데이터 수집 프로토콜 임베디드 감도 기능을 결정하는
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
많은 구조 상태 모니터링 기술의 효과는 센서의 배치 및 입력 힘의 위치에 의존한다. 최적의 센서를 결정하고 일반적으로 위치를 강제하기위한 알고리즘은 손상된 구조에서 데이터, 시뮬레이션 또는 측정 중 하나가 필요합니다. 임베디드 감도 함수는 건강한 구조 만 데이터 손상을 검출하기 위해 가능한 최선의 센서 위치를 결정하는 방법을 제공한다. 이 동영상과 논문에서, 데이터 수집 방법 및 구조를 포함 감도 함수를 결정하기위한 가장 좋은 방법은 제시된다. 임베디드 감도 함수의 계산에 사용 된 주파수 응답 함수는 모달 충격 시험을 사용하여 획득된다. 데이터 취득 및 담당자 결과는 주거 규모의 풍력 터빈 블레이드에 대해 표시됩니다. 데이터의 품질을 평가하기위한 전략은 데이터 수집 프로세스의 데모 중 제공된다 획득된다. </p>
Introduction
많은 구조 상태 모니터링 기술들은 구조 내의 손상을 검출하기 위해 측정 된 주파수 응답 함수 (주파수 재사용 계수)의 변화에 의존한다. 그러나, 이들 방법의 일부는 손상을 검출하는 방법의 효과를 극대화 센서 게재 및 / 또는 입력 힘의 위치를 결정하는 방법을 다룬다. 임베디드 감도 함수 (ESFs)는 구조의 재료 특성의 변화에 로컬 FRF의 감도를 결정하기 위해 사용될 수있다. 손상은 일반적으로 강성, 감쇠 또는 구조물의 질량 로컬 변경을 초래하므로 따라서 ESFs는 FRF 기반 건강 모니터링 기술에 가장 힘 센서의 위치를 결정하는 방법을 제공한다.
동영상 및 원고의 목적은 구체적으로 데이터 수집 프로세스와 구조 ESFs를 결정하는 최상의 방법이다. 방법은 구조물의 여진에 의해 수행된다 모달 충격 시험에서 다양한 주파수 재사용 계수를 결정하는 단계를 포함하는모달 충격 망치로 다시 가속도계와의 반응을 측정. 이 연구에서 시험되는 구조는 1.2 m 신청 규모의 풍력 터빈 블레이드이다. 테스트 및 분석의 목적은 블레이드의 손상에 가장 민감 센서 위치를 식별하는 것이다. 이러한 센서 위치는 손상 블레이드를 모니터링하는 구조적 상태 모니터링 방식에서 사용될 수있다.
구조적 상태 모니터링 방식에서 사용하는 것이 가장 효과 센서 위치를 결정하는 ESFs의 사용 외에, 여러 센서 최적 배치 알고리즘은 문헌에서 입증 찾을 수있다. [크레이머]에서 크레이머 반복적 시스템의 형태를 관찰하는 센서 세트의 능력을 평가한다. 최근에, 유전자 알고리즘 1-3 신경망 (4) 최적의 센서 위치를 식별하기 위해 개발되었다. 도 5에서, 베이지안 접근법이 고려 에러의 종류의 위험을 얻어 사용된다손상 속도와 분포. 도 6에서, 유한 요소 모델은 손상을 검출 할 가능성이 가장 많은 센서의 위치를 식별하기 위해 활용되었다. 문헌에 제시된 센서 배치 알고리즘의 대부분에서, 손상된 데이터 구조는, 시뮬레이션 또는 측정이든 요구된다. 임베디드 감도 방식의 한 가지 장점은 센서 위치가 건강한 구조로부터 결정될 수 있다는 것이다.
ESFs의 또 다른 장점은 재료 특성을 명시 적으로 공지 될 필요가 있다는 것이다. 대신에, 재료 특성은 시스템의 주파수 응답 함수에 대한 식에 "포함"된다. 따라서, 모두는 ESFs 특정 입력 / 출력 위치에서 측정 된 주파수 응답 함수의 집합을 계산하는데 필요하다. 구체적으로, 응답에서 산출 된 FRF (H의 JK)의 감도는 점 M과 N 사이에 강성의 변화 (K 백만)에, 시점 k에서의 입력 점 J 측정이다
어디에 
7-9 ω 주파수의 함수로서 ESF이다. (1) 식의 우변을 계산하기 위해 필요한 주파수 재사용 계수를 측정하는 절차는 다음 섹션에서 상세 하 동영상에서 설명된다.
Protocol
Representative Results
Discussion
테스트기구는 결과 작동 조건 하에서 적용되도록 실제 경계 조건을 복제하도록 설계되어야한다. 테스트에 사용 된 충격 점의 수의 선택은 충분한 공간 해상도 및 테스트 시간을 갖는 사이의 트레이드 오프이다. 시험편의 크기와 관심의 주파수 범위에 기초하여 해머를 선택한다. 일반적으로, 주파수 대역 여기 넓은 해머 작아. 그러나, 작은 망치는 일반적으로 낮은 진폭 힘을 생산하고 있습니다. ?…
Declarações
The authors have nothing to disclose.
Acknowledgements
저자는 어떤 승인이 없습니다.
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 |
Referências
- 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).
