Data Acquisition Protocol voor het bepalen van Embedded Gevoeligheid Functies
20 april 2016
De procedure voor gegevensverwerving om ingebedde gevoeligheidsfuncties te bepalen wordt beschreven. Gegevens worden verzameld en representatieve resultaten worden getoond voor een windturbineblad op woonhuisschaal.
Het algemene doel van deze procedure is om de ingebedde gevoeligheidsfuncties van een structuur te bepalen. De procedure zal worden gedemonstreerd op een woningschaal-windturbineblad. Deze methode kan helpen bij het beantwoorden van belangrijke vragen met betrekking tot structureel gezondheidsmonitoring, zoals hoe de reactie van een structuur zal veranderen als gevolg van schade op een bepaalde locatie.
Het belangrijkste voordeel van deze techniek is dat het een methode biedt voor het modelleren van een structuur op basis van experimenteel gemeten gegevens, waardoor de noodzaak om specifieke parameters voor massa, stijfheid en demping te kennen, wordt geëlimineerd. Begin met het ontwerpen van een testopstelling om realistische randvoorwaarden te repliceren. In dit voorbeeld zijn boutlocaties voorbereid om overeen te komen met de montagelocaties van het blad.
Maak de opstelling van staal om de bijdrage van de opstelling aan de dynamische respons van het testmonster te minimaliseren. Monteer de opstelling door het blad eerst aan de aangepaste T-beugel te bevestigen en vervolgens de opstelling aan een stalen tafel vast te klemmen. Identificeer en markeer nu een raster van impactlocaties op het blad.
Gebruik een marker of wasstift om 30 punten die het hele blad overspannen te markeren en te nummeren. Meet vervolgens de relatieve positie van het punt om te gebruiken voor de visuele weergave van de testresultaten. Bereid vervolgens enkel-asige 10 millivolt per g versnellingsmeters voor.
Het kiezen van de juiste gevoeligheid van uw versnellingsmeter is cruciaal om goede signaal-ruisverhoudingen te krijgen. Zorg er ook voor dat het frequentiebereik van de versnellingsmeter voldoende is om het frequentiebereik van uw monster te vangen. Calibreer elke sensor.
Bevestig een sensor aan een handgeschakelde shaker die een enkele frequentiekracht van 9,81 meter per tweede kwadraat kan uitvoeren. Meet de reactie van de sensor gedurende twee seconden trillen. De krachtuitvoer wordt weergegeven in de software-uitlezing.
Vermenigvuldig de RMS-amplitude met 1000 om de kalibratiefactor voor de versnellingsmeter in millivolt per g te bepalen. De volgende stap is om een impacthamer voor te bereiden die een gevoeligheid heeft van 11,2 millivolt per newton. Zorg ervoor dat de hamer het testmonster zowel in amplitude als in frequentie kan exciteren.
Bevestig vervolgens een nylon tip aan de hamer die zijn functie niet zal aantasten. Verbind ten slotte de hamer met het data-acquisitiesysteem via een BNC-kabel. Identificeer nu sensorlocaties op het blad en bevestig de versnellingsmeters met superlijm.
Kies locaties op punten m en n aan weerszijden van de beschadigde locatie. Monteer vervolgens een derde versnellingsmeter op locatie k. Gegevens van deze sensor worden gebruikt om de resultaten van de ingebedde gevoeligheidsfunctie-analyse te valideren.
Open de data-acquisitie GUI. Schakel eerst dubbele hit-detectie in. Stel vervolgens de bemonsteringsfrequentie in op 10.240 hertz.
Het bruikbare frequentiebereik is de helft van de bemonsteringsfrequentie. Stel ten derde de sampletijd in op één seconde. Ten vierde selecteert u het hamerkanaal als triggerkanaal en stelt u het triggerniveau in op 10 newton.
Stel ten vijfde de lengte voor het triggeren in op 5%van de totale sampletijd. De pre-triggergegevens zijn gegevens die worden verzameld en opgeslagen in een buffer voordat het data-acquisitiesysteem wordt gestart. Het is belangrijk om deze gegevens op te halen en op te slaan, zodat het hele impactgebeurtenis wordt vastgelegd.
Selecteer ten zesde de H1 FRF-schatter die ervan uitgaat dat er ruis op de responskanalen is en geen ruis op het krachtkanaal. Voer ten slotte de versnellingsmeter en hamerinformatie in, inclusief kalibratiefactoren en identificatienotities. Sla vervolgens de instellingen op voor registratie en voor gebruik bij toekomstige tests.
Zodra de superlijm die wordt gebruikt om de sensoren te bevestigen volledig is uitgehard, beïnvloedt u punt één met de hamer. Wanneer de amplitude van de impactkracht de gekozen triggerdrempel overschrijdt, wordt het data-acquisitiesysteem geactiveerd en beginnen de gegevens, inclusief de geselecteerde hoeveelheid pre-triggergegevens, te worden geregistreerd. Tijdens data-acquisitie, bewaak de kanalen in de software om clipping en dubbele impact te voorkomen.
Bekijk ook de coherentieplot om de kwaliteit van de verworven gegevens verder te evalueren. Venster de gegevens niet tijdens acquisitie. Beïnvloed punt één nog vier keer met consistente impactamplitudes.
Herhaal vervolgens dit proces voor elk geselecteerd punt op het blad. Nadat alle punten zijn beïnvloed, herhaalt u het proces volledig op het beschadigde blad. De gegevens van het beschadigde blad zijn alleen nodig om de effectiviteit van de ingebedde gevoeligheidsfuncties te evalueren.
Het is niet nodig om de ingebedde gevoeligheidsfuncties zelf te bepalen. Net als frequentieresponsfuncties, hebben de ingebedde gevoeligheidsfuncties pieken nabij de natuurlijke frequenties van de structuur. Hoe hoger de waarde van de functies, hoe gevoeliger de locatie is voor schade tussen punten m en n.
Neem bijvoorbeeld de amplituden van de functie bij 142 Hertz. Het is duidelijk dat sensorlocaties die overeenkomen met de vierkanten in de eerste en derde kolom het meest gevoelig zijn voor schade. Merk op dat deze locaties zijn bepaald op basis van gegevens die zijn verkregen met een gezond blad.
Het verschil tussen de frequentieresponsfuncties die zijn bepaald op basis van het gezonde blad en de frequentieresponsfuncties die zijn bepaald op basis van het beschadigde blad, laat zien dat de ingebedde gevoeligheidsfuncties zeer effectief zijn bij het voorspellen van de locaties op het blad die het meest gevoelig zijn voor schade, zoals blijkt uit de gelijkenis tussen deze twee grafieken. Na het bekijken van deze video, zou u een goed begrip moeten hebben van hoe u de gegevens kunt verkrijgen die nodig zijn om de ingebedde gevoeligheidsfuncties van een structuur te bepalen. Hoewel gedemonstreerd op een windturbineblad, is deze procedure toepasbaar op elke structuur waarvan de respons kan worden gemeten met een
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Overzicht
Dit artikel beschrijft een procedure voor het bepalen van ingebedde gevoeligheidsfuncties met behulp van een windturbineblad op residentiële schaal. De methode is erop gericht om structurele gezondheidsbewaking te verbeteren door een structuur te modelleren op basis van experimenteel gemeten gegevens.
Belangrijke onderdelen van de studie
Wetenschappelijk gebied
- Structurele conditiemonitoring
- Windturbinetechnologie
- Experimentele datamodellering
Achtergrond
- Het begrijpen van structurele reacties op beschadigingen is cruciaal.
- Ingebedde gevoeligheidsfuncties bieden inzicht in de structurele integriteit.
- Traditionele modellering vereist vaak specifieke parameters die mogelijk niet bekend zijn.
- Deze methode biedt een oplossing door te vertrouwen op experimentele gegevens.
Doel van de studie
- Om vast te stellen hoe de respons van een constructie verandert als gevolg van schade.
- Om een methode te ontwikkelen voor het modelleren van constructies zonder dat nauwkeurige massa-, stijfheids- en dempingsparameters nodig zijn.
- Om de procedure te demonstreren op een windturbineblad op residentiële schaal.
Gebruikte methoden
- Het ontwerpen van een testopstelling om realistische randvoorwaarden te repliceren.
- Het voorbereiden van boutposities die overeenkomen met de montagepunten van het blad.
- Het verkrijgen van gegevens om ingebedde gevoeligheidsfuncties te bepalen.
- Het analyseren van resultaten om de structurele integriteit te beoordelen.
Belangrijkste resultaten
- Representatieve resultaten voor het blad van de windturbine worden gepresenteerd.
- De methode modelleert structurele responsen effectief op basis van experimentele gegevens.
- Er wordt waardevolle inzichten verkregen in structurele conditiemonitoring.
- De procedure demonstreert praktische toepassingen in scenario's uit de echte wereld.
Conclusies
- De techniek biedt een waardevolle benadering voor structurele gezondheidsmonitoring.
- Het elimineert de noodzaak voor kennis van specifieke parameters.
- Toekomstige toepassingen kunnen worden uitgebreid naar diverse structurele beoordelingen.
Veelgestelde vragen
Industriële relevantie voor directie
Geïntegreerde analyse van sensitiviteitsfuncties maakt een voorspellende beoordeling van de structurele respons op schade mogelijk met uitsluitend gegevens uit de gezonde toestand, waardoor de afhankelijkheid van voorkennis over massa, stijfheid of demping wordt verminderd. Deze aanpak ondersteunt mechanische risicovermindering in een vroeg stadium en biedt inzicht in de optimale plaatsing van sensoren voor structurele conditiemonitoring in de R&D-infrastructuur en apparaatontwikkeling voor biofarmaca. De integratie van robuuste protocollen voor gegevensverwerving vergroot het vertrouwen in monitoringsstrategieën en risicobeheer op portfolioniveau.
Strategische toepassingen in biofarmaceutisch R&D
Vroege Ontdekking & Targetvalidatie
- Maakt hypothesegestuurde evaluatie van de structurele respons op gesimuleerde schade-scenario's mogelijk.
- Ondersteunt functionele validatie van sensorplaatsing voor vroege detectie van mechanisch falen.
- Faciliteert mechanische risicoreductie door middel van modellering zonder dat gedetailleerde fysieke parameters vereist zijn.
Screening & assayontwikkeling
- Standaardiseert de acquisitie van frequentieresponsgegevens voor reproduceerbare workflows voor sensorvalidatie.
- Biedt kwantitatieve resultaten voor het vergelijken van sensorlocaties en krachtaanwendingspunten.
- Maakt schaalbare beoordeling van monitoringstrategieën over verschillende prototype-apparaten mogelijk.
Translationeel & Preklinisch Onderzoek
- Stelt structurele monitoringprotocollen af op de behoeften voor de ontwikkeling van translationele apparaten.
- Ondersteunt de continuïteit van vroege ontdekking tot preklinische validatie van monitoringsystemen.
- Vermindert het risico op falen van apparaten in een late fase door het informeren van robuuste strategieën voor de inzet van sensoren.
Integratie van Pipeline & Workflow
Dit protocol voor gegevensverzameling past binnen het continuüm van ontdekking naar preklinisch onderzoek voor de monitoring van apparaten en infrastructuur, ter ondersteuning van zowel vroege hypothesetoetsing als downstream-validatie.
- Discovery Biology: Biedt een kader voor het testen van structurele hypothesen en het verduidelijken van responspaden op schade.
- Screening: Levert reproduceerbare, kwantitatieve frequentieresponsgegevens voor de optimalisatie van sensoren en de locatie van krachten.
- Analytics: Maakt statistische vergelijking van sensoroutputs en coherentie-evaluatie mogelijk voor de kwaliteitsborging van gegevens.
- Translationeel onderzoek: Slaat een brug tussen gegevens uit vroege ontdekkingen en preklinische vereisten voor apparaatbewaking.
- Bedrijfsbrede herbruikbaarheid: Biedt een herbruikbaar protocol dat aanpasbaar is aan diverse toepassingen voor structurele bewaking.
Operationele en bedrijfsmatige impact
- Wetenschappelijke waarde: Verhoogt het voorspellende vertrouwen in sensorplaatsing en strategieën voor structurele monitoring.
- Operationele waarde: Standaardiseert gegevensverwerving en kalibratie voor reproduceerbaarheid en schaalbaarheid.
- Strategische waarde: Informeert go/no-go-beslissingen voor monitoringsoplossingen van apparaten en vermindert risico's in een laat stadium.
- Impact op portfolio: Ondersteunt risico-gecorrigeerde prioritering van monitoringtechnologieën en investeringen in infrastructuur.
Overwegingen voor de implementatie
- Vereist expertise in sensorkalibratie, modale impacttesten en datas acquisitiesystemen.
- Necessiteert toegang tot versnellingsmeters, impacthamers en hoogfrequente data acquisitiehardware.
- Vereist cross-team standaardisatie van sensorplaatsing en kalibratieprotocollen.
- Aanpasbaar aan diverse structurele modellen waarbij impact en respons kunnen worden gemeten.
- Afhankelijk van een zorgvuldige evaluatie van de datakwaliteit, inclusief beoordeling van de coherentie en de signaal-ruisverhouding.
Biopharma Veelgestelde Vragen
Chapters in this video
0:05
Title
0:42
Preparing the Wind Turbine Blade
3:25
Preparing the Data Acquisition Software
4:49
Impact Testing on the Healthy Blade
6:06
Results: Predicting Damage-sensitive Locations on the Specimen Using Embedded Sensitivity Functions
7:11
Conclusion
