JoVE Logo

Anmelden

Zum Anzeigen dieser Inhalte ist ein JoVE-Abonnement erforderlich. Melden Sie sich an oder starten Sie Ihre kostenlose Testversion.

In diesem Artikel

  • Zusammenfassung
  • Zusammenfassung
  • Einleitung
  • Protokoll
  • Ergebnisse
  • Diskussion
  • Offenlegungen
  • Danksagungen
  • Materialien
  • Referenzen
  • Nachdrucke und Genehmigungen

Zusammenfassung

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.

Zusammenfassung

Die Wirksamkeit vieler Strukturüberwachung Techniken hängt von der Anordnung von Sensoren und die Lage der Eingangskräfte. Algorithmen zur optimalen Sensor zu bestimmen und zwingt Standorte erfordern in der Regel Daten, entweder simuliert oder gemessen, aus dem beschädigten Struktur. Embedded Empfindlichkeitsfunktionen bieten einen Ansatz zur Bestimmung der besten Lage verfügbaren Sensorschäden mit nur Daten aus der gesunden Struktur zu erkennen. In diesem Video-und Manuskript, das Datenerfassungsverfahren und Best Practices für die eingebetteten Empfindlichkeitsfunktionen einer Struktur zu bestimmen vorgestellt. Die Frequenzantwortfunktionen bei der Berechnung der eingebetteten Empfindlichkeitsfunktionen verwendet werden, unter Verwendung modal Schlagprüfung erworben. Die Daten werden erfasst und repräsentative Ergebnisse sind für eine Wohn Maßstab Windturbinenschaufel gezeigt. Strategien für die Bewertung der Qualität der gewonnenen Daten werden bei der Demonstration des Datenerfassungsprozesses vorgesehen sind.

Einleitung

Viele Strukturüberwachung Techniken beruhen auf Veränderungen der gemessenen Frequenzantwortfunktionen (FRFs) Schaden innerhalb einer Struktur zu erkennen. Jedoch adressieren einige dieser Methoden, wie Sensorplatzierungen und / oder Eingangskraft Stellen zu bestimmen, die die Wirksamkeit des Verfahrens maximiert Schäden zu detektieren. Eingebettete Empfindlichkeitsfunktionen (ESFs) können verwendet werden, um die Empfindlichkeit eines FRF zu einer lokalen Veränderung der Struktur einer Materialeigenschaften zu bestimmen. Deshalb, in der Regel, weil Schäden in einer lokalen Änderung der Steifigkeit ergibt, Dämpfung, oder die Masse der Struktur bieten ESFs ein Verfahren zur Bestimmung der besten Sensor und Kraftplätze für die FRF-basierte Gesundheitsüberwachungstechniken.

Der Zweck dieses Video und Manuskript ist zum Detail die Datenerfassungsprozess und Best Practices für die ESF für eine Struktur zu bestimmen. Der Prozess umfasst verschiedene FRFs von modalen Aufpralltests zu bestimmen, die durch Anregung eines structu durchgeführt wird,wieder mit einem modalen Schlaghammer und Messung seiner Reaktion mit Beschleunigungssensoren. In dieser Arbeit wird die Struktur getestet ist ein 1,2 m Wohn-Skala Windturbinenschaufel. Das Ziel der Tests und Analysen ist Sensorstellen zu identifizieren, die am empfindlichsten auf eine Beschädigung der Klinge sind. Diese Sensorpositionen könnten dann in einem Strukturüberwachung Schema verwendet werden, um die Klinge auf Beschädigungen zu überwachen.

Neben dem Einsatz von ESF die effektivsten Sensorpositionen zu bestimmen, in einer Strukturüberwachung Schema, mehrere optimale Sensorplatzierung Algorithmen auch gefunden in der Literatur nachgewiesen werden kann, zu verwenden. In [Kramer] wertet Kramer iterativ die Fähigkeit einer Reihe von Sensoren, die Betriebsarten des Systems zu beobachten. In jüngerer Zeit wurden genetische Algorithmen 1-3 und neuronale Netze 4 entwickelt Stellen optimal Sensor zu identifizieren. In 5 wird ein Bayes - Ansatz verwendet, der das Risiko von verschiedenen Arten von Fehlern berücksichtigt ,und die Verteilung der Schadensraten. In 6 wurde ein Finite - Elemente - Modell der Sensorstellen am ehesten zu erkennen Schäden zu identifizieren , genutzt. In den meisten der Sensorplatzierung Algorithmen in der Literatur vorgestellt, Daten von der beschädigten Struktur, auch simuliert oder gemessen wird, ist erforderlich. Ein Vorteil der eingebetteten Empfindlichkeit Ansatz ist, dass die Sensorpositionen von der gesunden Struktur bestimmt werden kann.

Ein weiterer Vorteil besteht darin, dass ESFs Materialeigenschaften müssen nicht explizit bekannt sein. Stattdessen werden die Materialeigenschaften "eingebettet" in den Ausdrücken für die FRFs des Systems. Daher ist alles, was benötigt ESFs sind ein Satz gemessener FRFs an bestimmten Eingabe / Ausgabe-Positionen zu berechnen. Insbesondere aus einer Reaktion berechnet die Empfindlichkeit der FRF (H jk) am Punkt j , gemessen mit einem Eingang an dem Punkt k zu einer Änderung der Steifigkeit (K mn) zwischen den Punkten m und nist

figure-introduction-3345

woher figure-introduction-3452 ist der ESF als Funktion der Frequenz, ω 7-9. Das Verfahren für die Messung erforderlich FRFs die rechte Seite der Gleichung zu berechnen (1) ist detailliert in dem folgenden Abschnitt und in dem Video gezeigt.

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

Protokoll

1. Pre-Test Vorbereitung

  1. Design und die Testvorrichtung herzustellen. Gestalten Sie das Gerät zu replizieren realistischen Randbedingungen durch die Wahl Bolzen Stellen, um die Befestigungsstellen der Klinge zu entsprechen. Wählen Stahl für die Haltevorrichtung, den Beitrag von der Befestigung der dynamischen Reaktion der Testprobe zu minimieren.
    1. Bolt die Klinge an die individuelle T-Halterung.
    2. Klemmen Sie das Gerät an einem Stahltisch.
  2. Identifizieren und Raster von Auftreffstellen markieren.
    1. Wählen Sie 30 Punkte, die die gesamte Klinge erstrecken.
    2. Mark Punkte mit einem Marker oder Wachsstift und Nummer Referenz. Messen Sie Punktabstand ein Maßband für die spätere Verwendung in der visuellen Darstellung von Ergebnissen.
  3. Wählen und kalibrieren Beschleunigungssensoren.
    1. Wählen Sie einzelne Achse, 10 mV / g Beschleunigungsmesser. Achten Sie darauf, Beschleunigungsmesser mit der entsprechenden Empfindlichkeit zu wählen, um den Sensor eine Überlastung zu vermeiden und gutes Signal-zu erreichen-Noise Verhältnisse. Auch seien Sie sicher, dass der Frequenzbereich der Sensoren ausreichend ist, um den Frequenzbereich von Interesse für die Testprobe zu erfassen.
    2. Kalibrieren Sie jeden Sensor.
      1. Befestigen Sie den Sensor an einer Handschüttler , dessen Ausgang eine Einzelfrequenz - Kraft mit einer Größe von 9,81 m / s 2 rms (dh 1 g).
      2. Messen Sie die Reaktion für 2 Sekunden.
      3. Bestimmen die rms Amplitude der Antwort von der Software Auslesung.
      4. Multiplizieren die rms Amplitude von 1,000 den Kalibrierungsfaktor für den Beschleunigungsmesser in Einheiten von mV / g zu bestimmen.
  4. Wählen Sie Hammer und Hammer Spitze.
    1. Wählen Sie einen Schlaghammer mit einer Empfindlichkeit von 11,2 mV / N. Achten Sie darauf, einen Hammer zu wählen, die in ausreichendem Maße die Testprobe in Amplitude und Frequenzbereich anregt.
    2. Wählen Sie eine Nylonspitze. Achten Sie darauf, einen Hammer Spitze zu wählen, die in ausreichendem Maße die Testprobe in Amplitude und Frequenzbereich anregt.
    3. Connect den Hammer an das Datenerfassungssystem mit einem BNC-Kabel.
  5. Identifizieren Sensorstellen und befestigen Sensoren (Abbildung 4).
    1. Wählen Sie Standorte an den Punkten m und n auf beiden Seiten der Schadensstelle.
    2. Montieren Sie einen dritten Beschleunigungsmesser an der Stelle k. Daten von diesem Sensor wird verwendet, um die Ergebnisse der Empfindlichkeits eingebetteten Funktionsanalyse zu bestätigen.
    3. Bringen Sie Beschleunigungsmesser mit Superkleber. Lassen Sie den Superkleber vollständig zu setzen, bevor die Schlagprüfung durchzuführen.
  6. Wählen Sie die Prüfparameter in der Datenerfassung GUI.
    1. Aktivieren Doppeltreffererkennung.
    2. Stellen Sie die Abtastfrequenz auf 25.600 Hz. Die nutzbare Frequenzbereich ist daher 12.800 Hz.
    3. Stellen Sie die Probe Zeit wurde auf 1 Sekunde.
    4. Wählen Sie den Hammer Kanal als Triggerkanal. Stellen Sie den Triggerpegel auf 10 EU.
    5. Stellen Sie den Pre-Trigger-Länge bis 5% der gesamten Probenzeit. Die Pre-tVorbereiter Daten sind Daten gesammelt, bevor die Datenerfassung gestartet wird, die in einem Puffer gespeichert wurde. Es ist wichtig, diese Daten abrufen und speichern, so dass die gesamte Aufprallereignis erfasst wird.
    6. Wählen Sie den H1 FRF-Schätzer. Dieser Schätzer geht davon aus, dass es Rauschen auf den Antwort-Kanäle und kein Lärm auf der Kraft-Kanal ist.
      Hinweis: Verwenden Sie keine Fenster Daten während der Erfassung. Fenster können in der Nachbearbeitung angewendet werden, falls erforderlich.
    7. Geben Sie Beschleunigungsmesser und Hammer Informationen, einschließlich der Kalibrierungsfaktoren und technischen Spezifikationen.
    8. Speichern Sie die Einstellungen für die Aufzeichnung und für den Einsatz in zukünftigen Tests.

2. Impact Testing auf der gesunde Klinge

  1. Schlagpunkt 1 mit dem Hammer. Wenn die Amplitude der Stoßkraft der gewählten Triggerpegel überschreitet, wird das Datenerfassungssystem ausgelöst werden und Daten, einschließlich der ausgewählten Menge an Pre-Trigger-Daten, wird die Aufnahme beginnen.
    1. Während der Daten Acquisition, überwachen Kanäle Kanal Clipping und Doppel Auswirkungen durch die Beobachtung der Zeitverläufe angezeigt in der Software zur Datenerfassung zu vermeiden.
    2. Während der Datenerfassung, Überwachung der Kohärenz für jedes Beschleunigungsmessers Kanal die Qualität der erfassten Daten durch die Beobachtung der Kohärenz Grundstück in der Software zur Datenerfassung zu bewerten.
  2. Wiederholen Sie Schritt 2.1 vier weitere Male bei Punkt 1.
    1. Verwenden Sie konsistente Schlagamplituden für alle Auswirkungen.
  3. Wiederholen Sie die Schritte 2.1 und 2.2 für alle Punkte.

3. Impact Testing auf dem beschädigten Klinge

  1. Wiederholen Sie Abschnitt 2 auf die beschädigte Klinge, um Daten zu sammeln für die eingebetteten Empfindlichkeitsfunktion Ergebnisse zu validieren. Mit Ausnahme der Veränderung in der Testprobe, werden alle Testparameter gleich gehalten.

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

Ergebnisse

Figur 1 zeigt ein typisches eingebettetes Empfindlichkeitsfunktion. Ähnlich einem FRF hat der ESF-Gipfel in der Nähe der Eigenfrequenzen der Struktur. Je höher der Wert des ESF, desto empfindlicher ist die Lage zwischen den Punkten m und n nicht zu beschädigen. Jede der dreißig Punkte getestet auf der Windturbinenschaufel hat ein einzigartiges ESF. Diese ESFs können verglichen werden, um die Sensorposition bestimmen wäre sehr empfindlich für Bes...

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

Diskussion

Prüfadapter sollten realistische Randbedingungen zu replizieren werden so konzipiert, dass die Ergebnisse anwendbar unter Betriebsbedingungen sein. Die Auswahl der Anzahl von Auftreffpunkten für die Prüfung verwendet wird, ein Kompromiß zwischen einer ausreichenden räumlichen Auflösung und die Testzeit. Wählen Sie den Hammer auf der Basis der Größe des Prüflings und den Frequenzbereich von Interesse. Im Allgemeinen, je kleiner die Hammer, desto breiter der Frequenzbereich angeregt wird. Aber auch kleinere Häm...

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

Offenlegungen

Die Autoren haben nichts zu offenbaren.

Danksagungen

Die Autoren haben keine Bestätigungen.

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

Materialien

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

Referenzen

  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.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Weitere Artikel entdecken

TechnikHeft 110Empfindlichkeit Embedded Funktionendie Struktur berwachungFrequenzgang FunktionenVibrationenSto pr fungWindturbinenschaufeln

This article has been published

Video Coming Soon

JoVE Logo

Datenschutz

Nutzungsbedingungen

Richtlinien

Forschung

Lehre

ÜBER JoVE

Copyright © 2025 MyJoVE Corporation. Alle Rechte vorbehalten