Vauriontunnistus ja vasteiden estimointi värähtelymittausten ja simulointimallin avulla

Abstract

Tämä insinöörityö on kaksiosainen. Ensimmäisen osan tavoitteena oli luoda vaurion mallinnuksella simuloitua mittausdataa rakenteiden kunnonvalvontaan liittyvää vauriontunnistusta varten. Rakenteeseen syntyvä vaurio mallinnettiin avoimena särönä. Toisessa osassa tavoitteena oli värähtelymittausten ja FEM-mallin yhdistäminen vasteiden estimoimista varten kaikkialla fyysisessä rakenteessa. Yhdistämistä varten tutkittavasta rakenteesta mallinnettiin kaksi FEM-mallia, joista toinen toimii fyysisen rakenteen korvikkeena ja toinen mallinnusvirhettä sisältävänä simulointimallina. Simuloinnit ja laskut suoritettiin Abaqus CAE -ohjelmistolla. Tutkittavana rakenteena toimi suorakulmaisesta teräsputkesta valmistettu kolmiosainen teräsrakenne.

Rakenteella simuloitavat vauriot ovat suuruudeltaan 12,5 %, 25 %, 37,5 % 50 % rakenteen profiilin poikkileikkauksen pinta-alasta. Vaurio sijaistee rakenteen kiinnityskohdassa pystyputken tyvessä.

FEM-mallin ominaismuotojen avulla ratkaistiin optimaaliset anturisijainnit fyysisessä rakenteessa. Tämän lisäksi fyysiselle rakenteelle tehtiin värähtelyanalyysi, josta saatiin mittausdataa vauriontunnistusta sekä Virtual Sensing -tekniikalla ratkaistavaa full-field-dataa varten. Vauriontunnistuksessa käytettävälle mittausdatalle tehtiin kohinanpoisto kahdella eri menetelmällä. Kohinanpoistolla pyritään tarkempaan vauriontunnistukseen.

Kiihtyvyyksiin perustuva vauriontunnistus toimi erittäin hyvin, mutta venymiin perustuvalla vauriontunnistuksella saadut tulokset olivat antureiden asetteluun vuoksi harhaan johtavia. Tämä johtui antureiden asettelusta suoraan särön kohdalle, mikä ei todellisuudessa ole mahdollista. Kiihtyvyyksien avulla rakenteessa havaittiin Bayes-menetelmällä suodatetusta datasta jopa 25 % vaurio.

Värähtelymittausten ja FEM-mallin yhdistäminen onnistui. Rakenteiden ominaismuotovertailussa havaittiin, että ominaismuodot vastaavat toisiaan riittävällä tarkkuudella. Lopulliset tulokset saavutettiin antureiden optimaalisten sijaintien uudelleen määrittelyllä. Tuloksina saatiin riittävän tarkkaa full-field-dataa, joka tarkastettiin fyysisen rakenteen anturiverkkojen vertailulla.

This Bachelor’s thesis had two objectives. The first objective was to create simulated sensor data from damaged and undamaged structures for damage detection. The simulated damage type was a fatigue crack that was modelled as an open crack. The second objective was to combine vibration measurements and the FEM model for response estimation throughout the structure. Two FEM models were required for this process. One to be used as the physical structure and the other as a simulation model containing modelling errors. The simulations and calculations were carried out using Abaqus CAE software. The studied structure was a steel structure made of three parts with a rectangular cross section.

The simulated damage sizes were 12.5%, 25%, 37.5% and 50% of the cross-sectional area of the structure’s profile. The damage was located at the base of the vertical pipe at the point of attachment.

Firstly, optimal sensor placements for the physical structure were calculated using EFI algorithms. These sensors were used during the first vibration measurements. The measurement data was used for damage detection and for full-field response estimation. Two different noise reduction were applied for the measurement data that was used in damage detection. The purpose of noise reduction in this thesis was to test if it makes the damage detection more accurate. The measured quantities were accelerations and strains.

It was discovered that damage detection based on acceleration measurements worked successfully, but the results obtained with strain measurements were too optimistic and misleading. This was due to sensor placement that is not possible to implement in a real physical structure. The best result in damage detection was a 25% crack. It was detected with Bayesian noise reduced acceleration data.

In conclusion, the combination of vibration measurements and the FEM model was carried out successfully. With MAC eigenmode comparison it was found out that the eigenmodes of both models correspond to each other with a sufficient precision. After the eigenmode comparison, new vibration measurements were made. Finally, new optimal sensor placements were calculated using different algorithms and the final vibration measurements were taken. As a result, sufficiently accurate full-field response data was obtained. The accuracy of the data was tested by comparing data obtained from the two different sensor networks.