0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線(xiàn)課程
  • 觀(guān)看技術(shù)視頻
  • 寫(xiě)文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

模態(tài)分析定義以及模態(tài)假設(shè)理論

世界先進(jìn)制造技術(shù)論壇 ? 來(lái)源:世界先進(jìn)制造技術(shù)論壇 ? 作者:世界先進(jìn)制造技術(shù) ? 2022-04-26 10:43 ? 次閱讀

一、什么是模態(tài)

模態(tài)是結(jié)構(gòu)系統(tǒng)的固有振動(dòng)特性。線(xiàn)性系統(tǒng)的自由振動(dòng)被解耦合為N個(gè)正交的單自由度振動(dòng)系統(tǒng),對(duì)應(yīng)系統(tǒng)的N個(gè)模態(tài)。每一個(gè)模態(tài)具有特定的固有頻率、阻尼比和模態(tài)振型。這些模態(tài)參數(shù)可以由計(jì)算或試驗(yàn)分析取得,這樣一個(gè)計(jì)算或試驗(yàn)分析過(guò)程稱(chēng)為模態(tài)分析。

模態(tài)分析的經(jīng)典定義為,將線(xiàn)性定常系統(tǒng)振動(dòng)微分方程組中的物理坐標(biāo)變換為模態(tài)坐標(biāo),使方程組解耦,成為一組以模態(tài)坐標(biāo)及模態(tài)參數(shù)描述的獨(dú)立方程,以便求出系統(tǒng)的模態(tài)參數(shù)。坐標(biāo)變換的變換矩陣為模態(tài)矩陣,其每列為模態(tài)振型。

通過(guò)結(jié)構(gòu)模態(tài)分析法,可得出機(jī)械結(jié)構(gòu)在某一易受影響的頻率范圍內(nèi)各階模態(tài)的振動(dòng)特性,以及機(jī)械結(jié)構(gòu)在此頻段內(nèi)及在內(nèi)部或外部各種振源激勵(lì)作用下的振動(dòng)響應(yīng)結(jié)果,再由模態(tài)分析法獲得模態(tài)參數(shù)并結(jié)合相關(guān)試驗(yàn),借助這些特有參數(shù)用于結(jié)構(gòu)的重新設(shè)計(jì)。

二、模態(tài)假設(shè)理論

1. 線(xiàn)性假設(shè)

結(jié)構(gòu)的動(dòng)態(tài)特性(模態(tài)參數(shù))是線(xiàn)性的,就是說(shuō)任何輸入組合引起的輸出等于各自輸出的組合,其動(dòng)力學(xué)特性可以用線(xiàn)性二階微分方程來(lái)描述。

66222e4c-c481-11ec-bce3-dac502259ad0.jpg

其中,F(xiàn) 為輸入力,X 為響應(yīng)值,H 為傳遞函數(shù)。

一般說(shuō)來(lái),單一金屬材質(zhì)的結(jié)構(gòu)是滿(mǎn)足線(xiàn)性假設(shè)的,但對(duì)于復(fù)雜結(jié)構(gòu),可能就需要進(jìn)行線(xiàn)性檢查了,而如果結(jié)構(gòu)具有非線(xiàn)性,更應(yīng)該做這個(gè)工作,因?yàn)橥ㄟ^(guò)施加不同量級(jí)的激勵(lì)力,獲得頻響函數(shù)之后,能使你明白激勵(lì)力改變多少時(shí),頻率移動(dòng)了多少Hz。因此,如果有條件,最好對(duì)結(jié)構(gòu)進(jìn)行線(xiàn)性檢查,通過(guò)數(shù)據(jù)驗(yàn)證更具有說(shuō)服力。

2. 時(shí)不變假設(shè)

結(jié)構(gòu)的動(dòng)態(tài)特性不隨時(shí)間變化,因而微分方程的系數(shù)是與時(shí)間無(wú)關(guān)的常數(shù)。

質(zhì)量載荷:當(dāng)測(cè)點(diǎn)較多,而加速度傳感器和數(shù)據(jù)采集通道有限時(shí),可能需要分批移動(dòng)傳感器,而傳感器是有重量的,因此,會(huì)引起待測(cè)結(jié)構(gòu)的質(zhì)量(附加了傳感器的重量)隨著傳感器的移動(dòng)變化,從而影響到結(jié)構(gòu)的動(dòng)態(tài)特性。尤其是輕質(zhì)結(jié)構(gòu),這個(gè)問(wèn)題更突出。因此,當(dāng)需要傳感器分批移動(dòng)測(cè)量時(shí),分批移動(dòng)也有一定的技巧:盡量使傳感器的重量分布到整個(gè)結(jié)構(gòu)中去,而不是一個(gè)局部小區(qū)域。當(dāng)然也可以使用輕質(zhì)的傳感器。

支承剛度變化:如果測(cè)量過(guò)程中,支承結(jié)構(gòu)的支承系統(tǒng)的剛度發(fā)生變化,肯定會(huì)影響到結(jié)構(gòu)的動(dòng)態(tài)特性,因此,要確定測(cè)量過(guò)程中,支承剛度發(fā)生不變。

溫度變化:結(jié)構(gòu)的某些屬性,如材料參數(shù),可能會(huì)受溫度影響,從而導(dǎo)致影響結(jié)構(gòu)的動(dòng)態(tài)特性。

3. 互異性假設(shè)

結(jié)構(gòu)應(yīng)該遵從Maxwell互易性原理,即在j 點(diǎn)輸入所引起的k 點(diǎn)響應(yīng),等于在k 點(diǎn)的相同輸入所引起的j 點(diǎn)響應(yīng)。此假設(shè)使得質(zhì)量矩陣,剛度矩陣、阻尼矩陣和頻響函數(shù)矩陣都成了對(duì)稱(chēng)陣。

4. 可觀(guān)測(cè)性假設(shè)

即系統(tǒng)動(dòng)態(tài)特性所需要的全部數(shù)據(jù)都是可以測(cè)量的。

審核編輯 :李倩

聲明:本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀(guān)點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 傳感器
    +關(guān)注

    關(guān)注

    2541

    文章

    49945

    瀏覽量

    747439
  • 模態(tài)分析
    +關(guān)注

    關(guān)注

    0

    文章

    11

    瀏覽量

    6936

原文標(biāo)題:模態(tài)分析定義以及模態(tài)假設(shè)理論

文章出處:【微信號(hào):AMTBBS,微信公眾號(hào):世界先進(jìn)制造技術(shù)論壇】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏

    評(píng)論

    相關(guān)推薦

    深視智能高速攝像機(jī)在仿生機(jī)翼振動(dòng)模態(tài)測(cè)試中的應(yīng)用

    工作模態(tài)分析模態(tài)是結(jié)構(gòu)的固有振動(dòng)特性,每一個(gè)模態(tài)具有特定的固有頻率、阻尼比和模態(tài)振型。模態(tài)參數(shù)可
    的頭像 發(fā)表于 07-27 08:39 ?145次閱讀
    深視智能高速攝像機(jī)在仿生機(jī)翼振動(dòng)<b class='flag-5'>模態(tài)</b>測(cè)試中的應(yīng)用

    鴻蒙ArkTS聲明式開(kāi)發(fā):跨平臺(tái)支持列表【半模態(tài)轉(zhuǎn)場(chǎng)】模態(tài)轉(zhuǎn)場(chǎng)設(shè)置

    通過(guò)bindSheet屬性為組件綁定半模態(tài)頁(yè)面,在組件插入時(shí)可通過(guò)設(shè)置自定義或默認(rèn)的內(nèi)置高度確定半模態(tài)大小。
    的頭像 發(fā)表于 06-12 21:09 ?629次閱讀
    鴻蒙ArkTS聲明式開(kāi)發(fā):跨平臺(tái)支持列表【半<b class='flag-5'>模態(tài)</b>轉(zhuǎn)場(chǎng)】<b class='flag-5'>模態(tài)</b>轉(zhuǎn)場(chǎng)設(shè)置

    鴻蒙ArkTS聲明式開(kāi)發(fā):跨平臺(tái)支持列表【全屏模態(tài)轉(zhuǎn)場(chǎng)】模態(tài)轉(zhuǎn)場(chǎng)設(shè)置

    通過(guò)bindContentCover屬性為組件綁定全屏模態(tài)頁(yè)面,在組件插入和刪除時(shí)可通過(guò)設(shè)置轉(zhuǎn)場(chǎng)參數(shù)ModalTransition顯示過(guò)渡動(dòng)效。
    的頭像 發(fā)表于 06-12 15:47 ?2551次閱讀
    鴻蒙ArkTS聲明式開(kāi)發(fā):跨平臺(tái)支持列表【全屏<b class='flag-5'>模態(tài)</b>轉(zhuǎn)場(chǎng)】<b class='flag-5'>模態(tài)</b>轉(zhuǎn)場(chǎng)設(shè)置

    OpenHarmony實(shí)戰(zhàn)開(kāi)發(fā)-如何實(shí)現(xiàn)模態(tài)轉(zhuǎn)場(chǎng)

    模態(tài)轉(zhuǎn)場(chǎng)是新的界面覆蓋在舊的界面上,舊的界面不消失的一種轉(zhuǎn)場(chǎng)方式。 表1 模態(tài)轉(zhuǎn)場(chǎng)接口 接口 說(shuō)明 使用場(chǎng)景 bindContentCover 彈出全屏的模態(tài)組件。 用于自定義全屏的
    發(fā)表于 04-28 14:47

    什么是多模態(tài)?多模態(tài)的難題是什么?

    模態(tài)大模型,通常大于100M~1B參數(shù)。具有較強(qiáng)的通用性,比如對(duì)圖片中任意物體進(jìn)行分割,或者生成任意內(nèi)容的圖片或聲音。極大降低了場(chǎng)景的定制成本。
    的頭像 發(fā)表于 01-17 10:03 ?3733次閱讀
    什么是多<b class='flag-5'>模態(tài)</b>?多<b class='flag-5'>模態(tài)</b>的難題是什么?

    OneLLM:對(duì)齊所有模態(tài)的框架!

    OneLLM 是第一個(gè)在單個(gè)模型中集成八種不同模態(tài)的MLLM。通過(guò)統(tǒng)一的框架和漸進(jìn)式多模態(tài)對(duì)齊pipelines,可以很容易地?cái)U(kuò)展OneLLM以包含更多數(shù)據(jù)模式。
    的頭像 發(fā)表于 01-04 11:27 ?707次閱讀
    OneLLM:對(duì)齊所有<b class='flag-5'>模態(tài)</b>的框架!

    自動(dòng)駕駛和多模態(tài)大語(yǔ)言模型的發(fā)展歷程

    模態(tài)大語(yǔ)言模型(MLLM) 最近引起了廣泛的關(guān)注,其將 LLM 的推理能力與圖像、視頻和音頻數(shù)據(jù)相結(jié)合,通過(guò)多模態(tài)對(duì)齊使它們能夠更高效地執(zhí)行各種任務(wù),包括圖像分類(lèi)、將文本與相應(yīng)的視頻對(duì)齊以及語(yǔ)音檢測(cè)。
    發(fā)表于 12-28 11:45 ?411次閱讀
    自動(dòng)駕駛和多<b class='flag-5'>模態(tài)</b>大語(yǔ)言模型的發(fā)展歷程

    成都匯陽(yáng)投資關(guān)于多模態(tài)驅(qū)動(dòng)應(yīng)用前景廣闊,上游算力迎機(jī)會(huì)!

    “Cloud TPU v5p”, 以及來(lái)自谷歌云的人工智能超級(jí)計(jì)算機(jī)。 本次谷歌推出的多模態(tài)大模型Gemini 依然采用Transformer架構(gòu),采用高效Attention機(jī)制,支持32k 的上下文長(zhǎng)度
    的頭像 發(fā)表于 12-18 13:08 ?386次閱讀
    成都匯陽(yáng)投資關(guān)于多<b class='flag-5'>模態(tài)</b>驅(qū)動(dòng)應(yīng)用前景廣闊,上游算力迎機(jī)會(huì)!

    人工智能領(lǐng)域多模態(tài)的概念和應(yīng)用場(chǎng)景

    隨著人工智能技術(shù)的不斷發(fā)展,多模態(tài)成為了一個(gè)備受關(guān)注的研究方向。多模態(tài)技術(shù)旨在將不同類(lèi)型的數(shù)據(jù)和信息進(jìn)行融合,以實(shí)現(xiàn)更加準(zhǔn)確、高效的人工智能應(yīng)用。本文將詳細(xì)介紹多模態(tài)的概念、研究?jī)?nèi)容和應(yīng)用場(chǎng)景,并探討人工智能領(lǐng)域多
    的頭像 發(fā)表于 12-15 14:28 ?7255次閱讀

    大模型+多模態(tài)的3種實(shí)現(xiàn)方法

    我們知道,預(yù)訓(xùn)練LLM已經(jīng)取得了諸多驚人的成就, 然而其明顯的劣勢(shì)是不支持其他模態(tài)(包括圖像、語(yǔ)音、視頻模態(tài))的輸入和輸出,那么如何在預(yù)訓(xùn)練LLM的基礎(chǔ)上引入跨模態(tài)的信息,讓其變得更強(qiáng)大、更通用呢?本節(jié)將介紹“大模型+多
    的頭像 發(fā)表于 12-13 13:55 ?1351次閱讀
    大模型+多<b class='flag-5'>模態(tài)</b>的3種實(shí)現(xiàn)方法

    用語(yǔ)言對(duì)齊多模態(tài)信息,北大騰訊等提出LanguageBind,刷新多個(gè)榜單

    目前的 VL 預(yù)訓(xùn)練方法通常僅適用于視覺(jué)和語(yǔ)言模態(tài),而現(xiàn)實(shí)世界中的應(yīng)用場(chǎng)景往往包含更多的模態(tài)信息,如深度圖、熱圖像等。如何整合和分析不同模態(tài)的信息,并且能夠在多個(gè)
    的頭像 發(fā)表于 11-23 15:46 ?562次閱讀
    用語(yǔ)言對(duì)齊多<b class='flag-5'>模態(tài)</b>信息,北大騰訊等提出LanguageBind,刷新多個(gè)榜單

    探究編輯多模態(tài)大語(yǔ)言模型的可行性

    不同于單模態(tài)模型編輯,多模態(tài)模型編輯需要考慮更多的模態(tài)信息。文章出發(fā)點(diǎn)依然從單模態(tài)模型編輯入手,將單模態(tài)模型編輯拓展到多
    發(fā)表于 11-09 14:53 ?399次閱讀
    探究編輯多<b class='flag-5'>模態(tài)</b>大語(yǔ)言模型的可行性

    基于視覺(jué)的多模態(tài)觸覺(jué)感知系統(tǒng)

    傳統(tǒng)的多模態(tài)/多任務(wù)觸覺(jué)感知系統(tǒng)通過(guò)集成多種傳感單元來(lái)達(dá)到多模態(tài)觸覺(jué)信息的解耦,但其往往導(dǎo)致系統(tǒng)結(jié)構(gòu)的復(fù)雜性,以及需要應(yīng)對(duì)來(lái)自不同刺激間的干擾。
    發(fā)表于 10-18 11:24 ?708次閱讀
    基于視覺(jué)的多<b class='flag-5'>模態(tài)</b>觸覺(jué)感知系統(tǒng)

    基于A(yíng)NSYS的鋼琴音板模態(tài)分析

    電子發(fā)燒友網(wǎng)站提供《基于A(yíng)NSYS的鋼琴音板模態(tài)分析.pdf》資料免費(fèi)下載
    發(fā)表于 10-08 14:26 ?4次下載
    基于A(yíng)NSYS的鋼琴音板<b class='flag-5'>模態(tài)</b><b class='flag-5'>分析</b>

    DreamLLM:多功能多模態(tài)大型語(yǔ)言模型,你的DreamLLM~

    由于固有的模態(tài)缺口,如CLIP語(yǔ)義主要關(guān)注模態(tài)共享信息,往往忽略了可以增強(qiáng)多模態(tài)理解的模態(tài)特定知識(shí)。因此,這些研究并沒(méi)有充分認(rèn)識(shí)到多模式創(chuàng)造和理解之間潛在的學(xué)習(xí)協(xié)同作用,只顯示出創(chuàng)造力
    的頭像 發(fā)表于 09-25 17:26 ?609次閱讀
    DreamLLM:多功能多<b class='flag-5'>模態(tài)</b>大型語(yǔ)言模型,你的DreamLLM~