Departamento de Ingenierı́a Mecánica Facultad de Ciencias Fı́sicas y Matemáticas Universidad de Chile Dinámica Estructural Apuntes para el curso ME706 Viviana Meruane Índice general Contenidos II 1 Introducción 2 1.1 Sistemas de un grado de libertad . . . . . . . . . . . . . . . . . . . 2 1.1.1 Ecuación de movimiento, función de transferencia . . . . . . 2 1.1.2 Polos del sistema, frecuencias naturales y factores de amortiguamiento . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.3 Solución de la ecuación de movimiento . . . . . . . . . . . . 4 1.1.4 Residuos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.1.5 Función de respuesta en frecuencia y función de respuesta a un impulso . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 Influencia de cambios en la masa, rigidez y amortiguación . 8 Sistemas con multiples grados de libertad . . . . . . . . . . . . . . 10 1.2.1 Ecuación del sistema, función de transferencia . . . . . . . . 10 1.2.2 Polos, frecuencias naturales y factores de amortiguamiento 12 1.2.3 Vectores modales, residuos . . . . . . . . . . . . . . . . . . 12 1.2.4 Función de respuesta en frecuencia (FRF) y función de respuesta a un impulso (IRF) . . . . . . . . . . . . . . . . . 14 Sistemas sin amortiguamiento y con amortiguamiento proporcional . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Ortogonalidad y coordenadas modales . . . . . . . . . . . . 18 1.1.6 1.2 1.2.5 1.2.6 ii ÍNDICE GENERAL iii 2 El Método de Elementos Finitos 2.1 2.2 2.3 2.4 Elemento de barra . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 2.1.1 Coordenadas locales y globales . . . . . . . . . . . . . . . . 24 Elemento de viga . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25 2.2.1 Coordenadas locales y globales . . . . . . . . . . . . . . . . 27 Elemento de viga 3D . . . . . . . . . . . . . . . . . . . . . . . . . . 28 2.3.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 Ensamble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Rotación 3 Integración numérica de las ecuaciones de movimiento 3.1 3.2 4.2 4.3 35 Métodos de integración directa . . . . . . . . . . . . . . . . . . . . 35 3.1.1 El método de las diferencias centrales . . . . . . . . . . . . 36 3.1.2 El método de Wilson θ . . . . . . . . . . . . . . . . . . . . . 37 3.1.3 El método de Newmark . . . . . . . . . . . . . . . . . . . . 40 3.1.4 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 Superposición modal . . . . . . . . . . . . . . . . . . . . . . . . . . 43 3.2.1 43 Ejemplo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Procesamiento de señales 4.1 21 45 La transformada de Fourier . . . . . . . . . . . . . . . . . . . . . . 46 4.1.1 Algunos parámetros importantes . . . . . . . . . . . . . . . 48 Errores y ventanas . . . . . . . . . . . . . . . . . . . . . . . . . . . 48 4.2.1 Aliasing . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.2.2 Leakage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 4.2.3 Ventanas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 Funciones de respuesta en frecuencia y funciones de coherencia . . 54 4.3.1 56 Efectos del ruido experimental . . . . . . . . . . . . . . . . 5 Estimación de parámetros modales 60 ÍNDICE GENERAL 5.1 5.2 5.3 5.4 iv Métodos de un grado de libertad . . . . . . . . . . . . . . . . . . . 61 5.1.1 Peak picking . . . . . . . . . . . . . . . . . . . . . . . . . . 61 5.1.2 Circle fitting . . . . . . . . . . . . . . . . . . . . . . . . . . 62 Métodos con multiples grados de libertad en el dominio de frecuencias 64 5.2.1 Método de mı́nimos cuadrados no lineales, LSFD . . . . . . 64 5.2.2 Rational Fractional Polynomials . . . . . . . . . . . . . . . 65 Métodos con multiples grados de libertad en el dominio del tiempo 68 5.3.1 El método Ibrahim . . . . . . . . . . . . . . . . . . . . . . . 68 5.3.2 El método least-squares complex exponential (LSCE) . . . 70 Diagramas de estabilidad . . . . . . . . . . . . . . . . . . . . . . . 72 6 Medición Experimental 6.1 6.2 6.3 6.4 74 Análisis previo a las mediciones . . . . . . . . . . . . . . . . . . . . 74 6.1.1 Rango de frecuencias . . . . . . . . . . . . . . . . . . . . . . 75 6.1.2 Selección de la ubicación de las respuestas . . . . . . . . . . 75 6.1.3 Selección de los puntos de excitación . . . . . . . . . . . . . 76 6.1.4 Selección de los puntos de suspensión . . . . . . . . . . . . 77 El montaje experimental . . . . . . . . . . . . . . . . . . . . . . . . 78 6.2.1 Mecanismo de Excitación . . . . . . . . . . . . . . . . . . . 78 6.2.2 Acelerómetro . . . . . . . . . . . . . . . . . . . . . . . . . . 79 6.2.3 Sensor de fuerzas . . . . . . . . . . . . . . . . . . . . . . . . 80 Selección de la fuerza de excitación . . . . . . . . . . . . . . . . . . 82 6.3.1 Excitación sinusoidal . . . . . . . . . . . . . . . . . . . . . . 82 6.3.2 Excitación aleatoria . . . . . . . . . . . . . . . . . . . . . . 83 6.3.3 Excitación pseudo-aleatoria . . . . . . . . . . . . . . . . . . 84 6.3.4 Excitación aleatoria en trenes (burst random) . . . . . . . . 84 6.3.5 Excitación de impacto . . . . . . . . . . . . . . . . . . . . . 85 Evaluación inicial de las FRFs medidas . . . . . . . . . . . . . . . . 86 ÍNDICE GENERAL v 6.4.1 Repetibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 87 6.4.2 Reciprocidad . . . . . . . . . . . . . . . . . . . . . . . . . . 87 6.4.3 Linealidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 6.4.4 Caracterı́sticas especiales de una FRF . . . . . . . . . . . . 87 7 Correlación Numérico-Experimental y Ajuste de Modelos 7.1 7.2 7.3 Parear modelos numéricos y experimentales . . . . . . . . . . . . . 92 7.1.1 Técnicas de reducción . . . . . . . . . . . . . . . . . . . . . 92 7.1.2 Técnicas de expansión . . . . . . . . . . . . . . . . . . . . . 94 Técnicas de correlación . . . . . . . . . . . . . . . . . . . . . . . . . 95 7.2.1 Diferencia en las frecuencias de resonancia . . . . . . . . . . 96 7.2.2 Comparación visual de los modos . . . . . . . . . . . . . . . 96 7.2.3 Modal Assurance Criterion . . . . . . . . . . . . . . . . . . 97 7.2.4 Frequency Response Assurance Criterion . . . . . . . . . . 98 Métodos iterativos de ajuste de modelos . . . . . . . . . . . . . . . 98 7.3.1 Modos y frecuencias naturales . . . . . . . . . . . . . . . . . 101 7.3.2 Funciones de respuesta en frecuencia . . . . . . . . . . . . . 102 8 Ejemplos de Análisis Modal en Estructuras Reales 8.1 Modelo numérico . . . . . . . . . . . . . . . . . . . . . . . . 114 Tubo de escape de un auto . . . . . . . . . . . . . . . . . . . . . . 116 8.4.1 8.5 Modelo numérico . . . . . . . . . . . . . . . . . . . . . . . . 111 Viga de concreto reforzado . . . . . . . . . . . . . . . . . . . . . . . 113 8.3.1 8.4 Modelo numérico . . . . . . . . . . . . . . . . . . . . . . . . 108 Modelo a escala de un avion . . . . . . . . . . . . . . . . . . . . . . 110 8.2.1 8.3 104 Estructura de barras . . . . . . . . . . . . . . . . . . . . . . . . . . 104 8.1.1 8.2 89 Modelo numérico . . . . . . . . . . . . . . . . . . . . . . . . 117 El puente I-40 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119 ÍNDICE GENERAL 1 8.5.1 Modelo numérico . . . . . . . . . . . . . . . . . . . . . . . . 121 Bibliografı́a 124 Capı́tulo 1 Introducción 1.1. Sistemas de un grado de libertad 1.1.1. Ecuación de movimiento, función de transferencia Consideremos el sistema de un grado de libertad mostrado en la Figura 1.1. La ecuación de movimiento de este sistema viene dada por: mẍ + cẋ + kx = f (t) (1.1) donde, m: masa k: coeficiente de rigidez c: coeficiente de amortiguación ẍ, ẋ, x: aceleración, velocidad y desplazamiento f : fuerza de excitación externa t: tiempo 2 SISTEMAS DE UN GRADO DE LIBERTAD 3 k f(t) m x(t) c Figura 1.1: Transformando la ecuación 1.1 al dominio de Laplace y asumiendo que el desplazamiento y velocidad inicial son 0, se obtiene: (mp2 + cp + k)X(p) = F (p) (1.2) Lo que se puede escribir como: Z(p)X(p) = F (p) (1.3) Z(p) se denomina la rigidez dinámica. Invirtiendo la ecuación 1.2 ó 1.3 se obtiene la función de transferencia H(p) = Z −1 (p): X(p) = H(p) = 1.1.2. H(p)F (p) p2 1/m + (c/m)p + (k/m) (1.4) (1.5) Polos del sistema, frecuencias naturales y factores de amortiguamiento El denominador de la ecuación 1.5 representa la ecuación caracterı́stica del sistema. Las raı́ces de esta ecuación son: r c c 2 k λ1,2 = − ± − (1.6) 2m 2m m Esta ecuación permite la introducción de varios conceptos importantes. Si no hay amortiguamiento, el sistema en estudio es un sistema conservativo (c=0), y la frecuencias natural (rad/seg) del sistema sin amortiguamiento se define como: r k ωn = (1.7) m SISTEMAS DE UN GRADO DE LIBERTAD 4 Se define como amortiguamiento crı́tico, cc , al valor del amortiguamiento que hace que el termino dentro de la raı́z en la ecuación 1.6 sea cero: r k cc = 2m (1.8) m A partir de esta definición, se define la razón de amortiguamiento, ζ, como: c ζ= (1.9) cc Las raı́ces presentadas en la ecuación 1.6, se pueden escribir como dos raı́ces complejas conjugadas: λ = σ + jωd (1.10) λ∗ = σ − jωd (1.11) donde σ es el factor de amortiguamiento, ωd es la frecuencia natural del sistema amortiguado y ∗ representa el complejo conjugado A partir de la definición anterior se pueden definir las siguientes relaciones: λ = p −ζ + j 1 − ζ 2 ωn (1.12) ωn = q ωd2 + σ 2 (1.13) ζ = σ −p 2 ωd + σ 2 (1.14) σ = ωd = 1.1.3. −ζωn p ωn 1 − ζ 2 (1.15) (1.16) Solución de la ecuación de movimiento La solución de la ecuación 1.1 en el tiempo se puede determinar asumiendo una solución de la forma: x = Aeλt (1.17) donde A es una constante. Por lo tanto: ẋ = λAeλt (1.18) ẍ = λ2 Aeλt (1.19) SISTEMAS DE UN GRADO DE LIBERTAD 5 Sustituyendo en la ecuación 1.1 y asumiendo que las fuerzas externas son nulas, se obtiene: mλ2 Aeλt + cλAeλt + kAeλt = 0 (1.20) Dividiendo por Aeλt se obtiene la ecuación caracterı́stica del sistema: mλ2 + cλ + k = 0 (1.21) cuya solución son las raı́ces de la ecuación 1.6. Por lo tanto, x = A1 eλ1 t y x = A2 eλ2 t , son soluciones del problema y su suma es la solución general: x = A1 eλ1 t + A2 eλ2 t (1.22) Las soluciones particulares dependen de las constantes, A1 y A2 , que se determinan a partir de las condiciones iniciales. La ecuación 1.22 se puede escribir como: x = e−ζωn t A1 ejωd t + A2 e−jωd t (1.23) Utilizando las identidades: ejωd t = cosωd t + jsenωd t y e−jωd t = cosωd t − jsenωd t, la ecuación 1.23 se puede escribir como: x = e−ζωn t (Bcosωd t + Dsenωd t) (1.24) Amplitud ζ<1 0 Amplitud ζ=1 0 Amplitud ζ>1 0 Tiempo Figura 1.2: SISTEMAS DE UN GRADO DE LIBERTAD 6 Dependiendo del valor de la razón de amortiguamiento el sistema se puede clasificar como sobreamortiguado (ξ > 1), con amortiguamiento crı́tico (ξ = 1) o con amortiguamiento débil (ξ < 1). Como se muestra en la Figura 1.2, la respuesta de un sistema sobreamortiguado es decreciente sin oscilaciones. En cambio, la respuesta de un sistema con amortiguamiento débil es una respuesta oscilatoria decreciente. Amortiguamiento crı́tico es el caso de borde entre un sistema sobreamortiguado y con amortiguamiento débil. Para el caso de una respuesta forzada, en donde f (t) de la ecuación 1.1 es distinto de cero. La solución viene dada por la solución general cuando f = 0 más una solución particular X: x = A1 eλ1 t + A2 eλ2 t + X (1.25) La forma de X depende de la forma de la fuerza de excitación, la tabla a continuación muestra varios casos particulares: Forma de f (t) f (t) = A, constante f (t) = At f (t) = At2 f (t) = Asen(ωt) o Acos(ωt) Solución particular B Bt + D Bt2 + D Bcos(ωt) + Dsen(ωt) Tabla 1.1: 1.1.4. Residuos Conociendo las raı́ces del sistema, la ecuación 1.5 se puede escribir como: H(p) = 1/m (p − λ)(p − λ∗ ) (1.26) Ocupando fracciones parciales se tiene que: H(p) = A A∗ 1/m + , con A = (p − λ) (p − λ∗ ) 2jωd (1.27) En esta formulación A y A∗ se denominan residuos. 1.1.5. Función de respuesta en frecuencia y función de respuesta a un impulso En las secciones anteriores se discute la relación entre la fuerza y la respuesta de un sistema de un grado de libertad en el dominio de Laplace. Esta relación SISTEMAS DE UN GRADO DE LIBERTAD 7 también se puede expresar en el dominio de frecuencias o del tiempo. La función de transferencia evaluada en el eje de frecuencias (jω) se denomina función de respuesta en frecuencia (FRF): H(p)|p=jω = H(ω) = A A∗ + (jω − λ) (jω − λ∗ ) (1.28) En general, la contribución de la parte del complejo conjugado (o la parte de la frecuencia negativa) es despreciable cerca de la resonancia, ω = ωd . En consecuencia, la función de respuesta en frecuencia para un grado de libertad frecuentemente se aproxima por: H(ω) ' A (jω − λ) (1.29) Amplitud La Figura 1.3 muestra un gráfico de la amplitud y fase de una función de respuesta en frecuencia. Notar que el peak en la FRF se obtiene cuando ω = ωd , a esta misma frecuencia la fase cambia en −180◦ . Fase 0 -pi ωd Figura 1.3: Aplicando una transformada inversa de Laplace a la expresión de la función de transferencia se obtiene la función de respuesta a un impulso. La respuesta a un impulso corresponde a la respuesta a un delta de Dirac en t = 0. Para un grado de libertad la función de respuesta a un impulso es: h(t) = eσt Aeiωd t + A∗ e−iωd t (1.30) SISTEMAS DE UN GRADO DE LIBERTAD 8 El residuo A define la amplitud inicial, σ la tasa de decrecimiento y ωd la frecuencia de oscilación. Notar que el gráfico de la función de respuesta a un impulso es equivalente al de la Figura 1.2. 1.1.6. Influencia de cambios en la masa, rigidez y amortiguación Las Figuras 1.4, 1.5 y 1.6 muestran como, la función de respuesta en frecuencia de un sistema de 1 grado de libertad, se ve afectada por cambios en la rigidez, amortiguamiento y masa. log(FRF) Un incremento en la rigidez resulta en una frecuencia de resonancia mayor y un valor menor de la FRF en el rango de frecuencias bajas. Debido al efecto dominante de la rigidez a bajas frecuencias, esta región de la FRF se denomina la linea de rigidez o “compliance line”. frecuencia Figura 1.4: Incremento de la rigidez Un incremento del amortiguamiento produce una pequeña reducción de la frecuencia de resonancia. Sin embargo, la mayor contribución es una disminución de la amplitud de la función de respuesta en frecuencia en las cercanı́as a la resonancia. También, la fase cambia más suavemente. Si el amortiguamiento es cero, la magnitud en la resonancia se vuelve infinito y la fase disminuye repentinamente en 180 grados. Adicionalmente, los polos del sistema, λ, se vuelven puramente imaginarios y en p amplitud iguales a la frecuencia natural sin amortiguamiento ωn = k/m. 9 log(FRF) SISTEMAS DE UN GRADO DE LIBERTAD frecuencia Figura 1.5: Incremento del amortiguamiento log(FRF) Un incremento de masa disminuye el valor de la frecuencia de resonancia. La amplitud de la FRF a altas frecuencias también disminuye. Debido al efecto dominante de la masa a altas frecuencias esta área de la FRF se denomina la “linea de masa”. frecuencia Figura 1.6: Incremento de la masa SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 1.2. 10 Sistemas con multiples grados de libertad En esta sección vamos a extender los conceptos vistos en la sección anterior para el caso con multiples grados de libertad. 1.2.1. Ecuación del sistema, función de transferencia En la mayorı́a de los casos el sistema no se puede describir como un sistema de un grado de libertad. La mayorı́a de los sistemas consisten en un ensamble de un número infinito de masas, resortes y amortiguadores. A continuación se mostrará como se relaciona la función de transferencia de sistema con multiples grados de libertad con los parámetros modales (frecuencias de resonancia y vectores modales). En el caso de un sistema con multiple grados de libertad la ecuación de movimiento equivale a la ecuación de un grado de libertad, pero matricial. Para ilustrar esto, se desarrollará el caso de un sistema de dos grados de libertad mostrado en la Figura 1.7. f2(t) x2 (t) f1(t) x1 (t) k2 k1 m2 m1 c1 k3 c2 c3 Figura 1.7: Ejemplo de un sistema de dos grados de libertad Las ecuaciones de movimiento para este sistema son: m1 ẍ1 + (c1 + c2 )ẋ1 − c2 ẋ2 + (k1 + k2 )x1 − k2 x2 = f1 (1.31) m2 ẍ2 + (c2 + c3 )ẋ2 − c2 ẋ1 + (k2 + k3 )x2 − k2 x1 = f2 (1.32) En notación matricial: m1 0 ẍ1 c + c2 −c2 ẋ1 k + k2 −k2 x1 f1 + 1 + 1 = (1.33) 0 m2 ẍ2 −c2 c2 + c3 ẋ2 −k2 k2 + k3 x2 f2 SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 11 que se puede escribir como: M {ẍ} + C {ẋ} + K {x} = {f } (1.34) donde, M: matriz de masa K: matriz de rigidez C: matriz de amortiguación {x}: vector de respuesta {f }: vector de fuerzas Esta ecuación también describe el comportamiento de sistemas con más grados de libertad. La dimensión de las matrices aumenta con el número de grados de libertad. Transformando esta ecuación de movimiento en el dominio de Laplace, asumiendo que las velocidades y desplazamientos iniciales son cero, se obtiene: (M p2 + Cp + K)X(p) = F (p) (1.35) Lo que se puede escribir como: Z(p)X(p) = F (p) (1.36) Z(p) es la matriz de rigidez dinámica. Invirtiendo la ecuación 1.35 ó 1.36 se obtiene la matriz función de transferencia H(p): X(p) = H(p)F (p) H(p) = Z(p)−1 = (1.37) adj(Z(p)) |Z(p)| (1.38) donde: adj(Z(p)) es la matriz adjunta de Z(p) y |Z(p)| es el determinante de Z(p). T La matriz adjunta viene dada por adj(Z(p)) = [εij |Zij |] . Donde: |Zij | es el determinante de Z(p), eliminando la fila i y la columna j εij = 1, si i + j es par; = -1, si i + j es impar SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 1.2.2. 12 Polos, frecuencias naturales y factores de amortiguamiento La ecuación caracterı́stica del sistema viene dada por el denominador de la ecuación 1.38, es decir, el determinante de Z(p). Al igual que en el caso de un grado de libertad, las raı́ces de esta ecuación o polos del sistema, definen las frecuencias naturales. Estas raı́ces se pueden determinar resolviendo un problema de valores propios. Para transformar la ecuación 1.35 en una ecuación general de valores propios, se añade la siguiente identidad: (pM − pM ) {x} = 0 (1.39) combinando las ecuaciones 1.35 y 1.39 se obtiene: (pA + B) {y} = {f 0 } (1.40) donde: A= 0 M M −M , B= C 0 0 px 0 , {y} = y {f 0 } = K x f (1.41) Por lo tanto, los polos del sistema son los valores de p que satisfacen: |pA + B| = 0 (1.42) Notar que las raı́ces de esta ecuación, también son las raı́ces de la ecuación |Z| = 0. Esta ecuación genera 2n (n= número de grados de libertad) valores propios complejos, que aparecen en pares de complejos conjugados: λ1 .. . 0 λ n [Λ] = λ∗1 .. . 0 λ∗n σ1 + jω1 .. . 0 σ + jω n n = σ1 − jω1 .. . 0 σn − jωn (1.43) Como en el caso de un grado de libertad, la parte real del polo, σi , es el factor de amortiguamiento y la parte imaginaria, ωi , es la frecuencia natural amortiguada. 1.2.3. Vectores modales, residuos A cada valor propio del sistema le corresponde un vector propio. Para sistemas con multiples grados de libertad estos vectores propios introducen el concepto de SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 13 modos normales, formas modales o vectores modales, φi . Estos también aparecen en pares de complejos conjugados. Cada vector propio, se relaciona a un valor propio especifico. λ1 φ1 . . . λn φn λ∗1 φ∗1 . . . λ∗n φ∗n Φ= (1.44) φ1 ... φn φ∗1 ... φ∗n En general, los vectores propios contiene desplazamientos modales con valores complejos. Para el valor propio correspondiente, λi , se cumple que: (M λ2i + Cλi + K)φi = 0 (1.45) De manera similar al caso de un grado de libertad, se puede introducir el concepto de residuos. Dado que λi , λ∗i son raı́ces de la ecuación caracterı́stica del sistema, la ecuación 1.37 se puede escribir como: adj(Z(p)) E(p − λi )(p − λ∗i ) i=1 H(p) = Qn (1.46) donde E es una constante. Utilizando fracciones parciales: H(p) = n X i=1 [A]∗i [A]i + (p − λi ) (p − λ∗i ) (1.47) Los términos [A]i y [A]∗i se denominan residuos, y vienen dados por: [A]i = Pi adj(Z(λi )) (1.48) Pi es una constante que depende del polo. Estudiando estos residuos se puede esclarecer la relación entre la matriz de función de transferencia y los vectores modales. Reescribiendo la ecuación 1.38: Z(p)adj(Z(p)) = |Z(p)| [I] (1.49) Evaluando para p = λi , se obtiene: Z(λi )adj(Z(λi )) = 0 (1.50) Si consideramos una columna arbitraria de adj(Z(λi )) se cumple que: Z(λi ) {adj(Z(λi ))}k = 0 (1.51) Esta ecuación es equivalente a la ecuación 1.45. Esto quiere decir la columnas de adj(Z(λi )) son proporcionales al i-ésimo vector modal. Considerando que la matriz SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 14 adj(Z(λi )) es simétrica, entonces sus filas también son proporcionales al i-ésimo vector modal. Es decir, la matrix adj(Z(λi )) es de la forma: φi,1 φi,1 φi,1 φi,2 . . . φi,1 φi,n φi,2 φi,1 φi,2 φi,2 . . . φi,2 φi,n adj(Z(λi )) = Ri φi φTi = Ri . (1.52) .. .. .. .. . . . φi,n φi,1 φi,n φi,2 ... φi,n φi,n donde Ri es una constante asociada al vector φi . A partir de la ecuación anterior, se tiene que cada residuo es de la forma: [A]i = Qi φi φTi (1.53) Y se obtiene finalmente que: n X Q∗ φ∗ φ∗T Qi φi φTi + i i ∗i H(p) = (p − λi ) (p − λi ) i=1 1.2.4. (1.54) Función de respuesta en frecuencia (FRF) y función de respuesta a un impulso (IRF) La función de respuesta en frecuencia (FRF) es la función de transferencia evaluada en el eje de frecuencias (jω): n X Q∗i φ∗i φ∗T Qi φi φTi i H(jω) = + (jω − λi ) (jω − λ∗i ) i=1 (1.55) La función de respuesta a un impulso (IRF) viene dada por la transformada inversa de la función de respuesta en frecuencia: h(t) = N X ∗ λr t (Qr φr φTr eλr t + Q∗r φ∗r φ∗T ) r e (1.56) r=1 Se debe notar que, en el caso de multiples grados de libertad, para cada valor de ω, H(jω) es una matriz. Hik (jω) corresponde a función de respuesta en frecuencia, cuando se excita la estructura en k y se mide la respuesta en i, o viceversa (H(jω) es simétrica): Hik (jω) = Hki (jω) = Xi (jω) Xk (jω) = Fk (jω) Fi (jω) (1.57) SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 15 log(H11) Las Figuras 1.8,1.9 y 1.10 muestran un ejemplo de las tres FRF para el sistema de dos grados de libertad de la Figura 1.7. Los “peaks” en las curvas son las frecuencias de resonancia, que tienen el mismo valor para todas las FRF, ya que son propiedades globales de la estructura. Por otro lado, las frecuencias donde las FRF tienen “caı́das” se denominan antiresonancias. Los valores de las antiresonancias varı́an para cada FRF, ya que son propiedades locales de la estructura. w1 w2 frecuencia log(H12) Figura 1.8: Función de respuesta en frecuencia, excitación en 1, respuesta en 1 w1 w2 frecuencia Figura 1.9: Función de respuesta en frecuencia, excitación en 1, respuesta en 2 ó excitación en 2, respuesta en 1 16 log(H22) SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD w1 w2 frecuencia Figura 1.10: Función de respuesta en frecuencia, excitación en 2, respuesta en 2 Imag(H11) Se debe recalcar que la función de respuesta en frecuencia posee valores complejos, y se puede representar de distintas maneras: parte real e imaginaria vs frecuencia, amplitud (usualmente en escala logarı́tmica) y fase vs frecuencia, y por último se puede graficar la parte real vs imaginaria con la frecuencia como un parámetro variable dentro de la curva. Éste último se denomina diagrama de Nyquist, en la Figura 1.11 se muestra un ejemplo. Real(H11) Figura 1.11: Diagrama de Nyquist, H11 1.2.5. Sistemas sin amortiguamiento y con amortiguamiento proporcional En las secciones anteriores se vio es caso más general, en donde, el amortiguamiento es aproximado como un amortiguamiento viscoso general. Estos sistemas entregan polos de valores complejos, vectores modales de valores complejos con fases distintas para cada vector y funciones de respuesta en frecuencia complejas. A continuación SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 17 se estudiaran dos casos particulares: sin amortiguamiento y con amortiguamiento proporcional. Si la matriz de amortiguamiento, C, es cero, el sistema de ecuaciones en el dominio de Laplace es: p2 M + K {x} = {f } (1.58) 2 En este caso, las raı́ces del polinomio caracterı́stico p M + K , se encuentran fácilmente resolviendo el siguiente problema de valores y vectores propios: p2 M + K {x} = 0 (1.59) La solución a este problema entrega los valores propios, −ωi2 , y los vectores propios correspondientes, φi . Se debe notar que en este caso, los vectores propios tienen valores reales. Es por esto, que en el caso sin amortiguamiento, los vectores modales se denominan vectores modales normales o reales. La matriz de rigidez dinámica en el dominio de frecuencias (p = jω), Z(jω) = −ω 2 M + K (1.60) tiene valores reales. Por lo tanto, su inversa, la matriz de frecuencia en respuesta H(jω), también tiene valores reales. La expresión general 1.55 se puede simplificar a: n X 2jωi Qi φi φTi H(jω) = (1.61) (ωi2 − ω 2 ) i=1 Notar que dado que H(jω) posee valores reales, entonces Qi es puramente imaginario. El caso de amortiguamiento proporcional es una forma hipotética de amortiguamiento. En su forma más sencilla, la matriz de amortiguamiento, C, toma la forma: C = αM + βK (1.62) donde α y β son constantes reales. En este caso el sistema de ecuaciones es: p2 M + p(αM + βK) + K {x} = {f } (1.63) (p2 + pα)M + (pβ + 1)K {x} = {f } (1.64) Considerando la versión homogénea de esta ecuación y dividendo por (pβ + 1): 2 p + pα M + K {x} = 0 (1.65) pβ + 1 SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 18 Esta ecuación es similar al caso sin amortiguamiento. Los sistemas con amortiguamiento proporcional tienen polos complejos, λi , que cumplen: λ2i + λi α = −ωi2 λi β + 1 (1.66) y modos normales, iguales a los del caso sin amortiguamiento. La complejidad de los cálculos para el caso de amortiguamiento proporcional es menor al caso de amortiguamiento general. Esta es la razón principal para la introducción del amortiguamiento proporcional. Éste entrega un intermedio entre el caso sin amortiguamiento y el caso de amortiguamiento viscoso general. Con amortiguamiento proporcional, la función de respuesta en frecuencia posee valores complejos y toma la forma: H(jω) = n X i=1 1.2.6. 2jωi Qi φi φTi (σi2 + ωi2 − ω 2 ) − 2jωσi (1.67) Ortogonalidad y coordenadas modales Los modos normales satisfacen un set de condiciones, conocidas como condiciones de ortogonalidad. Consideremos el problema de valores y vectores propios para el caso sin amortiguamiento o con amortiguamiento proporcional: −ωi2 M + K φi = 0 Consideremos ahora dos modos arbitrarios r y s: Kφr = ωr2 M φr Kφs = ωs2 M φs pre-multiplicando la primera ecuación por φTs y la segunda ecuación por φTr : φTs Kφr = ωr2 φTs M φr φTr Kφs = ωs2 φTr M φs Transponiendo la segunda ecuación y restándola a la primera, se tiene que: (ωr2 − ωs2 )φTs M φr = 0 (1.68) Esta ecuación nos da dos posibilidades diferentes: φTs M φr = 0 r 6= s (1.69) φTs M φr 6= 0 r=s (1.70) SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 19 La primera ecuación nos dice que dos modos distintos son ortogonales con la matriz de masa (también con la matriz de rigidez) y que cuando se calcula el producto del mismo modo con la matriz de masa como en la segunda ecuación, el producto no es cero. El valor de este producto se denomina masa generalizada mi mi = φTi M φi (1.71) De manera similar se define la rigidez generalizada ki ki = φTi Kφi (1.72) Dado lo anterior, se tiene que: ΦT M Φ = m (1.73) ΦT KΦ = k (1.74) Φ es la matriz de modos normales, m y k son matrices diagonales denominadas matriz de masa modal y matriz de rigidez modal respectivamente. Debido a que la matriz de modos normales esta sujeta a una normalización arbitraria, los valores de ki y mi no son únicos. Lo que si se puede demostrar es que la razón ki /mi es única y tiene un valor igual a ωi2 . Entre los distintos métodos de normalización de los modos, él más relevante en análisis modal es la normalización con respecto a la matriz de masa. Los modos normalizados con respecto a la matriz de masa tiene la propiedad: ΦT M Φ = I (1.75) ΦT KΦ = (1.76) Ω donde Ω es una matriz diagonal que contiene los valores caracterı́sticos ωi2 en la diagonal principal. Introduciendo la transformación modal x = Φq en la ecuación 1.58 y premultiplicando por ΦT , se obtiene que: p2 ΦT M Φq + ΦT KΦq = ΦT {f } (1.77) (−ω 2 m + k)q = ΦT {f } (1.78) Para el caso de amortiguamiento proporcional, se define la matriz de amortiguamiento modal: c = ΦT CΦ (1.79) SISTEMAS CON MULTIPLES GRADOS DE LIBERTAD 20 Lo que da el siguiente sistema de ecuaciones desacopladas: (p2 m + pc + k)q = ΦT {f } (1.80) Capı́tulo 2 El Método de Elementos Finitos Fundamentalmente, existen dos tipos de métodos de elementos finitos; el método de las fuerzas, donde se asumen las fuerzas y se calculan los desplazamientos y el método de los desplazamientos, donde se asumen los desplazamientos y se calculan las fuerzas. Este último es el más utilizado para análisis de vibraciones y será el que se describirá a continuación. El primer paso para construir un modelo en elementos finitos es discretizar la estructura en un número de elementos. Se pueden definir tres familias de elementos. (1) Elementos unidimensionales (linea), (2) Elementos bidimensionales (planos) y (3) elementos tridimensionales (sólidos). Elementos bidimensionales Elementos unidimensionales Resorte, barra, viga, etc. Membrana, placa, etc. Elementos tridimensionales Sólidos, fluidos, temperatura, etc. Figura 2.1: Tipos de elementos finitos Para cada elemento se define û como los desplazamientos en los nodos y u(x), ε(x) y σ(x) como los desplazamientos, deformaciones y esfuerzos en el elemento, en 21 EL MÉTODO DE ELEMENTOS FINITOS 22 función de las coordenadas del elemento x. û y u se relacionan por la matriz de funciones de forma N (x), la que es caracterı́stica para cada tipo de elemento. u(x) = N (x)û (2.1) la deformación se puede expresar como: ε(x) = Du(x) = DN (x) û = B(x)û | {z } (2.2) ≡B(x) D es el operador diferencial espacial, que para el caso general viene dado por: ∂ ∂x1 0 ∂ ∂x2 D= 0 0 0 0 0 ∂ ∂x3 ∂ ∂x2 ∂ ∂x1 0 0 ∂ ∂x3 ∂ ∂x2 ∂ T ∂x3 0 (2.3) ∂ ∂x1 Se puede demostrar que las matrices de rigidez y masa de un elemento viene dadas por: Z K = B T HBdV (2.4) ρN T N dV (2.5) V Z M = V Donde V es el volumen del elemento, ρ es la densidad del material y H es una matriz del material. La tabla a continuación entrega las expresiones de H para cada tipo de elemento. Problema Matriz H Barra E Viga EI Deformaciones planas E 1−ν 2 1 ν 0 ν 1 0 Esfuerzos planos E(1−ν) (1+ν)(1−2ν) 0 0 1−ν 2 1 ν (1−ν) 0 ν (1−ν) 1 0 0 0 1−2ν 2(1−ν) ELEMENTO DE BARRA 23 Axisimétrico E(1−ν) (1+ν)(1−2ν) ν (1−ν) 1 ν (1−ν) 0 1 0 Placa en flexión Tridimensional ν (1−ν) ν (1−ν) E(1−ν) (1+ν)(1−2ν) 0 0 0 ν (1−ν) ν (1−ν) ν (1−ν) 1 ν (1−ν) 1 0 0 0 0 0 0 Notación: E=Modulo de Young, ν = Coeficiente de Poisson h=Espesor de la placa, I=Momento de inercia 2.1. Elemento de barra Consideremos el elemento de barra de Figura 2.2: ûi ûj A,E i j x L Figura 2.2: Elemento de barra L: largo del elemento A: area de la sección E: Modulo de Young ûi : desplazamiento en nodo i u(x): desplazamientos 0 1 1−ν 2 1 0 ν (1−ν) ν (1−ν) 0 0 ν 1 0 1 Eh3 ν 12(1−ν 2 ) 0 1−2ν 2(1−ν) ν (1−ν) ν (1−ν) 0 0 0 0 0 1−2ν 2(1−ν) 0 0 0 0 0 0 1−2ν 2(1−ν) 0 0 0 0 0 0 1−2ν 2(1−ν) ELEMENTO DE BARRA 24 Para el caso de una barra se definen dos funciones de forma: Ni (x) = 1− Nj (x) = x L x L (2.6) (2.7) Los desplazamientos se pueden escribir como: ûi u(x) = Ni Nj = N û uˆj (2.8) Por lo tanto, N = B = d N = −1/L 1/L dx 1 − x/L x/L (2.9) (2.10) Por ultimo las matrices de rigidez y masa viene dada por: Z L EA 1 −1 −1/L Kl = E −1/L 1/L Adx = 1/L L −1 1 x=0 Z L Ml = ρ x=0 1 − x/L 1 − x/L x/L L/3 x/L Adx = ρA L/6 ûi 2.1.1. L/6 L/3 (2.12) ûj Coordenadas locales i (2.11) yA,E globales j x Consideremos una barra como la mostrada en la Figura 2.3. Para determinar las L matrices de rigidez y masa en función de las coordenadas globales, es necesario definir las matrices de rotación. v y u y2 x x2 y1 α x1 Figura 2.3: Sistema de coordenadas locales y globales ELEMENTO DE VIGA 25 De la Figura 2.3 se tiene que: cos α u1 = 0 u2 | {z } | sin α 0 0 cos α 0 sin α {z ql } R | x1 y1 x2 y2 {z qg (2.13) } Dado que la energı́a es invariante respecto del sistema de referencia: 1 T q Kl ql 2 l = 1 T q Kg qg 2 g (2.14) 1 T q̇ Ml q̇l 2 l = 1 T q̇ Mg q̇g 2 g (2.15) De donde se obtiene que las matrices con respecto al sistema global vienen dadas por: 2.2. Kg = RT Kl R (2.16) Mg = R T Ml R (2.17) Elemento de viga Consideremos elemento de viga como el mostrado en la Figura 2.4. y vj, θj vi, θi E,I i j L Figura 2.4: Elemento de viga L: Largo I: Momento de inercia de la sección E: Modulo de Young x ELEMENTO DE VIGA 26 v(x): Desplazamiento vertical θ(x): Rotación en el eje z Para el caso de un elemento de viga se definen las cuatro funciones de forma mostradas en la Figura 2.5. ܰଵ = 1- ܰଷ = ଷ௫ మ మ ଷ௫ మ మ − + ଶ௫ య య ܰଶ = x- ଶ௫ య య ܰସ = - ଶ௫ మ ௫మ ௫య + మ ௫య + మ Figura 2.5: Funciones de forma para un elemento de viga Por lo tanto, se tiene que: N (x) = B(x) = h 2 3 x x 1 − 3L 2 + 2 L3 2 x − 2 xL + d N (x) = − L62 + 2 d x 12x L3 x3 L2 − L4 + 2 x 3L 2 − 6x L2 6 L2 x3 L3 − 2 − xL + 12x L3 x3 L2 − L2 + i 6x L2 (2.18) (2.19) ELEMENTO DE VIGA 27 De donde se obtiene finalmente que: vi Kl = θi EI 12 6L L3 −12 6L 2.2.1. = θj 6L −12 6L 4L2 −6L 2L2 −6L 12 −6L 2L2 −6L 4L2 Ml vj 156 ρA 22L 420 54 −13L 22L 54 4L2 13L 13L 156 −3L2 −22L (2.20) −13L −3L2 −22L 4L2 (2.21) Coordenadas locales y globales Consideremos una viga como la mostrada en la Figura 2.6. y v u θ y2 x x2 y1 α x1 Figura 2.6: Sistema de coordenadas locales y globales De la Figura 2.6 se tiene que: v1 − sin α θ1 0 v2 = 0 θ2 0 | cos α 0 0 0 0 0 1 0 0 − sin α 0 0 {z R 0 0 cos α 0 0 0 0 1 } x1 y1 θ1 x2 y2 θ2 (2.22) ELEMENTO DE VIGA 3D 28 Las matrices con respecto al sistema global vienen dadas por: 2.3. Kg = RT Kl R (2.23) Mg = R T Ml R (2.24) Elemento de viga 3D Un elemento de viga 3D combina un elemento de viga, barra e incorpora además torsión. La Figura 2.7 muestra un esquema, cada nodo tiene 6 grados de libertad. y x z v2 v1 θv2 θv1 u1 E, A, Ix, Iy, Iz θw1 u2 θw2 w1 θu1 L w2 θu2 Figura 2.7: Elemento de viga 3D En este caso, las matrices de rigidez y masa del elemento de viga 3D en el sistema coordenadas local vienen dadas por: ELEMENTO DE VIGA 3D Kl u1 v1 EA L 0 0 12EIz L3 0 0 0 0 EI 0 0 = 6EIy L3 0 L2 −EA 0 L 0 −12EIz L3 0 0 0 0 0 0 6EIz 0 L2 Ml 29 = ρAL 1 3 0 0 0 0 0 1 6 0 0 0 0 0 0 13 35 0 0 0 11L 210 0 9 70 0 0 0 −13L 210 w1 0 0 12EIy L3 0 −6EIy L2 0 0 0 −12EIy L3 0 −6EIy L2 0 0 0 13 35 0 −11L 210 0 0 0 9 70 0 13L 210 0 θu1 θv1 θw1 0 0 0 0 0 0 GIx L 0 0 0 0 0 −GIx L 0 0 0 0 0 r2 3 0 0 0 0 0 r2 6 0 0 −6EIy L2 0 4EIy L 0 0 0 6EIy L2 0 2EIy L2 0 0 0 −11L 210 0 L2 105 6EIy L2 0 0 0 4EIz L 0 −6EIz L2 0 0 0 2EIz L2 0 11L 210 0 0 0 2 0 0 0 L 105 −13 420 0 0 0 0 −L2 140 0 0 13 420 2 −L 140 u2 v2 −EA L 0 0 0 0 0 0 EA L −12EIz L3 w2 0 0 0 −6EIz L2 0 0 0 0 0 6EIy L2 0 0 0 0 0 0 0 0 12EIy L3 −6EIz L2 0 1 6 0 0 0 0 0 0 1 3 0 0 0 0 0 9 70 0 0 0 13 420 0 13 35 0 0 0 −11L 210 θv2 θw2 0 0 0 0 0 0 0 0 −12EIy L3 12EIz L3 θu2 0 6EIy L2 0 0 9 70 0 −13 420 0 0 0 13 35 0 11L 210 0 −GIx L 0 0 0 0 0 GIx L 0 0 0 0 0 r2 6 0 0 0 0 0 r2 3 0 0 −6EIy L2 0 2EIy L2 0 0 0 6EIy L2 0 4EIy L 0 0 0 13L 210 0 −L2 140 0 0 0 11L 210 0 L2 105 0 6EIz L2 0 0 0 2EIz L2 0 −6EIz 2 L 0 0 0 4EIz L 0 −13L 210 0 0 0 −L2 140 0 −11L 210 0 0 0 L2 105 ELEMENTO DE VIGA 3D 2.3.1. 30 Rotación A continuación se construirá el operador de rotación, que permite expresar las matrices con respecto a un sistema global de coordenadas. Sean, p1 p2 = = x1 y1 z1 x2 y2 z2 las posiciones de los nodos del elemento en el sistema global de coordenadas. − La dirección del eje neutral del elemento, → e se define por: x p2 − p1 p2 − p1 → − ex = = kp2 − p1 k L (2.25) − − ey y → ez , es necesario definir un tercer punto p3 que junto a p1 y p2 Para definir → definen el plano Oxz del elemento. Definiendo p3 se tiene que: (p3 − p1 ) × (p2 − p1 ) k(p3 − p1 ) × (p2 − p1 )k → − ey = → − ez − − = → ex × → ey (2.26) (2.27) × es el producto cruz entre dos vectores. Ahora se puede definir el operador de rotación que relaciona: xg = Rxl (2.28) donde xg es la posición de los ejes globales y xl es la posición de los ejes locales: −→ T − ex − ey → ey R= → (2.29) Se tiene que: u v = w θu θv = θw x y R z θx θy R θz (2.30) (2.31) ENSAMBLE 31 De donde, se puede expresar el vector de desplazamientos del elemento en los ejes locales y globales como: x1 u1 y1 v1 z w 1 1 θ θ x1 u1 θ θ R 0 0 0 y1 v1 θz1 0 R 0 0 θ w1 = (2.32) x2 0 0 R 0 u2 y2 0 0 0 R v2 | {z } z w 2 2 T θx2 θu2 θ θ y2 v2 θz2 θw2 Las matrices de rigidez y masa del elemento, expresadas en el sistema global de coordenadas quedan, 2.4. Kg = T T Kl T (2.33) Mg = T T Ml T (2.34) Ensamble La matrices de masa y rigidez de un sistema es un ensamble de las matrices de cada elemento. Para realizar el ensamble, necesitamos saber que grados de libertad están asociados que elemento en la estructura. Por ejemplo, consideremos el caso de una viga simple apoyada en ambos extremos que se muestra en la Figura 2.8. 1 2 3 4 5 Figura 2.8: Esta viga esta compuesta por 5 elementos de viga, cada uno con 4 grados de libertad. La estructura en total tiene 5 elementos, 6 nodos y 12 grados de libertad (2 grados por nodo). La matriz de rigidez de la viga completa es un ensamble de las 5 matrices de rigidez, ubicadas en los grados de libertad correspondiente. Esto es, la matriz K1 del primer elemento abarca los grados 1 a 4, la matriz K2 los ENSAMBLE 32 elementos 3 a 6, etc. La Figura 2.9 ilustra este ensamble. La matriz de masa se construye de manera equivalente. K1 0 K2 K= K3 K4 0 K5 Figura 2.9: Ensamble matriz de rigidez La condición de borde, es que los grados de libertad de desplazamiento vertical en los nodos 1 y 6 están fijos. Para fijar grados de libertad, se eliminan las filas y columnas asociadas a estos grados en las matrices ensambladas. El siguiente código resuelve el problema en Matlab: %Propiedades de la viga E=3.2e10; %Pa modulo de elasticidad rho=2500; %densidad Kg/m3 A=0.05; %mˆ2 área Iz=1.66e-4; %mˆ4 inercia sección %Definición de los elementos l=6; %largo total en metros n=5; %número de elementos le=l/n; %m largo de un elemento ne=(n+1)*2; %grados de libertad %Nodos con restricciones de libertad fix=[1 11]; %Nodos con restricciones %matriz de masa de un elemento Me=rho*A*le/420*[156 22*le 54 22*le 4*leˆ2 13*le 54 13*le 156 -13*le -3*leˆ2 -22*le -13*le; -3*leˆ2; -22*le; 4*leˆ2]; ENSAMBLE %matriz de rigidez de un elemento Ke=E*Iz/leˆ3*[12 6*le -12 6*le; 6*le 4*leˆ2 -6*le 2*leˆ2; -12 -6*le 12 -6*le; 6*le 2*leˆ2 -6*le 4*leˆ2]; %matrices iniciales K=zeros(ne,ne); M=zeros(ne,ne); %locel: grados de libertad asociados a cada elemento for i=1:n j=2*(i-1)+1; locel(i,1:4)=(j):(j+3); end %ensamble for i=1:n K(locel(i,:),locel(i,:))=K(locel(i,:),locel(i,:)) + Ke; M(locel(i,:),locel(i,:))=M(locel(i,:),locel(i,:)) + Me; end %fijar grados de libertad free=setdiff(1:ne,fix); K=K(free,free); M=M(free,free); %frecuencias naturales y modos [Phif,W]=eig(K,M); w=sqrt(diag(W))/2/pi; Phi=zeros(ne,ne-length(fix)); Phi(free,:)=Phif; %Gráfica los primeros tres modos for i=1:3 figure set(gcf,’Position’,[100 100 500 400]) set(gca,’FontSize’,18) set(gca,’Units’,’centimeters’) set(gca,’Position’,[1.0 1.5 11 8]) set(gcf, ’PaperUnits’,’inches’); plot(0:ne/2-1,Phi(1:2:ne,i),’-b’,’LineWidth’,3) 33 ENSAMBLE 34 xlim([0 ne/2-1]) set(gca,’YTick’,[]); set(gca,’XTick’,[0:5]); set(gca,’XTicklabel’,[1:6]); xlabel(’Nodo’,’FontSize’,16) title([’Modo ’ num2str(i) ’, \omega= ’ num2str(w(i),3) ’Hz’],’FontSize’,16) grid on; end La Figura 2.10 muestra los primeros tres modos de la viga. Modo 1, ω= 9Hz 1 2 3 4 Nodo Modo 3, ω= 81.6Hz 5 6 1 2 3 4 Modo 2, ω= 36Hz 5 6 Nodo Figura 2.10: Modos de la viga 1 2 3 4 Nodo 5 6 Capı́tulo 3 Integración numérica de las ecuaciones de movimiento Para un problema general, la ecuación de movimiento viene dada por: M ẍ + C ẋ + Kx = F (3.1) Donde M, C y K son las matrices de masa, amortiguación y rigidez respectivamente. F es un vector de fuerzas externas, y ẍ, ẋ, x son vectores de aceleración, velocidad y desplazamiento respectivamente. Matemáticamente, la ecuación 3.1 representa un sistema de ecuaciones diferenciales lineales de segundo orden, las que en un principio, se pueden resolver por procedimientos estándar para ecuaciones diferenciales ordinarias. Sin embargo, estos procedimientos pueden ser muy costosos (en términos de tiempo y cantidad de cálculos necesarios) si las matrices son grandes. En el análisis de elementos finitos, se utilizan algunos algoritmos eficientes para resolver las ecuaciones de movimiento, los que veremos en las secciones siguientes. Los métodos que veremos se dividen en dos categorı́as: integración directa y superposición modal. Aunque ambas técnicas puedan parecer muy distintas a primera vista, están fuertemente relacionadas, y la selección de una u otra depende de su eficiencia para calcular la solución numérica. 3.1. Métodos de integración directa En la integración directa las ecuaciones de movimiento son integradas por un procedimiento numérico por pasos, el término “directa” significa que no es necesario 35 MÉTODOS DE INTEGRACIÓN DIRECTA 36 hacer transformaciones de las ecuaciones previo a la integración numérica. En los procedimientos de integración temporal, se asume que los vectores de aceleración, velocidad y desplazamiento en el tiempo t = 0 ,ẍ(0), ẋ(0), x(0), son conocidos. La solución se divide en pasos de tiempo ∆t. 3.1.1. El método de las diferencias centrales El método de las diferencias centrales utiliza la aproximación: ẍ(t) = 1 (x(t − ∆t) − 2x(t) + x(t + ∆t)) ∆t2 (3.2) El error en la expansión de 3.2 es del orden de ∆t2 , para tener el mismo orden de error en la expansión de la velocidad se utiliza: ẋ(t) = 1 (x(t + ∆t) − x(t − ∆t)) 2∆t (3.3) El desplazamiento en el tiempo t + ∆t se obtiene al considerar la ecuación de movimiento en t: M ẍ(t) + C ẋ(t) + Kx(t) = F (t) (3.4) Substituyendo, se obtiene: 1 1 2 1 1 M + C x(t+∆t) = F (t)− K − M x(t)− M − C x(t−∆t) ∆t2 2∆t ∆t2 ∆t2 2∆t (3.5) Se debe notar que para calcular x(t + ∆t), son necesarios x(t) y x(t − ∆t). Por lo tanto, se debe utilizar un procedimiento especial de inicialización. Dado que se conocen ẍ(0), ẋ(0), x(0), las ecuaciones 3.2 y 3.3 se pueden utilizar para calcular x(−∆t): x(−∆t) = x(0) − ∆tẋ(0) + ∆t2 ẍ(0) 2 (3.6) En general, para llegar a soluciones estables se requiere un paso de tiempo relativamente pequeño. De hecho, en el método de las diferencias centrales es paso de tiempo debe ser menor que un valor crı́tico ∆tcr . El paso de tiempo crı́tico se determina como: ∆tcr = Tn π (3.7) MÉTODOS DE INTEGRACIÓN DIRECTA 37 donde Tn es el menor periodo en el sistema, entre el inverso de la mayor frecuencia natural y la frecuencia de las fuerzas externas. La Tabla 3.1 ilustra el procedimiento paso a paso para resolver las ecuaciones de movimiento mediante el método de las diferencias centrales. Tabla 3.1: Procedimiento paso a paso, método de diferencias centrales Cálculos iniciales: 1. Crear matrices de rigidez K, masa M y amortiguación C. 2. Inicializar ẍ(0), ẋ(0), x(0). 3. Seleccionar paso de tiempo ∆t, ∆t ≤ ∆tcr . Calcular constantes de integración. a0 = 1 ; ∆t2 a1 = 1 ; 2∆t a2 = 2a0 ; a3 = 1 a2 4. Calcular x(−∆t) = x(0) − ∆tẋ(0) + a3 ẍ(0) 5. Formar matriz de masa efectiva M̂ = a0 M + a1 C. Para cada paso de tiempo: 1. Calcular fuerzas efectivas en t: F̂ (t) = F (t) − (K − a2 M )x(t) − (a0 M − a1 C)x(t − ∆t) 2. Determinar desplazamientos en t + ∆t: x(t + ∆t) = M̂ −1 F̂ (t) 3. Si se requiere, evaluar las aceleraciones y velocidades en t: ẍ(t) = a0 (x(t − ∆t) − 2x(t) + x(t + ∆t)) ẋ(t) = a1 (x(t + ∆t) − x(t − ∆t)) 3.1.2. El método de Wilson θ En el método de Wilson θ se asume una variación lineal de la aceleración entre un paso de tiempo t y t + θ∆t, donde θ ≥ 1, como se ilustra en la Figura 3.1. MÉTODOS DE INTEGRACIÓN DIRECTA 38 Si θ = 1, el método se reduce a un esquema de aceleración lineal. Pero se puede demostrar que para asegurar estabilidad incondicional es necesario utilizar θ ≥ 1,37, usualmente se emplea θ = 1,4 ݔሷ ( ݐ+ θ∆)ݐ ݔሷ ( ݐ+ ∆)ݐ ݔሷ ()ݐ t + ∆t t t + θ∆t Figura 3.1: Supuesto de aceleración lineal, método de Wilson θ Denotemos τ como el incremento en el tiempo, donde 0 ≤ τ ≤ θ∆t. Entonces en el intervalo t a t + θ∆t se tiene que: ẍ(t + τ ) = ẍ(t) + τ (ẍ(t + θ∆t) − ẍ(t)) θ∆t (3.8) Integrando la ecuación anterior se obtiene que, ẋ(t + τ ) = ẋ(t) + τ ẍ(t) + τ2 (ẍ(t + θ∆t) − ẍ(t)) 2θ∆t (3.9) y 1 τ3 x(t + τ ) = x(t) + τ ẋ(t) + τ 2 ẍ(t) + (ẍ(t + θ∆t) − ẍ(t)) 2 6θ∆t (3.10) Usando 3.9 y 3.10, se tiene en el tiempo t + θ∆t, θ∆t (ẍ(t + θ∆t) + ẍ(t)) 2 ẋ(t + θ∆t) = ẋ(t) + x(t + θ∆t) = x(t) + θ∆tẋ(t) + θ2 ∆t2 (ẍ(t + θ∆t) + 2ẍ(t)) 6 (3.11) (3.12) De donde se puede expresar ẍ(t + θ∆t) y ẋ(t + θ∆t) en términos de x(t + θ∆t): ẍ(t + θ∆t) = 6 6 (x(t + θ∆t) − x(t)) − ẋ(t) − 2ẍ(t) θ2 ∆t2 θ∆t (3.13) ẋ(t + θ∆t) = θ∆t 3 (x(t + θ∆t) − x(t)) − 2ẋ(t) − ẍ(t) θ∆t 2 (3.14) MÉTODOS DE INTEGRACIÓN DIRECTA 39 Para obtener la solución de los desplazamientos, velocidades y aceleraciones en el tiempo t + ∆t, se considera la ecuación de movimiento en el tiempo t + θ∆t. Sin embargo, dado que la aceleración varia linealmente, se utiliza un vector de fuerzas extrapolado linealmente, i e., la ecuación utilizada es: M ẍ(t + θ∆t) + C ẋ(t + θ∆t) + Kx(t + θ∆t) = F̄ (t + θ∆t) (3.15) F̄ (t + θ∆t) = F (t) + θ(F (t + ∆t) − F (t)) (3.16) Sustituyendo las ecuaciones 3.13 y 3.14 en 3.15, se obtiene una ecuación en donde se puede despejar x(t + θ∆t). Luego, sustituyendo x(t + θ∆t) en 3.13, se obtiene ẍ(t + θ∆t) la que es usada en las ecuaciones 3.8 a 3.10, todas evaluadas en τ = ∆t para calcular x(t + ∆t), ẋ(t + ∆t) y ẍ(t + ∆t). El algoritmo completo se da en la Tabla 3.2 Se debe notar que con este método no se requiere inicializaciones especiales, dado que los desplazamientos, velocidades y aceleraciones en el tiempo t + ∆t se expresan en términos de las mismas cantidades en el paso de tiempo anterior t. Tabla 3.2: Procedimiento paso a paso, método de Wilson θ Cálculos iniciales: 1. Crear matrices de rigidez K, masa M y amortiguación C. 2. Inicializar ẍ(0), ẋ(0), x(0). 3. Seleccionar paso de tiempo ∆t y θ. Calcular constantes de integración. a0 = 6 ; (θ∆t)2 a5 = −a2 ; θ a1 = 3 ; θ∆t 3 a6 = 1 − ; θ a2 = 2a1 ; a7 = ∆t ; 2 a3 = a8 = θ∆t ; 2 a4 = a0 θ ∆t2 6 4. Formar matriz de rigidez efectiva K̂ = K + a0 M + a1 C. Para cada paso de tiempo: 1. Calcular fuerzas efectivas en t + θ∆t: F̂ (t + θ∆t) = F (t) + θ(F (t + ∆t) − F (t)) + M (a0 x(t) + a2 ẋ(t) + 2ẍ(t)) +C(a1 x(t) + 2ẋ(t) + a3 ẍ(t)) MÉTODOS DE INTEGRACIÓN DIRECTA 40 2. Determinar desplazamientos en t + θ∆t: x(t + θ∆t) = K̂ −1 F̂ (t + θ∆t) 3. Evaluar aceleraciones, velocidades y desplazamientos en t + ∆t: ẍ(t + ∆t) = a4 (x(t + θ∆t) − x(t)) + a5 ẋ(t) + a6 ẍ(t) ẋ(t + ∆t) = ẋ(t) + a7 (ẍ(t + ∆t) + ẍ(t)) x(t + ∆t) = x(t) + ∆tẋ(t) + a8 (ẍ(t + ∆t) + 2ẍ(t)) 3.1.3. El método de Newmark El método de Newmark también se puede relacionar con un método de aceleraciones lineales. Utiliza los siguientes supuestos: ẋ(t + ∆t) = x(t + ∆t) = ẋ(t) + [(1 − δ)ẍ(t) + δ ẍ(t + ∆t)] ∆t 1 x(t) + ẋ(t)∆t + − α ẍ(t) + αẍ (t + ∆t) ∆t2 2 (3.17) (3.18) donde α y δ son parámetros que determinan la precisión y estabilidad del método de integración. Cuando δ = 12 y α = 16 , las ecuaciones 3.17 y 3.18 corresponden al método de aceleraciones lineales (que también se obtiene con θ = 1 en el método de Wilson θ). Newmark propuso originalmente como condición de estabilidad incondicional el esquema de promedio constante de la aceleración (también denominado regla trapezoidal), en donde δ = 12 y α = 14 (ver Figura 3.2). ݔሷ ( ݐ+ ∆)ݐ ݔሷ ()ݐ t 1 ݔሷ ݐ+ ݔሷ ( ݐ+ ∆)ݐ 2 t + ∆t Figura 3.2: Esquema de promedio de aceleración constante de Newmark MÉTODOS DE INTEGRACIÓN DIRECTA 41 Adicionalmente a las ecuaciones 3.17 y 3.18, para la solución de los desplazamientos, velocidades y aceleraciones en t + ∆t, se utilizan las ecuaciones de movimiento en t + ∆t: M ẍ(t + ∆t) + C ẋ(t + ∆t) + Kx(t + ∆t) = F (t + ∆t) (3.19) De la ecuación 3.18 se puede despejar ẍ(t + ∆t) en función de x(t + ∆t) y después se puede reemplazar en la ecuación 3.17. De esta manera se obtienen ẍ(t + ∆t) y ẋ(t + ∆t) en función del desplazamiento x(t + ∆t). Sustituyendo estas dos expresiones en la ecuación 3.19, se puede despejar x(t + ∆t), de donde también se tienen ẍ(t + ∆t) y ẋ(t + ∆t). El algoritmo completo utilizando el algoritmo de Newmark se ilustra en la tabla 3.3. Se debe notar la cercana relación entre el método de Wilson θ y el método de Newmark. Tabla 3.3: Procedimiento paso a paso, método de Newmark Cálculos iniciales: 1. Crear matrices de rigidez K, masa M y amortiguación C. 2. Inicializar ẍ(0), ẋ(0), x(0). 3. Seleccionar ∆t y los parámetros α y δ. Calcular constantes de integración. δ ≥ 0,50; α ≥ 0,25(0,5 + δ)2 1 1 1 δ ; a1 = ; a2 = ; a3 = − 1; α∆t2 α∆t α∆t 2α ∆t δ −2 ; a6 = ∆t(1 − δ); a7 = δ∆t a5 = 2 α a0 = 4. Formar matriz de rigidez efectiva K̂ = K + a0 M + a1 C. Para cada paso de tiempo: 1. Calcular fuerzas efectivas en t + θ∆t: F̂ (t + ∆t) = F (t + ∆t) + M (a0 x(t) + a2 ẋ(t) + a3 ẍ(t)) +C(a1 x(t) + a4 ẋ(t) + a5 ẍ(t)) 2. Determinar desplazamientos en t + ∆t: a4 = δ −1 α MÉTODOS DE INTEGRACIÓN DIRECTA 42 x(t + ∆t) = K̂ −1 F̂ (t + ∆t) 3. Evaluar aceleraciones y velocidades en t + ∆t: ẍ(t + ∆t) = a0 (x(t + ∆t) − x(t)) − a2 ẋ(t) − a3 ẍ(t) ẋ(t + ∆t) = ẋ(t) + a6 ẍ(t) + a7 ẍ(t + ∆t) 3.1.4. Ejemplo Consideremos un sistema simple, cuyas ecuaciones de movimiento son las siguientes: 2 0 0 1 ẍ1 ẍ2 0,3 + −0,1 −0,1 0,2 ẋ1 ẋ2 6 + −2 −2 4 x1 x2 = 0 10 (3.20) Las frecuencias naturales del este sistema son 0.23Hz y 0.36Hz, por lo tanto el menor periodo del sistema es 2.78s. El paso de tiempo crı́tico es ∆tcr = 2,78 π = 0,88s. Utilizando un paso de tiempo 0.18s se obtienen, de acuerdo a los algoritmos descritos en las secciones anteriores, los resultados mostrados en la Figura 3.3. Los tres algoritmos de integración dan resultados similares, aunque el método de las diferencias centrales es que método que más se acerca a la solución exacta. Se asumieron desplazamientos y velocidades iniciales nulas. Dif. Centrales Wilson Newmark Exacta 3 2.5 2 x1(t) 1.5 1 0.5 0 -0.5 -1 0 1 2 3 Tiempo (s) 4 Figura 3.3: Desplazamientos obtenidos 5 SUPERPOSICIÓN MODAL 3.2. 43 Superposición modal En los métodos de integración directa se deben realizar muchas operaciones en cada paso de tiempo. Si se debe integrar en un numero alto de pasos de tiempo, puede ser más conveniente transformar las ecuaciones de movimiento en una forma que requiera de menos operaciones para cada paso de tiempo. Aprovechando las propiedades ortogonales de los modos propios, se puede definir la transformación: x(t) = Φy(t) (3.21) De donde se obtiene la ecuación de movimiento: ΦT M Φÿ + P hiT CΦẏ + P hiT KΦy = ΦT F (3.22) Las matrices ΦT M Φ, ΦT CΦ y ΦT KΦ son matrices diagonales, por lo que el sistema de ecuaciones 3.22 es un sistema de ecuaciones desacoplado. En consecuencia, se tienen n ecuaciones individuales de la forma: mi y¨i + ci y˙i + ki yi = ri ri = φTi F (t) i = 1, 2, 3, . . . , n (3.23) La solución para cada una de las ecuaciones se puede obtener utilizando los algoritmos de integración antes descritos o de acuerdo al procedimiento descrito en la sección 1.1.3. Una vez calculada la solución para cada una de las ecuaciones. La solución general se obtiene al superponer las soluciones modales: x(t) = n X φi yi (t) (3.24) i=1 3.2.1. Ejemplo Consideremos el sistema de ecuaciones 3.20. Para este sistema los modos normales son: −0,5774 −0,4082 Φ= (3.25) −0,5774 0,8165 Reemplazando Φ en ecuación 3.22, se obtiene: 1 0 ÿ1 0,1 0,0 ẏ1 2 0 y1 −5,7735 + + = (3.26) 0 1 ÿ2 0,0 0,25 ẏ2 0 5 y2 8,1650 SUPERPOSICIÓN MODAL 44 Este sistema de ecuaciones se puede resolver utilizando algún algoritmo de integración. Utilizando diferencias centrales con el mismo paso de tiempo del ejemplo anterior, se obtiene la solución para y(t). La solución, x(t), viene dada por: x(t) = −0,5774 −0,5774 y1 (t) + −0,4082 0,8165 y2 (t) (3.27) La solución obtenida se muestra en la Figura 3.4. Como es de esperarse, la solución es la misma que si se utiliza diferencias modales con o sin transformación modal de las ecuaciones. La ventaja de la transformación modal es que se reduce el tiempo requerido para calcular la solución a cada paso de tiempo. 3 2.5 2 1 x (t) 1.5 1 0.5 0 -0.5 Superposicion Modal Dif. Centrales -1 0 1 2 3 Tiempo (s) 4 Figura 3.4: Desplazamientos obtenidos 5 Capı́tulo 4 Procesamiento de señales El procesamiento de digital señales es una herramienta muy importante en el análisis de sistemas. En esta sección se dará un resumen de los conceptos básicos asociados al procesamiento de señales. La señales, en general, se pueden clasificar de acuerdo a la tabla 4.1. Las señales estacionarias son aquellas cuyas propiedades promedio no varı́an con el tiempo, pueden ser o deterministicas o aleatorias. El grupo más importante de señales deterministicas son las señales periódicas. Una función pseudo-aleatoria es una señal aleatoria que se repite con un cierto periodo. Las señales no estacionarias se pueden dividir en continuas o transientes. Las señales transientes se pueden definir como señales que comienzan y terminar en cero en el periodo de observación. Señales Estacionarias No estacionarias Determinı́stica Aleatoria Continua Transiente Periódica Cuasi-periódica Pseudo-aleatoria Tabla 4.1: Tipos de señales Dado que el objetivo del procesamiento de señales es extraer el máximo de información de las señales, es en general beneficioso estudiar las señales en distintos dominios. Las señales medidas son, claramente, funciones en el dominio del tiempo. Para estudiar su contenido en frecuencias, es más fácil examinar las señales en el 45 LA TRANSFORMADA DE FOURIER 46 dominio de frecuencias. La transformada (inversa) de Fourier, permite transformar de manera sensilla una señal en el tiempo a una señal en frecuencia y viceversa. En consecuencia, la transformada de Fourier es uno de los temas más importante en procesamiento de señales. 4.1. La transformada de Fourier J.B. Fourier probó que una función periódica en el tiempo se puede representar como una suma de componentes sinusoidales a frecuencias equiespaciadas: g(t) = +∞ X G(k∆f )ej2πk∆f t (4.1) −∞ Los coeficientes de fourier viene dados por: Z 1 +T /2 G(k∆f ) = g(t)e−j2πk∆f t dt T −T /2 (4.2) con: t: tiempo k: entero que cuenta los pasos en frecuencia ∆f : espaciado de frecuencias o resolución de frecuencia: ∆f = 1/T √ j = −1 T: periodo de tiempo: T = 1/∆f El set de valores G(k∆f ) se denomina espectro de la función g(t). En general el espectro posee valores complejos. Al utilizar computadores digitales, es necesario adquirir la señal continua en intervalos de tiempo. Esto significa que la señal continua es representada por una señal discreta con valores a tiempos equidistantes. Considerando esto la transformada de Fourier queda como: Z 1 +fs /2 G(f )ej2πf n∆t df (4.3) g(n∆t) = fs −fs /2 G(f ) = +∞ X −∞ con: g(n∆t)e−j2πf n∆t (4.4) LA TRANSFORMADA DE FOURIER 47 n: entero contando el numero de pasos de tiempo ∆t: intervalo de muestreo: ∆t = 1/fs fs : frecuencia de muestreo: fs = 1/∆t En condiciones reales de medición experimental es imposible medir la señal temporal hasta un tiempo infinito. Una parte de la señal debe ser seleccionada. Se asume que la señal capturada se repite con un periodo T, entregando una función periódica. Combinando la hipótesis de periodicidad con un muestreo temporal de la señal, se obtiene la definición de la transformada discreta de Fourier: g(n∆t) = Ns −1 1 X G(k∆f )ej2πnk/Ns fs (4.5) k=0 G(k∆f ) = Ns −1 1 X g(n∆t)e−j2πnk/Ns Ns n=0 (4.6) con: Ns : número de datos: T = Ns ∆t y fs = Ns ∆f La evaluación directa de la transformada discreta de Fourier requiere Ns2 operaciones. Con la transformada rápida de Fourier (FFT) se reduce el número de operaciones a Ns log2 Ns . La transformada rápida de Fourier es el núcleo de todos los procesadores de señal modernos. Consideremos como ejemplo una señal sinusoidal, con periodo T=0.02s y amplitud A=1: x(t) = sen(2π50t) (4.7) La señal es muestreada a una frecuencia de 10kHz y se considera el periodo de tiempo 0-0.2s. En la Figura 4.1 se ilustra el resultado de la transformada rápida de Fourier de la señal. ERRORES Y VENTANAS 48 1 1.5 0.5 Amplitud Amplitud 1 0 0.5 -0.5 -1 0 0.05 0.1 Tiempo (s) 0.15 0.2 0 0 20 40 60 Frecuencia (Hz) 80 100 Figura 4.1: Espectro de una señal periódica 4.1.1. Algunos parámetros importantes Aquı́ se resumen algunos de los parámetros mencionados en los párrafos anteriores: T : Periodo de tiempo en donde se adquieren Ns muestras equiespaciadas de la señal a ser analizada. En la mayorı́a de los analizadores de Fourier Ns está restringidos a potencias de 2 (por ejemplo, 1024). Relaciones: T = Ns ∆t = 1/∆f fs : Frecuencia de muestreo, frecuencia a la cual se adquieren y digitalizan los datos. Relaciones: fs = 1/∆t = Ns ∆f ∆t : Intervalo de muestreo: intervalo de tiempo al cual la señal es muestreada. Relaciones: ∆t = T /Ns = 1/fs ∆f : Espaciado de frecuencias en el espectro. Relaciones: ∆f = 1/T = fs /Ns . En consecuencia, mediciones con un espaciado de frecuencias pequeño (i.e. una resolución en frecuencias alta) conllevan tiempos de medición mayores. fmax : Frecuencia máxima: frecuencia mayor contenida o permitida en la señal temporal. Según el teorema de Shannon: fmax ≤ fs /2 Ns : Número de muestras en el periodo de tiempo T: Ns = T /∆t = fs /∆f 4.2. Errores y ventanas Durante el proceso de análisis digital de una señal pueden ocurrir muchos errores. Errores tı́picos son sobrecargas, ruido digital, errores de cuantificación, limitaciones del rango dinámico. Sin embargo, los dos errores principales son aliasing y leakage. ERRORES Y VENTANAS 4.2.1. 49 Aliasing El aliasing se produce debido al hecho que la señal temporal debe ser muestreada. Componentes de alta frecuencia en la señal pueden causar errores de amplitud y frecuencia en el espectro. Si la mayor frecuencia contenida en una señal no cumple con el teorema de Shannon: fmax ≤ fs /2, entonces las frecuencias por sobre fs /2 van a aparecer como frecuencias menores a fs /2. La Figura 4.2 muestra un ejemplo de Aliasing, se muestran tres senos con frecuencias de 1, 4 y 6 Hz muestreados a 5 Hz, a la frecuencia de muestreo los tres senos son idénticos. 1 1 Hz 4 Hz 6 Hz Amplitud 0.5 0 -0.5 -1 0 0.2 0.4 0.6 Tiempo (s) 0.8 1 Figura 4.2: Aliasing: Seno a 1, 4 y 6 Hz, muestreados a 5 Hz (cı́rculos) Aliasing se puede evitar removiendo todos los componentes con frecuencias mayores a fs /2. Esto se puede lograr con una señal de excitación apropiada, aunque se logra generalmente utilizando un filtro pasa bajas. Dado que no existen filtros que remuevan todas las frecuencias altas a cero sin influenciar en las bajas, los filtros se fijan normalmente a un 40 % de fs . 4.2.2. Leakage El Leakage se origina debido a que los datos deben ser adquiridos en un periodo de observación finito T . La transformada discreta de Fourier asume entonces que la señal es periódica con periodo T. Si esta condición no se cumple, se produce un error de “leakage”. La Figura 4.3 ilustra el espectro obtenido de una señal tipo coseno, cuando la función es periódica en T y cuando no lo es. En el segundo caso, ERRORES Y VENTANAS 50 el espectro discreto no coincide con el real. El error en la hipótesis de periodicidad produce errores importantes de amplitud y frecuencia. 1.5 Amplitud Amplitud 1 0.5 0 1 2 0 0 3 2 4 6 Frecuencia (Hz) 8 10 2 4 6 Frecuencia (Hz) 8 10 Tiempo (s) 1.5 Amplitud Amplitud 1 0.5 0 0.8 1.6 Tiempo (s) 2.4 0 0 Figura 4.3: Hipótesis de periodicidad, Leakage La única solución al problema de leakage, es asegurarse que la señal es periódica o se observa completamente en el periodo de adquisición, lo que en general, es muy difı́cil de lograr. En sistemas perfectamente lineales, se puede lograr al excitarlos con una señal periódica en el intervalo de tiempo considerado. Aumentar el tiempo de adquisición, i.e. aumentar la resolución en frecuencias, ayuda a mejorar la periodicidad de la señal. El uso de ventanas de tiempo también ofrecen una solución parcial al problema de leakage. 4.2.3. Ventanas El uso de ventanas de tiempo no se puede evitar en el procesamiento digital de una señal. Al medir una señal temporal, solo una parte de la señal total es considerada. ERRORES Y VENTANAS 51 Esto equivale a multiplicar la señal actual con una ventana de tiempo rectangular (Figuras 4.4(a) y 4.5(a)). Sin embargo, una mejor selección de la ventana puede reducir considerablemente el error debido a leakage. En general, se buscan ventanas que reduzcan las discontinuidades en los extremos de la señal, dado que reducen el error por leakage al forzar la señal a ser periódica. La selección de una ventana de tiempo, es siempre un compromiso entre una buena estimación de la amplitud y una buena resolución espectral. La figura 4.4 muestra un conjunto de ventanas de tiempo que son usualmente empleadas. 0 Hamming Amplitud Amplitud Hanning Amplitud Rectangular 0 Tiempo (s) 0 Tiempo (s) (a) Rectangular Tiempo (s) (b) Hanning (c) Hamming Flat-top Amplitud Amplitud Gaussian 0 0 Tiempo (s) (d) Gaussian Tiempo (s) (e) Flat-top Figura 4.4: Diferentes ventanas de tiempo En la Figura 4.5 se muestra el espectro obtenido de una señal periódica utilizando las distintas ventanas de tiempo. La señal esta compuesta por un coseno de frecuencia f1 y amplitud 1, y un coseno de frecuencia f2 y amplitud 0.01. El coseno de frecuencia f1 no es periódico en el intervalo de tiempo considerado. Se observa que solo algunas ventanas son capaces de separar bien ambas señales. Es importante notar, que dado que la señal no es periódica en el periodo considerado, la amplitud en el dominio de frecuencias depende de la ventana y de la ubicación de la señal no-periódica con respecto a los puntos de frecuencias muestreadas. En consecuencia, este error no puede ser corregido por un factor general. También es importante destacar, que el uso de ventanas no rectangulares, reduce el total de energı́a en la señal. Lo que conlleva a una reducción en la amplitud mostrada en el dominio de frecuencias. La cantidad de energı́a solo depende de la forma de la ventana y por lo tanto, este error puede ser compensado. 52 Amplitud log(Amplitud) ERRORES Y VENTANAS f1 f2 Tiempo (s) Frecuencia (Hz) Amplitud log(Amplitud) (a) Rectangular f1 f2 Tiempo (s) Frecuencia (Hz) Amplitud log(Amplitud) (b) Hanning f1 f2 Tiempo (s) Frecuencia (Hz) Amplitud log(Amplitud) (c) Hamming f1 f2 Tiempo (s) Frecuencia (Hz) Amplitud log(Amplitud) (d) Gaussian f1 f2 Tiempo (s) Frecuencia (Hz) (e) Flat-top Figura 4.5: Diferentes ventanas, f (t) = cos(f1 (2πt)) + 0,01cos(f2 (2πt)) ERRORES Y VENTANAS 53 Existen dos ventanas especiales que se utilizan test de impacto. En el caso de test de impacto la señal de entrada es una señal tipo pulso y la respuesta es una combinación de sinusoides que disminuye en el tiempo (Figura 4.6). Para la respuesta se usa una ventana exponencial w(t) = e−αt . En el caso de estructuras con baja amortiguación o si el tiempo de adquisición es muy breve, la respuesta no llegará a cero al final del bloque de tiempo, lo que causa discontinuidades y leakage. Al multiplicar esta respuesta con una ventana exponencial da como resultado una señal que es casi zero al final del bloque de tiempo. En el caso de estructuras con alta amortiguación o con un tiempo de adquisición alto, la señal llega a cero antes del final del bloque de tiempo y el resto de lo medido es básicamente ruido experimental. Al aplicar una ventana exponencial, en este caso, se reduce la contribución del ruido. Dado que la fuerza es de corta duración, cualquier ruido durante el resto de la señal no es deseable. Aplicar una ventana que sea igual a la ventana exponencial durante el pulso, suavemente desciende a cero justo después del pulso y permanece igual a cero durante el resto del bloque de tiempo, ofrece una solución al problema del ruido (Figura 4.7). Figura 4.6: Señal tı́pica de impacto y respuesta al impacto Figura 4.7: Ventanas de fuerza y exponencial FUNCIONES DE RESPUESTA EN FRECUENCIA Y FUNCIONES DE COHERENCIA 54 La combinación de una venta de fuerza y una ventana exponencial, añade amortiguamiento al sistema. La funciones de respuesta en frecuencia resultantes van a contener el efecto de este amortiguamiento extra. No es fácil remover este amortiguamiento de las funciones de respuesta en frecuencia, sin embargo, puede ser considerado en la etapa de estimación de parámetros. 4.3. Funciones de respuesta en frecuencia y funciones de coherencia Sea F (f ) el espectro en frecuencia de una señal de entrada f (t) y X(f ) es espectro en frecuencia de una señal de salida x(t), la función de respuesta en frecuencia (FRF), H(f ), entre ambas señales se define como: H(f ) = X(f ) F (f ) (4.8) Al calcular H(f ) con la expresión anterior se corre el riesgo que existan términos donde F (f ) sea cero. Por lo tanto, en la practica se utilizan maneras alternativas de calcular H(f ), utilizando las potencias espectrales: H1 (f ) = X(f ) F ∗ (f ) GXF = ∗ F (f ) F (f ) GF F (4.9) H2 (f ) = GXX X(f ) X ∗ (f ) = F (f ) X ∗ (f ) GF X (4.10) El principal motivo para estimar las funciones de respuesta en frecuencia con las ecuaciones anteriores es la reducción del ruido no correlacionado en las señales de entrada o salida al promediar. FUNCIONES DE RESPUESTA EN FRECUENCIA Y FUNCIONES DE COHERENCIA 55 En la práctica, la función de respuesta en frecuencia es estimada con valores promedio de las potencias espectrales, ĜF F = Na 1 X (GF F )n Na n=1 (4.11) ĜXX = Na 1 X (GXX )n Na n=1 (4.12) ĜF X = Na 1 X (GF X )n Na n=1 (4.13) ĜXF = Na 1 X (GXF )n Na n=1 (4.14) donde Na es el numero de promedios (el ensayo se repite Na veces), lo que entrega una aproximación de mı́nimos cuadrados de H(f ). Dado que las funciones de respuesta en frecuencia se obtiene de una aproximación de mı́nimos cuadrados, se puede definir un coeficiente de correlación. En este caso, la correlación se denomina función de coherencia y es una medida del error de mı́nimos cuadrados. La coherencia se define por: 2 ĜF X H1 (f ) 2 γ = (4.15) = H2 (f ) ĜF F ĜXX La coherencia varia entre 0 y 1. Un valor de 1, indica una relación perfectamente lineal entre las señales de entrada y salida por sobre todos los promedios. Una coherencia menor a uno, se puede deber a uno de los siguientes motivos: Ruido no correlacionado en las mediciones de f (t) y/o x(t) No-linealidades del sistema en investigación Leakage en el análisis Desfase en las mediciones no compensado en el análisis. FUNCIONES DE RESPUESTA EN FRECUENCIA Y FUNCIONES DE COHERENCIA 4.3.1. 56 Efectos del ruido experimental Consideremos que las señales de excitación y respuesta “verdaderas” son e(t) y r(t), respectivamente, las señales medidas son: f (t) = e(t) + m(t) (4.16) x(t) = r(t) + n(t) (4.17) donde m(t) y n(t) representa representan ruido no correlacionado. La ecuación anterior implica que las potencias espectrales de la señal son: GF F = GEE + GM M + GEM + GM E GXX = GRR + GN N + GRN + GN R GF X = GER + GEN + GM R + GM N GXF = GRE + GRM + GN E + GN M (4.18) La función de respuesta en frecuencia verdadera viene dada por: H(f ) = GRE GRR = GEE GER 2 = GRR GEE |H(f )| (4.19) De la ecuación anterior se tiene: GER GRE = GRR GEE (4.20) Bajo el supuesto razonable que las señales de ruido no están correlacionadas entre ellas ni con las señales de excitación y de respuesta, entonces GEM = GM E = GRN = GN R = GEN = GN E = GM R = GRM = GM N = GN M = 0, se pueden estudiar tres casos de interés. FUNCIONES DE RESPUESTA EN FRECUENCIA Y FUNCIONES DE COHERENCIA 57 Caso 1. Ruido en la señal de excitación, sin ruido en la respuesta Dado que n(t) = 0, ecuación 4.18 se convierte: GF F = GEE + GM M GXX = GRR GF X = GER GXF = GRE Evaluando H1 de acuerdo a la ecuación 4.9: GRE H H1 = = GEE + GM M 1 + GM M /GEE (4.21) (4.22) Se ve la verdadera función de respuesta en frecuencia es subestimada ya que el denominador es mayor a uno. Evaluando ahora H2 de acuerdo a la ecuación 4.10: GRR GRE = =H (4.23) GER GEE lo que demuestra que, bajo la hipótesis de ruido no correlacionado, H2 es insensible a ruido en la señal de excitación. H2 = De lo anterior se deduce que si la señal de la fuerza esta contaminada por ruido no correlacionado, un estimador preferente para H es H2 . La función de coherencia en este caso viene dada por, 1 γ2 = 1 + GM M /GEE (4.24) como es esperado, la coherencia depende de la razón entre la señal y el ruido: mientras menor sea la razón entre el ruido y la señal, más cercana a uno es la coherencia. Caso 2. Sin ruido en la señal de excitación, ruido en la respuesta Ecuación 4.18 es en este caso: GF F = GEE GXX = GRR + GN N GF X = GER GXF = GRE (4.25) FUNCIONES DE RESPUESTA EN FRECUENCIA Y FUNCIONES DE COHERENCIA 58 Evaluando H1 de acuerdo a la ecuación 4.9: H1 = GRE =H GEE (4.26) Por lo tanto, H1 es insensible a ruido no correlacionado en la respuesta. Evaluando ahora H2 de acuerdo a la ecuación 4.10: GRE (1 + GN N /GRR ) GN N GRR + GN N = =H 1+ (4.27) H2 = GER GEE GRR La ecuación anterior muestra que H2 sobreestima a la verdadera FRF, dado que el valor en el paréntesis es mayor a 1. De lo anterior se deduce que si la respuesta esta contaminada por ruido no correlacionado, un estimador preferente para H es H1 . La coherencia viene dada por, γ2 = 1 1 + GN N GRR (4.28) Caso 3. Ruido en ambas señales En este caso, GF F = GEE + GM M GXX = GRR + GN N GF X = GER GXF = GRE (4.29) De donde se tiene: H1 = H GRE = GEE + GM M 1 + GM M /GEE GRR + GN N GN N H2 = =H 1+ GER GRR (4.30) (4.31) y la función de coherencia viene dada por, γ2 = 1 (1 + GN N GRR )(1 + GM M /GEE ) (4.32) FUNCIONES DE RESPUESTA EN FRECUENCIA Y FUNCIONES DE COHERENCIA 59 Es evidente que: H1 < H < H2 (4.33) por lo tanto una buena estimación para H es la media geométrica de estas dos cantidades. Esta estimación se denomina Hv s p 1 + GM M /GRR Hv = H1 H2 = H (4.34) 1 + GM M /GEE A partir de los resultados anteriores se pueden sacar algunas conclusiones. En las resonancias la señal de excitación es particularmente susceptible al ruido, ya que se requiere una pequeña fuerza para generar desplazamientos significativos, por otro lado, la respuesta tiene una razón señal-ruido baja. Por lo tanto, en las zonas cercanas a la resonancia se puede esperar una mejor estimación si se utiliza el estimador H2 . En contraste, en las zonas lejanas a la resonancia (y especı́ficamente cerca de las antiresonancias) la respuesta es más sensible a contaminación por ruido. Entonces en estas zonas se obtiene una mejor estimación con H1 . Capı́tulo 5 Estimación de parámetros modales Los métodos de identificación de parámetros buscan extraer la información modal de una estructura a partir de mediciones experimentales. Estos métodos se clasifican principalmente en métodos en el dominio del tiempo o métodos en el dominio de frecuencias. Los métodos en el dominio del tiempo siempre se pueden utilizar, ya sea para respuesta libre o forzada (con o sin conocimiento de las fuerzas). Por otro lado, los métodos en el dominio de frecuencias se pueden utilizar sólo en casos de vibraciones forzadas y cuando las fuerzas son conocidas. Para cada dominio hay métodos que utilizan información de un sólo punto de medición y otros que utilizan la información de varios puntos simultáneamente. En cada uno de estos casos pueden haber una o varias fuerzas de excitación externas. Lo que lleva a la siguiente clasificación: 1. Una respuesta debido a una fuerza (SISO) single-input single-output 2. Varias respuestas debido a una fuerza (SIMO) single-input multiple-output 3. Varias respuestas debido a varias fuerzas (MIMO) multiple-input multipleoutput 4. Una respuesta debido a varias fuerzas (MISO) multiple-input multiple-output En el dominio de tiempo, las respuestas contienen naturalmente información acerca del contenido en frecuencias, aunque está “escondida”, por lo que no es posible definir a priori cuantas resonancias hay presentes en un cierto periodo de tiempo. En 60 MÉTODOS DE UN GRADO DE LIBERTAD 61 consecuencias, los métodos en el dominio del tiempo deben estimar simultáneamente varias resonancias de la estructura y para los métodos SIMO y MIMO varios modos de vibración. Estos métodos son conocidos como métodos de multiples grados de libertad (MDOF). En el dominio de frecuencia, dado que los “peaks” de las resonancias son visibles, es posible realizar una identificación modo por modo. Estos métodos se denominan métodos de un grado de libertad (SDOF). A continuación se detallarán algunos de los métodos de identificación de parámetros más utilizados. 5.1. Métodos de un grado de libertad En general, la respuesta dinámica de un sistema es una superposición de muchos de sus modos. Sin embargo, si en una cierta banda de frecuencia se asume que un solo modo es importante, lo parámetros de este modo se pueden determinar separadamente. Los métodos basados en este supuesto se denominan “métodos de un grado de libertad”, estos métodos son una manera rápida de obtener los parámetros modales ya que requieren poco esfuerzo y memoria computacional. 5.1.1. Peak picking El método “peak picking” es talvez el método más sencillo dentro de los de un grado de libertad. Este método utiliza la curva de la FRF en la cercanı́a a una resonancia como si fuese la curva de un sistema de un grado de libertad. El procedimiento del método peak picking es el siguiente: Estimar la frecuencia natural La frecuencia natural se selecciona como la frecuencia del máximo en la curva de FRF, ωr = ωmáx . Estimar el amortiguamiento Para estimar el amortiguamiento, se ubican las frecuencia ubicadas a cada lado del máximo identificado y que corresponden a una amplitud de la FRF αmáx igual a √ (ver Figura 5.1). La razón de amortiguamiento se puede estimar 2 como, ζr = ωb2 − ωa2 ωb − ωa ≈ 2 4ωr 2ωr (5.1) Estimar la constante modal La función de respuesta en frecuencia a un sistema de un grado de libertad ηr = ζr = or (c) 2ω r2 ≈ (8.5) ωr ω b2 – ω a2 ω b – ω a ≈ 2ω r 4ω r2 (8.6) Estimating the modal constant Ar . The η r ω r2 62 MÉTODOS DE UN GRADO DE LIBERTAD 2 modal constant Ar can be estimated from Ar = α max η r ω r . For viscous damping model, this becomes Ar = 2α maxζ r ω r2 . From the SDoF model, the FRF at the peak is known to be α max = cerca de la resonancia viene dada por (ecuación 1.29), Due to its remarkable simplicity, the peak-picking method (Figure 8.4) can derive quick analysis results. However, it is not capable of producing accurate modal data. A A A A ' the peak FRF = value, which is very=difficult − =to measure accurately, (5.2) r ) on This methodH(ω relies (jωr − λr ) (jωr − σr − jωr ) σr ζr ωr to estimate the natural frequency and modal constant. Damping is estimated from Conocido el valor de data la FRF, la are constante A sehalf puede estimar half power points only. del No máximo other FRF points used. The power points como: αmáx ζr ωr as it is unlikely that they are two of the measured data points. have to be interpolated, FRF (dB) | α (ωr) | | α (ω r ) | 2 Frecuencia ωb ωr ωa Figure 8.4 Peak-picking method Figura 5.1: Peak picking 5.1.2. Circle fitting El método de “circle fitting” es un de método de un grado de libertad, puede estimar los polos del sistema y los modos normales (reales o complejos). Este método se basa en el hecho que la función de respuesta en frecuencia de un sistema de un grado de libertad describe un circulo en el diagrama de Nyquist (ver Figura 1.11). Si la influencia de otros modos se aproxima por una constante compleja R + jI, la función de respuesta en frecuencia cerca de la resonancia, ωr , se puede escribir como, H(ω) ' U + jV + R + jI −σr + j(ω − ωr ) (5.3) Para determinar los parámetros de H, primero se selecciona un conjunto de puntos en las cercanı́as de la resonancia seleccionada. Luego se ajusta un circulo a estos puntos, como se ilustra en la Figura 5.2. MÉTODOS DE UN GRADO DE LIBERTAD 63 Figura 5.2: Circle fitting La frecuencia natural amortiguada, ωr , corresponde al punto de máxima razón de cambio de ángulo entre puntos (máxima distancia angular entre puntos) o con un ángulo de fase cercano al ángulo de fase del centro del circulo, para modos bien separados la diferencia entre estos ángulos será pequeña. La razón de amortiguamiento, ζr , se puede estimar como, ζr = ω2 − ω1 ωr (tan(θ1 /2) + tan(θ2 /2)) (5.4) donde, ω1 y ω2 son dos frecuencias a ambos lados de ωr θ1 y θ2 son los ángulos entre el radio de ω1 y ω2 y el radio de ωr . El diámetro del circulo y la posición angular de la frecuencia natural contiene la información del residuo complejo U + jV : √ φ = tan(α) = U V U2 + V 2 σr (5.5) (5.6) donde φ es el diámetro del circulo y α es el ángulo entre la linea que conecta el centro del circulo con la frecuencia natural y el eje imaginario. MÉTODOS CON MULTIPLES GRADOS DE LIBERTAD EN EL DOMINIO DE FRECUENCIAS 64 5.2. Métodos con multiples grados de libertad en el dominio de frecuencias 5.2.1. Método de mı́nimos cuadrados no lineales, LSFD El método de mı́nimos cuadrados no lineales en el dominio de frecuencias, es un método para estimar los polos y modos normales (si se utilizan multiples respuestas). Se basa en el modelo modal en el dominio de frecuencias. La función de respuesta en frecuencia entre una respuesta en el punto i y una excitación en el punto k se puede aproximar por: Nm X LRik φir Lrk φ∗ir L∗rk Hik (ω) = + U Rik − + ∗ jω − λ jω − λ ω2 r r r=1 | {z } (5.7) Gi k(ω) donde U Rik y LRik son los residuos superiores e inferiores respectivamente. Los residuos aproximan el efecto de modos bajo y sobre el rango de frecuencias en estudio. Hik (ω) es la función de respuesta en frecuencia medida experimentalmente, mientras que el lado derecho de la ecuación es el modelo modal considerando Nu parámetros desconocidos λr , φir , Lrk , U Rik , LRik , indicado en la función: Gik (ω) = Gik (ω, λr , φir , Lrk , U Rik , LRik )|r=1,...,Nm (5.8) La diferencia entre la función de respuesta en frecuencia medida y estimada viene dada por: eik (ω) = Hik (ω) − Gik (ω) (5.9) El error total en el rango de frecuencias de interés es: Eik = Nf X eik (ωf )e∗ik (ωf ) (5.10) f =0 Considerando todas las funciones de respuesta en frecuencia entre Ni entradas y No respuestas, el error total es: E= N0 X Ni X i=1 k=1 Eik (5.11) MÉTODOS CON MULTIPLES GRADOS DE LIBERTAD EN EL DOMINIO DE FRECUENCIAS 65 Los parámetros desconocidos se obtienen al imponer que éstos minimicen el error total: ∂E ∂λr = 0 (5.12) .. . ∂E ∂LRik = (5.13) 0 (5.14) El sistema de ecuaciones anterior es altamente no-lineal, pero puede resolverse iterativamente como un problema linealizado (con una expansión de primer orden). Debido a las desventajas conocidas de estos algoritmos, como la necesidad de tener buenos valores de partida, la velocidad de convergencia limitada, el riesgo de divergencia, etc., estos métodos nunca se hicieron populares. Sin embargo, pueden ser una herramienta útil para mejorar la precisión de un modelo modal existente. Si los polos del sistema y los factores de participación modal ya fueron estimados, la ecuación 5.7 se convierte en un set de ecuaciones lineales en función de los parámetros desconocidos: φir , U Rik y LRik . El set de ecuaciones resultantes es relativamente fácil de resolver. 5.2.2. Rational Fractional Polynomials La idea detrás de este método es expresar la función de respuesta en frecuencia como el cuociente entre dos polinomios. Estableciendo la relación entre los coeficientes de los polinomios y los parámetros modales, se puede llegar a la identificación de los parámetros. La definición de la función de respuesta en frecuencia como el cuociente de dos polinomios viene de la definición de la función de transferencia en el dominio de Laplace, H(s) = N (s) a0 + a1 s + a2 s2 + . . . + am sm = D(s) b0 + b1 s + b2 s2 + . . . + sn (5.15) En este caso el orden del denominador, n, es mayor que el del numerador, m, por 2. Para simplificar se define: p0 (s) = 1, p1 (s) = s, p2 (s) = s2 , ..., pm (s) = sm (5.16) q0 (s) = 1, q1 (s) = s, q2 (s) = s2 , ..., qm (s) = sm (5.17) MÉTODOS CON MULTIPLES GRADOS DE LIBERTAD EN EL DOMINIO DE FRECUENCIAS Entonces la función de respuesta en frecuencia se puede expresar como: Pm ak pk (jω) H(ω) = Pk=0 n k=0 bk qk (jω) 66 (5.18) Para el análisis subsiguiente se asume que hay mediciones en p frecuencias ω1 , ω2 , . . ., ωp . También se asume que hay p frecuencias negativas ωp , ωp−1 , . . ., ω−1 . Se puede demostrar para las frecuencias negativas se cumple que, H(ω−i ) = H(−jωi ) = H ∗ (jωi ) (5.19) El propósito de las frecuencias negativas quedará claro más adelante. Para comenzar la identificación de los coeficientes se define la función de error, e(ω) = H(ω) − H̃(ω) (5.20) donde H(ω) es la FRF estimada como el cuociente de dos polinomios y H̃(ω) es la FRF experimental. Lo que lleva a: Pm ak pk (jω) e(ω) = Pk=0 − H̃(ω) (5.21) n k=0 bk qk (jω) Este error es una función no-lineal de los coeficientes ak y bk . Para facilitar el análisis el error se re-define como: ! n m n−1 X X X ê(ω) = e(ω) bk qk (jω) = ak pk (jω)− H̃(ω) bk qk (jω) + qn (jω) (5.22) k=0 k=0 k=0 El error total para todas las frecuencias se puede escribir en forma matricial: E = {e(ω−p ), . . . , e(ω−1 ), e(ω1 ), . . . , e(ωp )} E = [P ]{A} − [Q]{B} − {W } T (5.23) (5.24) MÉTODOS CON MULTIPLES GRADOS DE LIBERTAD EN EL DOMINIO DE FRECUENCIAS 67 donde, [P ] = [Q] = p0 (jω−p ) p1 (jω−p ) . . . pm (jω−p ) .. . ... ... ... p0 (jω−1 ) p1 (jω−1 ) . . . pm (jω−1 ) p0 (jω1 ) p1 (jω1 ) . . . pm (jω1 ) .. . ... ... ... p0 (jωp ) p1 (jωp ) . . . pm (jωp ) H̃(jω−p )q0 (jω−p ) H̃(jω−p )q1 (jω−p ) . . . .. . ... ... H̃(jω−1 )q0 (jω−1 ) H̃(jω−1 )q1 (jω−1 ) . . . H̃(jω1 )q0 (jω1 ) H̃(jω1 )q1 (jω1 ) ... .. . ... ... H̃(jωp )q0 (jωp ) H̃(jωp )q1 (jωp ) ... H̃(jω−p )qm (jω−p ) ... H̃(jω−1 )qm (jω−1 ) H̃(jω1 )qm (jω1 ) ... H̃(jωp )qm (jωp ) A = {a0 , a1 , . . . , am }T B = {b0 , b1 , . . . , bn−1 }T W = {H̃(jω−p )qn (jω−p ), . . . , H̃(jω−1 )qn (jω−1 ), H̃(jω1 )qn (jω1 ), . . . , H̃(jωp )qn (jωp )}T La magnitud total del error se puede definir como: J = {E}H {E} (5.25) donde H denomina la transpuesta conjugada. Para determinar los coeficientes {A} y {B} que minimizan la magnitud del error, las siguientes derivadas parciales deben ser iguales a cero: ∂J ∂J = =0 ∂{A} ∂{B} (5.26) Lo que lleva al siguiente sistema de ecuaciones para estimar los coeficientes: 1 + [P ]T [P ]∗ ) (−Re([P ]H [Q]))T H 2 ([P ] [P ] −Re([P ]H [Q]) 1 H T ∗ 2 ([Q] [Q] + [Q] [Q] ) {A} Re([P ]H {W }) = {B} Re([Q]H {W }) (5.27) MÉTODOS CON MULTIPLES GRADOS DE LIBERTAD EN EL DOMINIO DEL TIEMPO 68 Los parámetros modales se puedes determinar a partir de los coeficientes {A} y {B}, al representar el cuociente entre polinomios como fracciones parciales: H(ω) = n/1 X k=1 rk rk∗ + jω − pk jω − p∗k (5.28) donde pk es el k-esimo polo y rk el k-esimo residuo. 5.3. Métodos con multiples grados de libertad en el dominio del tiempo Los métodos en el dominio del tiempo, a diferencias de los algoritmos en el dominio de frecuencias, utilizan información de la respuesta en el tiempo. Estos algoritmos ajustan los datos a la función de respuesta a un impulso. La función de respuesta al impulso para un sistema con multiples grados de libertad viene dada por: h(t) = N X λ∗ r t) (Qr φr φTr eλr t + Q∗r φ∗r φ∗T r e (5.29) r=1 = N X ∗ (Ar eλr t + A∗r eλr t ) (5.30) r=1 = 2N X Ar eλr t , para r > N : Ar = A∗r ; λr = λ∗r (5.31) r=1 5.3.1. El método Ibrahim El método de Ibrahim, también conocido como ITD, construye un problema de valores y vectores propios a partir de la respuesta en el tiempo del sistema. La solución de este problema permite derivar las frecuencias naturales, factores de amortiguamiento y los modos normales. La respuesta en el tiempo en un punto i, para un instante de tiempo tj se puede expresar como la suma de respuestas individuales de cada modo: xi (tj ) = 2N X r=1 φir eλr tj (5.32) MÉTODOS CON MULTIPLES GRADOS DE LIBERTAD EN EL DOMINIO DEL TIEMPO Considerando q puntos de medición x1 (t1 ) . . . x1 (tL ) φ11 .. . . . .. .. = .. . xq (t1 ) | ... {z xq (tL ) φq1 } q×L | 69 y L instantes de tiempo, se tiene que, λ t . . . φ1L e 1 1 . . . eλ1 tL .. .. .. .. .. (5.33) . . . . . λ2N t1 λ2N tL . . . φq2N e ... e {z }| {z } 2N ×L q×2N o bien, X = ΦΛ (5.34) donde Λ es una matriz constituida por los elementos eλi tj . Esta ecuación por si sola es insuficiente para determinar los parámetros modales. Consideremos entonces un segundo set de L puntos, desfasados en ∆t con respecto al set anterior: xi (tj + ∆t) = 2N X φir eλr (tj +∆t) = r=1 2N X φir eλr ∆t eλr tj (5.35) r=1 Definiendo: xi (tj )∗ = xi (tj + ∆t) (5.36) φ∗ir = φir eλr ∆t (5.37) Siguiendo el mismo procedimiento anterior, se obtiene un segundo set de ecuaciones: X ∗ = Φ∗ Λ (5.38) Definiendo una matriz As de q × q con la siguiente propiedad: As Φ = Φ∗ (5.39) Premultiplicando la ecuación 5.34 por As : As X = As ΦΛ = Φ∗ Λ (5.40) Sustituyendo 5.38: As X = X ∗ (5.41) Si X y X ∗ son conocidos, As se puede despejar como: As = X ∗ X + (5.42) donde X + es la pseudoinversa de X y viene dada por: X + = X T (X T X)−1 asumiendo que L > q. MÉTODOS CON MULTIPLES GRADOS DE LIBERTAD EN EL DOMINIO DEL TIEMPO 70 Recordando que As Φr = Φ∗r , se tiene que: A s Φr As − eλr ∆t I Φr = Φr eλr ∆t (5.43) = {0} (5.44) La ecuación anterior es una ecuación de valores propios. Los modos normales corresponden a los vectores propios y las frecuencias naturales y factores de amortiguamiento se deducen de los valores propios: eλr ∆t = e(σr +jωdr )∆t = αr + jγr (5.45) αr = eσr ∆t cos(ωr ∆t) (5.46) γr = eσr ∆t sin(ωr ∆t) (5.47) σr = ωdr = ln(αr2 + γr2 ) 2∆t arctan αγrr ∆t (5.48) (5.49) Finalmente, los parámetros dinámicos se obtienen como: q 2 + σ2 ωdr r ωr = ζr σr = −p 2 ωdr + σr2 5.3.2. (5.50) (5.51) El método least-squares complex exponential (LSCE) Tenemos que la respuesta a un impulso IRF, se puede expresar como: h(t) = 2N X r=1 Ar eλr t (5.52) MÉTODOS CON MULTIPLES GRADOS DE LIBERTAD EN EL DOMINIO DEL TIEMPO 71 Si consideramos que los datos son adquiridos en intervalos de tiempo k∆ (k = 0, 1, . . . , 2N ), se tiene la siguiente serie h(k∆) = 2N X Ar eλr k∆ (k = 0, 1, . . . , 2N ) (5.53) r=1 hk = 2N X Ar zrk (k = 0, 1, . . . , 2N ), zrk = eλr k∆ (5.54) r=1 Cada termino de la suma posee valores reales, aunque los residuos Ar y los polos λr tienen valores complejos. Se puede demostrar que existe un polinomio de coeficientes reales de manera que: β0 + β1 zr + β2 zr2 + . . . + β2N zr2N = 0 (5.55) Esta ecuación se conoce como la ecuación de Prony. Dado que hay 2N +1 ecuaciones en la expresión 5.58, se pueden multiplicar las ecuaciones por un coeficiente β correspondiente y sumarlas para formar siguiente ecuación: 2N X βk hk = r=1 2N X βk r=1 = 2N X 2N X Ar zrk (5.56) βk zrk (5.57) r=1 Ar r=1 2N X r=1 Esta última expresión sabemos que es igual a 0, si zr es una raı́z de la ecuación 5.55. Lo que nos lleva a una relación simple entre los coeficientes β y los datos de la respuesta a un impulso: 2N X βk hk = 0 (5.58) r=1 A partir de la ecuación anterior se pueden determinar los valores de βk . Conocidos los coeficientes βk se puede resolver la ecuación 5.55 y extraer las raı́ces zr . A partir de zr se calculan las frecuencias naturales y razones de amortiguamiento: ωr = 1p ln zr ln zr∗ ∆ (5.59) ζr = − ln(zr zr∗ ) 2ωr ∆ (5.60) DIAGRAMAS DE ESTABILIDAD 72 Para identificar los modos propios del sistema, de la siguiente forma: 1 1 ... 1 A1 z1 A2 z . . . z 2 2N .. .. .. .. .. . . . . . z12N −1 z22N −1 ... 2N −1 z2N podemos reescribir la ecuación 5.54 A2N = h0 h1 .. . (5.61) h2N −1 La solución de este sistema de ecuaciones entrega los residuos y por lo tanto los modos normales. 5.4. Diagramas de estabilidad En todos los algoritmos anteriores se debe definir a priori cual es el numero de polos que se desea estimar. Lo que muchas veces no es una decisión simple. Si se utilizan menos polos que lo actuales, el ajuste no será adecuado. En cambio, si se definen más polos que los reales, los algoritmos van a entregar polos “computacionales” que no corresponden a polos reales del sistema, sino que son polos que tratan de modelar el ruido en los datos. Una metodologı́a muy útil para determinar el numero de polos reales en un sistema son los diagramas de estabilidad. Los diagramas de estabilidad son una herramienta muchas veces imprescindible en un análisis modal experimental, ellos ayudan a separar los polos reales de los polos computacionales. Estos diagramas se obtienen, al repetir el análisis modal incrementando el orden del sistema (número de polos asumidos). Para cada orden se estiman los polos, los resultados son presentados gráficamente en el diagrama de estabilidad (Figura 5.3). En el eje vertical se encuentra el orden y el eje horizontal representa la frecuencia natural del polo estimado. En general, los polos reales aparecen a la misma frecuencia en el diagrama, independiente del orden del sistema. En cambio, la frecuencia de los polos computacionales, varı́a al aumentar el orden del sistema. El diagrama de la Figura 5.3 se representan los polos estables (en frecuencia y amortiguamiento) con un circulo y con una cruz los polos inestables. Normalmente, se define que un polo es estable si la frecuencia no varı́a más del 1 % de su magnitud y la razón de amortiguamiento no varı́a más del 5 %. DIAGRAMAS DE ESTABILIDAD 73 40 Orden 30 20 10 0 20 40 60 80 Frecuencia (Hz) 100 Figura 5.3: Diagrama de estabilidad 120 Capı́tulo 6 Medición Experimental El primer paso en un análisis modal experimental es adquirir las funciones de respuesta frecuencia experimentales de una estructura. El método más usual es excitar la estructura con una fuerza conocida y medir de forma simultanea la fuerza y las respuestas en la estructura. Como resultado, se obtiene un grupo de FRFs que pueden ser utilizadas posteriormente para derivar los parámetros modales de la estructura utilizando algunos de los algoritmos descritos en el capitulo anterior. 6.1. Análisis previo a las mediciones Al preparar un montaje experimental para un análisis modal se debe considerar el propósito del experimento, los datos requeridos (FRFs o parámetros modales), la precisión requerida, etc. Para ello se necesita la mayor cantidad de información posible de la estructura, la que se puede obtener de experimentos anteriores en estructuras similares o de modelos numéricos de la estructura. A continuación se describirán algunas herramientas útiles para definir el montaje experimental de acuerdo a los requerimientos. Desde un punto de vista práctico, los criterios siguientes se deben cumplir en un buen diseño de un montaje experimental: Correspondencia: Los modos medidos experimentalmente deben corresponder a los modos reales, los que desafortunadamente son desconocidos. Sin embargo, experimentos previos en estructuras similares o un modelo en elementos finitos pueden ayudar a estimar los modos. Adicionalmente, el test debe producir modos claramente distinguibles. La independencia del los 74 ANÁLISIS PREVIO A LAS MEDICIONES 75 modos esta directamente relacionada con el rango de la matriz de vectores propios Φ. Excitación: El montaje debe incluir un sistema de excitación que garantice que todos los modos de interés son excitados. Identificación: Los datos medidos deben contener la información necesaria para identificar los parámetros de interés. Por lo tanto, el diseño del montaje depende del propósito del experimento. Visualización: En la práctica, se requiere visualizar los modos obtenidos, de manera de evaluar de precisión de éstos y para compararlos con modos estimados. La visualización también es importante para detectar posibles discrepancias. Robustez: Dado que el montaje está basado en experimentos previos o en modelos numéricos, donde ambos contiene errores, éste debe ser robusto: No debe ser muy sensible a estos errores. Por lo tanto, es preferible algún grado de redundancia. Accesibilidad: Las ubicaciones seleccionadas para medir la respuesta y para excitar la estructura deben ser accesibles. 6.1.1. Rango de frecuencias Es importante definir bien el rango de frecuencias para identificar todos los modos de interés. Si se sabe cuantos modos se quieren identificar, el rango de frecuencias se puede definir con un análisis previo de un modelo en elementos finitos. Desde luego se debe considerar un margen de error. En caso que no se cuente con un modelo en elementos finitos, el rango de frecuencias se puede definir in situ. Al intentar en una primera instancia con una rango de frecuencias amplio, luego contar los peaks de una de las FRFs para definir la frecuencia máxima que se debe medir para identificar n modos. 6.1.2. Selección de la ubicación de las respuestas En un análisis modal se deben definir suficientes puntos de medición de manera que los modos identificados sean independientes. A continuación se describirán algunos de los algoritmos disponibles para determinar la ubicación óptima de los puntos de medición. En los algoritmos a continuación se asume que se cuenta con los modos normales obtenidos a través de algún método numérico. La independencia de los modos se puede determinar a partir del rango de la matriz Φ. Este rango equivale al rango de la matriz ΦT Φ (la matriz de Fisher). ANÁLISIS PREVIO A LAS MEDICIONES 76 La contribución de cada grado de libertad i al rango de la matriz de Fisher, viene dado por el siguiente indicador (independencia efectiva): −1 T EfIi = diag Φ ΦT Φ Φ (6.1) Al ir eliminando iterativamente los grados de libertad con menor EfIi y re-calculando los nuevos EfI, se llega a un set óptimo de puntos de medición con respecto a la independencia de los modos de interés. Otro indicador de la independencia entre modos es el MAC (Modal Assurance Criterion), el que se define como: 2 φTi φj M ACij = T T φi φi φj φj (6.2) Donde φi es el iesimo modo normal. MAC es un factor que mide la correlación entre dos modos. Un valor de 0 indica que no hay correlación, mientras que un valor de 1 indica dos modos perfectamente correlacionados. Si se calcula la correlación para todos los pares de modos, se puede construir la matriz MAC. Si los modos son 100 % independientes, los valores fuera de la diagonal de la matriz son todos cero y en la diagonal son todos 1. Los puntos de medición se determinan al encontrar al menor set de puntos de medición que minimize los valores fuera de la diagonal de la matriz MAC. En general, se aceptan valores de hasta un 20 % de correlación cruzada. Este es el método más utilizado en la selección de los puntos de medición. 6.1.3. Selección de los puntos de excitación Los puntos de excitación de la estructura se deben seleccionar de manera garantizar que todos los modos de interés sean excitados adecuadamente. Un modo en particular va a estar bien excitado si la fuerza se aplica en un punto de alto desplazamiento. El método más usual para seleccionar los puntos de excitación es a través de los “driving point residues” (DPR). El residuo Aikr esta definido por la expresión de la función de respuesta en frecuencia en términos de los parámetros modales: ANÁLISIS PREVIO A LAS MEDICIONES Hik (ω) = N X Qr φir φkr r=1 = 146 Modal Analysis jω − λr 77 Q∗ φ∗ φ∗ + r ir kr jω − λr N X A∗ikr Aikr + jω − λr jω − λr r=1 (6.3) (6.4) obtained from del a laboratory measurement to analyse and simulate the De modal donde data se define el DPR punto i como: dynamic behaviour in situ. Other structures cannot fit into a laboratory environment for FRF measurement. They have to be tested in situ. In both cases, it is vital to φ2ir A = (6.5) iir ensure that2jω the test conditions are stable and repeatable so that the measured FRF r data are reliable and representative. If an FRF measurement in the laboratory is desired and feasible, a structure is Al estudiar los DPR para todas candidatos de excitación y para todos often prepared to simulate free orpuntos grounded boundary conditions. The subsequent use los modos de interés, se obtiene información útil para la selección de los puntos of the modal model to be derived from the measurement determines which boundary de excitación. Entogeneral, grados detolibertad DPR para el mayor numero conditions use. It islosimpossible imitate con perfect freealtos or grounded conditions. posible modos van a serbebuenos puntosinde Thesede conditions can only approximated theexcitación. laboratory with reasonable accuracy. The free boundary condition is simulated by supporting the structure with soft materials such as springs or elastic bands. Such an arrangement creates one or more rigid body modes fromde thelos stiffness of these materials and the total mass 6.1.4. Selección puntos desupporting suspensión of the structure. If the natural frequencies of these rigid body modes are far from the firstque natural frequency the structure, the measured FRFreales data should be affected en Dado es muy difı́cilofimitar condiciones de borde en unnot laboratorio, by this boundary condition. Figure 7.7 shows a simple plate supported by four soft la mayorı́a de las mediciones experimentales la estructura se monta de manera de springs. For the same principle, a heavy structure can be put on top of an inflated car simular unaorcondición libre (sin condiciones de borde). tyre tube a few layers of thick porous packaging material.Esta condición se logra al suspender la estructura con materiales blandos resortes o elásticos. The grounded boundary condition is more difficultcomo to simulate in the laboratory.Con esteTheoretically, arreglo se producen de means cuerpothat rı́gido. lasdegrees frecuencias naturales a groundedmodos condition all theSisix of freedom at the de los boundary modos rı́gidos son lejanas a lacan primera naturalinde la estructura, are rigidly fixed. This almost frecuencia never be achieved reality. In modal la medición FRF no se verá afectada condición de borde. la Figura testing,de thelaarrangement is often to ‘fix’por theesta structure to a much moreEn rigid and objectun such as a concrete 6.1 heavier se muestra montaje de unafloor. placa suspendida por cuatro resortes. Figure 7.7 A simple plate supported by four soft springs Figura 6.1: Una placa suspendida por cuatro resortes. It is only for some special cases that a true grounded condition can be simulated. For example, accurate measurement of the cantilever in Figure 7.8 needs a rigid boundary condition at the built-in end which may be difficult to realize. The alternative is to measure the beam on the right which is freely supported with a doubled length. Any odd number of modes from this beam will be the equivalent modes for the cantilever. This is due to the fact that for these modes, the middle cross-section of the free–free beam is truly ‘fixed’. For the simulation of the free boundary condition, we often know the limitation EL MONTAJE EXPERIMENTAL 78 Al contrario de los puntos de excitación, los puntos de suspensión se deben seleccionar en puntos con muy bajas amplitud de movimiento. La técnica, por lo tanto es similar a la de la sección anterior, pero ahora se deben seleccionar los grados de libertad con DPR bajos. 6.2. El montaje experimental 6.2.1. Mecanismo de Excitación La primera parte de un montaje experimental es el mecanismo de excitación que aplica una fuerza de suficiente amplitud y contenido en frecuencia a la estructura. Existen diferentes mecanismo capaces de excitar la estructura. Los dos más comunes son el shaker (Figura 6.2) y el martillo (Figura 6.3). Un shaker electromagnético, también conocido como shaker electrodinámico, es el tipo de shaker más utilizado en análisis modal. Consiste en un imán, un bloque libre y una bobina. Cuando una señal eléctrica pasa por la bobina, se genera una fuerza proporcional a la corriente y a la densidad de flujo magnético generado, la que mueve al bloque. Un shaker electromagnético tiene un rango amplio de frecuencias y de amplitudes. Para frecuencias bajas y altas amplitudes de excitación, se puede utilizar un shaker electro-hidráulico. Generador de la señal Analisador Amplificador de poder Shaker Sensor de fuerzas Signal flow Acondicionador de la señal Acelerómetro Figura 6.2: Set-up experimental con excitación por shaker Un martillo es un aparato que produce una fuerza de excitación de la forma de un pulso. Consiste en la punta del martillo, un sensor de fuerzas, una masa y el mango. La punta del martillo se puede cambiar para alterar su dureza. Materiales tı́picos para puntas de martillo son; goma, plástico y acero. La dureza de la punta, en conjunto con la dureza de la superficie de la estructura, está directamente EL MONTAJE EXPERIMENTAL 79 relacionada con el rango de frecuencias contenida en la señal de la fuerza. Mientras mayor es la dureza, mayor es el rango de frecuencias contenido. 142 Modal Analysis Figure 7.2 A measurement set-up with hammer excitation Figura 6.3: Set-up experimental con excitación por martillo A hammer is a device that produces an excitation force pulse to the test structure. It consists of hammer tip, force transducer, balancing mass and handle. The hammer tip can beAcelerómetro changed to alter the hardness. Typical materials for the tip are rubber, 6.2.2. plastic and steel. The hardness of the tip, together with that of the structure surface to be tested, is directly related to the frequency range of the input pulse force. For a El acelerómetro es el sensor más común utilizado en análisis modal. Mide la hard tip striking on a hard surface, we can expect the force pulse to distribute energy aceleración de un punto en la estructura, la señal de salida viene en la forma de to a wide range of spectrum. This is the only mechanism to control the frequency voltaje. Estaofseñal es transformada por un acondicionador de la señal antes de ser components excitation in a hammer test. procesada por otro hardware o software. An electromagnetic shaker, also known as an electrodynamic shaker, is the most common typecomún of shaker used in modal testing. consists of a magnet, a moving El tipo más de acelerómetros son losItpiezoeléctricos, ilustrados en lablock Figura and a coil in the magnet. When an electric current from a signal generator passes 6.4. Estos sensores contienen un cristal piezoeléctrico en su interior, éste cristal through the inside the shaker, a force proportional to the current the magnetichay produce unacoil carga eléctrica al ser deformado. Al seleccionar unand acelerómetro flux density is generated which drives the moving block. An electromagnetic shaker distintos factores importantes que se deben considerar, estos son; el rango de has a wide frequency, amplitude and dynamic range. For low frequency and large frecuencias, sensibilidad, masa y estabilidad bajo cambios de temperatura. La amplitude excitation, an electrohydraulic exciter can be used. sensibilidad de un acelerómetro determina la razón entre la señal medida y el ruido. Mientras más alta es la sensibilidad del acelerómetro más precisas son las mediciones. La masa del acelerómetro también es muy importante, ya que puede 7.2.2 Accelerometer modificar las caracterı́sticas de la estructura. Mientras menor es la masa mejor, aunque esto significa veces sensor una menor sensibilidad. An accelerometer is themuchas most common for modal testing. It measures acceleration of a test structure and outputs the signal in the form of voltage. This signal will be transformed by a signal conditioner before it is processed by an analyser, other hardware or software. The accelerometer does not assume the properties of the measured structure such as linearity. An accurate accelerometer only records faithfully the acceleration at the measurement location. There are two aspects in the acceleration measurement that a sensor needs to be capable of dealing with. One is the frequency and the other is the amplitude. Both are reflected in the input–output relationship of an accelerometer. An ideal accelerometer should have a linear input and output relationship in order to ensure that the amplitude content of the acceleration signal at different frequencies is truthfully recorded. The FRF of the accelerometer should be uniformly flat so that the amplitude of no frequency is distorted. The accelerometer should also impose zero phase shift to the signal measured. shape to ofshow a crystal thus leadingFigure to the7.3change electric charge. At the lowoffrequency their characteristics. shows aof typical frequency response curve end, piezoelectric accelerometers do not respond to DC signal. At the high frequency an accelerometer. end, the accuracy of measurement is degraded by the natural frequency of the sensor. When selecting an accelerometer for modal testing, number of factors need to be Sensitivity Phasea[degrees] [dB] thought through. The main parameters affecting the performance of a piezoelectric 30 accelerometer are: the frequency response property; the sensitivity and its stability under temperature change; cross-axial sensitivity and base strain. 20 EL MONTAJE EXPERIMENTAL 80 Ar 10 10 Amplitude 0 Resorte 0 pre-comprimido –10 Phase –20 –10 1 2 5 10 20 50 Masa 100 kHz Cristal + an accelerometer Figure 7.3 A typical chart for q The characteristics of an accelerometer are its–potential. They can be fully realized Cuerpo if the sensor is connected rigidly on the structure. In reality, this is not to be the case. An accelerometer has to be mounted non-rigidly on a structure for measurement. If of a acelerómetro piezoelectric considered Figure as aFigura rigid7.5 mass block, thede accelerometer and piezoeléctrico its accelerometer mount can be modelled 6.4:Diagram Esquema un as an SDoF system as shown in Figure 7.4. The frequency response property determines the linearity of the sensor. The sensitivity Sensor the signal to noise ratio. of an accelerometer dictates Large and stable sensitivity Acelerómetro means accurate Estructura measurement. Cross-axial sensitivity causes inaccuracy in measurement. Base strain is caused by the flexure of the accelerometer base interacting non-rigid Montaje structure surface. Usually, a more sensitive accelerometer is more bulky. The accelerometer mass has the potential to change the characteristics ofEstructura the test structure. This is particularly so if the accelerometer is located at or close to an anti-nodal point 7.4 An SDoF model of an accelerometer and its mounting Figura 6.5: mass Montaje de un acelerómetro of a vibration Figure mode where a minute change can cause significant natural frequency shift. Thus, when selecting a better sensitivity, we need to be mass conscious. La precisión de un acelerómetro tiene una alta dependencia con la manera en que The accuracy of the acceleration measurement depends largely on the mounting es montado sobre la estructura. En la Figura 6.5 se muestra el montaje tı́pico de un which is modelled by a spring and a damper. The accelerometer is of course more acelerómetro. La flexibilidad del montaje afecta las mediciones del sensor, mientras just a mass block. As Figure 7.3 shows, it has its own natural frequency. This 7.2.3than Force más rı́gidotransducer es el montaje mayor es la precisión. Existen diferentes mecanismos frequency is usually much higher magnético, than the frequency of the de SDoF Figure de montaje; tornillo, adhesivo, capa delgada cera,system entre in otros. Al 7.4. The best accuracy would arise if the mounting were rigid. The flexibility ofesto the atornillar el sensor a la estructura se obtienen los mejores resultados, aunque A forcemounting transducer is another type of sensor used in modal testing. Like an accelerometer, that the characteristics of the accelerometer aresólo compromised significa means un montaje experimental más complejo. En la práctica, se utilizan a piezoelectric force transducer generates anthe output charge or voltage that isthat proportional somewhat. Because of it, acceleration from structure may be different sensores atornillados en estructuras que deben ser monitoreadas de forma from continua. by the However, if the natural frequency of this SDoF though, to the experienced force applied to accelerometer. the transducer (Figure 7.6). Unlike an accelerometer system is five times or more of the frequency of the acceleration signal from the element. a force transducer does not have an inertial mass attached to the transducing Sensor de fuerzas It has to6.2.3. be physically compressed or stretched so that the transducing part can generate output. For a shaker test, a force transducer has to be connected between the El sensor de fuerzas es otro tipo de sensor utilizado en análisis modal. Al igual que structureunsurface and the shaker. For a hammer test,produce the transducer located at the acelerómetro, un sensor de fuerzas piezoeléctrico una carga ois voltaje hammerproporcional tip and is acompressed whenA impact isdeapplied to. la fuerza aplicada. diferencia un acelerómetro, un sensor de fuerzasthe no tiene una masa inercial su interior, si no que debe measurement ser comprimido accuracy The ways characteristics of a enforce transducer affect o estirado fı́sicamente para generar la carga (Figura 6.6). Para un montaje con EL MONTAJE EXPERIMENTAL 81 un shaker, el sensor de fuerzas se conecta entre la superficie de la estructura en el shaker. En el caso de un martillo, el sensor se ubica en la punta del martillo y es comprimido cuando el martillo impacta la superficie. Las consideraciones para seleccionar un sensor de fuerzas son similares a las de un acelerómetro: rango de frecuencias, sensibilidad, masa y estabilidad bajo cambios de temperatura. Frequency response function measurement F Cristales + q – F FigureFigura 7.6 6.6: A diagram ofuna sensor piezoelectric force transducer Esquema de de fuerzas piezoeléctrico are similar to that for an accelerometer. They include frequency response characteristics, sensitivity and cross-axial sensitivity. The mass of the force transducer can also potentially affect the measurement outcome. For both force and acceleration sensors, this problem is most acute when the structure resonates. The main consideration in selecting a force transducer is to understand how it interacts with the excitation device to which it connects. For example, when a force transducer is used on an impact hammer, variation of the hammer tip and the mass of the hammer handle can cause a different force transducer calibration. When the force transducer is used with an excitation shaker, the presence of its mass may cause significant distortion to the force signal measured at structural resonance. The extent of distortion is dependent on the mass difference between the transducer and the structure. The mass of the transducer may also be responsible for the sensitivity the transducer has to bending moments. 7.3 Preparation of the test structure A real structure is often connected to its surroundings. Therefore, its dynamic characteristics in situ are determined by the boundary conditions as well as by itself. When the FRF measurement is to be carried out, the question to be answered is: ‘Under what conditions do we want to test the structure, stand alone or in situ?’ The answer to this question hinges on two considerations when preparing the structure for test: (1) do we need the modal model of the structure in its working condition or in the laboratory environment; and (2) is it realistic to test the structure in situ or in 145 SELECCIÓN DE LA FUERZA DE EXCITACIÓN 6.3. 82 Selección de la fuerza de excitación La precisión de las mediciones experimentales depende en gran parte de la forma de la fuerza de excitación utilizada. Aunque teóricamente una FRF no debiese depender de la excitación utilizada, en la práctica la precisión y calidad de una FRF depende, entre otros factores, en la elección de la fuerza de excitación. Es por lo tanto, muy importante en un análisis modal experimental evaluar todos los métodos posibles de excitación de manera de elegir el más adecuado. 6.3.1. Excitación sinusoidal La excitación sinusoidal es la forma más tradicional en análisis modal. La fuerza contiene una sola frecuencia en un tiempo y la excitación cambia de una frecuencia a otra con un paso dado, permitiendo a la estructura excitar un modo a la vez. Esta excitación es efectiva para excitar una estructura con niveles de vibración altos, para caracterizar no-linealidades de una estructura y para excitar modos normales de una estructura amortiguada. La Figura 6.7 presenta una señal sinusoidal tı́pica y su contenido en frecuencias. Figura 6.7: Señal sinusoidal SELECCIÓN DE LA FUERZA DE EXCITACIÓN 83 En este caso la dinámica de una estructura se descompone fı́sicamente por frecuencia y posición. Al sintonizar cerca de una frecuencia natural, la respuesta de la estructura es dominada por ese modo de vibración. Esta segregación natural proporciona una via para la identificación directa de parámetros, la que usualmente tiene una buena razón señal/ruido. Esta es una posibilidad que otros métodos de excitación no ofrecen. 6.3.2. Excitación aleatoria Una señal de excitación aleatoria es una señal aleatoria estacionaria que sigue una distribución Gaussiana. Contiene todas las frecuencias en el rango seleccionado. Para una estructura que tiene un comportamiento no-lineal, una excitación aleatoria tiende a linealizar este comportamiento. Por lo tanto la función de respuesta en frecuencia derivada de una excitación puramente aleatoria va a ser una versión linealizada de la FRF. Esta FRF, aunque no contiene información sobre las nolinealidades, es en realidad una función muy útil y es percibida como la “mejor” estimación para las FRFs. Sin embargo, el hecho que para una excitación aleatoria ni la fuerza ni las respuestas son periódicas, puede llevar a errores de leakage. La Figura 6.8 presenta una señal aleatoria tı́pica y su contenido en frecuencias. Figura 6.8: Señal aleatoria SELECCIÓN DE LA FUERZA DE EXCITACIÓN 6.3.3. 84 Excitación pseudo-aleatoria Una señal de excitación pseudo-aleatoria es una señal aleatoria estacionaria que consiste en frecuencias discretas formadas múltiplos de la resolución en frecuencia utilizada en la transformada de Fourier. Es una señal periódica con amplitud fija y fase aleatoria. Esta excitación elimina el problema de leakage de la señal aleatoria y usualmente entrega FRFs precisas. La Figura 6.9 presenta una señal pseudo-aleatoria tı́pica y su contenido en frecuencias. Figura 6.9: Señal pseudo-aleatoria 6.3.4. Excitación aleatoria en trenes (burst random) Una mejor señal que la pseudo-aleatoria es la denominada señal aleatoria en trenes. Una señal aleatoria en trenes se crea al encender y apagar una señal aleatoria, de esta manera la medición comienza con una excitación aleatoria y continua luego que la excitación se ha apagado. El espectro de la señal aleatoria en trenes tiene amplitud y fase aleatorias y contiene suficiente energı́a en todo el rango de frecuencias. Al seleccionar adecuadamente el tiempo de apagado de la señal, esta asemeja una señal pseudo-aleatoria pero sin la necesidad de esperar el decaimiento de la parte transiente de la respuesta. La proporción de tiempo que esta apagada la señal de excitación se debe seleccionar de manera que la respuesta de la estructura SELECCIÓN DE LA FUERZA DE EXCITACIÓN 85 sea cero al final del periodo de medición, este tiempo depende principalmente del nivel de amortiguamiento en la estructura. La Figura 6.10 presenta una señal de excitación aleatoria en trenes, su contenido en frecuencias y la respuesta tı́pica. Figura 6.10: Señal aleatoria en trenes 6.3.5. Excitación de impacto La señal en el tiempo de una señal de fuerza debido a un impacto, es un pulso con un contenido en frecuencias no controlable. En términos de hardware involucrado, la excitación por impacto es relativamente simple comparado con la excitación con un shaker. Es conveniente de usar y muy portable para mediciones en terreno y laboratorio. Debido a que no existe conexión fı́sica entre la fuerza de excitación y la estructura, el test de impacto evita el problema de su interacción. La principal desventaja del test de impacto es la dificultad de controlar el nivel de la fuerza y su contenido en frecuencias. Esto puede afectar la razón señal/ruido en las mediciones, resultando en datos de baja calidad. En la Figura 6.11 se muestra un tı́pica señal de impacto. EVALUACIÓN INICIAL DE LAS FRFS MEDIDAS 86 Figura 6.11: Señal de impacto 6.4. Evaluación inicial de las FRFs medidas La calidad de un análisis modal recae principalmente en la calidad de las FRFs medidas. Aunque algunos métodos de análisis modal pueden minimizar ciertos errores en la información obtenida experimentalmente, ningún método puede rectificar errores fundamentales o mediciones erróneas. Las propiedades modales obtenidas de FRFs erróneas son susceptibles a errores inaceptables. Debido a esto se vuelve esencial verificar la calidad de las funciones de respuesta en frecuencia obtenidas experimentalmente. Las FRFs medidas deben cumplir básicamente con dos requerimientos: (1) la estructura satisface los supuestos requeridos en análisis modal y (2) los errores de sistema y humanos son minimizados o eliminados. Básicamente en análisis modal la estructura debe cumplir con reciprocidad, invariabilidad en el tiempo y linealidad. Si estos supuestos no son verificados, las propiedades modales obtenidas no serán confiables. Aunque existen algunos métodos para asistir en la búsqueda de posibles errores en las FRFs medidas, algunos de estos errores no pueden ser identificados. Por ejemplo, no es posible detectar a partir de las FRFs si el sistema de medición esta calibrado correctamente. EVALUACIÓN INICIAL DE LAS FRFS MEDIDAS 6.4.1. 87 Repetibilidad La verificación más simple, pero no menos útil, es la repetibilidad de las mediciones. Esto es, asegurar que el comportamiento dinámico de la estructura y de todo el montaje experimental no depende del tiempo. Para una fuerza de excitación y un punto de medición seleccionados, una estructura lineal deberı́a dar resultados idénticos en cada medición. Para un par de puntos de entrada y salida (fuerza y respuesta), se pueden realizar mediciones a intervalos de tiempo. Tı́picamente, una FRF seleccionada se mide antes y después que se termine de medir toda la estructura. Este proceso que parece trivial, puede ser muy útil para verificar no sólo que el comportamiento de la estructura es constante, sino también que las condiciones de medición no han cambiado durante todo el experimento. 6.4.2. Reciprocidad Una estructura lineal e invariante en el tiempo debe tener la propiedad de reciprocidad. Esto significa, que una FRF deberı́a ser idéntica si se intercambian la ubicación de la fuerza y la respuesta. Teóricamente, esta propiedad se puede derivar a partir de la simetrı́a de las matrices de masa, rigidez y amortiguación. Debido a esta simetrı́a, la matriz FRF, que es la inversa de la matriz dinámica, también va a ser simétrica. La propiedad de reciprocidad de la FRF se puede utilizar para evaluar la fiabilidad y exactitud de los datos medidos. 6.4.3. Linealidad El supuesto más común en análisis modal es que la estructura se comporta de manera lineal. Sin este supuesto, el análisis modal no tiene sentido. Una manera de verificar la linealidad de una estructura es asegurar que la medición de las FRFs es independiente de la amplitud de las fuerzas de excitación. Para verificar esto, se pueden repetir mediciones en una misma ubicación, pero variando la amplitud de la fuerza de excitación. 6.4.4. Caracterı́sticas especiales de una FRF A partir de la teorı́a de análisis modal, se pueden derivar algunas caracterı́sticas de las FRFs, las que se pueden utilizar para evaluar la calidad de los datos medidos. Esta evaluación puede detectar errores en las mediciones. La primera caracterı́stica es la de una FRF directa, en donde el punto de excitación es el mismo punto de medición. En este caso se espera siempre ver una antiresonancia Frequency response function measurement 155 response function measurement 7.7.4 Special characteristicsFrequency of an FRF 155 7.7.4 of derive an FRF From theSpecial theory of characteristics modal analysis, we can some characteristics of an FRF and use them to assess the FRF data measured in modal testing. This assessment has the 88 derive some characteristics of an FRF and potential to detect measurement errorscan or mistakes made during the testing. useThe them to assess the FRF data measured in modal testing. This assessment has the first characteristic is that for a point FRF measurement we expect to see an potential to detect measurement errorsresonances. or mistakes made duringofthe anti-resonance between two adjacent The rationale thistesting. characteristic characteristic that for a point measurement wenot expect to see an entre dos resonancias. loistanto, si esta caracterı́stica no se observa en la medición hasThe beenfirst explained inPor Chapter 5. Therefore, ifFRF this characteristic is fully observed between two adjacent resonances. The oftransducers deanti-resonance una FRF measurement, directa, es muy probable quethe losforce sensores de fuerza ythis de characteristic respuesta no on a point it is likely that andrationale response are not has been Chapter 5.as Therefore, if this is not observed estén en realidad en in la misma coordinada. actually atexplained the same coordinate, they should be. characteristic Any minor offset offully the two could on a point measurement, it is likely that the force and response transducers are not degenerate some of the anti-resonances. Para una estructura empotrada, aasbajas frecuencias, la the caracterı́stica actually at the same coordinate, theyfrequency should be. Any minor offset ofpredominante the two could For a grounded structure, at very low range, predominant characteristic some of the anti-resonances. dedegenerate la estructura es su rigidez estática. Por lo tanto, al comienzo de una FRF, of the structure is its static stiffness. Therefore, at the beginning of the FRF, we For asee grounded structure, at very low frequency range, the predominant characteristic se should deberı́a observar una linea de rigidez antes de la primera resonancia, como se a stiffness line before the first resonance appears. On the other hand, for of the structure is its static stiffness. Therefore, at the beginning of the FRF, we muestra en la Figura 6.13. Por otro lado, para una estructura libre, la caracterı́stica a freely supported structure, the prevailing characteristic at very low frequency is the should seeinertia. a astiffness line before thelafirst resonance appears. the other for predominante bajas masa la inercia. significa que se FRF. debe mass and Thisfrecuencias means we es should see ay mass line atEsto the On beginning of hand, the aFigures freelyuna supported structure, prevailing characteristic very lowen frequency is the observar de masa althe inicio la FRF, como seatmuestra la Figura ??. 7.13linea and 7.14 illustrate thesedetwo cases. mass and inertia. This means we should see a mass line at the beginning of the FRF. Figures 7.13 and 7.14 illustrate these two cases. Receptance FRF(dB) (dB) EVALUACI ÓN INICIAL FRFS MEDIDASwe From the theory DE of LAS modal analysis, 0 Frecuencia (log) Figure07.13 A point FRF of a grounded structure with the dotted stiffness line Frequency (log) Figura 6.12: FRF directa de una estructura empotrada Figure 7.13 A point FRF of a grounded structure with the dotted stiffness line –150 Receptance (dB) FRF (dB) –200 –150 –250 –200 –300 –250 –350 –300 –400 –350 –450 –400 –450 0 1 2 3 4 5 Frequency (log) 0 1 2 4 mass line Figure 7.14 A point FRF of a free structure 3with the dotted Frecuencia (log) Figure 7.14 A point FRF of a free structure with the dotted mass line Figura 6.13: FRF directa de una estructura libre 5 Capı́tulo 7 Correlación Numérico-Experimental y Ajuste de Modelos En el diseño de estructuras mecánicas, el comportamiento dinámico es un tema de vital importancia. La vida útil bajo cargas cı́clicas, niveles de vibración o ruido, interacción entre sistemas de control y la vibración de la estructura, . . . son restricciones relevantes en el diseño. Sin embargo, el análisis dinámico de una estructura no es directo. Los parámetros modales se pueden determinar de manera experimental o por métodos numéricos. En general, los resultados experimentales entregan información de la estructura sólo para la configuración experimental. Un modelo en elementos finitos, en cambio, permite predecir el comportamiento dinámico de la estructura bajo distintas condiciones de borde y carga, pero la confiabilidad de un modelo en elementos finitos muchas veces no está garantizada. Los métodos de ajuste de modelos permiten verificar y corregir estos modelos en elementos finitos por medio de los datos experimentales. El resultado de un ajuste de modelo es un modelo en elementos finitos que es más confiable para predicciones futuras. El ajuste de un modelo numérico busca desarrollar un modelo en elementos finitos que entregue predicciones confiables de la dinámica de una estructura mecánica. En la Figura 7.1 se ilustra el esquema general de un método de ajuste de modelos. 89 • En los objetivos, agrega ajuste del modelo numérico (o matemático)…para tener un modelo validado de la suspensión del auto y a partir de este modelo validado realizar simulaciones y modificaciones. CORRELACIÓN NUMÉRICO-EXPERIMENTAL Y AJUSTE DE MODELOS • 90 En la parte de correlación experimental, yo agregaría un esquema como el siguiente: Funciones de respuesta en frecuencia Modelo numérico Estructura real Análisis modal Test dinámico Frecuencias naturales y modos propios FRFs experimentales Frecuencias naturales y modos propios Correlación buena Fin Ajuste del modelo numérico Figura 7.1: Esquema general de un ajuste de modelo En la parte de avance del trabajo, del modelo matemático también obtuviste las frecuencias y modos de vibración. Pon esas frecuencias, y haz un esquema de los tres El procedimiento comienza con la construcción de un modelo en elementos finitos. modos de vibración. • La estructura se divide en elementos conectados por nodos. Cada nodo tiene uno o más• grados de libertad. Los grados libertad representan Que diferencia existe entre el modelode "computacional" y el modelodesplazamientos matemático? Dado y deformaciones de la estructura en forma discretizada. modelo está representado que el modelo computacional considera al auto comoEste un cuerpo rígido, deberían ser el por tres mismo matrices: de rigidez K, masa M y amortiguación C. A partir de estas modelo... matrices se pueden determinar las propiedades modales de la estructura (ver sección 1.2). Por otro lado, se realiza un análisis modal experimental de la estructura. En donde se miden las funciones de respuesta en frecuencia en distintos puntos de la estructura. Luego los parámetros modales se pueden identificar a partir de un método de identificación de parámetros. CORRELACIÓN NUMÉRICO-EXPERIMENTAL Y AJUSTE DE MODELOS 91 El ajuste de modelos comienza primero al parear los puntos de medición experimentales con nodos del modelo numérico. Generalmente, los puntos experimentales no coinciden completamente con los nodos numéricos. Primero, los nodos numéricos y los puntos experimental pueden diferir en su ubicación fı́sica. Esto se puede solucionar con una buena comunicación entre la persona que realiza el modelo numérico y el que realiza las mediciones experimentales. Segundo, y más importante, un modelo en elementos finitos tiene muchos mas grados de libertad que los que se miden experimentalmente. Para algunas técnicas de correlación es necesario que los grados medidos experimentalmente y los grados del modelo numérico coincidan. Para resolver esta incompatibilidad con las mallas, se puede o reducir el modelo numérico a los grados de libertad medidos experimentalmente, o expandir los datos experimentales al número de grados de libertad numéricos. La reducción de matrices o expansión datos experimentales es un obstáculo importante en ajuste de modelos. Luego de coincidir ambos modelos, el procedimiento continua con la correlación entre los datos numéricos y experimentales. Existen distintas técnicas de correlación que se pueden utilizar. Si la correlación es buena el algoritmo termina, y el modelo en elementos finitos se considera suficientemente bueno. En caso contrario (y más probable), si la correlación es mala, el modelo en elementos finitos debe ser corregido por medio de un procedimiento de ajuste. Los datos numéricos con los experimentales muchas veces no son compatibles por alguna de las razones siguientes: Los grados libertad experimentales no coinciden con los grados de libertad del modelo en elementos finitos: Esto se puede solucionar parcialmente con algoritmos de redución/expansión. El conjunto de datos experimentales es incompleto: No sólo el número de grados experimentales esta limitado, sino también el número de modos que se pueden determinar experimentalmente. La medición de las funciones de respuesta en frecuencia se realiza en rango de frecuencias limitado. Por lo tanto, los modos fuera de este rango no pueden ser identificados. Dependiendo de la cantidad de información experimental, los resultados del ajuste de modelos pueden no ser únicos. Los datos experimentales están contaminados con ruido: En general, se esperan errores del orden del 3 % en las frecuencias naturales y del 10 % en las formas modales. El uso de información experimental contaminada con ruido puede llevar a una ajuste de modelos inadecuado. El amortiguamiento no se puede incluir de manera precisa en el modelo numérico: La información de amortiguamiento está inherentemente presente en los datos experimentales, pero usualmente no se considera en el PAREAR MODELOS NUMÉRICOS Y EXPERIMENTALES 92 modelo en elementos finitos. Esta discrepancia puede causar errores en el modelo ajustado. 7.1. Parear modelos numéricos y experimentales En la mayorı́a de los casos de número de grados de libertad del modelo numérico excede por mucho el número de grados de libertad medidos. Los modelos en elementos finitos requieren mallas finas para poder entregar resultados precisos. No es practico , y muchas veces no es posible, medir todos los grados de libertad en la estructura real: Muchos de los grados de libertad son internos y no se puede acceder a ellos para realizar mediciones. Los grados de libertad de rotación son difı́ciles de medir. Para el propósito de análisis modal, no es necesaria una malla muy fina de puntos de medición. Sin embargo, muchos algoritmos de ajuste de modelos requieren una correspondencia uno-a-uno entre los grados de libertad analı́ticos y experimentales. Para lograr esto se utilizan algoritmos de reducción de modelos numéricos y de expansión de los datos experimentales. 7.1.1. Técnicas de reducción Las técnicas de reducción expresan las ecuaciones de movimiento en términos de los grados de libertad medidos experimentalmente. En una primera fase, se identifican los grados de libertad analı́ticos para cada grado de libertad experimental. Esto define a los grados de libertad “activos”. El resto de los grados de libertad analı́ticos se denominan grados de libertad “eliminados”: Xf = Xa Xd donde: Xa = grados de libertad activos Xd = grados de libertad eliminados Xf = set completo de grados de libertad (7.1) PAREAR MODELOS NUMÉRICOS Y EXPERIMENTALES 93 Las técnicas de reducción establecen una relación entre los grados de libertad activos y los grados de libertad eliminados por medio de una matriz de transformación Td o Tf : Xd = Td Xa (7.2) Xf = (7.3) Tf = Tf Xa I Td (7.4) Tf se utiliza para construir matrices de masa y rigidez reducidas Mr y Kr respectivamente. Para un sistema sin amortiguamiento se cumple la siguiente relación: XfT M Xf = XaT Mr Xa (7.5) XfT KXf = XaT Kr Xa (7.6) Sustituyendo Xf por Tf Xa se obtiene: Mr = TfT M Tf (7.7) Kr = TfT KTf (7.8) Las matrices del sistema reducido entregan sólo una descripción aproximada del comportamiento dinámico “exacto” del sistema con las matrices completas. Se sabe que todos los grados de libertad deben cumplir con la ecuación de movimiento: K − ω 2 M Xf = Z(ω)Xf = Ff (7.9) Para el sistema reducido no deben haber fuerzas externas en los grados de libertad eliminados. Dividiendo el sistema de ecuaciones en los grados de libertad activos y los eliminados: Zaa Zad Xa Fa = (7.10) Zda Zdd Xd 0 despejando Xd se obtiene que: −1 Xd = −Zdd Zda Xa (7.11) PAREAR MODELOS NUMÉRICOS Y EXPERIMENTALES 94 De donde se deduce que: Td = −Zdd (ωr )−1 Zda (ωr ) (7.12) Se debe notar que Z está evaluada a una frecuencia ωr , en consecuencia las matrices Mr y Kr darán resultados exactos para esta frecuencia. Para las otras frecuencias Mr y Kr dan sólo resultados aproximados, siendo peores al alejarse de ωr . Un caso particular es la bien conocida reducción de Guyan, en donde se utiliza ωr = 0. 7.1.2. Técnicas de expansión las técnicas de expansión expanden los modos experimentales desde el set de grados de libertad activos al set de grados de libertad completo del modelo analı́tico. La evaluación de los grados de libertad no medidos en los modos experimentales se lleva a cabo la mayorı́a de las veces utilizando las relaciones entre los grados activos y eliminados del modelo numérico. El método de reducción presentado en la sección anterior se puede utilizar también como un método de expansión ya que define la relación entre los grados de libertad activos y eliminados en el modelo analı́tico: Xd = Td Xa (7.13) La misma matriz de transformación se puede utilizar para los modos experimentales: φde = Td φae (7.14) Donde φde representa los grados de libertad eliminados de un modo (o matriz de modos) experimental y φae los grados de libertad activos. A continuación se presentan métodos de expansión alternativos. Mezcla de vectores modales Este método simplemente completa los grados de libertad faltantes en los modos experimental con los valores correspondientes de los modos analı́ticos: a φe f φe = (7.15) φda φfe representa un modo experimental (o matriz de modos) con el set completo de grados de libertad, φda es el modo analı́tico en los grados de libertad no medidos y φae es el modo experimental en los grados de libertad medidos. TÉCNICAS DE CORRELACIÓN 95 Antes de completar el modos experimental con los valores del modo analı́tico, éstos deben tener la misma escala de modo que: kφae k = kφaa k (7.16) Método de coordenadas modales Este método define los modos experimentales como una combinación lineal de los modos analı́ticos. Los coeficientes de la combinación lineal son calculados con los grados de libertad activos: φae = φaa q (7.17) q = a φa+ a φe (7.18) La matriz q se utiliza luego para evaluar los grados de libertad experimental faltantes: φde = φda q (7.19) Interpolación Los grados de libertad faltantes también se pueden aproximar por medio de métodos de interpolación. Una ventaja de este método es que no se necesitan datos numéricos para expandir los datos experimentales. Este método depende fuertemente de la conexión entre los distintos grados de libertad. En consecuencia, cada interpolación depende mucho del caso en estudio, lo que dificulta su uso práctico. En la práctica, estos métodos se aplican en estructuras que consisten en componentes unidimensionales. También se pueden utilizar para estimar grados de libertad de rotación a partir de los grados de libertad de traslación, pero este procedimiento es numéricamente poco estable. 7.2. Técnicas de correlación El propósito de los métodos de ajuste de modelo es lograr que el modelo numérico se acerque lo más posible a los datos experimentales. Para evaluar el nivel de correlación entre los datos numéricos y experimentales es necesario definir que parámetros se van a comparar y en que forma. A continuación, se describirán algunas técnicas usuales de correlación numérica-experimental. TÉCNICAS DE CORRELACIÓN 7.2.1. 96 Diferencia en las frecuencias de resonancia La manera más sencilla de verificar la correlación es comparando las frecuencias naturales analı́ticas y experimentales. La diferencia máxima permitida depende en la precisión de las frecuencias naturales. 7.2.2. Comparación visual de los modos Modo experimental Una manera de visualizar la correlación entre dos modos son los denominados gráficos de 45◦ . En estos gráficos se gráfica un modo experimental versus el modo analı́tico correspondiente en un gráfico x-y. Si ambos modos son idénticos y tienen la misma escala, entonces todos los puntos se encuentran sobre una linea de 45◦ que parte desde el origen. La distancia entre los puntos y la lı́nea de 45◦ da una indicación de la correlación entre los modos. En la Figura 7.2 se ilustra un gráfico de 45◦ tı́pico. Modo analítico Figura 7.2: Gráfico de 45◦ Una manera de asegurar que los modos experimentales tengan la misma escala que los modos analı́ticos es utilizando el “Factor de Escala Modal (MSF)”. El MSF mide el factor de escala entre dos modos, los modos experimentales se pueden escalar a los modos analı́ticos multiplicados por el MSF correspondiente: φ∗e,i M SFi = φe,i · M SFi (7.20) φTa,i φe,i φTe,i φe,i (7.21) = TÉCNICAS DE CORRELACIÓN 97 Donde φ∗e,i y φe,i es el iésimo modo experimental escalado y original, φa,i es el iésimo modo analı́tico, y M SFi es el factor de escala modal para el modo i. Al multiplicar el modo experimental por el MSF correspondiente, también se soluciona el problema que los modos analı́tico y experimental pueden estar con un desfase de 180◦ . 7.2.3. Modal Assurance Criterion El “Modal assurance criterion (MAC)” expresa la correlación que es visualizada en un gráfico de 45◦ en un sólo número. Se define como: 2 φTa,i φe,j M ACij = T φa,i φa,i φTe,j φe,j (7.22) Donde φa,i es el iesimo modo analı́tico y φe,j es el jesimo modo experimental. Un valor de 0 indica que no hay correlación, mientras que un valor de 1 indica dos modos perfectamente correlacionados. Al ordenar todos los valores M ACij en una matriz, la diagonal deberı́a tener valores altos (en general mayores a 0.8) para una buena correlación. Una ventaja del MAC es que la correlación no depende de la escala de los modos, sino que sólo de forma de éstos. En la Figura 7.3 se representa gráficamente una matriz de valores MAC tı́pica. 1 116 0.9 Modos Experimentales (Hz) 58.9 56.6 0.8 44.7 0.7 39 0.6 31.2 0.5 28.4 0.4 26.3 24.2 0.3 19 0.2 15.4 0.1 13 12.7 15.2 19.4 24.2 26.3 28.3 31.4 38.4 43.8 57 58.7 116 Modos numéricos (Hz) Figura 7.3: Matriz de valores MAC MÉTODOS ITERATIVOS DE AJUSTE DE MODELOS 7.2.4. 98 Frequency Response Assurance Criterion Tal como el MAC mide la correlación de dos vectores modales, el “Frequency Response Assurance Criterion (FRAC)” mide la correlación entre dos funciones de respuesta en frecuencia. Se define de manera equivalente al MAC como: 2 a e ω=ω1 Hpq (ω)Hpq (ω) Pω2 Pω2 e e a a ω=ω1 Hpq (ω)Hpq (ω) ω=ω1 Hpq (ω)Hpq (ω) Pω2 F RACpq = (7.23) Donde Hpq es la función de respuesta en frecuencia cuando la excitación es en el punto p y se mide en el punto q. Los indices a y e se refieren a analı́tico y experimental respectivamente. Por último, ω1 y ω2 es el rango de frecuencias en que se quiere correlacionar las FRFs. Como en el caso del MAC, un valor del FRAC igual a 1 equivale a dos FRFs perfectamente correlacionadas, mientras que un valor cercano a 0 indica una mala correlación. 7.3. Métodos iterativos de ajuste de modelos Los métodos más utilizados en ajuste de modelo son métodos iterativos basado en gradientes. Estos métodos minimizan una función error ε que relaciona los parámetros experimentales con los entregados por el modelo numérico. Esta función de error puede estar compuesta de distintos residuos: La diferencia entre las frecuencias naturales analı́ticas y experimentales. La diferencia entre los modos analı́ticos y experimentales. El balance de fuerzas a una frecuencia especifica. La diferencia entre las funciones de respuesta en frecuencia analı́ticas y experimentales. El problema se resuelve con una aproximación de Taylor de primer orden ε(β) = ε(β0 ) + X ∂ε ∆βi ∂βi i (7.24) MÉTODOS ITERATIVOS DE AJUSTE DE MODELOS 99 Donde β = {β1 , β2 , . . . βm } es un vector de parámetros a ser actualizados. ∆βi = βij+1 − βij , βij es el valor actual del parámetro y βij+1 es el valor estimado. Las derivadas parciales de primer orden son evaluadas numéricamente. Definiendo una matriz S que contenga las derivadas parciales del residuo con respecto a los parámetros β: ∂ε1 ∂ε1 ∂ε1 ... ∂β1 ∂β2 ∂βn ∂ε ∂ε2 ∂ε2 2 ... ∂β ∂β ∂β 1 2 n (7.25) S= .. .. ... . ... . ∂εn ∂εn ∂εn ... ∂β1 ∂β2 ∂βn la ecuación 7.24 se puede escribir como: ∆ε = S∆β, ∆ε = zE − zA (β) (7.26) Donde zE and zA (β) son los datos experimentales y analı́ticos respectivamente, ∆ε es el vector de residuos. El vector de parámetros β es estimado al minimizar la siguiente función objetivo, T J(β) = (S∆β − ∆ε) (S∆β − ∆ε) (7.27) Este problema de minimización se resuelve por mı́nimos cuadrados. La solución viene dada por, ∆β = S + ∆ε Donde S + es la pseudoinversa S −1 + T (S S)−1 S T Sn×m = T T −1 S (S S) (7.28) de la matriz S: n=m n>m n<m (7.29) donde n es el número de mediciones y m el número de parámetros. La ecuación 7.28 se puede escribir de manera equivalente como, β j+1 = β j + S(β j )+ ∆ε(β j ) (7.30) Donde ∆βi = βij+1 − βij , βij es el valor actual del parámetro y βij+1 es el valor estimado. El valor final de β se obtiene por un procedimiento iterativo; la ecuación 7.30 es iterada hasta que se alcanza convergencia. MÉTODOS ITERATIVOS DE AJUSTE DE MODELOS 100 La ecuación 7.27 pondera de igual forma a todos los datos experimentales. Sin embargo, serı́a preferible dar mayor peso a los datos que se saben son más precisos. Por ejemplo, se sabe que las frecuencias naturales se pueden determinar de manera más precisa que los modos, o que los primeros modos contienen menos contaminación por ruido que los modos de frecuencias más altas. Para compensar estas diferencias se pueden utilizar matrices de ponderación. La función a minimizar considerando una matriz de ponderación viene dada por, T J(β) = (S∆β − ∆ε) Wεε (S∆β − ∆ε) (7.31) Donde Wεε es una matriz definida positiva. En general, se define Wεε como una matriz diagonal cuyos elementos son la inversa de la varianza de los datos experimentales. La solución del problema de minimización viene dada por, −1 β j+1 = β j + S(β j )T Wεε S(β j ) S(β j )T Wεε ∆ε(β j ) (7.32) El problema iterativo definido en la ecuación 7.32 puede estar mal condicionado. En un problema mal condicionado no se puede asegurar la convergencia. Una solución al problema de mal condicionamiento es la regularización de las ecuaciones. La regularización de Tikonov es el método mas utilizado. En este caso, se añade un termino adicional a la función objetivo para penalizar por el cambio relativo de los parámetros. De esta manera se incentivan cambios pequeños de los parámetros en cada paso, favoreciendo la convergencia. La función objetivo queda como, T J(β) = (S∆β − ∆ε) Wεε (S∆β − ∆ε) + ∆β T Wββ ∆β (7.33) Donde Wββ = Iα es una matriz diagonal cuyos elementos son iguales al parámetro de regularización α. La solución a la ecuación 7.33 es, −1 β j+1 = β j + S(β j )T Wεε S(β j ) + Wββ S(β j )T Wεε ∆ε(β j ) (7.34) El valor del parámetro de regularización α se selecciona utilizando la curva ‘L’ de Hansen. La curva de ‘L’ es un gráfico de la norma de ∆β T Wββ ∆β versus la T norma del residuo (S∆β − ∆ε) Wεε (S∆β − ∆ε). El valor óptimo del parámetro de regularización corresponde al punto de máxima curvatura en la curva del gráfico log-log de la curva de ‘L’. Existen algunos métodos estándar para construir la matriz de gradientes S. A continuación se describirán estos métodos cuando los siguientes datos son utilizados: (1) modos y frecuencias naturales y (2) funciones de respuesta en frecuencia. MÉTODOS ITERATIVOS DE AJUSTE DE MODELOS 7.3.1. 101 Modos y frecuencias naturales Un método bien establecido es el “inverse eigen-sensitivity method” (IESM). El que correlaciona valores y modos propios. La función de error se define como, ελ,k = λE,k − λA,k λE,k (7.35) εφ,k = φE,k − φA,k (7.36) Donde λk , φk son los kesimo valor y modo propio respectivamente. Los subı́ndices A, E se refieren a analı́tico y experimental respectivamente. Las derivadas de los valores y modos propios, se pueden calcular a partir de las relaciones dadas por Fox y Kapoor (1968), ∂λA,k ∂K ∂M T = φA,k − λA,k φA,k (7.37) ∂βi ∂βi ∂βi ∂K ∂M T φ − λ φ N A,k A,k X A,j ∂βi ∂βi φA,j = (λA,k − λA,j ) ∂φA,k ∂βi (7.38) j=1,6=r K y M son las matrices de rigidez y masa del modelo numérico. La ecuación 7.38 requiere el calculo de todos los modos propios. Aunque, las derivadas se pueden aproximar con los primeros términos de la serie en el ecuación 7.38. Las derivadas de las matrices de rigidez y masa, ∂K ∂M y , se pueden estimar ∂βi ∂βi utilizando diferencias finitas: ∂K ∂βi = K(βi + δ) − K(βi ) δ (7.39) ∂M ∂βi = M (βi + δ) − M (βi ) δ (7.40) donde δ es un número pequeño. MÉTODOS ITERATIVOS DE AJUSTE DE MODELOS La matriz de gradientes S y ∂λA,1 ∂β1 /λA,1 , ∂φA,1 ∂β1 .. S= . ∂λ A,m /λA,m , ∂β1 ∂φA,m ∂β1 el vector de residuos viene dados por, ∂λA,1 ... , /λA,1 ∂βn ∂φA,1 ... ∂βn .. .. . . ∂λA,m ... , /λA,m ∂βn ∂φA,m ... ∂βn (λE,1 − λA,1 )/λA,1 φE,1 − φA,1 .. ∆ε = . (λ − λ A,m )/λA,m E,m φE,m − φA,m 7.3.2. 102 (7.41) (7.42) Funciones de respuesta en frecuencia El método denominado “response function method (RFM)” propuesto por Lim y Edwins (1990) utiliza directamente los funciones de respuesta en frecuencia. La función de error está definida como, j j εα = αA − αE (7.43) Donde αj representa la jesima columna de la matriz de FRFs α. Los subı́ndices A, E se refieren a analı́tico y experimental respecticamente. Lim y Edwins demostraron la siguiente relación, j j ∂ αA − αE ∂Z j = αA α ∂βi ∂βi E (7.44) Z es la matriz de rigidez dinámica. Sus gradientes a una frecuencia dada, ω, se pueden determinar como, ∂ K − ω2 M ∂Z ∂K ∂M = = − ω2 (7.45) ∂βi ∂βi ∂βi ∂βi K y M son las matrices de rigidez y masa del modelo numérico. Los gradientes de ∂K ∂M las matrices de rigidez y masa, and , se pueden determinar por diferencia ∂βi ∂βi finitas, como se describe en la ecuaciones 7.39 y 7.40. MÉTODOS ITERATIVOS DE AJUSTE DE MODELOS 103 La matriz de gradientes S y el vector de residuos viene dados por, S= ∆ε = ∂Z j α (ω1 ), ... ∂β1 E .. .. . . ∂Z j −αA (ωnf ) α (ωnf ), . . . ∂β1 E −αA (ω1 ) j j αE (ω1 ) − αA (ω1 ) .. . j αE (ωnf ) − j αA (ωnf ) ∂Z j α (ω1 ) ∂βn E .. . ∂Z j , −αA (ωnf ) α (ωnf ) ∂βn E , −αA (ω1 ) (7.46) (7.47) Donde ω1 , ω2 , . . . ωnf representan las frecuencias seleccionadas para definir la función de error. Capı́tulo 8 Ejemplos de Análisis Modal en Estructuras Reales 8.1. Estructura de barras La estructura consiste en un ensamble tridimensional de barras estáticamente indeterminado, compuesto por 43 barras y 20 uniones. Las dimensiones de la estructura son: largo 3m, ancho 0.5m y alto 0.5m. Las barras están formadas por tubos de aluminio con un diámetro de 22mm y un espesor de 1mm. En la Figura 8.1 se muestra el montaje experimental, la estructura esta suspendidas por resortes blandos para simular una condición de borde libre. Los puntos de medición, excitación y suspension se definieron con la ayuda de un modelo numérico. Este modelo utiliza elementos de viga 3D para modelar las barras y masas concentradas en las uniones. La configuración óptima de puntos de medición se definió al minimizar los valores fuera de la diagonal de la matriz MAC. Este procedimiento asegura que los modos sean independientes entre sı́. Para efectos de visualización, se utilizaron acelerómetros tri-axiales en los puntos seleccionados. Como resultado se midieron 20 × 3 grados de libertad, un acelerómetro triaxial por unión. La ubicación de los puntos de excitación y suspensión se seleccionó de acuerdo a un estudio de los driving point residues (DPR). Los puntos de excitación son los grados de libertad con DPR altos para el mayor numero de modos. En la Figura 8.2 se muestra los DPR promedio (en los primeros 12 modos) para los 60 grados de libertad medidos. Los primeros cuatro máximos corresponden a las cuatro esquinas inferiores de la estructura cuando son excitadas en la dirección 104 ESTRUCTURA DE BARRAS 105 x. Los cuatro máximos siguientes corresponden a las esquinas superiores cuando son excitadas en la dirección z. De acuerdo a estos resultados se seleccionaron dos puntos de excitación (ver Figura 8.3(a)), el primero en una esquina inferior en la dirección x y el segundo en una esquina superior en la dirección z. z y x Figura 8.1: Montaje experimental de la estructura de barras 4.5 x 10 -3 ↓ ↓ ↓ ↓ 4 Average DPR 3.5 3 ↓ ↓ ↓ ↓ 2.5 2 1.5 1 0.5 0 0 10 20 30 40 50 60 Degree of Freedom Figura 8.2: Driving point residues promedio para los posibles puntos de excitación ESTRUCTURA DE BARRAS 106 z y x (a) Puntos de excitación (b) Puntos de suspensión Figura 8.3: Puntos de excitación y suspensión seleccionados Los puntos de suspensión se seleccionaron buscando puntos donde fuese factible suspender la estructura y que tuviesen un DPR promedio bajo. En la Figura 8.4 se muestran los puntos candidatos para la suspensión y sus valores DPR. La ubicación fı́sica de los puntos seleccionados se puede visualizar en la Figura 8.3(b). El rango de frecuencias de medición es de 0 a 256Hz con una resolución de 0.25Hz. Este rango contiene todos los modos globales y unos pocos modos locales. En la Figura 8.5 se muestran los 12 modos globales identificados. 4.5 x 10 -3 4 Average DPR 3.5 3 2.5 2 1.5 1 0.5 0 0 ↓ 10 ↓ 20 ↓ 30 40 ↓ 50 60 Degree of Freedom Figura 8.4: Driving point residues promedio para los posibles puntos de suspensión ESTRUCTURA DE BARRAS 107 (a) Modo 1, ω = 13,03Hz (b) Modo 2, ω = 15,37Hz (c) Modo 3, ω = 19,05Hz (d) Modo 4, ω = 24,23Hz (e) Modo 5, ω = 26,31Hz (f) Modo 6, ω = 28,42Hz (g) Modo 7, ω = 31,17Hz (h) Modo 8, ω = 39,04Hz (i) Modo 9, ω = 44,71Hz (j) Modo 10, ω = 56,64Hz (k) Modo 11, ω = 58,87Hz (l) Modo 12, ω = 115,6Hz Figura 8.5: Doce modos globales identificados ESTRUCTURA DE BARRAS 8.1.1. 108 Modelo numérico El modelo numérico se construyó en Matlab utilizan elementos de viga 3D para las barras e inercias concentradas para las uniones. Cada barra se modeló con cuatro elementos de viga, como se muestra en la Figura 8.6. Los grados de libertad de rotación fueron eliminados por medio de una metodologı́a de reducción de Guyan. En total, el modelo tiene 447 grados de libertad y 192 elementos. Se identifican 12 modos globales con frecuencias entre 12Hz y 125Hz, los modos siguientes son modos locales de las barras. Figure 2 1 2 3 4 Figura 8.6: Modelo en elementos finitos de cada barra En la Figura 8.7 se muestra la correlación entre los modos numéricos y experimentales, donde ωE y ωA son las frecuencias naturales experimentales y analı́ticas respectivamente. El valor MAC indica la correlación entre las formas modales numéricas y experimentales. La máxima diferencia en frecuencia es del 2,3 % y el MAC mı́nimo es 0,86. Es importante destacar que la correlación numérico-experimental mostrada, es una vez realizado el ajuste del modelo numérico. ESTRUCTURA DE BARRAS 109 ωA = 12.72 Hz ωA = 15.25 Hz ωA = 19.38 Hz ωE = 13.03 Hz ωE = 15.37 Hz ωE = 19.05 Hz MAC = 0.97 MAC = 0.98 MAC = 0.99 (a) Modo 1 ωA = 24.25 Hz (b) Modo 2 ωA = 26.29 Hz (c) Modo 3 ωA = 28.33 Hz ωE = 24.23 Hz ωE = 26.31 Hz ωE = 28.42 Hz MAC = 0.98 MAC = 0.92 MAC = 0.93 (d) Modo 4 ωA = 31.43 Hz ωE = 31.17 Hz MAC = 0.92 (e) Modo 5 (f) Modo 6 ωA = 38.43 Hz ωA = 43.84 Hz ωE = 39.04 Hz ωE = 44.71 Hz MAC = 0.98 MAC = 0.97 (g) Modo 7 (h) Modo 8 (i) Modo 9 ωA = 115.8 Hz Z = 56.93 Hz A ZA = 58.8 Hz ZE = 56.64 Hz ZE = 58.87 Hz ωE = 115.6 Hz MAC = 0.88 MAC = 0.86 MAC = 0.97 Numérico (j) Modo 10 (k) Modo 11 Experimental (l) Modo 12 Figura 8.7: Comparación entre los modos numéricos y experimentales MODELO A ESCALA DE UN AVION 8.2. 110 Modelo a escala de un avion La estructura simula el comportamiento dinámico de un avion. Está formada por vigas de acero. El fuselaje consiste en una viga recta de sección rectangular, mientras que vigas planas forman las alas y cola. Las turbinas están representadas por dos masas conectadas a las alas. El montaje experimental se ilustra en la Figura 8.8. La estructura está suspendida por tres resortes y un shaker electrodinámico la excita con una señal aleatoria en al punta del ala. La respuesta es capturada por 11 acelerómetros. Figura 8.8: Montaje experimental del avion a escala El test es realizado en una rango de frecuencias de 0 − 130Hz. Se obtuvieron modos operacionales mediante en método en el dominio del tiempo (stochastic subspace identification method). Los modos identificados se muestran en la Figura 8.9. MODELO A ESCALA DE UN AVION 111 (a) Modo 1, ω = 18,44Hz (b) Modo 2, ω = 39,84Hz (c) Modo 3, ω = 81,34Hz (d) Modo 4, ω = 83,44Hz (e) Modo 5, ω = 91,18Hz (f) Modo 6, ω = 99,32Hz Figura 8.9: Primeros seis modos experimentales del avion a escala 8.2.1. Modelo numérico El modelo numérico se construyó en Matlab con elementos de viga 3D para el fuselaje, alas y cola e inercias concentradas para las turbinas. El modelo numérico tiene 43 elementos y 252 DOF, como se ilustra en la Figura 8.10. Las propiedades iniciales del modelo numérico fueron ajustadas para coincidir con los modos y frecuencias naturales. La Figura 8.11 presenta la correlación entre los modos numéricos y experimentales, donde ωE y ωA son las frecuencias naturales experimentales y analı́ticas respectivamente. El MAC mide la correlación entre los modos numéricos y experimentales. El MAC mı́nimo tiene un valor de 0,82 y la diferencia máxima de frecuencias es del 2,0 %. MODELO A ESCALA DE UN AVION 112 40 30 39 38 37 36 35 34 33 31 32 29 28 27 26 16 25 15 14 24 13 12 11 22 19 9 21 10 9 42 21 23 20 8 41 7 6 20 5 18 4 17 3 2 8 1 43 Figura 8.10: Modelo en elementos finitos MAC = 0.98 ωA = 18.43 Hz, ωE = 18.44 Hz MAC = 0.99 ωA = 39.8 Hz, ω E = 39.84 Hz MAC = 0.93 ωA = 82.17 Hz, ωE = 81.34 Hz (a) Modo 1 (b) Modo 2 (c) Modo 3 MAC = 0.82 ZA = 82.75 Hz, ZE = 83.44 Hz MAC = 0.91 ZA = 89.83 Hz, ZE = 91.18 Hz 0$& Z$ +]Z( +] Numérico (d) Modo 4 (e) Modo 5 ([SHULPHQWDO (f) Modo 6 Figura 8.11: Comparación entre los modos numéricos y experimentales - To avoid coupling between lateral and vertical modes, the width and height of the cross section was chosen to be different. - The reinforcement ratio should be within a realistic range. By a proper choice of steel quality, the interval between the first crack appearance and the failure of the beam, i.e. yielding of tensile steel reinforcement is made large enough to be able to study the VIGA DE CONCRETO REFORZADO 113 progressive degradation of the beams and its consequences for the modal parameters. 8.3. Figure Viga 4.1 plotsde the concreto cross section ofreforzado the beams: there are 6 reinforcement bars of diameter 16 mm, equally distributed over tension and compression zone, corresponding to a La estructura consiste en una viga de concreto de largo 6m y una sección de ratio of about 1.4%.con Theun length of all de tested beams is 6 m. Shear reinforcement 0,2 reinforcement × 0,25m2 . Seis vigas de acero diámetro 16mm refuerzan la viga. 30 vigas de acero con un diámetro de 8mm refuerzan transversalmente la viga, como consists of stirrups of diameter 8 mm placed every 200 mm. The total weight of each beam is se muestra en la Figura 8.12. El peso total de la viga es de 750kg. about 750 kg. Figure 4.1 Cross section of the beam and steel reinforcement Figura 8.12: Sección de la viga y refuerzos 4.1.3 Load program The beams are damaged progressively during static loading (Figure 4.2a). The static supports differ for the different beams as indicated in Table 4.1. The loading sequence is indicated in Table 4.2 to 4.5. After every static load step, a dynamic test is performed on the beam in a free set-up (Figure 4.2b). The progressive crack patterns for the beams 2, 3, 4 and 5 are given in Figure 4.3 to 4.6. The four point bending (beam 3) results in a wider damaged zone than the damaged zone of beam 2 (three point bending). Two different damage zones are present in beam 4, both with a maximal crack height at the location of the static force. This was established by moving the static loads from one side of the beam to another after five load steps. The reason to do so is to create different, non-equal damage zones at non-symmetrical locations in the beam. The Figura 8.13: Montaje experimental para la viga reforzada VIGA DE CONCRETO REFORZADO 114 La Figura 8.13 muestra el montaje experimental. La viga está suspendida por resortes blandos, simulando una condición de borde libre. La aceleración verticalmente en 62 puntos distribuidos equidistantes en la cara superior a lo largo de la viga. Un martillo de impacto excita a la viga en uno de las esquinas, excitando también los modos torsionales. Las mediciones son realizadas en un rango de frecuencias de 0 − 625Hz. Se identifican los modos operacionales por medio de un algoritmo en el dominio del tiempo (stochastic subspace identification method). La Figura 8.14 muestra los primeros seis modos identificados. (a) Modo 1, ω=22.76Hz (b) Modo 2, ω=64.85Hz (c) Modo 3, ω=126.9Hz (d) Modo 4, ω=186.4Hz (e) Modo 5, ω=208.4Hz (f) Modo 6, ω=302.8Hz Figura 8.14: Primeros seis modos experimentales 8.3.1. Modelo numérico El modelo numérico se construyó en Matlab utilizando elementos de viga 2D, como se muestra en la Figura 8.15. Tiene 30 elementos de viga y 62 grados de libertad. Luego de ajustar el modelo numérico las propiedades de la viga son: Modulo de Young 3,60 · 1010 P a, densidad 2500kg/m3 , area 0,05m2 e inercia de la sección 1,93 · 10−4 m4 . El modelo numérico no incluye grados de libertad torsionales. Por lo tanto, solo se consideran los modos de flexión. La Figura 8.16 presenta la VIGA DE CONCRETO REFORZADO 115 correlación numérica-experimental de los primeros cuatro modos de flexión. La máxima diferencia en frecuencias es del 2,46 % y el MAC mı́nimo es 0,996. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x Figura 8.15: Modelo en elementos finitos de la viga reforzada ωA = 23.32 Hz, ωE = 22.76 Hz, MAC= 0.998 (a) Modo 1 (b) Modo 2 ZA = 126 Hz, ZE = 126.9 Hz, MAC= 0.997 Numérico (c) Modo 3 ωA = 64.29 Hz, ωE = 64.85 Hz, MAC= 0.997 ZA = 208.4 Hz, ZE = 208.4 Hz, MAC= 0.996 Experimental (d) Modo 4 Figura 8.16: Comparación entre los modos numéricos y experimentales TUBO DE ESCAPE DE UN AUTO 8.4. 116 Tubo de escape de un auto En la Figura 8.17 se muestra el montaje experimental. La estructure corresponde a un tubo de escape de un auto. Las dimensiones son: largo 2.3m, ancho 0.45m. El tubo de escape esta hecho de acero y tiene un diámetro de 38mm. Resortes blandos suspenden a la estructura y un shaker electrodinámica la excita. La respuesta es capturada por 20 acelerómetros distribuidos en la estructura. Las mediciones se realizan en un rango de frecuencias de 0-1024Hz con una resolución en frecuencias de 0.25Hz. La Figura 8.18 muestra los primeros cuatro modos identificados. Figura 8.17: Montaje experimental del tubo de escape (a) Modo 1, ω=27.2Hz (b) Modo 2, ω=63.4Hz (c) Modo 3, ω=169Hz (d) Modo 4, ω=291Hz Figura 8.18: Primeros cuatro modos experimentales TUBO DE ESCAPE DE UN AUTO 8.4.1. 117 Modelo numérico El modelo numérico se construyo en Matlab, el tubo de escape se aproximó como la unión de varios tubos de diferentes diámetros, el espesor de los tubos fue definido inicialmente como 0.8mm. En la Figura 8.19 se muestra la geometrı́a aproximada, las dimensiones están en milı́metros y los ángulos en grados. .2 54 10 235 45 57 75 81 75 60 47 38 60 45 25 360 30 44 195 20 5 300 44 38 30 597 140 20 40 45 190 15 44 Figura 8.19: Geometrı́a aproximada utilizada en el modelo númerico El modelo numérico mostrado en la Figura 8.20 fue construido en Matlab con elementos de viga 2D e inercias concentradas para las masas. Se utilizaron propiedades genéricas para el acero; Modulo de Young 2,1 · 1011 P a, densidad 7800kg/m3 , coeficiente de Poisson 0,3. El modelo tiene 47 elementos de viga y 3 inercias, con 144 grados de libertad. Se ajustó el espesor del tubo, el peso de las inercias y las propiedades del material para coincidir con los modos experimentales. En la Figura 8.21 se presenta la correlación numérica-experimental de los primeros cuatro modos de flexión. La máxima diferencia en frecuencias es del 2.78 % y el MAC mı́nimo es 0.98. TUBO DE ESCAPE DE UN AUTO 118 Figura 8.20: Modelo en elementos finitos ωE=27.2 Hz, ωA=26.5 Hz, MAC= 0.988 ωE=63.4 Hz, ωA=63.5 Hz, MAC= 0.986 (a) Modo 1 (b) Modo 2 ZE=169 Hz, ZA =171 Hz, MAC= 0.994 Numérico (c) Modo 3 ZE=291 Hz, ZA =287 Hz, MAC= 0.98 Experimental (d) Modo 4 Figura 8.21: Correlación numérico-experimental de los modos EL PUENTE I-40 8.5. 119 El puente I-40 La estructura corresponde al antiguo puente I-40 sobre Rio Grande en New Mexico. En la Figura 8.22 se ilustra una vista en elevación de la porción del puente que fue sometida a un análisis modal. La sección del puente consiste en tres tramos. Los dos tramos en los extremos son de igual largo, 39m, el tramo central tiene 49.7m de largo. En la Figura 8.23 se muestra una vista en sección del puente, el puente esta conformado por una sección de concreto soportado por dos vigas laterales de acero y tres vigas intermedias. Las cargas de las vigas intermedias se transmiten a las vigas laterales por medio de vigas cruzadas ubicadas en intervalos de 6.1m. 39.9 m 49.7 m 39.9 m y Pier 3 Pier 2 z Pier 1 Figura 8.22: Vista en elevación de la sección del puente estudiada 0.178m Stringers (21 WF 62) Plate Girder 3.05m L 5x5x5/16 Bracing 2.06m 36 WF 182 or 36 WF 150 Floor Beam Plate Girder 2.29m 2.29m 2.29m 2.29m Figura 8.23: Sección del puente I-40 2.06m EL PUENTE I-40 120 Durante las mediciones el puente fue excitado por medio de un shaker hidráulico y se midió la respuesta por medio de 26 acelerómetros como se muestra en la Figura 8.24. La estructura fue excitada por una señal aleatoria de frecuencias entre 2Hz y 12Hz. Los modos se obtienen a partir de un método de identificación en el dominio del tiempo. En la Figura 8.25 se muestran los primeros seis modos experimentales. Shaker Figura 8.24: Mediciones experimentales (a) Modo 1, ω=2.48Hz (b) Modo 2, ω=2.95Hz (c) Modo 3, ω=3.49Hz (d) Modo 4, ω=4.08Hz (e) Modo 5, ω=4.17Hz (f) Modo 6, ω=4.64Hz Figura 8.25: Primeros seis modos experimentales EL PUENTE I-40 8.5.1. 121 Modelo numérico El modelo numérico se construyó utilizando una sección aproximada del puente, la que se muestra en la Figura 8.26, la que consiste en los siguientes componentes: 1. Una sección de concreto de espesor constante, con un area equivalente a la mostrada en la Figura 8.23. 2. Dos vigas de acero laterales. 3. Tres vigas de acero intermedias. 4. Vigas de acero cruzadas. El modelo numérico se construyó en Matlab. La sección de concreto y las vigas laterales se modelaron con elementos de placa. Las vigas de acero intermedias y cruzadas se modelaron con elementos de viga 3D. Se utilizaron propiedades de material genéricas: Concreto: Modulo de Young: E = 3,0 · 1010 P a, densidad: ρ = 2300kg/m3 , coeficiente de Poisson: ν = 0,2. Acero: Modulo de Young: E = 2,1 · 1011 P a, densidad: ρ = 7800kg/m3 , coeficiente de Poisson: ν = 0,3. 261’’ 21 WF 62 8.7’’ 120’’ 36 WF 182 or 36 WF 150 90’’ 90’’ 0.375’’ Y 21’’ or 24’’ 1.5” or 2.625” (top & bottom) Figura 8.26: Sección aproximada del puente X EL PUENTE I-40 122 La Figura 8.27 muestra el modelo numérico. Tres resortes conectados en la parte superior del último pilar simulan la rigidez añadida por la sección siguiente del puente que comparte este pilar. Las constantes de los resortes vienen dadas por: kx = 3,17 · 106 N/m ky = 1,26 · 106 N/m kz = 4,29 · 106 N/m Donde kx , ky y kz son las rigideces de los resortes en las direcciones x, y y z. En la parte inferior de los pilares se restringen los 6 grados de libertad. En el extremo derecho del puente se restringen todos los grados de libertad de traslación y las rotaciones con respecto a los ejes Y y Z. Se eliminaron los grados d libertad del modelo numérico por medio del método de Guyan, como resultado se tienen 711 grados de libertad. Las propiedades iniciales del modelo numérico fueron ajustadas para coincidir con los resultados experimentales. En la Figura 8.28 se presenta la correlación numéricaexperimental de los primeros seis modos. La máxima diferencia en frecuencias es del 2.45 % y el MAC mı́nimo es 0.979. Figura 8.27: Modelo en elementos finitos EL PUENTE I-40 123 ωA= 2.48 Hz, ωE= 2.48 Hz, MAC= 0.997 ωA= 3.02 Hz, ωE= 2.96 Hz, MAC= 0.992 (a) Modo 1 (b) Modo 2 ωA= 3.58 Hz, ωE= 3.50 Hz, MAC= 0.994 ωA= 4.18 Hz, ωE= 4.08 Hz, MAC= 0.979 (c) Modo 3 (d) Modo 4 ZA= 4.14 Hz, ZE= 4.17 Hz, MAC= 0.982 Z = 4.70 Hz, Z = 4.63 Hz, MAC= 0.981 1XPéULFo (e) Modo 5 A E ([SHULPHQWDO (f) Modo 6 Figura 8.28: Comparación entre los modos numéricos y experimentales Bibliografı́a [1] D.J. Inman. Engineering vibrations. 2010. [2] R.V. Dukkipati. MATLAB: An introduction with applications. Anshan Ltd, 2010. [3] B.K. Donaldson. Introduction to structural dynamics. Cambridge Univ Pr, 2006. [4] W. Heylen, S. Lammens, and P. Sas. Modal analysis theory and testing. Katholieke Universteit Leuven, Departement Werktuigkunde, 2006. [5] J. He and Z.F. Fu. Modal analysis. Butterworth-Heinemann, 2001. [6] M.I. Friswell and J.E. Mottershead. Finite element model updating in structural dynamics, volume 38. Springer, 1995. 124