什么是模态分析

模态分析是研究结构动力特性一种近代方法,是系统辨别方法在工程振动领域中的应用。模态是机械结构的固有振动特性,每一个模态具有特定的固有频率、阻尼比和模态振型。这些模态参数可以由计算或试验分析取得,这样一个计算或试验分析过程称为模态分析。这个分析过程如果是由有限元计算的方法取得的,则称为计算模记分析;如果通过试验将采集的系统输入与输出信号经过参数识别获得模态参数,称为试验模态分析。通常,模态分析都是指试验模态分析。振动模态是弹性结构的固有的、整体的特性。如果通过模态分析方法搞清楚了结构物在某一易受影响的频率范围内各阶主要模态的特性,就可能预言结构在此频段内在外部或内部各种振源作用下实际振动响应。因此,模态分析是结构动态设计及设备的故障诊断的重要方法。

模态参数

模态参数有:模态频率、模态质量、模态向量、模态刚度和模态阻尼等。

模态分析的经典定义

模态分析的经典定义:将线性定常系统振动微分方程组中的物理坐标变换为模态坐标,使方程组解耦,成为一组以模态坐标及模态参数描述的独立方程,以便求出系统的模态参数。坐标变换的变换矩阵为模态矩阵,其每列为模态振型

模态分析的基本过程

(1) 动态数据的采集及频响函数或脉冲响应函数分析

a、激励方法。试验模态分析是人为地对结构物施加一定动态激励,采集各点的振动响应信号及激振力信号,根据力及响应信号,用各种参数识别方法获取模态参数。激励方法不同,相应识别方法也不同。目前主要由单输入单输出(SISO)、单输入多输出(SIMO)多输入多输出(MIMO)三种方法。以输入力的信号特征还可分为正弦慢扫描、正弦快扫描、稳态随机(包括白噪声、宽带噪声或伪随机)、瞬态激励(包括随机脉冲激励)等。

b、数据采集。SISO方法要求同时高速采集输入与输出两个点的信号,用不断移动激励点位置或响应点位置的办法取得振形数据。SIMO及MIMO的方法则要求大量通道数据的高速并行采集,因此要求大量的振动测量传感器或激振器,试验成本较高。

c、时域或频域信号处理。例如谱分析、传递函数估计、脉冲响应测量以及滤波、相关分析等。

(2) 建立结构数学模型

根据已知条件,建立一种描述结构状态及特性的模型,作为计算及识别参数依据。目前一般假定系统为线性的。由于采用的识别方法不同,也分为频域建模和时域建模。根据阻尼特性及频率耦合程度分为实模态或复模态模型等。

(3) 参数识别

按识别域的不同可分为频域法、时域法和混合域法,后者是指在时域识别复特征值,再回到频域中识别振型,激励方式不同(SISO、SIMO、MIMO),相应的参数识别方法也不尽相同。并非越复杂的方法识别的结果越可靠。对于目前能够进行的大多数不是十分复杂的结构,只要取得了可靠的频响数据,即使用较简单的识别方法也可能获得良好的模态参数;反之,即使用最复杂的数学模型、最高级的拟合方法,如果频响测量数据不可靠,则识别的结果一定不会理想。

(4) 振形动画

参数识别的结果得到了结构的模态参数模型,即一组固有频率、模态阻尼以及相应各阶模态的振形。由于结构复杂,由许多自由度组成的振形也相当复杂,必须采用动画的方法,将放大了的振形叠加到原始的几何形状上。

以上四个步骤是模态试验及分析的主要过程。

结构动力修改与灵敏度分析

结构动力修改(Structure Dynamic Modify——SDM)有两个含义:①如果机器作了某种设计上的修改,它的动力学特性将会有何种变化?这个问题被称为SDM的正问题。②如果要求结构动力学参数作某种改变,应该对设计作何种修改?这是SDM的反问题。

上述两个问题,如果局限在有限元计算模型内解决,其正问题是比较简单的,即只要改变参数重新计算一次就可以。其反问题就是特征值的反问题,由于结构的复杂性和数学处理的难度较大,目前在理论上还不完善。只有涉及雅可比矩阵的问题得到了比较完善的解决,相应的力学模型是弹簧质量单向串联系统或杆件经过有限元或差分法离散的系统。此外,特征值反问题的解决要求未修改系统计算的特征值及特征向量是精确的。因此,现在通常所指的SDM是指在试验模态分析基础上的。

不论是结构动力修改的正问题还是反问题,都要涉及针对结构进行修改。为了避免修改的盲目性,人们自然要问,如何修改才是最见成效的?换而言之,对一个机械系统,是进行质量修改,还是进行刚度修改?质量或刚度修改时,在机械结构上何处修改才是最灵敏部位,使得以较少的修改量得到较大的收获?由此,引出了结构动力修改中的灵敏度分析技术。目前较为常见的是基于摄动的灵敏度分析。

模态分析的用处

模态分析所的最终目标在是识别出系统的模态参数,为结构系统的振动特性分析、振动故障诊断和预报以及结构动力特性的优化设计提供依据。

模态分析技术的应用可归结为一下几个方面:

  1. 评价现有结构系统的动态特性;

  2. 在新产品设计中进行结构动态特性的预估和优化设计;

  3. 诊断及预报结构系统的故障;

  4. 控制结构的辐射噪声;

模态试验时如何选择最佳悬挂点

模态试验时,一般希望将悬挂点选择在振幅较小的位置,最佳悬挂点应该是某阶振型的节点。

模态试验时如何选择最佳激励点

最佳激励点视待测试的振型而定,若单阶,则应选择最大振幅点,若多阶,则激励点处各阶的振幅都不小于某一值。如果是需要许多能量才能激励的结构,可以考虑多选择几个激励点。

模态试验时如何选择最佳测试点

模态试验时测试点所得到的信息要求有尽可能高的信噪比,因此测试点不应该靠近节点。在最佳测试点位置其ADDOF(Average Driving DOF Displacement)值应该较大,一般可用EI(Effective Independance)法确定最佳测试点。

模态截断

理想的情况下我们希望得到一个结构的完整的模态集,实际应用中这即不可能也不必要。实际上并非所有的模态对响应的贡献都是相同的。对低频响应来说,高阶模态的影响较小。对实际结构而言,我们感兴趣的往往是它的前几阶或十几阶模态,更高的模态常常被舍弃。这样尽管会造成一点误差,但频响函数的矩阵阶数会大大减小,使工作量大为减小。这种处理方法称为模态截断。

主模态、主空间、主坐标?

无阻尼系统的各阶模态称为主模态,各阶模态向量所张成的空间称为主空间,其相应的模态坐标称为主坐标。

实模态和复模态

按照模态参数(主要指模态频率及模态向量)是实数还是复数,模态可以分为实模态和复模态。对于无阻尼或比例阻尼振动系统,其各点的振动相位差为零或180度,其模态系数是实数,此时为实模态;对于非比例阻尼振动系统,各点除了振幅不同外相位差也不一定为零或180度,这样模态系数就是复数,即形成复模态。

模态分析和有限元分析结合使用

1)利用有限元分析模型确定模态试验的测量点、激励点、支持点(悬挂点),参照计算振型队测试模态参数进行辩识命名,尤其是对于复杂结构很重要。

2)利用试验结果对有限元分析模型进行修改,以达到行业标准或国家标准要求。

3)利用有限元模型对试验条件所产生的误差进行仿真分析,如边界条件模拟、附加质量、附加刚度所带来的误差及其消除。

4)两套模型频谱一致性和振型相关性分析。

5)利用有限元模型仿真分析解决实验中出现的问题!

用试验模态分析的结果修正有限元分析的结果

1)结构设计参数的修正,可用优化方法进行。

2)子结构校正因子修正。

3)结构矩阵元素修正,包括非零元素和全元素修正两种。

4)刚度矩阵和质量矩阵同时修正

关于模态分析的基础知识总结相关推荐

  1. Android系统源代码情景分析:基础知识

    老罗(罗升阳)发表在的InfoQ上的好文,最新在学习Android,转载一下,方便学习. 老罗的CSDN blog链接:http://blog.csdn.net/Luoshengyang/ 原文链接: ...

  2. 情感分析项目基础知识总结二

    文章目录 1.情感分析基础: 1.1 什么是情感分析: 1.2 什么是观点: 直接性与比较性的观点: 明确的和含蓄的观点: 1.3 情感分析的范围: 1.4 情感分析的类型: 细粒度情感分析: 情绪检 ...

  3. python-数据分析-pandas基础知识

    文章目录 1.Series和DataFrame基础操作 添加列数据 添加行数据 删除行列 Series和DataFrame数据计算 按行列排序 2.Series和DataFrame切片 3.数据的读取 ...

  4. GNSS观测值质量分析必备基础知识

    一.观测值随机模型 用于描述观测值与未知参数之间关系的模型称为函数模型或数学模型: 而描述观测值本身统计特性的模型称为随机模型,主要通过一个适当的协方差矩阵来定义. 随机模型分类:详见参考3 等权随机 ...

  5. 转录组分析R基础知识

    文章目录 数据 R基础 服务器版RStudio安装配置 R 包 读入数据 操作数据框 数据类型 因子 排序 取子集操作 使用逻辑语句 操作符 `%in%` `match`函数 `subset函数` 数 ...

  6. matlab与模态分析,电压稳定模态分析基础知识MATLAB实例

    %本人系电压稳定菜鸟,对电压稳定分析中基础知识左特征根向量右特征根向量,模态,参与因子的概念通过一%个具体的矩阵进行了MATLAB演算 %希望对和我一样的初学者有点直观的认识 A=[1 0 1;0 1 ...

  7. 第一课 逆向分析基础知识

    看雪软件安全论坛 > 初学者园地 > 『伴你成长』 > 『资料导航』 加密与解密 解密分析入门基础知识 欢迎您,youcou 您上次访问的时间是: 2009-09-23,23:53 ...

  8. 关于图计算图学习的基础知识概览:前置知识点学习(PGL)[系列一]

    关于图计算&图学习的基础知识概览:前置知识点学习(Paddle Graph Learning (PGL)) 0.1图计算基本概念 首先看到百度百科定义: 图计算(Graph Processin ...

  9. 第123天学习打卡(Redis 测试性能 基础知识 Redis-Key String List)

    测试性能 redis-benchmark是一个压力测试工具! 官方自带的性能测试工具! 官方网址:Redis 性能测试 | 菜鸟教程 (runoob.com) 简单测试一下: #测试:100个并发连接 ...

最新文章

  1. 关于SAP UI5 CRM Reuse Fiori应用的代码审查
  2. iPhone卖不出去 采购未达标 苹果“补偿”三星6.83亿美元
  3. 西部数码服务器绑定域名解析,中国数据域名如何修改DNS设置方法
  4. Linux内核——定时器和时间管理
  5. Boost.ASIO简要分析-4 多线程
  6. 漫谈Google的Native Client(NaCl)技术(二)–技术篇(兼谈LLVM)
  7. 教你一招用 Python Turtle 库画出“精美碎花小清新风格树”,速取代码! | 原力计划...
  8. tsql 正则_sql里的正则表达式
  9. 【李宏毅2020 ML/DL】P62-65 More about Auto-encoder
  10. 旧板与IO板之间的连接
  11. 联想云计算机终端,联想云桌面
  12. 掌握运用Rose工具绘制用例图的基本操作
  13. Linux 2.6内核配置说明
  14. tumblr_使用Tumblr创建美丽且易于更新的博客
  15. 【得之我幸,失之我命】分享下研究生阶段, IEEE论文投稿的心态和心路历程
  16. 计算机键盘输入法基础知识,3、使用键盘打字 --电脑基础知识
  17. P1397 [NOI2013] 矩阵游戏(矩阵乘法欧拉定理)
  18. GPRS优点介绍及GPRS上网相关知识(转)
  19. nginx_tcp转发
  20. MATLAB,关于SOLVE函数报错的问题

热门文章

  1. Bag of Tricks for Image Classification with Convolutional Neural Networks(卷积神经网络在图像分类中的技巧)
  2. html双引号打不正确,双引号要占一个空格吗 为什么打双引号要空格一下才能出来...
  3. Android 11 Audio框架探索之AudioTracK(二)
  4. iOS视频 ZFPlayer使用
  5. 计算机组成原理、操作系统、数据结构和计算机网络融会贯通
  6. Hark的数据结构与算法练习之堆排序
  7. PrecompiledAssemblyException: Multiple precompiled assemblies with the same name websocket-sharp.dll
  8. 2020年车易加加油优惠卡开启移动加油新时代
  9. 长链接短链接拉起拼多多问题
  10. thinkphp6+layui BBS社区论坛系统源码分享,支持适配移动端附截图