Научно-исследовательская и диагностическая лаборатория резистивных датчиков давления для композитных материалов
DOI:
https://doi.org/10.22213/2413-1172-2021-4-11-16Ключевые слова:
датчик, диагностика, калибровка, анализ, алгоритм управленияАннотация
Использование датчиков предотвращает сокращение срока службы, износ и снижение точности из-за деградации в процессе эксплуатации. Для датчиков, склонных к неточности, создана лаборатория диагностической сборки «датчик - устройство - программа». Такая схема способна к автономной диагностике, калибровке и оценке, вплоть до автономной перекалибровки датчиков. Диагностическое устройство также имеет функцию испытания на ударные нагрузки. Целью работы является преднамеренное увеличение срока службы исследуемого датчика и его точности. Диагностический прибор предназначен для тестирования в лабораторных условиях и проверяет правильность диагностического алгоритма. Результатом диагностики является отчет о текущем состоянии датчика и изменениях по сравнению с прошлыми состояниями. Текущее состояние включает оценку точности, диапазона, параметров чувствительности или погрешности, например, константы деформации, максимального значения Po и др. Таким образом, можно отслеживать деградацию выбранных параметров и применять математический расчет результатов для возможного улучшения/коррекции ошибок датчика. При регистрации уровней силы будет известно, какая сила была приложена к датчику во время измерения, и, таким образом, будет обеспечена защита от повреждения при перегрузке. Максимальное увеличение срока службы достигнуто благодаря сочетанию контроля точности, калибровочных характеристик и оценки ошибок. В результате обычный промышленный датчик будет надежным инструментом для измерений не только в лабораторных условиях, но и в промышленности .Библиографические ссылки
Daus H. Development of an Emotion-Sensitive mHealth Approach for Mood-State Recognition in Bipolar Disorder. JMIR Mental Health, 2020, vol. 7, no. 7.
Domnina K., Pivarciova E. Mnogofaktornyy podkhod k polucheniyu yacheistykh kompozitsionnykh materialov [Multifactorial approach for obtaining cellular composite materials]. Ostrava, Amos Publ., 2021 (in Russ.). ISBN: 978-80-87691-39-7.
Abramov I. Diagnostics of electrical drives. In The 18th International Conference on Electrical Drives and Power Electronics. EDPE 2015, The High Tatras, Slovakia, 2015, pp. 364-367.
Bajracharya S., Sasaki E. Investigation of effect of stress on eddy current response using phase diagram. Structure and Infrastructure Engineering, 2020, vol. 16, no. 9, pp. 1276-1285.
Christiansen J.M., Smith G.E. Development and Calibration of a Low-Cost Radar Testbed Based on the Universal Software Radio Peripheral. IEEE Aerospace and Electronic Systems Magazine, 2019, vol. 34, no. 12., pp. 50-60.
Frankovsky P. Experimental analysis of stress fields of rotating structural elements by means of reflection photoelasticity. Applied optics, 2017, vol. 56, Issue 11, pp 3064-3070.
Kadiyala E. Global industrial process monitoring through IoT using Raspberry pi. International conference on nextgen electronic technologies, 2017, pp. 260-262.
Bozek P. Diagnostics of Mechatronic Systems. Springer, Series: Studies in Systems, Decision and Control, 2021, vol. 345.
Abramov I. Monitoring of technical condition of motors and bearings of woodworking equipment. Acta Facultatis Xylologiae Zvolen, 2014, vol. 56, Issue 2, pp. 97-104.
Bishop P., Povyakalo A. A conservative confidence bound for the probability of failure on demand of a software-based system based on failure-free tests of its components. Reliability Engineering and System Safety, 2020, vol. 203.
Bucinskas V. Research of the New Type of Compression Sensor. Automation, 2018, vol. 743, pp. 561-573.
Chudzikiewicz A., Sowinski B. Simulation method of selection of diagnostic parameters in the process of monitoring the rail vehicle's conditions. Structural health monitoring, 2011, vol. 1, pp. 1103-1110.
Dao A.T. Wireless laptop-based phonocardiograph and diagnosis. Peer J, 2015, vol. 3. DOI: 10.7717/peerj.1178.
Farhat A. Impacts of wireless sensor networks strategies and topologies on prognostics and health management. Journal of Intelligent Manufacturing, 2019, vol. 30, no. 5, pp. 2129-2155.
Li J. A Remote Monitoring and Diagnosis Method Based on Four-Layer IoT Frame Perception. IEEE Access, 2019, vol. 7, pp. 144324-144338.
Lopez Alcala J.M. User-Printable Three-Rate Rain Gauge Calibration System. Frontiers in Earth Science, 2019, vol. 7.
Maslakova K. Applications of the strain gauge for determination of residual stresses using Ring-core method. Procedia Engineering, 2012, vol. 48, pp. 396-400.
Muller R. Data or interpretations: Impacts of information presentation strategies on diagnostic processes. Human Factors and Ergonomics In Manufacturing, 2020, vol. 4, no. 4, pp. 266-281.
Yan L. Shock tube-based calibration installation for dynamic pressure transducers and performance testing. Journal of Engineering - JOE, 2019, vol. 2019, Issue 23, pp. 8577-8582.
Nikitin Y. Logical - Linguistic Model of Diagnostics of Electric Drives with Sensors Support. Sensors, 2020, vol. 20, no. 16, pp. 1-19.
Tlach V. Determination of the Industrial Robot Positioning Performance. 13th International Conference on Modern Technologies in Manufacturing (MTeM-AMaTUC), vol. 137. Cluj Napoca, MATEC, 2017.
Krivoulya G. Expert diagnosis of computer systems using neuro-fuzzy knowledge base. Proceedings of 2016 IEEE East-West design & test symposium, 2016.