Name: data acquisition protocol for determining embedded sensitivity functions
Uploaded: 2016-04-20T15:00:00.000+00:00
Duration: 7 min 46 s
Description: Watch this Scientific Journal Video about Data Acquisition Protocol for Determining Embedded Sensitivity Functions at JoVE.com

Gli autori non hanno riconoscimenti.

Preparazione 1. Pre-test <ol><li> Progettare e fabbricare il dispositivo di prova. Progettare il dispositivo di replicare le condizioni al contorno realistiche, scegliendo luoghi bulloni per abbinare le posizioni di montaggio della lama. Scegliere acciaio per il fissaggio di minimizzare il contributo del dispositivo per la risposta dinamica del provino. <ol><li> Imbullonare la lama per la t-staffa personalizzato. </li><li> Fissare l&#39;apparecchio a un tavolo d&#39;acciaio. </li></ol></li><li> Identificare e segnare griglia di posizioni di impatto. <ol><li> Scegliere 30 punti che si estendono su tutta la lama. </li><li> Mark punti con un pennarello o cera e il numero di riferimento. Misurare la spaziatura punto utilizzando un metro a nastro per un uso successivo nella rappresentazione visiva dei risultati. </li></ol></li><li> Selezionare e calibrare accelerometri. <ol><li> Scegli asse singolo, 10 mV / g accelerometri. Assicurarsi di scegliere accelerometri con sensibilità appropriata per evitare di sovraccaricare il sensore e per ottenere una buona segnalerapporti silenziata LS. Inoltre, assicurarsi la gamma di frequenza dei sensori è sufficiente per catturare la gamma di frequenze di interesse per provino. </li><li> Calibrare ogni sensore. <ol><li> Fissare il sensore ad un agitatore a mano la cui uscita è una forza singola frequenza con una magnitudo di 9.81 m / sec 2 rms (cioè 1 g). </li><li> Misurare la risposta per 2 sec. </li><li> Determinare il valore efficace ampiezza della risposta dalla lettura software. </li><li> Moltiplicare l&#39;ampiezza RMS dal 1000 per determinare il fattore di calibrazione per l&#39;accelerometro in unità di mV / g. </li></ol></li></ol></li><li> Selezionare martello e punta martello. <ol><li> Scegliere un martello impatto con una sensibilità di 11.2 mV / N. Assicurarsi di selezionare un martello che eccita sufficientemente il provino sia in campo di ampiezza e frequenza. </li><li> Scegliete una punta di nylon. Assicurarsi di selezionare una punta martello che eccita sufficientemente il provino sia in campo di ampiezza e frequenza. </li><li> connect il martello per il sistema di acquisizione dati con un cavo BNC. </li></ol></li><li> Identificare le posizioni dei sensori e collegare sensori (Figura 4). <ol><li> Scegliere posizioni a punti M e n su entrambi i lati della posizione danni. </li><li> Montare un terzo accelerometro in posizione k. I dati di questo sensore saranno utilizzati per convalidare i risultati dell&#39;analisi funzione di sensibilità incorporato. </li><li> Fissare accelerometri che usano colla super. Lasciare che la colla super per impostare completamente prima di effettuare il test di impatto. </li></ol></li><li> Selezionare i parametri di prova della GUI di acquisizione dati. <ol><li> Attiva rilevamento doppio colpo. </li><li> Impostare la frequenza di campionamento di 25.600 Hz. La gamma di frequenza utilizzabile è quindi 12.800 Hz. </li><li> Impostare il tempo di campionamento di 1 sec. </li><li> Selezionare il canale martello come canale trigger. Impostare il livello di trigger 10 EU. </li><li> Impostare la lunghezza pre-trigger al 5% del tempo totale di campionamento. Il pre-tDati rigger sono dati raccolti prima di iniziare l&#39;acquisizione dei dati che sono stati memorizzati in un buffer. È importante recuperare e salvare i dati in modo che l&#39;intero evento di impatto viene catturata. </li><li> Selezionare lo stimatore H1 FRF. Questo stimatore presuppone che vi sia rumore sui canali di risposta e nessun rumore sul canale forza. Nota: Non dati delle finestre durante l&#39;acquisizione. Windows può essere applicato in post-elaborazione, se necessario. </li><li> Inserisci accelerometro e informazioni martello, compresi i fattori di calibrazione e le note di identificazione. </li><li> Salvare le impostazioni per la tenuta dei registri e per l&#39;uso in test futuri. </li></ol></li></ol> 2. prove di impatto sulla lama sano <ol><li> punto Impact 1 con il martello. Quando l&#39;ampiezza della forza di impatto superiore alla soglia prescelto, il sistema di acquisizione dati sarà attivato e dati, compresa la quantità selezionata di dati pre-trigger, inizia la registrazione. <ol><li> Durante acquisitio datin, monitorare i canali per evitare canale di ritaglio e doppie impatti osservando le storie temporali visualizzati nel software di acquisizione dati. </li><li> Durante l&#39;acquisizione dei dati, monitorare la coerenza per ciascun canale accelerometro per valutare la qualità dei dati acquisiti osservando la trama coerenza del software di acquisizione dati. </li></ol></li><li> Ripetere il punto 2.1 a quattro volte di più al punto 1. <ol><li> Utilizzare ampiezze impatto coerenti per tutti gli impatti. </li></ol></li><li> Ripetere i punti 2.1 e 2.2 per tutti i punti. </li></ol> 3. prove di impatto sulla lama danneggiato <ol><li> Ripetere la sezione 2 sulla lama danneggiata al fine di raccogliere i dati per validare i risultati delle funzioni sensibilità embedded. Fatta eccezione per il cambiamento nel campione, tutti i parametri di prova sono mantenuti gli stessi. </li></ol>

<ol>
	<li>Singh, N., Joshi, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optimization+of+location+and+number+of+sensors+for+structural+health+monitoring+using+genetic+algorithm.">Optimization of location and number of sensors for structural health monitoring using genetic algorithm.</a> Mater Forum. 33, 359-367 (2009).</li><li>Gao, H., Rose, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Ultrasonic+sensor+placement+optimization+in+structural+health+monitoring+using+evolutionary+strategy.">Ultrasonic sensor placement optimization in structural health monitoring using evolutionary strategy.</a> Review Of Qnde. 25, 1687-1693 (2006).</li><li>Raich, A. M., Liszkai, T. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multi-objective+optimization+of+sensor+and+excitation+layouts+for+frequency+response+function-based+structural+damage+identification.">Multi-objective optimization of sensor and excitation layouts for frequency response function-based structural damage identification.</a> Comput-Aided Civinfrastructure Eng. 27 (2), 95-117 (2012).</li><li>Worden, K., Burrows, A. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Optimal+sensor+placement+for+fault+detection.">Optimal sensor placement for fault detection.</a> Eng Struct. 23 (8), 885-901 (2001).</li><li>Flynn, E. B., Todd, M. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Bayesian+approach+to+optimal+sensor+placement+for+structural+health+monitoring+with+application+to+active+sensing.">A Bayesian approach to optimal sensor placement for structural health monitoring with application to active sensing.</a> Mech Syst Signal Pr. 24 (4), 891-903 (2010).</li><li>Markmiller, J., Chang, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Sensor+network+optimization+for+a+passive+sensing+impact+detection+technique.">Sensor network optimization for a passive sensing impact detection technique.</a> Struct Health Monit. 9 (1), 25-39 (2010).</li><li>Yang, C., Adams, D., Yoo, S., Kim, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=An+embedded+sensitivity+approach+for+diagnosing+system-level+noise+and+vibration+problems.">An embedded sensitivity approach for diagnosing system-level noise and vibration problems.</a> J. Sound Vibration. 269 (3), 1063-1081 (2004).</li><li>Yang, C., Adams, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+changes+in+vibration+behavior+using+first-+and+second-order+iterative+embedded+sensitivity+functions.">Predicting changes in vibration behavior using first- and second-order iterative embedded sensitivity functions.</a> J. Sound Vibration. 323 (1), 173-193 (2009).</li><li>Yang, C., Adams, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+Damage+Identification+Technique+based+on+Embedded+Sensitivity+Analysis+and+Optimization+Processes.">A Damage Identification Technique based on Embedded Sensitivity Analysis and Optimization Processes.</a> J. Sound Vibration. 333 (14), 3109-3119 (2013).</li><li>Rocklin, G. T., Crowley, J., Vold, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+comparison+of+the+H1,+H2,+and+Hv+frequency+response+functions.">A comparison of the H1, H2, and Hv frequency response functions.</a> Proc. Of IMAC III. 1, 272-278 (1985).</li><li>Meyer, J., Adams, D., Silvers, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Embedded+Sensitivity+Functions+for+improving+the+effectiveness+of+vibro-acoustic+modulation+and+damage+detection+on+wind+turbine+blades.">Embedded Sensitivity Functions for improving the effectiveness of vibro-acoustic modulation and damage detection on wind turbine blades.</a> , (2014).</li><li>Guratzsch, R., Mahadevan, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Structural+health+monitoring+sensor+placement+optimization+under+uncertainty.">Structural health monitoring sensor placement optimization under uncertainty.</a> AIAA J. 48 (7), 1281-1289 (2010).</li></ol>

Gli autori non hanno nulla da rivelare.

attrezzature di prova dovrebbero essere progettati per replicare le condizioni al contorno realistiche in modo che i risultati saranno applicabili in condizioni operative. La scelta del numero di punti di impatto utilizzati per le prove è un compromesso tra l&#39;avere risoluzione spaziale sufficiente e il tempo di test. Selezionare il martello in base alle dimensioni del provino e la gamma di frequenza di interesse. In generale, più piccolo è il martello, la più ampia gamma di frequenze eccitato. Tuttavia, martelli più piccoli in genere producono forze di ampiezza inferiore. martelli sono strumentate con un dinamometro per misurare la storia temporale dell&#39;impatto. Il tipo di punta martello colpisce anche la gamma di frequenza di eccitazione. Il più duro la punta, più ampia la banda di frequenza di eccitazione. Super colla viene scelto più di cera, per esempio, per minimizzare l&#39;attenuazione della risposta dal materiale di montaggio. Nel software di acquisizione dati, attivare il rilevamento doppio colpo al fine di automaticamente indicano quando si è verificato un doppio impatto. impatti singoli sono desiderati perché producono, spettro forza più ripetibile più ampio. Quando l&#39;ampiezza della forza supera il livello di trigger selezionato, viene avviata l&#39;acquisizione dei dati. Dati temporali viene acquisita dal software di acquisizione dati. Durante l&#39;acquisizione dei dati devono essere monitorati per garantire la qualità dei dati. clipping Channel, che si verifica quando la risposta misurata dal sensore supera il campo di tensione ammissibile, deve essere evitata. La coerenza è una metrica eccellente da utilizzare per giudicare la qualità dei dati. In generale, la coerenza dovrebbe essere vicino uno per tutte le frequenze entro la gamma di frequenze eccitate dall&#39;impatto. Dips in coerenza sono previsti vicino frequenze anti-risonanza del provino perché il rapporto segnale-rumore è basso e il rumore è correlata con l&#39;ingresso. Una volta che i dati di qualità è acquisito, le storie temporali vengono convertiti nel dominio della frequenza tramite la Fast Fourier Transform (FFT), e l&#39;FRF media è estimaTed utilizzando lo stimatore H1 10. Per determinare il FSE dai FRF misurate durante la prova, l&#39;equazione 1 può essere utilizzato in due modi. Innanzitutto, il metodo diretto può essere utilizzato, che richiede misurazioni per HJM, hjn, Hkm e HKN. Questi FRF sarebbero determinate ponendo un sensore in posizione k e roving un sensore per ogni potenziale posizione del sensore j. Gli impatti sarebbero applicate alle due aree che si estendono la posizione danni. Per rendere raccolta dati più efficiente, il principio di reciprocità, può essere utilizzato per invertire le posizioni di ingresso e di misurazione. Usando questo approccio, HMJ, Hnj, Hmk, e Hnk sono determinati. Ora, invece di dover spostare i sensori per ogni misura differente, i sensori rimanere stazionario e la posizione di impatto è vagarono. Una volta che l&#39;ESFS sono calcolati per ogni posizione, le loro ampiezze sono confrontati per determinare quale posizione jè più sensibile ai danni da un luogo all&#39;altro m e n. Si noti che una singola postazione danno è assunta in questo lavoro. I risultati dell&#39;analisi FSE possono ora essere utilizzati in uno schema strutturale FRF a base di monitoraggio della salute. In 11, è stato dimostrato che le posizioni dei sensori identificate da ESFS come essendo più sensibile ai danni erano più efficaci a identificare la presenza di danni alla pala eolica. Altri metodi per prevedere luoghi in cui FRF di una struttura sarà sensibile a danneggiare in genere si basano sulla modellazione analitica della struttura 3, 6, 12. I dati di FRF è simulato utilizzando diverse combinazioni di posizioni di ingresso e di misurazione. Tuttavia, i risultati di questi metodi si basano sullo sviluppo di un modello affidabile e preciso, che richiede una conoscenza dettagliata delle proprietà dei materiali e la geometria della struttura. Perché ESFS possono essere calcolati a partire dai dati misurati sperimentalmentesulla struttura sana, l&#39;identificazione delle proprietà dei materiali non è necessaria e la geometria della struttura non deve essere determinato. Una potenziale limitazione della tecnica è che richiede una conoscenza a priori di cui il danno sta per verificarsi. In molte applicazioni, questo requisito non è limitante, perché a causa di stress e analisi precedente esperienza, la posizione danno può essere previsto. Nelle applicazioni in cui la posizione è sconosciuta danni, più set di dati possono essere acquisiti, ogni volta che assumendo una posizione diversa danni. All&#39;interno del protocollo di acquisizione dei dati, molte delle migliori pratiche sono state individuate, che non vale solo per l&#39;acquisizione dei dati per ESFS, ma si applicano anche in generale per prove di impatto modale. Essere in grado di giudicare la qualità dei dati in corso di acquisizione migliora con l&#39;esperienza, ma conoscendo i fondamentali, tra cui la determinazione forza roll-off e la valutazione di coerenza consentirà anche chi è nuovo al modale prove di impatto per acquisire hidati GH-qualità.

Molte tecniche di monitoraggio strutturale si affidano a cambiamenti delle funzioni di risposta in frequenza misurate (FRF) per rilevare danni all&#39;interno di una struttura. Tuttavia, alcuni di questi metodi affrontare come determinare posizionamenti sensori e / o luoghi forza di input in grado di massimizzare l&#39;efficacia del metodo per rilevare danni. Funzioni sensibilità integrati (ESFS) possono essere utilizzati per determinare la sensibilità di un FRF ad una modifica locale delle proprietà del materiale di una struttura. Pertanto, poiché i danni in genere si traduce in un cambiamento locale nella rigidità, smorzamento, o massa della struttura, ESFS forniscono un metodo per la determinazione dei sensori e di forza migliori posizioni per le tecniche di monitoraggio della salute FRF-based. Lo scopo di questo video e manoscritto è nei dettagli il processo di acquisizione dei dati e le migliori pratiche per la determinazione ESFS per una struttura. Il processo include la determinazione varie FRF dai test di impatto modale, che viene eseguito da un emozionante structuri con un martello impatto modale e misurando la sua risposta con accelerometri. In questo lavoro, la struttura in fase di sperimentazione è una zona residenziale scala pala eolica 1,2 m. L&#39;obiettivo del test e analisi è quello di identificare posizioni dei sensori che sono più sensibili ai danni alla lama. Queste posizioni dei sensori potrebbero essere utilizzati in un sistema di monitoraggio strutturale per monitorare la lama per danni. Oltre l&#39;uso di ESFS per determinare le posizioni dei sensori più efficaci da utilizzare in un sistema di monitoraggio strutturale, diversi algoritmi ottimali di posizionamento del sensore si possono trovare anche dimostrato in letteratura. In [Kramer], Kramer valuta iterativamente la capacità di un insieme di sensori ad osservare le modalità di un sistema. Più recentemente, gli algoritmi genetici 1-3 e reti neurali 4 sono stati sviluppati per identificare posizioni ottimali sensori. In 5, un approccio Bayesiano è utilizzato che tiene conto del rischio di diversi tipi di errorie la distribuzione di frequenza dei danni. In 6, un modello agli elementi finiti è stato sfruttato per identificare le posizioni dei sensori più probabile per rilevare danni. Nella maggior parte degli algoritmi di posizionamento del sensore presenti in letteratura, i dati della struttura danneggiata, se simulato o misurato, è richiesto. Un vantaggio dell&#39;approccio sensibilità incorporato è che le posizioni dei sensori possono essere determinati dalla struttura sana. Un altro vantaggio è che ESFS proprietà del materiale non devono essere esplicitamente note. Invece, le proprietà del materiale sono &quot;embedded&quot; nelle espressioni per FRF del sistema. Pertanto, tutto ciò che è necessario per calcolare ESFS sono un insieme di FRF misurate in particolari posizioni di ingresso / uscita. In particolare, la sensibilità del FRF (H jk) calcolata da una risposta misurata al punto j ad un ingresso al punto k, al cambiamento di rigidità (K mn) tra i punti m ed nè <img alt="Equation1" src="/files/ftp_upload/53690/53690equation1.jpg" /> dove <img alt="Equation2" src="/files/ftp_upload/53690/53690equation2.jpg" /> è il FSE in funzione della frequenza, ω 7-9. La procedura per misurare le FRF necessari per calcolare il lato destro dell&#39;equazione (1) è dettagliato nella sezione successiva e dimostrato nel video.

<table><tbody><tr><td>Accelerometer</td><td>PCB</td><td>356B11</td><td>three used in testing</td></tr><tr><td>Impact hammer</td><td>PCB</td><td>086C01</td><td></td></tr><tr><td>Data acquisition card</td><td>NI</td><td>9234</td><td></td></tr><tr><td>DAQ chasis&amp;nbsp;</td><td>NI</td><td>cDAQ-9171</td><td>or similar</td></tr><tr><td>Software</td><td>MATLAB</td><td></td><td></td></tr><tr><td>Super glue</td><td>Loctite</td><td>454</td><td></td></tr><tr><td>Handheld Shaker</td><td>PCB</td><td>394C06</td><td>for calibration&amp;nbsp;</td></tr></tbody></table>

data acquisition protocol for determining embedded sensitivity functions

L&#39;efficacia delle molte tecniche monitoraggio strutturale dipende dal posizionamento dei sensori e la posizione delle forze di input. Algoritmi per la determinazione del sensore ottimale e costringendo posizioni in genere richiedono i dati, sia simulato o misurato, dalla struttura danneggiata. funzioni di sensibilità incorporati forniscono un approccio per determinare la migliore posizione del sensore a disposizione per rilevare i danni con solo i dati dalla struttura sana. In questo video e manoscritti, la procedura di acquisizione dei dati e le migliori pratiche per la determinazione delle funzioni di sensibilità integrate di una struttura è presentato. Le funzioni di risposta in frequenza utilizzati nel calcolo delle funzioni sensibilità incorporati vengono acquisite utilizzando prove di impatto modale. I dati vengono acquisiti e risultati rappresentativi sono mostrati per una lama di turbina eolica scala residenziale. Strategie per valutare la qualità dei dati in corso di acquisizione sono forniti durante la dimostrazione del processo di acquisizione dei dati. </p&gt;

La figura 1 mostra una tipica funzione di sensibilità incorporato. Simile a un FRF, il FSE ha picchi vicino le frequenze naturali della struttura. Più alto è il valore del FSE, il più sensibile la posizione è di danneggiare tra i punti M e n. Ognuno dei trenta punti testati sulla pala della turbina eolica ha un FSE unico. Questi ESFS possono essere confrontati per determinare quale posizione sensore sarebbe più sensibili ai danni. Ad esempio, la Figura 2 mostra le ampiezze delle ESFS vicino a 142 Hz. Da questo grafico, è chiaro che posizioni dei sensori corrispondenti alle caselle della prima e terza colonna sono più sensibili al danno. Si noti che queste posizioni sono determinate dai dati acquisiti dalla lama sano. La Figura 3 mostra la differenza misurata in FRF tra le FRF determinati dai dati dai sani<html> Blade e quelli determinati dai dati provenienti lama danneggiata. Le somiglianze tra la differenza di FRF e l&#39;ESFS dimostrano l&#39;efficacia delle ESFS di prevedere le posizioni in cui saranno esposte le più grandi cambiamenti nella FRF a causa di danni. <img alt="Figura 1" src="/files/ftp_upload/53690/53690fig1.jpg" /> Figura 1. L&#39;ampiezza della funzione e mbedded sensibilità per il punto 1. Il valore del FSE corrisponde alla sensibilità del FRF al punto 1 a danni nella struttura nella posizione scelta. I valori cambiano in funzione della frequenza. Picchi nella FSE tendono a corrispondere alle frequenze naturali della struttura. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/53690/53690fig1large.jpg" target="_blank">Si prega di cliccare qui per vedere una versione più grande di questa figura.</a> 3690 / 53690fig2.jpg &quot;/&gt; Figura 2. Le ampiezze dei ESFS per tutti i trenta punti a 142 Hz. Ogni quadrato di colore corrisponde al valore del FSE a 142 Hz per ogni posizione spaziale testato. Colori caldi corrispondono ai punti in cui l&#39;ESFS predicono la più grande variazione di FRF a causa di danni. Colori freddi indicano che il cambiamento di FRF a quel punto sarà relativamente piccolo. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/53690/53690fig2large.jpg" target="_blank">Cliccate qui per vedere una versione più grande di questa figura.</a> <img alt="Figura 3" src="/files/ftp_upload/53690/53690fig3.jpg" /> Figura 3. La differenza nei FRF, H jk, per tutti i trenta punti a 142 Hz. Le differenze sono stati calcolati sottraendo le FRF determinati dalle lame sani e danneggiati. Colori caldi indicano grandi differenze di FRF. Colori freddi indicano small cambiamenti in FRF. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/53690/53690fig3large.jpg" target="_blank">Cliccate qui per vedere una versione più grande di questa figura.</a> <img alt="Figura 4" src="/files/ftp_upload/53690/53690fig4.jpg" /> Figura punti 4. Impatto durante la prova. I punti sono stati scelti per occupare la lama. <a href="https://www-jove-com.remotexs.ntu.edu.sg/files/ftp_upload/53690/53690fig4large.jpg" target="_blank">Cliccate qui per vedere una versione più grande di questa figura.</a>

Watch this Scientific Journal Video about Data Acquisition Protocol for Determining Embedded Sensitivity Functions at JoVE.com

Data Acquisition Protocol for Determining Embedded Sensitivity Functions

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.

Data Acquisition Protocollo per la determinazione delle funzioni di sensibilità embedded

The effectiveness of many structural health monitoring techniques depends on the placement of sensors and the location of input forces. Algorithms for ...

data-acquisition-protocol-for-determining-embedded-sensitivity

Nanyang Technological University

Research

JoVE Journal

Engineering

6.1K Views.  Vanderbilt University. 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.

Video: Data Acquisition Protocol for Determining Embedded Sensitivity Functions

Combining Multiple Data Acquisition Systems to Study Corticospinal Output and Multi-segment Biomechanics

Transcranial magnetic stimulation techniques allow for an in-depth investigation into the neural mechanisms that underpin human behavior. To date, the use of TMS to study human movement, has been limited by the challenges related to precisely timing the delivery of TMS to features of the unfolding movement and, also, by accurately characterizing kinematics and kinetics. To overcome these technical challenges, TMS delivery and acquisition systems should be integrated with an online motion tracking system. The present manuscript details technical innovations that integrate multiple acquisition systems to facilitate and advance the use of TMS to study human movement. Using commercially available software and hardware systems, a step-by-step approach to both the hardware assembly and the software scripts necessary to perform TMS studies triggered by specific features of a movement is provided. The approach is focused on the study of upper limb, planar, multi-joint reaching movements. However, the same integrative system is amenable to a multitude of sophisticated studies of human motor control.

The use of transcranial magnetic stimulation (TMS) to study human motor control requires the integration of data acquisition systems to control TMS delivery and simultaneously record human behavior. The present manuscript provides a detailed methodology for integrating data acquisition systems for the purpose of investigating human movement via TMS.

Combinazione di più sistemi di acquisizione dati per studiare uscita corticospinale e Multi-segmento Biomeccanica

Transcranial magnetic stimulation techniques allow for an in-depth investigation into the neural mechanisms that underpin human behavior. To date, the use ...

Ricerca

Comportamento

Frequency Mixing Magnetic Detection Scanner for Imaging Magnetic Particles in Planar Samples

The setup of a planar Frequency Mixing Magnetic Detection (p-FMMD) scanner for performing Magnetic Particles Imaging (MPI) of flat samples is presented. It consists of two magnetic measurement heads on both sides of the sample mounted on the legs of a u-shaped support. The sample is locally exposed to a magnetic excitation field consisting of two distinct frequencies, a stronger component at about 77 kHz and a weaker field at 61 Hz. The nonlinear magnetization characteristics of superparamagnetic particles give rise to the generation of intermodulation products. A selected sum-frequency component of the high and low frequency magnetic field incident on the magnetically nonlinear particles is recorded by a demodulation electronics. In contrast to a conventional MPI scanner, p-FMMD does not require the application of a strong magnetic field to the whole sample because mixing of the two frequencies occurs locally. Thus, the lateral dimensions of the sample are just limited by the scanning range and the supports. However, the sample height determines the spatial resolution. In the current setup it is limited to 2 mm. As examples, we present two 20 mm &#215; 25 mm p-FMMD images acquired from samples with 1 &#181;m diameter maghemite particles in silanol matrix and with 50 nm magnetite particles in aminosilane matrix. The results show that the novel MPI scanner can be applied for analysis of thin biological samples and for medical diagnostic purposes.

A scanner for imaging magnetic particles in planar samples was developed using the planar frequency mixing magnetic detection technique. The magnetic intermodulation product response from the nonlinear nonhysteretic magnetization of the particles is recorded upon a two-frequency excitation. It can be used to take 2D images of thin biological samples.

Frequenza di miscelazione Scanner rilevamento magnetico per l&#39;imaging particelle magnetiche in Planar Campioni

The setup of a planar Frequency Mixing Magnetic Detection (p-FMMD) scanner for performing Magnetic Particles Imaging (MPI) of flat samples is presented. ...

Ingegneria

Drug-induced Sensitization of Adenylyl Cyclase: Assay Streamlining and Miniaturization for Small Molecule and siRNA Screening Applications

Sensitization of adenylyl cyclase (AC) signaling has been implicated in a variety of neuropsychiatric and neurologic disorders including substance abuse and Parkinson&#39;s disease. Acute activation of G&#945;i/o-linked receptors inhibits AC activity, whereas persistent activation of these receptors results in heterologous sensitization of AC and increased levels of intracellular cAMP. Previous studies have demonstrated that this enhancement of AC responsiveness is observed both in vitro and in vivo following the chronic activation of several types of G&#945;i/o-linked receptors including D2 dopamine and &#956; opioid receptors. Although heterologous sensitization of AC was first reported four decades ago, the mechanism(s) that underlie this phenomenon remain largely unknown. The lack of mechanistic data presumably reflects the complexity involved with this adaptive response, suggesting that nonbiased approaches could aid in identifying the molecular pathways involved in heterologous sensitization of AC. Previous studies have implicated kinase and Gb&#947; signaling as overlapping components that regulate the heterologous sensitization of AC. To identify unique and additional overlapping targets associated with sensitization of AC, the development and validation of a scalable cAMP sensitization assay is required for greater throughput. Previous approaches to study sensitization are generally cumbersome involving continuous cell culture maintenance as well as a complex methodology for measuring cAMP accumulation that involves multiple wash steps. Thus, the development of a robust cell-based assay that can be used for high throughput screening (HTS) in a 384&#160;well format would facilitate future studies. Using two D2 dopamine receptor cellular models (i.e.&#160;CHO-D2L and HEK-AC6/D2L), we have converted our 48-well sensitization assay (&#62;20 steps 4-5 days) to a five-step, single day assay in 384-well format. This new format is amenable to small molecule screening, and we demonstrate that this assay design can also be readily used for reverse transfection of siRNA in anticipation of targeted siRNA library screening.

Persistent activation of inhibitory G protein-coupled receptors results in sensitization of adenylyl cyclase signaling. To identify the essential molecular pathways, nonbiased approaches are necessary; however, this strategy requires the development of a scalable cell-based cAMP sensitization assay. Herein, we describe a sensitization assay for small molecule and siRNA screening.

Farmaco-indotta Sensibilizzazione della ciclasi: L&#39;ottimizzazione del dosaggio e miniaturizzazione per piccole molecole di siRNA e applicazioni di screening

Sensitization of adenylyl cyclase (AC) signaling has been implicated in a variety of neuropsychiatric and neurologic disorders including substance abuse ...

Bioingegneria

Electric Cell-substrate Impedance Sensing for the Quantification of Endothelial Proliferation, Barrier Function, and Motility

Electric Cell-substrate Impedance Sensing (ECIS) is an in vitro impedance measuring system to quantify the behavior of cells within adherent cell layers. To this end, cells are grown in special culture chambers on top of opposing, circular gold electrodes. A constant small alternating current is applied between the electrodes and the potential across is measured. The insulating properties of the cell membrane create a resistance towards the electrical current flow resulting in an increased electrical potential between the electrodes. Measuring cellular impedance in this manner allows the automated study of cell attachment, growth, morphology, function, and motility. Although the ECIS measurement itself is straightforward and easy to learn, the underlying theory is complex and selection of the right settings and correct analysis and interpretation of the data is not self-evident. Yet, a clear protocol describing the individual steps from the experimental design to preparation, realization, and analysis of the experiment is not available. In this article the basic measurement principle as well as possible applications, experimental considerations, advantages and limitations of the ECIS system are discussed. A guide is provided for the study of cell attachment, spreading and proliferation; quantification of cell behavior in a confluent layer, with regard to barrier function, cell motility, quality of cell-cell and cell-substrate adhesions; and quantification of wound healing and cellular responses to vasoactive stimuli. Representative results are discussed based on human microvascular (MVEC) and human umbilical vein endothelial cells (HUVEC), but are applicable to all adherent growing cells.

This protocol reviews Electric Cell-substrate Impedance Sensing, a method to record and analyze the impedance spectrum of adherent cells for the quantification of cell attachment, proliferation, motility, and cellular responses to pharmacological and toxic stimuli. Detection of endothelial permeability and assessment of cell-cell and cell-substrate contacts are emphasized.

Elettrico Cell-substrato Impedance Sensing per la quantificazione dei Endothelial proliferazione, Barriera funzione e motilità

Electric Cell-substrate Impedance Sensing (ECIS) is an in vitro impedance measuring system to quantify the behavior of cells within adherent cell layers. ...

Effective Analysis of Human Exposure Conditions with Body-worn Dosimeters in the 2.4 GHz Band

A well-defined experimental procedure is put forward to evaluate maximum exposure conditions in a worst-case scenario whilst avoiding the uncertainties caused by the use of personal exposimeters (PEMs) as measuring devices: the body shadow effect (BSE), the limited sensitivity range, and the non-identification of the radiation source. An upper bound for exposure levels to EMF in several indoor enclosures has been measured and simulated. The frequency used for the study is 2.4 GHz, as it is the most commonly used band in indoor communications. Although recorded values are well below the International Commission for Non-Ionizing Radiation Protection (ICNIRP) reference levels, there is a particular need to provide reliable exposure levels within particularly sensitive environments. In terms of electromagnetic field (EMF) exposure, limits established in national and international standards for health protection have been set for unperturbed exposure conditions; that is, for real and objective exposure data that have not been altered in any way.

This study describes a protocol to measure exposure levels in the 2.4 GHz band, avoiding the uncertainties caused by the use of personal exposimeters as measuring devices. These alterations of the exposure levels should be taken into account, especially in compliance testing, where exposure limits are defined from non-perturbed data.

Efficace analisi delle condizioni di esposizione umana con dosimetri indossabili nella banda 2,4 GHz

A well-defined experimental procedure is put forward to evaluate maximum exposure conditions in a worst-case scenario whilst avoiding the uncertainties ...

Microfluidic Platform with Multiplexed Electronic Detection for Spatial Tracking of Particles

Microfluidic processing of biological samples typically involves differential manipulations of suspended particles under various force fields in order to spatially fractionate the sample based on a biological property of interest. For the resultant spatial distribution to be used as the assay readout, microfluidic devices are often subjected to microscopic analysis requiring complex instrumentation with higher cost and reduced portability. To address this limitation, we have developed an integrated electronic sensing technology for multiplexed detection of particles at different locations on a microfluidic chip. Our technology, called Microfluidic CODES, combines Resistive Pulse Sensing with Code Division Multiple Access to compress 2D spatial information into a 1D electrical signal. In this paper, we present a practical demonstration of the Microfluidic CODES technology to detect and size cultured cancer cells distributed over multiple microfluidic channels. As validated by the high-speed microscopy, our technology can accurately analyze dense cell populations all electronically without the need for an external instrument. As such, the Microfluidic CODES can potentially enable low-cost integrated lab-on-a-chip devices that are well suited for the point-of-care testing of biological samples.

We demonstrate a microfluidic platform with an integrated surface electrode network that combines resistive pulse sensing (RPS) with code division multiple access (CDMA), to multiplex detection and sizing of particles in multiple microfluidic channels.

Piattaforma microfluidica con multiplex di rilevamento elettronico per spaziale monitoraggio di particelle

Microfluidic processing of biological samples typically involves differential manipulations of suspended particles under various force fields in order to ...

<meta charset="utf8"></head><body>Caratterizzazione delle proprietà viscoelastiche dei metamateriali polimerici stampati in 3D

Characterizing Dissipative Elastic Metamaterials Produced by Additive Manufacturing

Viscoelastic behavior can be beneficial in enhancing the unprecedented dynamics of polymer metamaterials or, in contrast, negatively impacting their wave control mechanisms. It is, therefore, crucial to properly characterize the viscoelastic properties of a polymer metamaterial at its working frequencies to understand viscoelastic effects. However, the viscoelasticity of polymers is a complex phenomenon, and the data on storage and loss moduli at ultrasonic frequencies are extremely limited, especially for additively manufactured polymers. This work presents a protocol to experimentally characterize the viscoelastic properties of additively manufactured polymers and to use them in the numerical analysis of polymer metamaterials. Specifically, the protocol includes the description of the manufacturing process, experimental procedures to measure the thermal, viscoelastic, and mechanical properties of additively manufactured polymers, and an approach to use these properties in finite-element simulations of the metamaterial dynamics. The numerical results are validated in ultrasonic transmission tests. To exemplify the protocol, the analysis is focused on acrylonitrile butadiene styrene (ABS) and aims at characterizing the dynamic behavior of a simple metamaterial made from it by using fused deposition modeling (FDM) three-dimensional (3D) printing. The proposed protocol will be helpful for many researchers to estimate viscous losses in 3D-printed polymer elastic metamaterials that will improve the understanding of material-property relations for viscoelastic metamaterials and eventually stimulate the use of 3D-printed polymer metamaterial parts in various applications.

<meta charset="utf8"></head><body>Caratterizzazione dei metamateriali elastici dissipativi prodotti dalla produzione additiva

Additively manufactured polymers have been widely used for producing elastic metamaterials. The viscoelastic behavior of these polymers at ultrasonic frequencies remains, however, poorly studied. This study reports a protocol to estimate the viscoelastic properties of 3D-printed polymers and show how to use them to analyze the metamaterial dynamics.

Caratterizzazione dei metamateriali elastici dissipativi prodotti dalla produzione additiva 

Viscoelastic behavior can be beneficial in enhancing the unprecedented dynamics of polymer metamaterials or, in contrast, negatively impacting their wave ...

Determination of Photoreceptor Cell Spectral Sensitivity in an Insect Model from In Vivo Intracellular Recordings

Intracellular recording is a powerful technique used to determine how a single cell may respond to a given stimulus. In vision research, intracellular recording has historically been a common technique used to study sensitivities of individual photoreceptor cells to different light stimuli that is still being used today. However, there remains a dearth of detailed methodology in the literature for researchers wishing to replicate intracellular recording experiments in the eye. Here we present the insect as a model for examining eye physiology more generally. Insect photoreceptor cells are located near the surface of the eye and are therefore easy to reach, and many of the mechanisms involved in vision are conserved across animal phyla. We describe the basic procedure for in vivo intracellular recording of photoreceptor cells in the eye of a butterfly, with the goal of making this technique more accessible to researchers with little prior experience in electrophysiology. We introduce the basic equipment needed, how to prepare a live butterfly for recording, how to insert a glass microelectrode into a single cell, and finally the recording procedure itself. We also explain the basic analysis of raw response data for determining spectral sensitivity of individual cell types. Although our protocol focuses on determining spectral sensitivity, other stimuli (e.g., polarized light) and variations of the method are applicable to this setup.

Determination of Photoreceptor Cell Spectral Sensitivity in an Insect Model from In Vivo Intracellular Recordings

The electrophysiological technique of intracellular recording is demonstrated and used to determine spectral sensitivities of single photoreceptor cells in the compound eye of a butterfly.

Determinazione del fotorecettore cellulare Sensibilità spettrale in un modello da insetti<em&gt; In Vivo</em&gt; registrazioni intracellulari

Intracellular recording is a powerful technique used to determine how a single cell may respond to a given stimulus. In vision research, intracellular ...

Data Acquisition Protocollo per la determinazione delle funzioni di sensibilità embedded

Riepilogo

Esplora Altri Video

Capitoli in questo video

Combinazione di più sistemi di acquisizione dati per studiare uscita corticospinale e Multi-segmento Biomeccanica

Frequenza di miscelazione Scanner rilevamento magnetico per l'imaging particelle magnetiche in Planar Campioni

Farmaco-indotta Sensibilizzazione della ciclasi: L'ottimizzazione del dosaggio e miniaturizzazione per piccole molecole di siRNA e applicazioni di screening

Elettrico Cell-substrato Impedance Sensing per la quantificazione dei Endothelial proliferazione, Barriera funzione e motilità

Efficace analisi delle condizioni di esposizione umana con dosimetri indossabili nella banda 2,4 GHz

Piattaforma microfluidica con multiplex di rilevamento elettronico per spaziale monitoraggio di particelle

Caratterizzazione dei metamateriali elastici dissipativi prodotti dalla produzione additiva

Caratterizzazione dei metamateriali elastici dissipativi prodotti dalla produzione additiva

Caratterizzazione dei metamateriali elastici dissipativi prodotti dalla produzione additiva

Determinazione del fotorecettore cellulare Sensibilità spettrale in un modello da insetti