基于自动力锤的MIMO模态测试
发布日期:2020-04-20 15:21:19

具有密集耦合模态的结构测试是金沙城娱乐中心网址经常会遇到的情况。结构具有频率几乎一样,但是振型不同的模态。例如,一个平板的弯曲模态有可能发生在和扭转模态一样的频率。这种情况在结构复杂的结构上更加常见。另一方面,对于高对称性的结构具有可预期的耦合模态。有限元仿真的时候,这些模态都会单独出现。但是在实际测试中,提取这些模态并不是那么容易。本文介绍使用MIMO的测试方法提取耦合模态。

 

使用MIMO进行模态提取的必要性

对于刹车盘而言,由于其高对称性的结构,通常共振频率分离比较小。对于离的很近的共振频率,在测量振型上能够看到其相互作用,但不分离不开。进行有限元验证的时候,工程师希望能够从测试数据中提取出所有的模态进行分别验证。如果被测物体的不对称性足够大,可以在一个固定的点激励,进行模态提取,可以区分耦合度不高的密集模态。但是更多的情况,一个激励点的测试数据不能提取所有的模态。

 

金沙城娱乐中心网址以具有旋转对称结构的刹车盘为例。由于其对称性,FE计算具有两个一弯模态,频率几乎一样,振型的模态节点具有45度转移。在实际测试中,很难同时测试出这两个模态。

 

?  刹车盘不是100%对称的,导致了这两个共振频率有较小的分离。取决于峰值的分离和阻尼,峰值有可能是可以分离的或者只是单峰值的拓宽。

?  每个共振的峰值取决于激励位置。例如,如果激励位置靠近某个振型的节点,另一个模态的振型就会占峰值的主要部分。

 

使用多个激励点的测试数据通常可以解决这个问题。这种多点激励的方式叫做MIMO(多输入多输出)。MIMO通常使用两个或者多个激振器激励物体,然后对测试数据进行主成分分析来分离不同激励源的影响。由于激振器接触物体,会对物体的振动产生一些影响,尤其对于一些质量较轻的物体。

 

扫描式激光测振仪配合力锤

扫描式激光测振仪是先进的测试设备,对于测试物体没有附加质量的影响。而且可以进行高密度多点测试,提高空间分辨率,这对于高阶模态非常重要。自动力锤可以实现对物体的非接触激励,可以配合扫描式激光测振仪实现连续测试。目前,MIMO测试一般使用多个激振器或者一个力锤,没有两个力锤进行的MIMO测试。本文采取这种两个力锤配合扫描式激光测振仪的方式。

 

实验搭建

刹车盘放置在软泡沫上,使用Polytec SAM自动力锤进行激励。使用PSV-3D红外扫描式激光测振仪测量物体的三维振动,测试点数为256

 

87d3c51b738d0e46e27197027881acb2.jpg

1 PSV-3D 测量刹车盘,采用自动力锤激励

 

实验进行了两次测试,每次采取不同的激励位置。后面的图片显示了一弯的振型,图上标记了对应的激励位置。左手边显示的是第一次测量的激励位置,右手边是第二次测试的激励位置。


cc0fd507d0b3aa2b198480cc92fe6a41.jpg

2 两次单个激励点的ODS

 

模态提取数据处理

当使用两个激励源同时激励物体时,PSV软件集成的PCA选配模块可以用来分离单个激励源的影响。本文进行的实验,两次测试是分别进行的,得到了两个独立的测试数据。这两套测试数据可以通过PSV软件手动合成然后导入模态分析软件进行模态提取。然后把提取结果和只使用一个激励点的测试结果进行了对比。

 

对于基于稳态图的模态提取,必须确定最大的模态阶数。阶数的确定对于模态提取是非常重要的。如果选择的太低,不能提取出所有的模态。如果太高,就会出现许多无关的模态,这会影响MAC值计算的对角阵的值。

 

既然对阵共振峰值分离较小,曲线拟合仅在很小的频谱区域进行。每个区域仅包含一个可见的峰值。从仿真结果金沙城娱乐中心网址知道,在选择的频率范围内具有11阶模态,5对和一个旋转对称模态。

 

单激励点结果

首先,金沙城娱乐中心网址从单激励点测试结果提取模态。金沙城娱乐中心网址采用了两组评估变量尝试:一个模态阶数为12,一个模态阶数为60。模态阶数为12的时候,不是所有的模态都能提取出,11个只提取了6个和一个计算模态,如图3。模态阶数为60的时候,出现了无关模态,提取出了13个模态,在AutoMAC中出现了明显的对角偏离。此外,两对模态没有很好的分离,如图4. 


3 模态阶数为12时的模态表和AutoMAC

 

 图4 模态阶数为60时的模态表和AutoMAC

 


5 两点激励下的模态表和AutoMAC

 

MIMO测试提取结果

然后,使用两个激励位置的MIMO测试结果进行模态提取。因为测试是由两个单独的测试进行然后合并到一起的,不需要进行PCA分析。进行曲线拟合的时候,可以很快的发现,MIMO测试结果具有明显的优势。从较低的模态阶数开始,拟合过程工作稳定,节省评估时间,能够准确提取所有模态。设置模态阶数为12就提取了所有模态。图5显示了模态列表和对应的AutoMAC矩阵。

 

从图6所示的模态列表和AutoMAC矩阵,可以看到提取的模态完美解耦。从振型可以看出,发现了所有的模态,识别处理所有对称模态。模态3是旋转对阵模态,只出现了一次。图7是模态参与因子,可以看到对于大部分模态,一个激励源占主要成分。这表明,使用两个激励源分离模态是比较容易的。如模态510,两个激励点的参与几乎是平衡的。这说明,激励点的选择不是最优的,但是仍然能后提取所有的模态。

 


6 完整提取的模态振型

 

c779b56a5478dbd4c58b13ccdde3caf3.jpg

7 两点激励的模态参与因子


在图8中,两个激励点的位置被叠加到了一起。可以清晰的看到,第一个激励点在第一个振型的最大位置但是第二个振型的最小位置,反之亦然。这表明,使用两个激励点分离模态更加容易。

56c8196120622fb7566894dbf0a274c2.jpg

8 激励位置与一弯的最大位置

 

结论

通过结合PSV-3D扫描式激光测振仪和自动力锤,完成了MIMO测试,成功的分离了所有的耦合模态,这对于有限元验证是非常重要的。对于质量轻阻尼小物体,激振器的接触会对物体振动产生较大的影响,使用本文的方式是一个非常好的选择。

XML 地图 | Sitemap 地图