Abstract
多くの構造ヘルスモニタリング技術の有効性は、センサの配置と入力力の場所によって異なります。最適なセンサーを決定し、典型的には位置を強制するためのアルゴリズムは、損傷した構造のデータ、シミュレートまたは測定のいずれかを必要とします。組み込み感度関数は、健康的な構造からのデータだけで損傷を検出するために利用可能な最善のセンサーの位置を決定するためのアプローチを提供します。このビデオ原稿において、構造の埋め込み感度関数を決定するためのデータ取得手順とベストプラクティスを提示します。埋め込まれた感度関数の計算に使用される周波数応答関数は、モーダル衝撃試験を使用して取得されます。データが取得され、代表的な結果は、住宅規模の風力タービンブレードのために示されています。取得されるデータの品質を評価するための戦略は、データ取得処理のデモンストレーションの間に設けられています。
Introduction
多くの構造ヘルスモニタリング技術は、構造内の損傷を検出するために測定された周波数応答関数（FRFの）の変化に依存しています。しかしながら、これらの方法のいくつかは損傷を検出するための方法の有効性を最大化する、センサの配置および/または入力力の位置を決定する方法を扱います。埋め込まれた感度関数（のESF）構造の材料特性の局所的な変化に対するFRFの感度を決定することができます。損傷は通常、剛性、減衰、または構造の質量の局所的な変化をもたらすため、したがって、のESFは、FRFベースのヘルスモニタリング技術のための最高のセンサーと力の位置を決定するための方法を提供します。
このビデオと原稿の目的は、詳細にデータ取得処理と構造のためのESFを決定するためのベストプラクティスです。プロセス励磁structuによって行われるモーダル衝撃試験からの種々のFRFを決定することを含みますモーダルインパクトハンマーで再と加速度計との反応を測定します。この作業では、テストされている構造は、1.2メートルの住宅規模の風力タービンブレードです。試験および分析の目的は、ブレードの損傷に対して最も敏感であるセンサ位置を識別することです。これらのセンサの位置は、その後、損傷のブレードを監視するために、構造ヘルスモニタリング方式で使用することができます。
構造ヘルスモニタリング方式で使用するための最も効果的なセンサーの位置を決定するためのESFの使用に加えて、いくつかの最適なセンサ配置アルゴリズムはまた、文献で実証されています。 【クレイマー]で、クレイマーは反復システムのモードを観測するセンサーのセットの能力を評価します。より最近では、遺伝的アルゴリズム1-3ニューラルネットワーク4は、最適なセンサ位置を特定するために開発されてきました。 5においては、ベイズアプローチを考慮にエラーの異なる種類のリスクをとることに使用されそして、被害率の分布。 6においては、有限要素モデルは、損傷を検出する可能性が最も高いセンサ位置を識別するために利用しました。文献に提示されたセンサ配置アルゴリズムのほとんどでは、損傷した構造からのデータは、シミュレートまたは測定するかどうか、必要とされます。埋め込まれた感度のアプローチの一つの利点は、センサ位置は、健康な構造から決定することができるということです。
ESFの別の利点は、材料の性質が明示的に知られる必要がないことです。その代わりに、材料特性は、システムのFRFのための表現で「組み込み」されています。したがって、のESFを計算するために必要なものすべてが特定の入力/出力場所での測定のFRFのセットです。具体的には、FRF（H jkの ）の感度は、点mとnは間の剛性（KのMN）の変化に、点kでの入力にj点で測定された応答から計算しますあります
どこ
7-9周波数ωの関数としてESFです。式（1）の右辺を計算するために必要なのFRFを測定するための手順は、次のセクションで説明し、ビデオで示されています。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
1.プレテストの準備
- 設計とテスト・フィクスチャを製作。ブレードの取り付け位置に合わせて、ボルトの位置を選択することで、現実的な境界条件を再現するために、固定具を設計します。試験片の動的応答にフィクスチャからの寄与を最小限にするために、固定具用の鋼を選択してください。
- カスタムトン-ブラケットに刃をボルト。
- スチールテーブルに固定具を固定します。
- 特定し、インパクトの位置のグリッドをマーク。
- ブレード全体にまたがる30のポイントを選択してください。
- マークは、参考のために、マーカーやワックスペンと番号を指しています。結果を視覚的に表現したもので、後で使用するために巻尺を使用して、ポイント間隔を測定します。
- 選択して、加速度計を校正。
- 単一の軸、10 mVの/ gの加速度計を選択してください。センサーの過負荷を回避し、良好な信号を達成するために、適切な感度と加速度計を選択してください-noise比率。また、センサの周波数範囲は試験片の対象の周波数範囲を捕捉するのに十分であることを確認してください。
- 各センサのキャリブレーションを行います。
- その出力は9.81メートル/秒2のrms（ すなわち 、1グラム）の大きさに単一周波数の力である手持ちシェーカーにセンサーを取り付けます。
- 2秒の応答を測定します。
- ソフトウェアの読み出しからの応答のrms振幅を決定します。
- MV / gの単位で加速度計のための校正係数を決定するために、1,000 rms振幅を乗算します。
- ハンマーとハンマー先端を選択します。
- 11.2 mVの/ Nの感度でインパクトハンマーを選択してください。十分に両方の振幅と周波数範囲内の試験片を励起ハンマーを選択してください。
- ナイロンチップを選択してください。十分に両方の振幅と周波数範囲内の試験片を励起ハンマー先端を選択してください。
- 共同BNCケーブルでデータ収集システムにハンマーをnnect。
- センサ位置を特定し、添付のセンサー（ 図4）。
- 点mにおける、nは損傷位置のいずれかの側上の場所を選択してください。
- 位置kにおける第三の加速度計を取り付けてください。このセンサからのデータは、埋め込まれた感度関数の解析の結果を検証するために使用されます。
- スーパー接着剤を使用して加速度計を取り付けます。スーパー接着剤は衝撃試験を行う前に完全に設定することができます。
- データ収集GUIのテストパラメータを選択します。
- ダブルヒット検出を有効にします。
- 25,600 Hzにサンプリング周波数を設定します。使用可能な周波数範囲は、したがって、12,800ヘルツです。
- 1秒にサンプル時間を設定します。
- トリガーチャンネルとしてハンマーチャンネルを選択します。 10 EUへのトリガレベルを設定します。
- 総サンプル時間の5パーセントにプリトリガーの長さを設定します。プレトンリガーデータはバッファに格納されたデータ収集が開始される前に収集されたデータです。全体の衝撃事象が捕捉されるように、このデータを取得し、保存することが重要です。
- H1 FRF推定を選択します。この推定は、応答チャネル上のノイズと力チャネル上のノイズのない存在であることを前提としています。
注：取得中にないウィンドウのデータを実行してください。必要な場合は、Windowsは、後処理で適用することができます。 - 校正係数と識別ノートを含む、加速度計とハンマーの情報を入力します。
- 記録保持のためと将来のテストで使用するための設定を保存します。
健康的なブレード2.衝撃試験
- ハンマーで衝撃点1。衝撃力の大きさは、選択されたトリガレベルを超えたときに、データ収集システムがトリガされ、プリ・トリガ用データの選択された量を含むデータは、記録を開始します。
- データacquisitio中、nは、データ収集ソフトウェアに表示される時間履歴を観察することによって、チャネルのクリッピングと二重の影響を回避するためにチャネルを監視します。
- データ収集中に、データ収集ソフトウェアのコヒーレンスプロットを観察することによって取得されたデータの品質を評価するために、各加速度計チャネルのための一貫性を監視します。
- ポイント1での手順を繰り返し2.1 4回以上。
- すべての影響のために一貫性のある衝撃振幅を使用してください。
- 繰り返しは、すべての点について2.1と2.2を繰り返します。
破損したブレード3.衝撃試験
- 埋め込まれた感度関数の結果を検証するためのデータを収集するために、損傷したブレードの繰り返しセクション2。試験片の変化を除いて、すべてのテストパラメータは同じに保たれています。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
図1は、典型的な埋め込 み感度関数を示しています。 FRFと同様に、ESFは、構造体の固有振動数付近のピークを有します。 ESFの値が高いほど、より感度の高い場所がポイントの、mとnとの間で破損することです。風力タービンブレードの試験30点の各々は、固有のESFを有します。これらのESFは、損傷に対して最も敏感であると思われるセンサ位置を決定するために比較することができます。例えば、 図2は、142 Hzの近くのESFの振幅を示しています。このプロットから、第1及び第3の列の正方形に対応するセンサ位置は損傷に対して最も敏感であることは明らかです。これらの場所は、健全なブレードから取得したデータから決定されることに注意してください。
図3は、健康からのデータから決定FRFの間のFRFで測定された差を示していますブレード、損傷ブレードからのデータから決定されたもの。 FRFの差とのESFの間の類似性は、損傷に起因するのFRFにおける最大の変化が展示される予定れる位置を予測するためのESFの有効性を示します。
図1. ESFの値が選択された場所での構造体の損傷をポイント1でのFRFの感度に相当するポイント1の 電子の mbedded感度関数 の振幅 。値は、周波数の関数として変化します。 ESFのピークは、構造物の固有振動数に対応する傾向にある。 この図の拡大版をご覧になるにはこちらをクリックしてください。
3690 / 53690fig2.jpg "/>
図2. 142 Hzで、すべての30のポイントのためのESFの振幅は、各色の付いた四角は、試験した各空間位置について142 HzでESFの値に相当します。ホット色はのESFが原因で被害にFRFで最大の変化を予測する点に対応します。クーラーの色は、その時点でのFRFの変化は比較的小さいであろうことを示している。 この図の拡大版をご覧になるにはこちらをクリックしてください。
図3のFRFの差は、H JKは 、142 Hzのすべての30のポイントのために。違いは、健康で損傷を受けたブレードから決定のFRFを差し引くことにより算出しました。ホット色はのFRFに大きな差を示しています。クールな色は、SMAを示しますFRFの中のLL変化。 この図の拡大版をご覧になるにはこちらをクリックしてください。
図4.インパクトポイントがテスト中に使用されます。ポイントは、ブレードをまたがるように選択された。 この図の拡大版をご覧になるにはこちらをクリックしてください。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
結果は、運転条件下で適用されるであろうようにテストフィクスチャは、現実的な境界条件を複製するように設計されるべきです。試験のために使用される衝突点の数の選択は、十分な空間分解能とテスト時間を有するとのトレードオフです。試験片の大きさ、対象の周波数範囲に基づいて、ハンマーを選択します。一般的に、周波数範囲励起広い、ハンマー小さいです。しかし、より小さなハンマーは、一般的に低い振幅力を生み出します。インパクトハンマー衝撃の時刻歴を計測するためにフォースゲージが装備されています。ハンマーチップのタイプも、励起の周波数範囲に影響を与えます。硬い先端、励起の広い周波数帯域。スーパー接着剤は、マウント材料の応答の減衰を最小限に抑えるために、例えば、ワックスを介して選択されます。
データ収集ソフトウェアでは、電話交換するために、ダブルヒット検出を可能に二重の衝撃が発生した場合的に示しています。彼らはより広い、より再現力スペクトルを生成するので、単一の影響が望まれています。力の大きさは、選択されたトリガレベルを超えて上昇すると、データ収集が開始されます。時間データは、データ収集ソフトウェアによって取得されます。買収時のデータは、データの品質を確保するために監視する必要があります。センサによって測定された応答が許容電圧範囲を超えたときに発生するチャネルクリッピングは、避けるべきです。 Coherenceには、データの品質を判断するために使用するための優れた指標です。一般に、コヒーレンスが衝撃によって励起された周波数範囲内のすべての周波数に対して1つの近くでなければなりません。信号対雑音比が低くノイズが入力に無相関であるため、コヒーレンスにおけるディップが試験片の反共振周波数の近傍に期待されています。品質データが取得されると、時刻歴は高速フーリエ変換（FFT）によって周波数領域に変換され、平均のFRFはエスティマありますH1推定器10を用いて、テッド。
テスト中に測定されたFRFからESFを決定するために、式1は、次のいずれかの方法で使用することができます。まず、直接的なアプローチはHJM、Hjn、HKM、およびHknのための測定を必要とする、使 用することができます。これらのFRFは、位置kでセンサを配置し、それぞれの電位センサ位置jにセンサーをロービングによって決定されます。影響は、損傷の場所にまたがる二つの位置に適用されます。データ収集をより効率的にするために、相互関係の原理は、入力及び測定位置を逆にするために使用することができます。このアプローチを使用して、HMJ、Hnj、HMK、およびHNKが決定されます。今、代わりにそれぞれの異なる測定するためのセンサを移動するのでは、センサは、固定滞在し、インパクト位置がrovedされます。 ESFは、場所ごとに算出された後、それらの振幅がどの位置Jを決定するために比較されます場所mとnは間の損傷に最も敏感です。単一の損傷位置が、この作業で想定されることに注意してください。
ESF分析の結果は、現在FRFベースの構造ヘルスモニタリング方式で使用することができます。 11においては、損傷に対して最も敏感であるとのESFによって識別センサ位置は、風力タービンブレードの損傷の存在を同定するのに有効であったことが示されました。
構造のFRFは、損傷に対して敏感になりれる場所を予測する他の方法は、典型的には、構造体3、6、12の分析モデルに依存している。FRFデータを入力し、測定位置の異なる組み合わせを使用してシミュレートされます。しかし、これらの方法の結果は、詳細な材料特性の知識と構造の形状を必要とする信頼性の高い正確なモデルの開発に依存しています。 ESFは、実験的に測定したデータから計算することができるので健康な構造、材料特性の同定が必要とされない構造の幾何学的形状を決定する必要はありません。
技術の一つの潜在的な制限は、損傷が発生しようとしている場所の事前知識を必要とすることです。応力を解析し、経験するため、この要件は限定されない多くのアプリケーションでは、損傷の位置を予測することができます。損傷の場所が不明なアプリケーションでは、複数のデータセットが異なる損傷の場所を想定し、それぞれの時間を取得することができます。データ収集プロトコルの中で、多くのベストプラクティスのみのESFのためのデータ収集に適用するだけでなく、モーダル衝撃試験には、一般的には適用されないことが確認されました。取得されるデータの品質を判断することが可能であることは経験して向上するが、力のロールオフを決定し、一貫性の評価など基本を知ることはハイテクを取得する衝撃試験をモーダルであっても、これらの新しい可能になりますGH-品質データ。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者らは、開示することは何もありません。
Acknowledgments
著者は何の確認応答がありません。
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
- Singh, N., Joshi, M. Optimization of location and number of sensors for structural health monitoring using genetic algorithm. Mater Forum. 33, 359-367 (2009).
- Gao, H., Rose, J. Ultrasonic sensor placement optimization in structural health monitoring using evolutionary strategy. Review Of Qnde. 25, 1687-1693 (2006).
- 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).
- Worden, K., Burrows, A. P. Optimal sensor placement for fault detection. Eng Struct. 23 (8), 885-901 (2001).
- 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).
- Markmiller, J., Chang, F. Sensor network optimization for a passive sensing impact detection technique. Struct Health Monit. 9 (1), 25-39 (2010).
- 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).
- 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).
- Yang, C., Adams, D. A Damage Identification Technique based on Embedded Sensitivity Analysis and Optimization Processes. J. Sound Vibration. 333 (14), 3109-3119 (2013).
- 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).
- 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).
- Guratzsch, R., Mahadevan, S. Structural health monitoring sensor placement optimization under uncertainty. AIAA J. 48 (7), 1281-1289 (2010).
