DuEPublico 2

Dies ist unser neues Repositorium, derzeit für E-Dissertationen und ausgewählte weitere Publikationen. Weitere Informationen...

Development, Implementation, and Validation of an Acoustic Emission-based Structural Health Monitoring System

Baccar, Dorra

Die Strukturüberwachung eng. Structural Health Monitoring (SHM) ist ein grundlegender Prozess für die Kontrolle der Betriebssicherheit und Zuverlässigkeit von Strukturen und Bauteilen während des Betriebs. Ein Überwachungssystem soll die Strukturdegradation in einer frühen Phase erkennen und quantifizieren, um den Totalausfall zu verhindern und somit menschliche und finanzielle Verluste zu vermeiden. Mit der wachsenden Nachfrage nach kosteneffizienten und robusten Produkten ist SHM mit besonders hohen Anforderungen konfrontiert. Diese Arbeit befasst sich mit der Entwicklung, Implementierung und experimenteller Validierung eines innovativen SHM-Systems, das auf umfassende Weise Schädigungsmechanismen von unterschiedlichen Materialen erkennt, identifiziert und klassifiziert. Für in-situ-Strukturüberwachung können verschiedene Methoden angewendet werden. Hier wird die Schallemissionsanalyse eng. Acoustic Emission Technik (AET) eingesetzt. Acoustic Emission ist eine passive zerstörungsfreie Prüfund Überwachungsmethode. Sie basiert auf der Analyse elastischer Wellen, die durch freigesetzte Energie während mikrostrukturelle Änderungen wie z. B. Risse, Brüche, und Verschleiß entstehen. Unter Verwendung geeigneter Hardware und fortgeschrittener Signalverarbeitungsverfahren können diese Wellen kontinuierlich und in Echtzeit erfasst und analysiert werden. Die Leistungsfähigkeit und Zuverlässigkeit einer AE-basierten Schadensdiagnose sind stark abhängig von Material/Werkstoff, Konstruktion und möglichen Schadensszenarien. Der Fokus dieser Arbeit liegt daher auf der Entwicklung einer hocheffizienten und leicht anpassbaren Field Programmable Gate Array (FPGA)–basierten Messkette zum Abtasten und Erfassen der erzeugten AE-Signale. Neben der Verwendung von sehr leistungsfähiger Hardware ist eine zuverlässige Interpretation der AE Signale von zentraler Bedeutung. Deswegen erfordern die Entwicklung und Umsetzung von Multi-Level-Signalverarbeitungsansätzen und Mustererkennungsverfahren eine besondere Beachtung. Die experimentelle Validierung des entwickelten Systems erfolgt durch die Untersuchungen von drei verschiedenen Materialien/Strukturen: Verschleißfeste Metallbleche, Faserverbundwerkstoff Platten und elektrochemische Zelle. Aufgrund der Diversität der untersuchten Strukturen werden drei Verarbeitungsprozesse entwickelt. Die implementierten Algorithmen können AE-Signale erkennen, quantifizieren und qualifizieren, so dass AE-basierte Eigenschaften identifiziert und mit den entsprechenden AE-Quellen korreliert sind. Die Diagnose konzentriert sich hauptsächlich auf die Schadenserkennung (Merkmalsextraktion), Schadensabschätzung (Merkmalsauswahl) und Schadensklassifizierung unter Anwendung von Zeit-Frequenz-Analyse, statistischen Ansätzen und überwachten Klassifikationsverfahren. Die gewonnenen Ergebnisse zeigen eine bemerkbare Verbesserung der Identifizierung und Klassifizierung von Schadensmechanismen und beweisen die Effizienz des angewandten Multi-Level-Verarbeitungsansätze. Die vorgestellte Methodik ermöglicht eine automatisierte Zustandsüberwachung und stellt daher einen wichtigen Schritt in der Entwicklung von sicheren und zuverlässigen Strukturen dar.

In engineering, Structural Health Monitoring (SHM) is an important field of study representing a fundamental process to control the longevity and reliability of structures during service. The objective of an SHM is to detect and quantify the structure degradation at an earlier stage. The acquisition of such information can contribute to prevention of total failure and hence avoiding human and financial losses becomes more possible. With the growing demands for cost-efficient and robust products, SHM is facing particularly high requirements. This thesis focuses on the development, implementation, and experimental validation of an innovative SHM system able to detect, identify, and classify in an extensive way damage mechanisms occurring in different materials. Several techniques can be applied for in situ health monitoring. In this work, Acoustic Emission Technique (AET) is used. Acoustic Emission is a passive nondestructive evaluation technique referring to the elastic waves generated by energy release during microstructural changes in the material. Those changes arise as a result of mechanical and environmental stresses. Monitoring of such a conversion can be continuously done in real-time using suitable hardware and advanced signal processing methods. The performance and reliability of an AE-based damage diagnosis approach are highly dependent on material, structure design and the damage scenarios. Therefore, a Field Programmable Gate Array (FPGA)-based measurement chains developed for sensing and acquiring the generated AE signals. This chain is easily adaptable to different structures and materials. It was therefore kept so far constant as possible throughout all tests conducted. Additionally to the use of highly efficient hardware that enhance the sensing quality and the data acquisition speed, the implementation of advanced filtering techniques with high processing accuracy is of central importance. The main objective of this thesis is to prove the function of the system developed to analyze AE waves under different damage scenarios. For this purpose, three different materials namely wear resistant plates, laminated composite plates, and electrochemical cells are investigated. Owing to the diversity of the studied materials, special attention is paid to the development and implementation of multilevel signal processing approach and pattern recognition methods. The processing chains are capable to detect, quantify and qualify the AE data, whereby AE-based characteristics are identified and correlated with the corresponding AE sources. The designed diagnosis methodology concentrates/focuses on damage detection (feature extraction), damage estimation (feature selection), and damage classification by using time-frequency analysis, multilevel statistical approaches, and supervised classification methods. The results obtained show a noticeable/remarkable enhancement of the identification and classification of damage mechanisms. The efficiency of applying multilevel processing approach is/(could be) thus proved. The methodology presented here, allows an automated structural health monitoring. Hereby, an important step forward in future development of safe and reliable structures is represented.

Vorschau

Teilen und Zitieren

Zitierform:

Baccar, Dorra: Development, Implementation, and Validation of an Acoustic Emission-based Structural Health Monitoring System. 2015.

Rechte

Nutzung und Vervielfältigung:
Alle Rechte vorbehalten

Export