Академический Документы
Профессиональный Документы
Культура Документы
Макарьянц Экспериментальный модальный анализ PDF
Макарьянц Экспериментальный модальный анализ PDF
САМАРА
2010
УДК519.62/.64
© Самарский государственный
аэрокосмический университет, 2010
2
ОГЛАВЛЕНИЕ
Введение ....................................................................................... 4
1 Оценка модальных параметров ............................................... 5
1.1 Модальные параметры ...................................................... 5
1.2 Замечания по поводу единиц измерения ......................... 8
2 Типы анализа ............................................................................. 9
2.1 Методы одной и множества степеней свободы .............. 9
2.1.1 Метод одной степени свободы (SDOF) ................. 10
2.1.2 Метод множества степеней свободы (MDOF) .... 10
2.2 Локальные и глобальные оценки .................................... 11
2.3 Анализ множества входных сигналов ............................ 12
2.4 Анализ во временной и частотной области ................... 14
3. Методы оценки параметров .................................................. 18
3.1 Метод наименьших квадратов с комплексными
экспонентами (LSCE) ............................................................ 18
3.1.1 Модель для непрерывных данных ............................ 18
3.1.2 Модель для дискретных данных .............................. 19
3.1.3 Практическая реализация метода .......................... 20
3.1.4 Определение оптимального числа мод ................... 22
3.1.5 Многоопорный метод LSCE .................................... 26
3.2 Метод наименьших квадратов для частотной области
(LSFD) ..................................................................................... 33
3.2.1 Многоопорный метод LSFD .................................... 34
3.3 Метод наименьших квадратов в комплексной частотной
области (PolyMAX) ................................................................ 35
3.3.1 Модель данных .......................................................... 36
3.3.1 Модальные параметры ............................................ 37
Заключение ................................................................................. 39
3
Введение
4
1 Оценка модальных параметров
5
N
hij (t ) (rijk e1t rijk* e1t )
*
(1.1)
k 1
Соответствующее соотношение для амплитудно-частотных
характеристик (FRFs) описывается уравнением:
N rijk rijk*
hij ( j ) ( , (1.2)
k 1 ( j k ) ( j *k )
где
hij (t ) - импульсный отклик (IR) между сигналом отклика (или
выходом) степени свободы I (DOF i) и опорным сигналом (или
входом) степени свободы j (DOF j);
hij ( j ) - амплитудно-частотная характеристика (FRF) между
сигналом отклика (или выходом) степени свободы I (DOF i) и
опорным сигналом (или входом) степени свободы j (DOF j);
N – число мод вибрации, вносящих вклад в динамический
отклик структуры в пределах исследуемого частотного диапазона;
rijk - значения остатка (residue) для моды k;
k - значения полюса (pole) для моды k;
rijk* rijk
- комплексно сопряженное число для .
j *k j k
Значение полюса (pole) может быть выражено следующим
образом:
λk δk jωdk , (1.3)
где:
dk - собственная частота затухающих колебаний моды к;
k - коэффициент затухания (damping factor) моды к.
Или
λk ς k ωnk jωnk 1 ς k2 , (1.4)
где:
nk - собственная частота незатухающих колебаний моды к;
k - относительное демпфирование (damping ratio) моды к.
6
Уравнение 1.5 показывает, что величина rijk может быть
найдена как произведение трёх членов:
rijk akik jk , (1.5)
где:
ik - коэффициент формы моды для отклика степени свободы I
(response DOF i) моды к;
jk - коэффициент формы моды для отклика степени свободы j
(response DOF j) моды к;
ak - комплексная константа масштабирования, значение
которой определяется масштабированием форм мод.
Коэффициент формы моды может быть действительным
(формы нормальных мод) или комплексным.
Если формы мод действительные (real), то константа
масштабирования может быть выражена следующим образом:
1
ak , (1.6)
2 j mk ωdk
где:
mk - модальная масса моды к.
Полюса, собственные частоты (демпфированные и
недемпфированные), коэффициенты затухания (damping factors) или
относительного демпфирования (damping ratios), формы мод и
остатки обычно называются модальными параметрами
(параметрами мод структуры).
Основную трудность при оценке параметров составляет сбор
(оценка) параметров модели таким образом, чтобы данные
вычисленной заранее модели по возможности приближались к
непосредственно измеренным данным (или аппроксимировались их
кривой). Для оценки модальных параметров может быть
использовано множество методик, которые будут рассмотрены
ниже.
7
1.2 Замечания по поводу единиц измерения
Значения частоты (frequency) и демпфирования (damping)
имеют размерность 1/время, поэтому учитываются в Гц.
Остатки (residues), как видно из уравнений 1.1 или l.2, имеют ту
же размерность, что и измеренные данные. Остатки являются
результатом перемножения коэффициентов формы моды (mode
shape coefficients) и константы масштабирования (scaling constant)
(см. уравнение l.5). Коэффициенты формы моды не имеют ни
размерности, ни абсолютной или масштабированной величины.
Размерность, а, следовательно, и единицы измерения будут
рассматриваться как атрибуты константы масштабирования.
Наконец, для анализа множества входных сигналов, остатки
записываются в форме разложения на множители, как
произведение форм мод (mode shapes) с коэффициентами
модального участия (modal participation factors). Опять
произведение коэффициентов будет иметь размерность и
абсолютную величину. Формально, коэффициенты формы моды
снова рассматриваются как не имеющие размерности и,
следовательно, единицы измерения будут рассматриваться как
атрибуты остатков.
8
2 Типы анализа
*
rijk rijk lrij
hij urij (2.2)
( jw k ) ( jw k )
*
2
где:
9
urij - верхний остаточный член (остаточная жёсткость - residual
stiffness), используемый для аппроксимации мод на частотах выше
min;
lrij - нижний остаточный член (остаточная масса - residual
mass), используемый для аппроксимации мод на частотах ниже
max.
Верхние и нижние остатки проиллюстрированы на рисунке 2.2.
H Rk e t Rk* e t ,
N
*
1 1
(2.5)
k 1
где
H - матрица (N0, Ni) с hij элементами;
Rk - матрица (N0, Ni) с rijk элементами.
Уравнение 1.5 может быть использовано для выражения матрицы
остатков (residue matrix) в форме разложения на множители
12
Это предположение не затрагивает существа дела, однако, после
этого матрица остатков может быть выражена в более общей форме,
Rk V k Lk , (2.8)
где:
Lk - вектор (строка) с коэффициентами Ni, выражающими
участие моды к в данных отклика относительно другого входа
степеней свободы.
Поэтому эти коэффициенты называются коэффициентами
модального участия (modal participation factors).
Если предполагается взаимность, то коэффициенты модального
участия (modal participation factors) будут пропорциональны
коэффициенту формы моды (mode shape coefficient) на входе степени
свободы (input DOFs).
Используя матрицу остатков в форме разложения на множители,
уравнение 2.5 можно записать так,
H V k Lk e V k L k e
N
t * * *t
1 1
(2.9)
k 1
Если будут рассматриваться только данные между каким-нибудь
выходом степени свободы и всеми входами степеней свободы тогда
,
N
где
H i - вектор Ni данных между выходом степени свободы i и
всеми входами степеней свободы.
Весьма важным в уравнении 2.10 модели является то, что и
полюса и коэффициенты модального участия являются
независимыми от выхода степени свободы. Иначе говоря, в этой
формулировке характеристики имеют вид
t
Lk e 1 (2.11)
Метод оценки модальных параметров по множеству входов
является единственным методом анализа данных позволяющим
оценить характеристики, выраженные уравнением 2.11 (то есть
значения полюсов и коэффициенты модального участия)
относительно нескольких входов одновременно. В основе этих
13
методик идентификации лежит модель, представленная уравнением
2.10.
Идентификация коэффициентов модального участия необходима
для разделения сильно связанных или даже кратных корней. Чтобы
проиллюстрировать это, рассмотрим структуру, которая имеет две
моды с очень близкими значениями полюсов 1 и 2. Пренебрегая
другими модами и комплексно-сопряженными членами данные
отклика относительно входа степени свободы j, можно выразить так
H i ...V 1l1 j e1t V 2 l2 j e2t ... (2.12)
или, так
H i ...V 1l1 j V 2 l2 j et ... (2.13)
Из последнего уравнения видно, что в данных отклика
относительно входа степени свободы, наблюдается комбинация
пары мод, а не индивидуальные моды. Коэффициентами сочетания
(combination coefficients) для мод являются коэффициенты модального
участия l1j и l2j.
Данные отклика относительно другого входа степени свободы l,
выражаются уравнением подобным уравнению 2.13.
H i ...V 1 l1l V 2 l2l et ... (2.14)
Единственное различие между этими двумя последними
уравнениями заключается в коэффициентах модального участия l1j и
l2j. Если они линейно независимые коэффициенты модального участия
для входа i, то в данных отклика относительно входа l моды появятся
в другой комбинации. Поскольку в методе оценки параметров по
множеству входов анализируются данные относительно нескольких
вводов одновременно, а коэффициенты модального участия
позволяют провести идентификацию, то возможно обнаружение
сильно связанных или повторяющихся мод.
14
пошаговое возбуждение синусоидальным сигналом (stepped sine
excitation) позволяют измерять данные на неравноотстоящих
частотных спектральных линиях.
В приложениях оценивающих модальные параметры по
данным, измеренным в частотной области, ввод набора такого типа
данных приводит к преобразованию уравнения для модели:
N rijk rijk
*
hij ,n ( j ) , (2.15)
k 1 ( j ) ( j *
)
n k n k
где:
hij ,n - выборки данных в диапазоне измерений;
n - значения частот выборок в диапазоне измерений.
Метод оценки параметров в частотной области для оценки
модальных параметров позволяет использовать данные
непосредственно в частотной области. Поэтому не имеет значения,
расположены ли частотные спектральные линии равномерно или
неравномерно. Метод базируется непосредственно на модели,
выраженной уравнением 2.15.
Если данные были выбраны на равноотстоящих частотных
спектральных линиях, то для получения соответствующей
импульсной характеристики (IR – Impulse Response) амплитудно-
частотная характеристика (FRF) может быть преобразована
обратно во временную область. Для этого преобразования
используется алгоритм «быстрое преобразование Фурье» (FFT),
хотя ограничение на число спектральных линий частоты, которое
должно быть равным степени 2 (например, 32, 64, 128, ...)
уменьшает его эффективность. После преобразования, будет
получен ряд равноотстоящих выборок соответствующих функций
импульсной характеристики. Метод оценки параметров в
частотной области позволяет Вам проанализировать такие
равноотстоящие временные выборки и оценить модальные
параметры.
На практике, разнообразие параметров означает, что полоса
частоты, в которой проанализированы данные, меньше всей
полосы измерения. Это проиллюстрировано на рисунке 2.3.
15
Рисунок 2.3- Частотная полоса измерения и анализа
N
hij ,n (t ) rijk ek nt rijk* ek nt
*
(2.17)
k 1
или
N
hij ,n rijk zkn rijk* zk*n , (2.18)
k 1
где
zk ek t (2.19)
Методы оценки параметров во временной области основаны на
модели, определяемой уравнением 2.18. При этом анализируются hij,n,
чтобы оценить zk. Затем из уравнения 2.19 вычисляются k.
Однако это вычисление является не однозначным.
Так как
16
zk e( k jm2 / t ) t ek t (2.20)
Это подразумевает, что не могут быть идентифицированы никакие
полюса вне полосы частоты равной 2/t. Другими словами, при
использовании метода оценки параметров во временной области, все
оцениваемые полюса должны быть найдены в полосе частоты
анализа (min, max).
Это может вызвать проблемы при оценке модальных
параметров, если на данные в полосе частоты анализа оказывают
сильное влияние моды вне этой полосы (остаточные явления). Так как
метод оценки в частотной области позволяет оценивать параметры
без промежуточных ступеней, то никаких таких ограничений не
возникает. Поэтому иногда метод оценки в частотной области
предпочитают методу оценки во временной области, чтобы иметь
возможность проанализировать данные в узкой полосе частот при
наличии значительных остаточных явлений.
17
3. Методы оценки параметров
19
N
hij ,n rijk z kn rijk* z k*n
k 1 (3.5)
z k e k t
Теперь, вместо комплексных экспоненциальных функций
демпфирования, характеристиками являются степенные ряды с
базисной величиной zk.
Рассуждая также как и при рассмотрении непрерывных данных,
можно доказать, что дискретные данные являются решением
линейного уравнения в конечных разностях с постоянными
реальными коэффициентами порядка 2N (а не дифференциального
уравнения как для непрерывных данных).
hij ,n a1hij ,n1 ... a2 N hij ,n2 N 0 (3.6)
Характеристики, а, следовательно, и полюсы hij,n могут быть
найдены при решении следующего уравнения:
zk2 N a1 zk2 N 1 ... a2 N 0 (3.7)
20
коэффициентов (уравнение 3.9). Матрица коэффициентов в этом
уравнении называется ковариационной матрицей.
h11, 2 N 1 h11, 0 s h11, 2 N
h a
h11, N t 2 N 1 h11, N t
11, N t 1 a2
, (3.8)
h hij ,n 2 N
hij ,n
ij ,n 1 a2 N
hN 0 N i , N t 1 hN 0 N i , N t 2 N hN 0 N i , N t
где
Nt – последняя доступная временная выборка;
No – число сигналов откликов (response) степеней свободы
(DOFs);
Ni – число сигналов возбуждения (input) степеней свободы
(DOFs).
Мы можем записать это уравнение в боле простом виде:
r1,1 sr1, 2 sr1, 2 N a1 r1,0
r2, 2 r2, 2 N a2 r2, 0
(3.9)
r2 N , 2 N a2 N r2 N ,0
Коэффициенты в ковариационной матрице определяются как:
No Ni Nt
rk ,l (hij ,n k hij ,n l ) (3.10)
i 1 j 1 n 1
Построение этой ковариационной матрицы является первым
этапом при применении метода наименьших квадратов с
использованием комплексных экспонент. Этот этап обычно
является самым трудоёмким, так как для составления скалярного
произведения выраженного уравнением 3.10 используются все
доступные данные.
После решения уравнения 3.9 всё, что необходимо сделать для
вычисления оценок модальной частоты и демпфирования, это
21
заменить оценки коэффициентов в уравнении 3.7.и решить его для
zk.
22
с соответствующими ошибками метода наименьших квадратов и так
далее. Теперь, если в модели предположено наличие мод в
количестве равном числу мод, присутствующих в данных, то
соответствующая ошибка метода наименьших квадратов должна
быть значительно меньше, чем ошибки для моделей с меньшим
количеством мод.
Диаграмму, на которой отображают график ошибки метода
наименьших квадратов для возрастающего числа мод, называют
диаграммой ошибки метода наименьших квадратов (least square
error chart) (см. рисунок 3.1).
23
Рисунок 3.2 - Стабилизационная диаграмма (stabilization diagram)
3.1.4.1 Пример
Допустим, что имеются две записи данных измеренных на
системе, которые показаны на рисунке 3.3.
24
Таблица 3.1 - Сравнение локальных и глобальных оценок
n h11 h21
0 1 0
1 0 1
2 -1 0
3 0 -1
25
3.1.5 Многоопорный метод LSCE
В методе наименьших квадратов с использованием
комплексных экспонент (Least squares Complex Exponential
method), описанном выше, для определения совокупных
(глобальных) оценок модальных частот и демпфирования
используются все данные, измеренные на структуре. В принципе,
могут быть использованы и данные, связанные с несколькими
опорными сигналами степеней свободы (reference DOFs). Однако
модель, используемая в предыдущем методе, не имеет
определённого преимущества перед этой.
Многоопорный метод наименьших квадратов с использованием
комплексных экспонент (multiple inputs Least Squares Complex
Exponential), является расширением метода наименьших квадратов
с использованием комплексных экспонент и обеспечивает
последовательный одновременный анализ данных связанных с
несколькими опорными сигналами (входными сигналами) степеней
свободы. Метод позволяет вычислить глобальные оценки частоты
и демпфирования, а также коэффициенты модального участия.
Коэффициенты модального участия являются элементами,
выражающими участие мод в отклике системы в качестве функции
опорного сигнала (входного сигнала) степени свободы (см. раздел
«Анализ по множеству входов» в разделе 2.3.). Одновременная
оценка модальных частот, демпфирования и коэффициентов
модального участия означает, что могут быть идентифицированы
сильно связанные, чётные повторные моды (highly couples, even
repeated modes).
В основе многоопорного метода наименьших квадратов с
использованием комплексных экспонент лежит модель данных,
выраженная уравнением 2.10 приведённым в разделе «Анализ по
множеству входов» (см. раздел 2.3).
N
26
Lk - векторный коэффициент модального участия (vector
modal participation factor) для моды к. Если предполагается, что Ni
опорный сигнал степени свободы (reference DOF), тогда L k
является размерностью Ni.
ik - коэффициент формы моды (modes shape coefficient) в
отклике степени свободы i (DOF i) для моды k.
В этой модели, частоты, демпфирование и коэффициенты
модального участия являются независимыми от частных
откликов степеней свободы. Поэтому для оценки этих
коэффициентов возможно одновременное использование всех
доступных данных.
N
zk e1t
Может быть доказано, что, если данные могут быть описаны
уравнением 3.14, то они также могут быть описаны следующей
моделью:
H n i H n1 i A1 ... H n p i Ap 0 (3.15)
если выполнены следующие условия
Lk zk zk A1 ... Ap 0
p p 1
(3.16)
pNi 2 N (3.17)
27
Проверить это можно с помощью элементарных вычислений
наподобие сделанных при обосновании метода наименьших
квадратов с использованием комплексных экспонент.
Уравнение 3.15 в матричном представлении представляет
собой связанный набор Ni уравнений в конечных разностях с
постоянными коэффициентами. Следовательно, коэффициенты
A1…Ap определяют размерность матрицы (NiNi).
Из условия, выраженного уравнением 3.16 следует, что члены
уравнения Lk и z kn являются характеристическими решениями
этой системы уравнений в конечных разностях. Поскольку
уравнение 3.14 - суперпозиция 2N таких членов уравнения, то, как
следует их уравнения 3.17, нужно чтобы число характеристических
решений этой системы уравнений pNi, по крайней мере, было равно
2N.
В конечном счёте, если данные для каждого опорного сигнала
степени свободы будут обрабатываться индивидуально, то есть при
Ni=1, то уравнения 3.15 и 3.16 упрощаются до уравнений 3.6 и 3.7.
Таким образом, метод наименьших квадратов с
использованием комплексных экспонент является частным случаем
многоопорного метода наименьших квадратов с использованием
комплексных экспонент.
28
H p 1 1 H 0 1 H p 1
H A1
N t 1 1
H N t p 1
A N t 1
H
2 (3.18)
H H n p i H n i
n 1 i A
p
H N t 1 N H N t p N H N t N
o o o
где:
Nt – последняя доступная временная выборка;
No – число откликов степеней свободы.
No Nt
Rk ,l H nk i H n l i
t
(3.19)
i 1 n p
30
7 14 7 5 4 3 3
8 16 8 6 4 4 3
9 18 9 6 5 4 3
10 20 10 7 5 4 4
11 22 11 8 6 5 4
12 24 12 8 6 5 4
13 26 13 9 7 6 5
14 28 14 10 7 6 5
15 30 15 10 8 6 5
16 32 16 11 8 7 6
17 34 17 12 9 7 6
18 36 18 12 9 8 6
19 38 19 13 10 8 7
20 40 20 14 10 8 7
21 42 21 14 11 9 7
22 44 22 15 11 9 8
23 46 23 16 12 10 8
24 48 24 16 12 10 8
25 50 25 17 13 10 9
26 52 26 18 13 11 9
27 54 27 18 14 11 9
28 56 28 19 14 12 10
29 58 29 20 15 12 10
30 60 30 20 15 12 10
31 62 31 21 16 13 11
32 64 32 22 16 13 11
31
3.1.5.3 Пример
Чтобы прояснить метод, снова рассмотрим пример, приведённый в
разделе выше (см. Раздел 3.1.5.2). Допустим, что пример системы
удовлетворяет принципу взаимности, а значит, h12 будет равно h21.
Тогда вектор [h12 h21] будет отображать данные между откликом
степени свободы 1 (DOF 1) и опорными степенями свободы 1и 2
(DOF 1 и 2).
Если рассмотреть модель для моды 1 (p = 1, Ni = 2), то уравнения
3.9 и 3.10 будут выглядеть следующим образом.
1 0 0 1
a11 a12
0 1 1 0
1 a12 a22
0 0 1
2 0 a11 a12 0 2
0 2 a12 a22 1 0
Следовательно, в результате имеем матричный многочлен
z 1 0
l1 l 2
1 z 0
и решением задачи о собственных (характеристических)
значениях будет
z j, 0 j
2t
L j,1
Решение для частоты демпфирования такое же, как и
найденное при применении метода наименьших квадратов с
использованием комплексных экспонент
Кроме того Вы также найдёте оценку коэффициентов
модального участия. Для этого примера, они указывают на то, что
должно быть различие по фазе между откликами системы при
возбуждении от опорных степеней свободы 1 и 2 (DOFs 1 и 2), так
как h11 - это косинус, а h12 это - синус.
32
3.2 Метод наименьших квадратов для частотной
области (LSFD)
Метод LSFD - это метод наименьших квадратов для частотной
области (Least Square Frequency Domain method), позволяющий
оценить остатки (residue) или коэффициенты форм мод (mode shape
coefficients) на основе множества степеней свободы (multiple DOF).
Перед использованием этого метода требуется предварительно
оценить значения частот и демпфирования. Метод можно
использовать с одним или несколькими входами.
Рассматриваемая модель описывается уравнением:
N
hij (t ) rijk e1t rijk* e1t
'
(3.21)
k 1
Если оценки модальной частоты и демпфирования доступны, то
остатки в этой модели показываются как линейные неизвестные
величины.
Для того чтобы оценить остатки, уравнение 3.21 обратно
преобразовывается в частотную область. Если данные дискретные,
то
N rijk rijk* lr
hij , p urij ij , (3.22)
k 1 j p k j p *k p2
где
urij – верхние остаточные члены, используемые для
аппроксимации модели на частотах выше max,
lrij – нижние остаточные члены, используемые для
аппроксимации модели на частотах ниже min.
Это было проиллюстрировано ранее на рисунке 2.2.
Остатки, а также нижние и верхние остаточные члены -
локальные характеристики, то есть, они зависят от отдельных
степеней свободы отклика (response DOF) и опорных степеней
свободы (reference DOF).
Метод наименьших квадратов для частотной области основан
на модели, описываемой уравнением 3.22. Оценки методом
наименьших квадратов остатков (residues), нижних и верхних
остаточных членов (lower and upper residuals) вычисляются при
анализе значений всех данных в выбранном частотном диапазоне.
33
3.2.1 Многоопорный метод LSFD
Многоопорный метод LSFD - это многоопорный метод
наименьших квадратов для частотной области (Multiple input Least
Square Frequency Domain method), позволяющий оценить формы
мод (mode shapes) на основе множества степеней свободы (multiple
DOF).
В этом методе данные одновременно анализируются
относительно нескольких опорных степеней свободы (reference
DOFs), что позволяет оценивать коэффициенты форм мод (mode
shape coefficients), которые независимы от опорных степеней
свободы.
Рассматриваемая модель описывается уравнением 3.23:
N
где
[UR]i – верхние остаточные члены между откликом степени
свободы i (response DOF i) и всеми опорными степенями свободы
(reference DOFs), вектор размерности Ni;
[LR]i – нижние остаточные члены между откликом степени
свободы i (response DOF i) и всеми опорными степенями свободы
(reference DOFs), вектор размерности Ni.
34
В основе многоопорного метода LSFD (многоопорного метода
наименьших квадратов для частотной области) лежит уравнение
3.24.
35
3.3.1 Модель данных
Точно так же, как и в методе «Прямой идентификация
параметров в области частот» (FDPI - Frequency-domain direct
parameter identification), в методе «PolyMAX» в качестве первичных
данных используются измеренные АЧХ. В методах анализа во
временной области, таких как «Многоопорный метод наименьших
квадратов с использованием комплексных экспонент»
(polyreference LSCE method), обычно в качестве первичных данных
требуется использовать импульсные характеристики (получаемые
из АЧХ с помощью обратного преобразовании Фурье). В методе
«PolyMAX», представление измеренных АЧХ принято в так
называемой правой части матрицы модели (right matrix-fraction
model):
1
H z r z r ,
p r
p
r
(3.25)
r 0 r 0
где
H Clm –
матрица, содержащая АЧХ между всеми m
входами и всеми l выходами;
r Clm – матрица числителей полиномиальных
коэффициентов;
r C mm – матрица знаменателей полиномиальных
коэффициентов;
p – порядок модели.
Учтите, что в уравнении 3.25 используется так называемая
модель в z-области (то есть модель в частотной области, которая
выведена из дискретной временной модели):
z e jf , (3.26)
где f - интервал дискретизации по времени.
Уравнение 3.25 может быть записано для всех значений
частотной оси данных АЧХ. Далее, решение методом наименьших
квадратов этих уравнений (после линеаризация) позволит найти, в
основном, неизвестные коэффициенты модели.
36
3.3.1 Модальные параметры
Как только будут определены коэффициенты знаменателя r ,
полюса (poles) и модальные коэффициенты участия (modal
participation factors) будут восстановлены как собственные
значения и собственные векторы их сопровождающей матрицы
(companion matrix). Эта процедура подобная той, которая
выполняется в методе LSCE для временной области, позволяет
создавать стабилизационную диаграмму для модели увеличенного
порядка и использовать критерии устойчивости для собственных
частот, декрементов затухания и модальных коэффициентов
участия.
Хотя теоретически формы мод могут быть выведены из
коэффициентов r , r модели, мы воспользуемся другим
способом. Рассмотрим так называемую модель с вычетами в
полюсах:
n i liT l
* H
LR UR,
H
i i
(3.27)
i 1 j i j *
i 2
где:
n – число мод;
i Cl – формы мод; * , T , H – соответственно
обозначают комплексно-сопряженные значения, транспозицию
матрицы и комплексно-сопряженную транспонированную
матрицу;
liT C m – коэффициенты модального участия и полюса,
которые имеют место в комплексно-сопряженных парах и которые
связаны с собственными частотами i и декрементами затухания
i следующим образом:
i , *i ii j 1 i2i . (3.28)
Эта процедура подобная той, которая выполняется в методе
LSCE для временной области, позволяет создавать
стабилизационную диаграмму для увеличенной модели порядка p и
использовать критерии устойчивости для собственных частот,
декрементов затухания и модальных коэффициентов участия.
37
В уравнении 3.28 LR, UR R lm соответственно нижние и
верхние остатки, моделирующие влияние внеполосных мод в
пределах рассматриваемого диапазона частот. Интерпретация
стабилизационной диаграммы приводит к ряду полюсов i и
соответствующих коэффициентов участия liT . Так как
неизвестны только формы мод i и нижние и верхние остатки, то
они легко могут быть получены при решении уравнения 3.27, в
линейных значениях наименьших квадратов. Этот второй шаг
обычно называют «методом наименьших квадратов для частотной
области» (LSFD - least-squares frequency-domain) (см.раздел 3.2).
Этот же самый метод оценки форм мод также обычно используется
и вместе с «методом LSCE для временной области» (см. раздел
3.1.5).
38
Заключение
В пособии отражены основные этапы проведения
экспериментального модального анализа. Дано описание
параметров, которые полностью описывают модальные
характеристики объектов. Приведены зависимости,
позволяющие связывать измеренную амплитудно-частотную
характеристику объекта с его модальными параметрами. В
данном учебном пособии дано описание типов модального
анализа, а также методов оценки полученных модальных
характеристик.
39