle prove, dove i limiti di esposizione sono definiti da dati non perturbato.

Efficace analisi delle condizioni di esposizione umana con dosimetri indossabili nella banda 2,4 GHz

Il protocollo sperimentale presentato può essere utilizzato per eseguire misurazioni in tempo reale dell'attività di cavitazione in un dispositivo di coltura cellulare allo scopo di consentire lo studio delle condizioni richieste per il successo della somministrazione di farmaci e/o di altri bioeffati.

Studiare la terapia potenziata della cavitazione

Presentiamo un metodo per la raccolta simultanea di segnali fMRI e fNIRS dagli stessi soggetti con copertura fNIRS a testa intera. Il protocollo è stato testato con tre giovani adulti e può essere adattato per la raccolta di dati per studi sullo sviluppo e popolazioni cliniche.

Raccolta simultanea di dati di fMRI e fNIRS utilizzando un array di optodi a testa intera e canali a breve distanza

Il seguente studio valuta il profilo tossicologico di una struttura metallo-organica selezionata utilizzando il rilevamento dell'impedenza della cellula-substrato elettrico (ECIS), una tecnica di screening in tempo reale e ad alto rendimento.

Rilevamento elettrico cellula-substrato per la valutazione in tempo reale dei profili tossicologici della struttura metallo-organica

I polimeri prodotti in modo additivo sono stati ampiamente utilizzati per la produzione di metamateriali elastici. Il comportamento viscoelastico di questi polimeri alle frequenze ultrasoniche rimane, tuttavia, poco studiato. Questo studio riporta un protocollo per stimare le proprietà viscoelastiche dei polimeri stampati in 3D e mostrare come utilizzarli per analizzare la dinamica dei metamateriali.

Caratterizzazione dei metamateriali elastici dissipativi prodotti dalla produzione additiva 

Questo protocollo fornisce un metodo per l'ottimizzazione globale sistematica di biosensori geneticamente codificati attraverso la generazione e la valutazione di librerie genetiche assistite dall'automazione. A ciò si aggiungono metodologie di progettazione dell'esperimento per semplificare la sperimentazione e consentire la selezione di componenti genetici per regolare i biosensori in base a risultati di progettazione specifici.

Campionamento efficiente dello spazio di progettazione di biosensori geneticamente codificati grazie alla progettazione di esperimenti e al flusso di lavoro di automazione

Una tecnica per eseguire quantitativa tridimensionale (3D) per una serie di flussi di fluidi viene presentato. Utilizzando i concetti della zona di Imaging campo di luce, abbiamo ricostruire volumi 3D da array di immagini. I nostri risultati 3D abbracciano una vasta gamma tra cui campi di velocità e multi-fase distribuzione delle dimensioni bolla.

Determinazione campi di flusso 3D tramite multi-camera campo di luce Imaging

Scopri come determinare le funzioni di sensibilità embedded per il monitoraggio strutturale di una pala di turbina eolica residenziale. Questo metodo computazionale modella la risposta strutturale senza richiedere parametri specifici di massa, rigidezza e smorzamento.

Data Acquisition Protocollo per la determinazione delle funzioni di sensibilità embedded

Esplora altri video