بروتوكول الحصول على البيانات لتحديد جزءا لا يتجزأ من وظائف الحساسية
Summary
The data acquisition procedure for determining embedded sensitivity functions is described. Data is acquired and representative results are shown for a residential scale wind turbine blade.
Abstract
فعالية العديد من التقنيات المراقبة الصحية هيكلية تعتمد على وضع أجهزة الاستشعار وموقع القوات الإدخال. خوارزميات لتحديد الاستشعار الأمثل وإجبار المواقع عادة ما تتطلب البيانات، إما مقلد أو قياسها، من بنية تالف. توفر وظائف حساسية جزءا لا يتجزأ من هذا النهج لتحديد أفضل المتاح موقع استشعار للكشف عن الأضرار مع البيانات فقط من هيكل صحي. في هذا الفيديو ومخطوطة، ويرد الإجراء الحصول على البيانات وأفضل الممارسات لتحديد وظائف حساسية جزءا لا يتجزأ من هيكل. يتم الحصول على وظائف استجابة التردد المستخدمة في حساب المهام حساسية مضمن باستخدام اختبار تأثير مشروط. يتم الحصول على البيانات وأظهرت نتائج ممثل عن نطاق سكني شفرة توربينات الرياح. استراتيجيات لتقييم جودة البيانات التي يتم الحصول عليها يتم توفيرها من خلال مظاهرة من عملية الحصول على البيانات. </p>
Introduction
العديد من التقنيات المراقبة الصحية هيكلية تعتمد على التغيرات في وظائف استجابة التردد قياس (FRFs) للكشف عن الأضرار ضمن هيكل. ومع ذلك، فإن عددا قليلا من هذه الأساليب معالجة كيفية تحديد مواضع الاستشعار و / أو مواقع القوة المدخلات التي من شأنها زيادة فعالية طريقة للكشف عن الأضرار. وظائف حساسية جزءا لا يتجزأ من (كلية العلوم التربوية) يمكن استخدامها لتحديد حساسية من الاتحاد الروماني لتغيير المحلية في خصائص المواد هيكل و. ولذلك، لأن الضرر النتائج عادة في التغيير المحلي في صلابة، التخميد، أو كتلة من الهيكل، وتوفر كلية العلوم التربوية طريقة لتحديد أفضل أجهزة الاستشعار وقوة مواقع لتقنيات المراقبة الصحية على أساس FRF.
والغرض من هذا الفيديو ومخطوطة غير بالتفاصيل عملية الحصول على البيانات وأفضل الممارسات لتحديد كلية العلوم التربوية للهيكل. وتشمل عملية تحديد FRFs مختلف من اختبار تأثير مشروط، والتي يتم تنفيذها بواسطة مثيرة لstructuإعادة بمطرقة تأثير الوسائط وقياس ردها مع التسارع. في هذا العمل، وهيكل يجري اختبارها هو 1.2 متر نطاق سكني توربينات الرياح شفرة. الهدف من الاختبار والتحليل هو تحديد مواقع أجهزة الاستشعار التي هي الأكثر حساسية للتلف النصل. ثم يمكن استخدام هذه المواقع أجهزة الاستشعار في نظام المراقبة الصحية الهيكلي لمراقبة شفرة عن الضرر.
إلى جانب استخدام كلية العلوم التربوية لتحديد المواقع استشعار الأكثر فعالية لاستخدامها في نظام المراقبة الصحية الهيكلي، ويمكن أيضا العثور عدة خوارزميات الاستشعار وضع المثلى التي ظهرت في الأدب. في [كرامر]، كرامر تكرارا تقييم قدرة مجموعة من أجهزة الاستشعار لمراقبة وسائط نظام. وفي الآونة الأخيرة، تم تطوير الخوارزميات الجينية 1-3 والشبكات العصبية 4 لتحديد المواقع وأجهزة الاستشعار الأمثل. في 5، ويستخدم نهج النظرية الافتراضية التي تأخذ في الاعتبار خطر الاصابة بأنواع مختلفة من الأخطاءوتوزيع معدلات الضرر. في 6، والاستدانة نموذج العنصر المحدود لتحديد المواقع استشعار الأكثر احتمالا للكشف عن الأضرار. في معظم خوارزميات الاستشعار وضع قدم في الأدب، وبيانات عن الهيكل التالفة، سواء محاكاة أو قياسها، مطلوب. ميزة واحدة من النهج حساسية جزءا لا يتجزأ من أن المواقع استشعار يمكن تحديد من بنية صحية.
ميزة أخرى لكلية العلوم التربوية هي أن خصائص المواد ليس من الضروري أن يعرف بشكل واضح. بدلا من ذلك، خصائص المواد هي "جزء لا يتجزأ" في التعبير عن FRFs النظام. لذلك، كل ما هو مطلوب لحساب كلية العلوم التربوية هي مجموعة من FRFs قياسها في مواقع معينة الإدخال / الإخراج. على وجه التحديد، وحساسية من الاتحاد الروماني (H كيه) تحسب من استجابة قياسها ي أشر إلى مدخلا عند نقطة ك، إلى تغيير في صلابة (K بالمليون) بين نقاط م و nهو
أين 
هو كلية العلوم التربوية بوصفها وظيفة من التردد، ω 7-9. الإجراء لقياس FRFs المطلوبة لحساب الجانب الأيمن من المعادلة (1) هو مفصل في القسم التالي وأظهر في شريط الفيديو.
Protocol
Representative Results
Discussion
وينبغي تصميم التركيبات اختبار لتكرار شروط الحدود واقعية بحيث أن النتائج سوف تكون قابلة للتطبيق في ظل ظروف التشغيل. اختيار عدد من نقاط التأثير المستخدمة في الاختبار هي مفاضلة بين وجود القرار المكانية كافية ووقت الاختبار. حدد مطرقة على أساس حجم عينة الاختبار ومدى الت?…
Disclosures
The authors have nothing to disclose.
Acknowledgements
الكتاب ليس لديهم الاعترافات.
Materials
| 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. , (2014).
- Guratzsch, R., Mahadevan, S. Structural health monitoring sensor placement optimization under uncertainty. AIAA J. 48 (7), 1281-1289 (2010).
