广告
模态空间—是否应该使用实际的工作载荷作为模态试验的激振力？
2018-04-03 10:34:23· 来源：德国M十P国际公司北京代表处
使用实际的工作载荷作为模态试验的激振力是否有意义？如果这个力是随机信号呢？
使用实际的工作载荷作为模态试验的激振力是否有意义？如果这个力是随机信号呢？
作者：Peter Avitabile 翻译：倪昊、焦吉祥（德国m+p国际公司）
这个问题不好回答。我们需要讨论多个方面的内容，才能充分解答这个问题。
采用随机工作激励似乎是一个好主意，但结果是，提取出来的模态参数可能不会与采用经典激励技术的模态试验得到的参数一样好。我们讨论一下这个问题，看看原因在哪里。为了充分理解所有介绍到的概念，阅读之前其它的一些关于模态问题的解释将有助于阐述这个问题。
让我们回想一下，进行模态试验测试的目的通常是为了提取结构的固有的模态参数——频率、阻尼和模态振型。为了提取这些参数，需要精确测量其频响函数。通常，我们利用非常专业的激励技术，极其小心地激励结构，以减少或消除可能出现的泄漏和其他信号处理误差。记住，任何存在的信号处理误差都会使测得的频响畸变，并识别出不准确的模态参数。
一般来说，随机信号并不是能得到精确频响函数的最优激励方式。随机激励技术因在测得的频谱中引起泄漏而广受诟病。与其它没有泄漏的测量技术（如猝发随机、正弦扫频、数字步进正弦）相比，即使加窗，所测得的频响函数也会失真。利用随机激励和猝发随机激励得到的频响函数之间的比较如图1所示。测试结果很明显，没有泄漏的猝发随机测量结果远远优于随机测量结果（相干函数也是更优的，但未做展示）。
图1 猝发随机和随机激励引起的频响函数
更进一步讲，随机激励下提取出来的模态参数同样也会畸变，并且在很多情况下，在测量结果中实际上看起来有两个峰。这是利用随机激励测得的频响函数中可以看到的典型的影响。泄漏是一个严重的问题，需要加窗以减少泄漏。开发用于模态试验的专门函数的全部目的就是为了得到高精度的频响函数，对其不需要加任何窗函数就可以得到没有泄漏的测量结果，以用于模态参数的精确提取。
那么是什么原因让人想到要用工作随机激励来进行模态试验？如果真的用实际力来激励结构，那么响应将会与运行中的实际响应一样。这个响应将是实际运行变形的精确描述，这可以在结构中看出来。但是测量到的响应用于工作变形分析更为适合,而不是试验模态研究！
图2 典型的输入输出工况
图2展示了结构受到任意输入激励引起的响应。图片中的内容有助于我们搞清楚眼前的这个问题。激励力函数是宽带的，但具有非常明显的不平坦轮廓，于是按照不同的激振量级激起了所有阶模态。
首先,最重要的是，注意频响函数不过是一个带通滤波器，是一个对输入力激励进行放大和衰减的频域函数。如果频响函数的估计在数字信号处理过程（如，数字化、量化、泄漏、加窗、频响估计方法等等）中污染或者失真，情况又会如何呢？嗯，当然，这会影响到计算得到的响应！模态试验的目的是要提取精确的系统动力学特性。
图3 信号量级差异
第二，在频带范围内的激励频谱的量级对系统的响应有直接的影响。图3非常清楚地表明了在频带范围内响应具有明显的变化。因为ADC模数转换器的最大设置是由总体频谱决定的，测试函数的精确度将会有很大的差异。实际上，较小的响应谱分量影响更大，这是由于与模数转换过程相关的量化误差的影响。当观察第1、3阶模态的响应时，这个情况就特别明显。注意第1阶模态响应很小，这是输入激励的量级极小所致；第1阶模态的响应非常小，可能会受到噪声的影响。
第三，记住如果用的是随机信号，那么必须应用汉宁窗，否则测量到的信号中将含有明显的泄漏。无论如何，测得的频响函数必将受到窗函数和泄漏的影响。测得的函数不是最好的，并且提取出来的模态参数将会受到这些信号处理的影响。
第四，在某些频率区间内激励信号的能量不足、信号类型的随机特性导致的泄漏和窗函数误差，与之相关，测得的频响函数会有误差。在相干图中可以看到与泄漏相关的频响函数误差，尤其在共振峰附近，这会导致模态参数估计的误差。
所以，在模态试验中，如使用最好的激励技术，则能得到最好的结构模态参数。利用工作随机频谱就不一定会发生这种情况了。一旦得到模态模型，如有必要，就可以利用测得的频响函数确定结构的实际响应，如图2所示。但是为了计算得到精确的响应，从精确的频响函数中提取精确的模态模型是极其重要的。
利用工作条件下的激励进行工作条件下的测试有着极大的价值。然而，这未必是对频响函数进行估计以用于模态参数提取的最优方法。希望你现在理解了这个关于用工作激励进行试验模态测试的问题。如果你有关于模态分析的任何其他问题，欢迎垂询。
作者：Peter Avitabile 翻译：倪昊、焦吉祥（德国m+p国际公司）
这个问题不好回答。我们需要讨论多个方面的内容，才能充分解答这个问题。
采用随机工作激励似乎是一个好主意，但结果是，提取出来的模态参数可能不会与采用经典激励技术的模态试验得到的参数一样好。我们讨论一下这个问题，看看原因在哪里。为了充分理解所有介绍到的概念，阅读之前其它的一些关于模态问题的解释将有助于阐述这个问题。
让我们回想一下，进行模态试验测试的目的通常是为了提取结构的固有的模态参数——频率、阻尼和模态振型。为了提取这些参数，需要精确测量其频响函数。通常，我们利用非常专业的激励技术，极其小心地激励结构，以减少或消除可能出现的泄漏和其他信号处理误差。记住，任何存在的信号处理误差都会使测得的频响畸变，并识别出不准确的模态参数。
一般来说，随机信号并不是能得到精确频响函数的最优激励方式。随机激励技术因在测得的频谱中引起泄漏而广受诟病。与其它没有泄漏的测量技术（如猝发随机、正弦扫频、数字步进正弦）相比，即使加窗，所测得的频响函数也会失真。利用随机激励和猝发随机激励得到的频响函数之间的比较如图1所示。测试结果很明显，没有泄漏的猝发随机测量结果远远优于随机测量结果（相干函数也是更优的，但未做展示）。
图1 猝发随机和随机激励引起的频响函数
更进一步讲，随机激励下提取出来的模态参数同样也会畸变，并且在很多情况下，在测量结果中实际上看起来有两个峰。这是利用随机激励测得的频响函数中可以看到的典型的影响。泄漏是一个严重的问题，需要加窗以减少泄漏。开发用于模态试验的专门函数的全部目的就是为了得到高精度的频响函数，对其不需要加任何窗函数就可以得到没有泄漏的测量结果，以用于模态参数的精确提取。
那么是什么原因让人想到要用工作随机激励来进行模态试验？如果真的用实际力来激励结构，那么响应将会与运行中的实际响应一样。这个响应将是实际运行变形的精确描述，这可以在结构中看出来。但是测量到的响应用于工作变形分析更为适合,而不是试验模态研究！
图2 典型的输入输出工况
图2展示了结构受到任意输入激励引起的响应。图片中的内容有助于我们搞清楚眼前的这个问题。激励力函数是宽带的，但具有非常明显的不平坦轮廓，于是按照不同的激振量级激起了所有阶模态。
首先,最重要的是，注意频响函数不过是一个带通滤波器，是一个对输入力激励进行放大和衰减的频域函数。如果频响函数的估计在数字信号处理过程（如，数字化、量化、泄漏、加窗、频响估计方法等等）中污染或者失真，情况又会如何呢？嗯，当然，这会影响到计算得到的响应！模态试验的目的是要提取精确的系统动力学特性。
图3 信号量级差异
第二，在频带范围内的激励频谱的量级对系统的响应有直接的影响。图3非常清楚地表明了在频带范围内响应具有明显的变化。因为ADC模数转换器的最大设置是由总体频谱决定的，测试函数的精确度将会有很大的差异。实际上，较小的响应谱分量影响更大，这是由于与模数转换过程相关的量化误差的影响。当观察第1、3阶模态的响应时，这个情况就特别明显。注意第1阶模态响应很小，这是输入激励的量级极小所致；第1阶模态的响应非常小，可能会受到噪声的影响。
第三，记住如果用的是随机信号，那么必须应用汉宁窗，否则测量到的信号中将含有明显的泄漏。无论如何，测得的频响函数必将受到窗函数和泄漏的影响。测得的函数不是最好的，并且提取出来的模态参数将会受到这些信号处理的影响。
第四，在某些频率区间内激励信号的能量不足、信号类型的随机特性导致的泄漏和窗函数误差，与之相关，测得的频响函数会有误差。在相干图中可以看到与泄漏相关的频响函数误差，尤其在共振峰附近，这会导致模态参数估计的误差。
所以，在模态试验中，如使用最好的激励技术，则能得到最好的结构模态参数。利用工作随机频谱就不一定会发生这种情况了。一旦得到模态模型，如有必要，就可以利用测得的频响函数确定结构的实际响应，如图2所示。但是为了计算得到精确的响应，从精确的频响函数中提取精确的模态模型是极其重要的。
利用工作条件下的激励进行工作条件下的测试有着极大的价值。然而，这未必是对频响函数进行估计以用于模态参数提取的最优方法。希望你现在理解了这个关于用工作激励进行试验模态测试的问题。如果你有关于模态分析的任何其他问题，欢迎垂询。
广告
广告
最新资讯
-
NVIDIA 发布 2025 财年第三季度财务报告
2024-11-21 13:30
-
Mack卡车为买家推出创新的虚拟现场探索体验
2024-11-21 13:29
-
氢燃料电池卡车从1到100要多长时间？戴姆勒
2024-11-21 13:28
-
聚焦消费者用车极限环境，2024中国汽研汽车
2024-11-21 13:21
-
新能源汽车高寒环境可靠性行驶试验研究
2024-11-21 13:19
广告
广告
