JoVE Logo

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

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.

摘要

许多结构健康监测技术的有效性取决于传感器的位置和输入力的位置。确定最佳的传感器,并迫使地点通常算法需要的数据,无论是模拟或测量,从损坏的结构。嵌入式灵敏度函数提供了确定最好的传感器位置检测与健康的结构唯一的数据损坏的方法。在此视频和手稿,数据采集过程和用于确定结构的内嵌灵敏度函数的最佳实践呈现。在嵌入式灵敏度函数的计算中使用的频率响应函数是通过模态冲击试验获得的。数据获取和有代表性的结果示于住宅​​规模的风力涡轮机叶片。被采集,用于评估的数据的质量策略数据采集过程的示范过程中提供的。

引言

许多结构健康监测技术依赖于测量的频率响应函数(频响函数)的变化来检测结构中的损坏。然而,很少有这些方法解决如何确定传感器的展示位置和/或输入力的位置,这将最大限度地方法的有效性,检测损坏。嵌入式灵敏度函数(ESFS)可以被用来确定一个FRF的敏感性在一个结构的材料特性的局部变化。因此,由于损伤通常导致在刚度,阻尼或该结构的质量的局部变化,ESFS提供了确定基于FRF的健康监测技术最好传感器和力的位置的方法。

该视频和手稿的目的是为了详细数据采集过程和用于确定结构ESFS最佳做法。该方法包括从模态冲击试验,它是由激发structu进行确定各个的FRF采用模态冲击锤重并测量其与加速度计的响应。在这项工作中,被测试的结构是1.2 m的小区规模的风力涡轮机叶片。测试和分析的目的是确定哪些是向叶片损坏最敏感的传感器位置。这些传感器位置然后可以在一个结构健康状态监测方案来用于监测损伤刀片。

除了使用ESFS来确定最有效的传感器位置的结构健康状态监测方案使用,几个传感器优化布设也可以在文献中证实找到。在[克莱默],克莱默迭代地计算一组传感器中的观察系统的模式的能力。最近,遗传算法1-3和神经网络4已经开发了确定最佳传感器位置。在图5中 ,贝叶斯方法使用,考虑到不同类型的错误的风险和损坏率的分布。在图6中 ,有限元模型杠杆,以确定最可能检测到损坏的传感器位置。在大多数的文献中提出的传感器的配置的算法,从受损的结构数据,无论是模拟的或测量的,是必需的。嵌入式灵敏度方法的一个优点是,传感器位置可以从健康结构来确定。

ESFS的另一个优点是,材料性质不必明确地已知的。相反,材料性质在为系统的的FRF的表达"嵌入"。因此,所有这一切都需要计算ESFS是一组在特定的输入/输出位置测量的FRF的。具体地,FRF(H JK)为响应所计算的灵敏度在点j测量在点k的输入,以便在刚度点mn之间的变化(K MN)

figure-introduction-1061

哪里figure-introduction-1157是ESF作为频率的函数,ω7-9。用于测量以计算等式(1)的右手侧所需的FRF的程序是在下一节详细和在视频演示。

Access restricted. Please log in or start a trial to view this content.

研究方案

1.预测试准备

  1. 设计和制造测试夹具。设计夹具通过选择螺栓位置以匹配叶片的安装位置到复制现实边界条件。选择钢夹具,以尽量减少从夹具到试样的动态响应的贡献。
    1. 博尔特刀片的定制T支架。
    2. 夹紧固定到钢表。
  2. 识别和标记撞击位置的网格。
    1. 选择30个点,涵盖了整个叶片。
    2. 标志点用记号笔或蜡笔和数量,以供参考。使用在结果可视化表示以后使用卷尺测量点间距。
  3. 选择和校准加速度计。
    1. 选择单一轴,为10 mV / g加速度计。一定要选择具有适当的灵敏度加速度计,以避免过载传感器,并实现良好的信噪比-noise比率。此外,一定的传感器的频率范围是足以捕获的为试样感兴趣的频率范围。
    2. 校准每个传感器。
      1. 附加传感器的手持式振动器,其输出是9.81米/秒2有效值( ,1克)的大小的单一频率的力。
      2. 测量2秒的响应。
      3. 确定从软件读出响应的幅值的均方根值。
      4. 由1000乘以均方根值,以确定在毫伏/ g的单位加速度计的校准因子。
  4. 选择到锤尖。
    1. 选择11.2毫伏/ N灵敏度的冲击锤。一定要选择锤子是足够兴奋的幅度和频率范围内的试样。
    2. 选择一个尼龙提示。一定要选择一个锤子提示,充分激发的幅度和频率范围内的试样。
    3. 有限公司nnect锤子数据采集系统用一根BNC电缆。
  5. 确定传感器的位置和附加传感器( 图4)。
    1. 选择在点的位置和n的损伤位置的任一侧。
    2. 在安装位置为k的第三加速。来自此传感器的数据将被用于验证嵌入式灵敏度函数分析的结果。
    3. 附加使用超级胶水加速度计。让超级胶水进行冲击试验之前完全设置。
  6. 选择测试参数在数据采集GUI。
    1. 启用双点击检测。
    2. 采样频率设置为25,600赫兹。的可用频率范围,因此,12800赫兹。
    3. 设置采样时间为1秒。
    4. 选择锤子通道作为触发通道。设置触发电平为10欧。
    5. 预触发长度设置为总采样时间的5%。预-T起重工数据是数据采集开始前收集的数据已被存储在缓冲器中。它来检索并从而使整个冲击事件被捕获的保存这些数据是很重要的。
    6. 选择H1 FRF估计。此估算假设有在响应通道噪音及力道无噪音。
      注:采集过程中不要窗口数据。窗口可以在后处理,如果需要的话被应用。
    7. 输入加速度计和锤子信息,包括校准系数和识别笔记。
    8. 除记录保存以及在未来的测试使用的设置。

2.冲击试验的健康之刃

  1. 影响1点用锤子。当冲击力的幅值超过所选触发电平,该数据采集系统将被触发和数据,包括预触发数据的选定量,将开始记录。
    1. 在数据习得N,监督渠道通过观察数据采集软件显示的时间历程,以避免通道限幅和双重影响。
    2. 在数据采集期间,监视每个加速度计信道的相干通过观察在数据采集软件的相干积来评估所获取的数据的质量。
  2. 重复步骤点1 2.1四次。
    1. 使用一致的影响幅度为所有的影响。
  3. 重复步骤所有点2.1和2.2。

3.冲击试验的损伤叶片

  1. 为了对损伤叶片,重复第2收集数据用于验证嵌入式灵敏度函数的结果。除了在试验片的变化,所有的测试参数保持相同。

Access restricted. Please log in or start a trial to view this content.

结果

图1显示了一个典型的嵌入式灵敏度函数。到一个FRF类似,英基具有接近该结构的固有频率峰值。在ESF的值越高,越敏感的位置是一个点mn之间的损坏。每个风力涡轮机叶片所测试的30磅的具有独特的ESF。这些ESFS可以比较,以确定哪些传感器位置将损坏最敏感。例如, 图2示出了近142赫兹的ESFS的振幅。从该图,很明显,对应于在第?...

Access restricted. Please log in or start a trial to view this content.

讨论

测试夹具的设计应复制现实边界条件,使得结果将操作条件下适用。的用于测试撞击点的数量的选择是具有足够的空间分辨率和测试时间之间的权衡。选择基于测试样品的大小和所关注的频率范围内的锤。在一般情况下,锤越小,更宽的频率范围内激发。然而,小锤子通常产生较低幅度的力量。冲击锤被监测与测力计来测量的影响时程。类型锤尖的也影响激发的频率范围。较硬的尖端,更广泛的?...

Access restricted. Please log in or start a trial to view this content.

披露声明

作者什么都没有透露。

致谢

作者没有确认。

Access restricted. Please log in or start a trial to view this content.

材料

NameCompanyCatalog NumberComments
AccelerometerPCB356B11three used in testing
Impact hammerPCB086C01
Data acquisition cardNI9234
DAQ chasis NIcDAQ-9171or similar
SoftwareMATLAB
Super glueLoctite454
Handheld ShakerPCB394C06for calibration 

参考文献

  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).

Access restricted. Please log in or start a trial to view this content.

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

110

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

科研

教育

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有,本公司不涉及任何医疗业务和医疗服务。