本文目录导航：
北京东方所模态分析软件介绍（二）
东方所模态分析软件的参数识别算法包括ERA、PolyMAX、PolyIIR、模态指示函数CMIF MMIF、OMA参数识别算法、SSI、EFDD、PPM、PolyIIR、PolyMAX。
ERA算法，作为特征系统实现算法，是时域法，NASA最先提出，总体识别，支持MIMO，能有效识别重根，稳定图非常清晰，能识别超大阻尼，计算速度快。
PolyMAX算法，学术名PolyLSCF，最小二乘复频域方法，频域算法中的最佳模态参数识别方法，采用离散时间频域模型，属于总体拟合法，具有快速递推的运算技巧，运算速度非常快。
PolyIIR算法，多参考点无限长脉冲响应滤波参数识别方法，东方所首次发表于14届亚太振动会议，时域算法，总体识别，支持MIMO，能有效识别重根，稳定图非常清晰，能识别超大阻尼，适合EMA和OMA。
模态指示函数CMIF MMIF以及OMA参数识别算法如SSI、EFDD、PPM等，适用于OMA试验模态分析，而ERA、PolyMAX、PolyIIR算法则适用于EMA。
PolyIIR和PolyMAX具备完全相同的频率特征方程，A unified matrix polynomial approach (UMPA)，而PolyIIR的Hankel矩阵的所有系数是直接得到，PolyMAX方法Hankel矩阵的系数需要经过复数运算，FFT运算以及逆矩阵运算，不满秩的逆矩阵运算会引入误差。
ERA、PolyMAX、PolyIIR等算法在模态分析中提供了多种选择，适用于不同的需求。
ERA、PolyMAX、PolyIIR算法提供了清晰的稳定图，能识别超大阻尼，计算速度快。
PolyIIR和PolyMAX具备完全相同的频率特征方程，A unified matrix polynomial approach (UMPA)，而PolyIIR的Hankel矩阵的所有系数是直接得到，PolyMAX方法Hankel矩阵的系数需要经过复数运算，FFT运算以及逆矩阵运算，不满秩的逆矩阵运算会引入误差。
东方所模态分析软件在工程应用中提供了多种功能，包括纯模态、ODS工作变形分析、应变模态分析、动力修改、响应计算和载荷识别等。
这些功能帮助用户直接获取结构在工作运行状态下的变形情况、研究应变大小、进行灵敏度分析、修改参数、计算结构的响应以及推算结构所受的载荷。
北京东方振动和噪声技术研究所自1985年成立以来，专注于振动、冲击、噪声、应变、动态测试、信号处理、模态分析、虚拟仪器和测控技术等领域，研发出DASP系列软件和INV系列硬件，广泛应用于多个行业。
2009年，东方所提出“云智慧测试”和“云智慧仪器”的构想，并于2011年研制成功，实现了分散在世界范围内的测试设备与测试仪器通过云计算中心有机结合，实现真正意义上的“实验室云上走”，成功应用于火箭发射塔监测、高速铁路联调联试、港珠澳大桥沉管对接监测等国家重大项目。
ANSYS 中有哪几种提取模态的方法？
在 ANSYS 中有以下几种提取模态的方法：
(1) Block Lanczos 法
(2) 子空间法(3) PowerDynamics 法
(4) 减缩法
(5) 不对称法(6) 阻尼法使用何种模态提取方法主要取决于模型大小（相对于计算机的计算能力而言）和具体的应用场合。
(1) Block Lanczos 法Block Lanczos 法可以在大多数场合中使用：- 是一种功能强大的方法，当提取中型到大型模型（50,000 ~ 100,000 个自由度）的大量振型时（40+），这种方法很有效；- 经常应用在具有实体单元或壳单元的模型中；- 在具有或没有初始截断点时同样有效。
（允许提取高于某个给定频率的振型）；- 可以很好地处理刚体振型；- 需要较高的内存。
(2) 子空间法子空间法比较适合于提取类似中型到大型模型的较少的振型 （<40）- 需要相对较少的内存；- 实体单元和壳单元应当具有较好的单元形状，要对任何关于单元形状的警告信息予以注意；- 在具有刚体振型时可能会出现收敛问题；- 建议在具有约束方程时不要用此方法。
(3) PowerDynamics 法PowerDynamics 法适用于提取很大的模型（100.000个自由度以上）的较少振型（< 20）。
这种方法明显比Block Lanczos 法或子空间法快，但是：- 需要很大的内存；- 当单元形状不好或出现病态矩阵时，用这种方法可能不收敛；- 建议只将这种方法作为对大模型的一种备用方法。
注: PowerDynamics 方法- 子空间技术使用 Power 求解器 (PCG) 和 一致质量矩阵；- 不执行 Sturm 序列检查 (对于遗漏模态); 它可能影响多个重复频率的模型；- 一个包含刚体模态的模型, 如果你使用 PowerDynamics 方法，必须执行 RIGID 命令 (或者在分析设置对话框中指定RIGID 设置)。
(4) 减缩法如果模型中的集中质量不会引起局部振动，例如象梁和杆那样，可以使用缩减法：- 它是所有方法中最快的；- 需要较少的内存和硬盘空间；- 使用矩阵缩减法，即选择一组主自由度来减小[K] 和 [M] 的大小；- 缩减[的刚度矩阵 [K] 是精确的，但缩减的质量矩阵 [M] 是近似的，近似程度取决于主自由度的数目和位置；- 在结构抵抗弯曲能力较弱时不推荐使用此方法，如细长的梁和薄壳。
注意：选择主自由度的原则。
(5) 不对称法不对称法适用于声学问题（具有结构藕合作用）和其它类似的具有不对称质量矩阵[M]和刚度矩阵[K] 的问题：- 计算以复数表示的特征值和特征向量* 实数部分就是自然频率* 虚数部分表示稳定性，负值表示稳定，正值表示不确定注意： 不对称方法采用 Lanczos 算法，不执行 Sturm 序列检查，所以遗漏高端频率。
(6) 阻尼法在模态分析中一般忽略阻尼，但如果阻尼的效果比较明显，就要使用阻尼法：- 主要用于回转体动力学中，这时陀螺阻尼应是主要的；- 在 ANSYS 的 BEAM4 和 PIPE16单元中，可以通过定义实常数中的 SPIN（旋转速度，弧度/秒）选项来说明陀螺效应；- 计算以复数表示的特征值和特征向量。
* 虚数部分就是自然频率；* 实数部分表示稳定性，负值表示稳定，正值表示不确定。
注意：- 该方法采用 Lanczos 算法- 不执行 Sturm 序列检查，所以遗漏高端频率- 不同节点间存在相位差- 响应幅值 = 实部与虚部的矢量
对变分模态分解(VMD)的理解
VMD，即变分模态分解，是一种自适应、非递归的模态分解方法，适用于信号处理。
其核心在于，根据实际情况自动确定所给序列的模态分解个数。
算法自适应地匹配每种模态的最佳中心频率和有限带宽，实现IMF的有效分离、信号的频域划分，得到有效分量，最终获得最优解。
该方法整体框架是变分问题，假设每个模态具有不同中心频率的有限带宽，目标是使每个模态的估计带宽之和最小，通过构造和求解变分问题实现。
VMD具有显著优势。
克服了EMD方法的端点效应和模态分量混叠问题，通过控制带宽避免混叠，同时拥有坚实的数学理论基础。
它能有效降低复杂度高、非线性强的时间序列非平稳性，将序列分解为包含多个不同频率尺度、相对平稳的子序列，适用于非平稳性序列。
VMD也存在局限性。
最大的问题是边界效应和突发信号的影响，这与L2平滑阶段的使用密切相关，该阶段过度惩罚了域边界和内部的跳跃。
此外，算法要求预先定义模态数K，与聚类和分段算法具有相同的缺点。
实现自适应VMD信号分解的关键在于，根据信号特征和要求，合理设定模态数，结合VMD算法的自适应性和优化求解策略，进行有效分解。
通过控制带宽和优化目标函数，使算法适应不同信号和应用场景，实现高效、精确的信号分解。
评论（0）