Data Acquisition Protocol voor het bepalen van Embedded Gevoeligheid Functies

Abstract

De effectiviteit van veel structurele schade bewakingstechnieken afhankelijk van de plaatsing van sensoren en de plaats van invoer krachten. Algoritmen voor het bepalen van de optimale sensor en het dwingen van locaties vergen doorgaans data, ofwel gesimuleerde of gemeten, uit de beschadigde structuur. Ingesloten gevoeligheidsfuncties verschaffen een aanpak voor het bepalen van de beste beschikbare sensorlocatie schade met alleen gegevens van de gezonde structuur te detecteren. In deze video en manuscript, wordt de data-acquisitie procedure en best practices voor het bepalen van de embedded gevoeligheid functies van een structuur gepresenteerd. De frequentieresponsiefuncties gebruikt bij de berekening van de ingebedde gevoeligheidsfuncties worden verkregen middels modale botsproef. De gegevens worden verkregen en representatieve resultaten worden getoond voor een residentiële schaal wind turbine blad. Strategieën voor het evalueren van de kwaliteit van de gegevens die worden verkregen worden verstrekt tijdens de demonstratie van de data-acquisitie proces.

Introduction

Veel technieken structurele monitoring van gezondheid afhankelijk zijn van veranderingen in de gemeten frequentierespons functies (FRF's) om schade binnen een structuur op te sporen. Slechts weinig van deze werkwijzen hoe moet worden sensor plaatsingen en / of invoerkracht locaties die de doeltreffendheid van de werkwijze te maximaliseren om schade detecteren bepalen. Ingebedde gevoeligheidsfuncties (ESFT) kan worden gebruikt om de gevoeligheid van de FRF te bepalen naar een lokale verandering in de structuur van materiaaleigenschappen. Daarom omdat schade meestal resulteert in een lokale verandering in stijfheid, demping of massa van de constructie, ESFT een werkwijze voor het bepalen van de beste sensor en kracht locaties voor FRF gebaseerde gezondheidsmonitoring technieken.

Het doel van deze video en manuscript is voor detail de data-acquisitie-proces en best practices voor het bepalen van ESFT voor een structuur. Het proces omvat het bepalen van de verschillende FRF's van modal botsproeven, die wordt uitgevoerd door een spannende structuopnieuw met een modaal effect hamer en het meten van de respons met accelerometers. In dit werk, de structuur wordt getest is een 1,2 m residentiële schaal wind turbine blad. Het doel van de proeven en analyses te plaatsen sensor die het meest gevoelig zijn voor schade aan het blad te identificeren. Deze sensor locaties kunnen vervolgens worden gebruikt in een constructieve schema gezondheidscontrole uit het mes op beschadiging controleren.

Naast het gebruik van ESFT de meest effectieve sensorlocaties bepaald moet worden in een constructieve schema statuscontrole kunnen verschillende algoritmen voor optimale sensor ook worden gevonden in de literatuur aangetoond. In [Kramer], Kramer evalueert iteratief het vermogen van een reeks sensoren om de modes van een systeem te observeren. Recentelijk hebben genetische algoritmen ^1-3 en neurale netwerken ⁴ ontwikkeld om optimale sensorlocaties identificeren. In ⁵ wordt een Bayesiaanse benadering die rekening houdt met het risico van verschillende soorten foutenen de verdeling van de schade tarieven. In ^6, werd een eindige elementenmodel benut om de sensorlocaties meest waarschijnlijk schade kunnen opsporen. In de meeste van de sensor bij algoritmen voorgesteld in de literatuur, gegevens van de beschadigde structuur of gesimuleerd of gemeten, vereist. Een voordeel van de ingebedde gevoeligheid benadering is dat de sensor plaatsen kan worden bepaald uit de gezonde structuur.

Een ander voordeel is dat ESFS materiaaleigenschappen niet expliciet behoeft bekend. In plaats daarvan worden de materiaaleigenschappen "embedded" in de uitdrukkingen voor FRF's van het systeem. Derhalve alles wat nodig is voor de berekening ESFT zijn een reeks gemeten FRF's op specifieke input / output locaties. Specifiek, de gevoeligheid van de FRF (H _jk) berekend uit een gemeten respons in punt j te stellen op punt k, een verandering in stijfheid (K _mn) tussen de punten M en Nis

waar is het ESF als functie van de frequentie ω ^7-9. De procedure voor het meten van de wijze om de rechterzijde van vergelijking (1) berekenen FRF's wordt toegelicht in de volgende sectie en aangetoond in de video.

Protocol

1. Pre-voorbereiding van de proef

1. Ontwerpen en fabriceren van de testopstelling. Het ontwerp van de armatuur om realistische randvoorwaarden repliceren door te kiezen bout locaties om de montage locaties van het blad aan te passen. Kies staal voor de bevestiging van de bijdrage uit de houder naar de dynamische respons van het monster te minimaliseren.
   1. Schroef het mes aan de aangepaste t-bracket.
   2. Klem de armatuur op een stalen tafel.
2. Identificeer en markeer raster van invloed locaties.
   1. Kies 30 punten die het hele blad overspannen.
   2. Mark wijst met een marker of was pen en nummer voor referentie. Meet punt afstand met een meetlint om later bij de visuele weergave van de resultaten.
3. Selecteren en te kalibreren versnellingsmeters.
   1. Kies enkele as, 10 mV / g versnellingsmeters. Wees zeker versnellingsmeters met de juiste gevoeligheid kiezen om overbelasting van de sensor en een goede signaal-bereiken-Noise verhoudingen. Zorg er ook de frequentie van de sensoren is voldoende om het frequentiegebied van het proefstuk vangen.
   2. Kalibreren elke sensor.
      1. Bevestig de sensor om een handshaker waarvan de uitvoer een individuele frequentiecomponenten kracht met een grootte van 9,81 m / sec ² rms (dwz 1 g).
      2. Meet de respons voor 2 sec.
      3. Bepaal de effectieve amplitude van de reactie van de software uitlezing.
      4. Vermenigvuldig de rms amplitude van 1000 om de kalibratie factor te bepalen voor de accelerometer in eenheden van mV / g.
4. Kies een hamer en hamer tip.
   1. Kies een impact hamer met een gevoeligheid van 11,2 mV / N. Zorg ervoor dat u een hamer, die voldoende prikkelt het proefstuk in zowel amplitude en frequentie bereik te selecteren.
   2. Kies een nylon tip. Zorg ervoor dat u een hamer tip die voldoende prikkelt het proefstuk in zowel amplitude en frequentie bereik te selecteren.
   3. Connect de hamer om de data-acquisitie systeem met een BNC-kabel.
5. Identificeer sensor plaatsen en maak sensoren (figuur 4).
   1. Kies locaties punten m en n aan weerszijden van de schade plaats.
   2. Monteer een derde versnellingsmeter op locatie k. Gegevens uit deze sensor wordt gebruikt om de resultaten van de ingebedde gevoeligheidsfunctie analyse valideren.
   3. Bevestig met behulp van versnellingsmeters superlijm. Laat de superlijm om volledig te stellen voor het uitvoeren van de botsproeven.
6. Select-test parameters in de data-acquisitie GUI.
   1. Enable dubbele hit detectie.
   2. Stel de sampling frequentie 25.600 Hz. Het bruikbare frequentiegebied wordt derhalve 12.800 Hz.
   3. Stel de sample tijd tot 1 sec.
   4. Selecteer de hamer kanaal als de trigger-kanaal. Stel het trigger niveau tot en met 10 EU.
   5. Stel de pre-trigger lengte tot 5% van de totale bemonsteringstijd. De pre-trigger gegevens worden verzameld voordat de metingen worden gestart die is opgeslagen in een buffer. Het is belangrijk op te halen en deze op te slaan zodat het volledige effect gebeurtenis wordt vastgelegd.
   6. Selecteer de H1 FRF schatter. Deze schatter veronderstelt dat er ruis op de responsekanalen en geen lawaai van de kracht kanaal.
      Let op: Niet venster gegevens tijdens acquisitie. Ramen kunnen worden toegepast in post-processing, indien nodig.
   7. Voer accelerometer en hamer informatie, zoals onder meer ijken factoren en signalement.
   8. Bewaar de instellingen voor het bijhouden en voor gebruik in de toekomst proeven.

2. Impact Testen op het Healthy Blade

1. Impact punt 1 met de hamer. Wanneer de amplitude van de slagkracht van de gekozen trigger niveau overschrijdt, wordt de data acquisitie systeem worden geactiveerd en gegevens, met inbegrip van de geselecteerde hoeveelheid pre-trigger data, zal de opname beginnen.
   1. Tijdens de gegevensoverdracht acquisition, monitor kanalen om channel knippen en dubbele effecten te vermijden door het observeren van de in de tijd weergegeven in de data-acquisitie software.
   2. Tijdens de data-acquisitie, het toezicht op de samenhang moeten voor elke versnellingsmeter kanaal om de kwaliteit van de verkregen gegevens te evalueren door het observeren van de samenhang perceel in de data-acquisitie software.
2. Herhaal stap 2.1 nog vier keer bij punt 1.
   1. Gebruik consistente invloed amplitudes voor alle effecten.
3. Herhaal stap 2.1 en 2.2 voor alle punten.

3. Impact Testen op het beschadigde Blade

1. Herhaal sectie 2 op de beschadigde mes om gegevens te verzamelen voor het valideren van de embedded gevoeligheid functie resultaten. Met uitzondering van de verandering in het testmonster worden alle testparameters gelijk gehouden.

Representative Results

Figuur 1 toont een typische geïntegreerde gevoeligheidsfunctie. Net als bij een FRF, het ESF heeft pieken in de buurt van de natuurlijke frequenties van de structuur. Hoe hoger de waarde van de ESF, hoe gevoeliger de locatie beschadigt tussen de punten M en N. Elk van de dertig getest op de wind turbine blad punten heeft een unieke ESF. Deze ESFT kunnen worden vergeleken om te bepalen welke sensorlocatie meest gevoelig zijn voor schade zou zijn. Bijvoorbeeld, Figuur 2 toont de amplitudes van de ESFT nabij 142 Hz. Uit deze grafiek blijkt dat sensorlocaties overeenkomen met de velden in de eerste en derde kolom het meest gevoelig voor schade. Merk op dat deze locaties worden bepaald op basis van gegevens verkregen uit de gezonde mes.

Figuur 3 toont het gemeten verschil tussen de FRF's bepaald uit data van de gezonde FRF's blad en die bepaald uit data van de beschadigde mes. De gelijkenissen tussen het verschil in FRF's en het ESFT tonen de effectiviteit van de ESFT de plaatsen waar de grootste veranderingen in FRF's vanwege schade worden tentoongesteld voorspellen.

Figuur 1. De amplitude van de e mbedded gevoeligheidsfunctie voor point 1. De waarde van de ESF overeenkomt met de gevoeligheid van de FRF bij punt 1 op schade in de structuur op de gekozen locatie. De waarden veranderen als functie van de frequentie. Pieken in de ESF hebben de neiging om te corresponderen met de natuurlijke frequenties van de structuur. Klik hier om een grotere versie van deze figuur te bekijken.

3690 / 53690fig2.jpg "/>
Figuur 2. De amplitudes van het ESFT voor alle dertig punten 142 Hz. Elke gekleurde vierkant overeen met de waarde van de ESF bij 142 Hz voor elke ruimtelijke locatie getest. Hete kleuren corresponderen met punten waar het ESFS voorspellen van de grootste verandering in de FRF als gevolg van schade. Cooler kleuren geven aan dat de verandering in de FRF op dat moment relatief gering zal zijn. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 3. Het verschil in de FRF's, H _jk voor alle dertig punten 142 Hz. De verschillen werden berekend door de FRF's bepaald uit de gezonde en beschadigde messen. Hot kleuren geven de grote verschillen in FRF's. Koele kleuren geven small veranderingen in de FRF's. Klik hier om een grotere versie van deze figuur te bekijken.

Figuur 4. Impact punten gebruikt tijdens het testen. Punten werden gekozen om het blad te overspannen. Klik hier om een grotere versie van deze figuur te bekijken.

Discussion

Test armaturen moet worden ontworpen om te repliceren realistische randvoorwaarden zodat de resultaten onder de bedrijfsomstandigheden van toepassing zal zijn. De keuze van het aantal impacts voor de test is een afweging tussen het hebben van voldoende ruimtelijke resolutie en de testtijd. Selecteer de hamer basis van de grootte van het monster en het frequentiegebied. In het algemeen, hoe kleiner de hamer, een breder frequentiebereik opgewonden. Echter, kleinere hamers produceren doorgaans lagere amplitude krachten. Impact hamers worden geïnstrumenteerd met een krachtmeter om de tijd geschiedenis van de impact te meten. De aard van de hamer tip heeft ook invloed op het frequentiebereik van excitatie. Hoe harder de tip, de bredere de frequentieband van de excitatie. Cyanoacrylaatlijm wordt verkozen boven was, bijvoorbeeld om de verzwakking van de reactie van het bevestigingsmateriaal minimaliseren.

In de data-acquisitie software, schakelt u dubbele hit detectie in om automatisch te geven wanneer een dubbele impact heeft plaatsgevonden. Single effecten gewenst zijn omdat ze een bredere, meer herhaalbare kracht spectrum te produceren. Wanneer de amplitude van de kracht boven de ingestelde triggerniveau stijgt, wordt de data acquisitie gestart. Time data wordt overgenomen door de data-acquisitie software. Tijdens de data-acquisitie moet worden gevolgd om de kwaliteit van gegevens te waarborgen. Kanaal knippen, die optreedt wanneer de respons gemeten door de sensor groter is dan de toegestane spanningsbereik, moet worden vermeden. Samenhang is een uitstekende metrische te gebruiken om data kwaliteit te beoordelen. In het algemeen moet coherentie dicht bij een voor alle frequenties binnen het frequentiegebied opgewekt door de impact. Kuilen in samenhang verwacht nabij anti-resonantiefrequentie van het proefstuk omdat de signaal ruisverhouding laag en de ruis niet gecorreleerd is met de input. Zodra de kwaliteit van gegevens wordt verkregen, worden de in de tijd omgezet in het frequentiedomein via de Fast Fourier Transform (FFT), en de gemiddelde FRF is estimated via de H1 schatter ^10.

Het ESF de FRF's gemeten tijdens de test te bepalen, kan vergelijking 1 worden gebruikt op twee manieren. Ten eerste kan de directe aanpak worden gebruikt, welke metingen voor HJM, HJN, Hkm en HKN vereist. Deze FRF's worden bepaald door een sensor op locatie k en roving een sensor om elke potentiële sensorlocatie j. Gevolgen zouden worden toegepast op de twee locaties die de schade locatie overspannen. Om het verzamelen van gegevens efficiënter te maken, kan het principe van wederkerigheid worden gebruikt om de input en meetlocaties te keren. Met behulp van deze benadering worden HMJ, HNJ, Hmk en Hnk bepaald. Nu, in plaats van om de sensoren te verplaatsen voor elke verschillende meting, de sensoren blijven stilstaat en de impact locatie dwaalde. Zodra het ESFS worden berekend voor elke locatie, hun amplitudes vergeleken met welke locatie en met j te bepalenhet meest gevoelig voor beschadigingen tussen locaties m en n. Merk op dat een enkele schade locatie wordt aangenomen in dit werk.

De resultaten van de ESF-analyse kan nu worden gebruikt in een FRF-gebaseerde regeling structurele monitoring van gezondheid. In ^11, werd aangetoond dat de sensor plaatsen die door ESFT als het meest gevoelig voor beschadigingen effectiever in het identificeren van de aanwezigheid van beschadiging van een windturbineblad waren.

Andere methoden locaties waar FRF structuur is gevoelig voor beschadiging vertrouwen typisch op analytische modellering van de constructie ^{3, 6, 12.} FRF data gesimuleerd met behulp van verschillende combinaties van invoer en meetplaatsen zal voorspellen. De resultaten van deze werkwijzen afhankelijk van de ontwikkeling van een betrouwbare en nauwkeurige model dat gedetailleerde kennis van materiaaleigenschappen en de geometrie van de structuur vereist. Omdat ESFS kan worden berekend op basis van experimenteel gemeten datade gezonde structuur, is de identificatie van materiaaleigenschappen niet nodig en de geometrie van de structuur niet behoeft te worden vastgesteld.

Een mogelijke beperking van de techniek is dat a priori kennis van waar de schade zal optreden vereist. In veel toepassingen is deze eis niet beperkend omdat door spanningsanalyses en eerdere ervaring, kan de schade plaats worden voorzien. In toepassingen waar de schade locatie onbekend is, kunnen meerdere datasets worden verworven, telkens uitgaande van een andere schade locatie. In de data-acquisitie-protocol, werden er veel 'best practices' geïdentificeerd die niet alleen voor data-acquisitie voor ESFS, maar ook in het algemeen van toepassing op modal botsproeven. In staat zijn om de kwaliteit van de gegevens te beoordelen overgenomen verbetert met ervaring, maar wetende fundamentals inclusief het bepalen van kracht roll-off en de evaluatie van de samenhang zal zelfs die nieuwe staat te stellen botsproeven modale te verwerven high-kwaliteit van de gegevens.

Disclosures

De auteurs hebben niets te onthullen.

Acknowledgments

De auteurs hebben geen bevestigingen.

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

Engineering Embedded gevoeligheid functies structurele bewaking gezondheid frequentieresponsiefuncties trillingen botsproeven wind turbine blades