Beruflich Dokumente
Kultur Dokumente
Rubén Boroschek
REVISION E.6
Junio del 2014
NOTA:
El texto está en condición preliminar. Mis clases han sido transcritas inicialmente por los alumnos.
He logrado revisar alguna de ellas. Si bien he tratado de eliminar los errores tipográficos, siempre
se descubren nuevos. Por tanto úsese con cuidado.
El texto en amarillo no lo he revisado y está incompleto
Por agregar.
Solución numérica y ajustes
Incorporación de amortiguamiento por métodos de energía.
Condensación
1 2
v (t ) Y t
0
T 2
Aceleración de Piso: i i i
L N
c c x x dx cn xn Li
2 2
n 1
vi i S d ( i , Ti )
0
Mi
L L N
k k x x dx EI ( x) dx kn xn
2 2 2
0 0 n 1
L N
p (t ) p x, t x dx p xn xn
0 n 1
4. DEMANDA ESTRUCTURAL
Pull Back o Condiciones Iniciales: La estructura está sometida condiciones iniciales.
2 2v x, t 2 v x, t
EI x m P x, t
x 2 x 2 t 2
del tipo v x, t x t
4.1.2. Equilibrio
Para determina el estado de equilibrio de una estructura se pueden utilizar los siguientes
métodos:
Métodos de Energía:
v0
v(t ) sin(t ) v0 cos(t )
Al ver un sistema de este tipo vibrar se observa la suma de las proyecciones de los vectores
sobre el eje real.
v0
Figura 8 v (t ) sin(t ) v0 cos(t )
Del gráfico anterior se tiene que:
v 0
2
arctg 0
v0
0
1
Figura 9: Desplazamiento versus tiempo. f
T
5.4. EL AMORTIGUAMIENTO
El valor de la razón de amortiguamiento varía según:
a. El tipo de material, como se ve en la siguiente lista.
Sin daño
Acero / Hormigon 0,01 0.03
Albañilería 0,03 0,05
En el límite de daño (fluencia)
Acero / Hormigon 0, 03 0.10
Albañilería 0, 05 0,15
b. Condiciones de apoyo (tipo de suelo y fundación)
c. Componentes no estructurales
d. Tipo de conexión
e. Amplitud de la vibración
(c) (d)
Existe una serie de fórmulas para escalar la respuesta para distintos amortiguamientos. Estas
fórmulas son aproximaciones. En el caso Chileno la más utilizada es la fórmula de escalamiento
de la norma NCh2369
0.4
0.05
A
0.4
A0.8% 0.02
En el caso mencionado obtenemos diferencias de amplitud de 1.44
A2% 0.008
0.4
A1% 0.09
Y 2.41
A9% 0.01
Existen grandes dificultades en la definición de un amortiguamiento apropiado y como
incorporarlo en forma eficiente en modelos. Algunas normas proponen valores y fórmulas de
cálculo:
NCh433: Amortiguamiento constante de 5%
NCh2369: Amortiguamiento constante en una estructura dado su material y estructuración.
Permite la incorporación del amortiguamiento asociado a la interacción suelo estructura hasta en
50% del valor de referencia. Límite inferior de amortiguamiento 2%
NCh2745: Valor de referencia variable de acuerdo al sistema de aislación y período.
ASCE 7: En sistemas normales 5%. Se permite la modificación por interacción suelo estructura
pero mínimo es un 5%. Para sistemas de disipación y aislación se permite su incremento.
Para el caso de viento se recomienda valores menores entre 0.5 y 1.5%. Ver DIN1055 y
Eurocódigo., ISO4354
Un caso interesante es la NRCXX
Conversion y factores de escalamiento de amortiguamiento: V contreras, Alexis Saez Rezaeian
(en carpeta damping)
Al graficar la fuerza disipativa en función del desplazamiento del sistema se obtienen diferentes
figuras:
5.5.1. Disipadores
En algunos casos se utilizan disipadores reales en las estructuras. Acá algunos casos:
F t C x t sgn x t
http://www.maurer-
soehne.com/files/bauwerkschutzsysteme
/images/hydraulic_dampers_2_MHD.jpg
De donde:
F 0 F t F t F t Pt
I D E
Y como:
FI (t ) mv(t ) : Fuerza de inercia
FD (t ) cv(t ) : Fuerza disipativas
FE (t ) kv (t ) : Fuerza elástica
mvt cv t kv t P t
mvt cv t kv t 0
v(t ) A sin(t ) B cos(t )
s 2 1
s i 1 2
D
2
2
D 1 D 1 2 D2 2 1
2
Algunos valores para según esta última ecuación se muestran en la tabla 2.1.
Valores para
D T
TD
0,01 0,9999
0,05 0,9987
0,10 0,9950
0,20 0,9798
0,40 0,9165
v v
v(t ) e t 0 0 sin Dt v0 cos Dt
D
Lo que es equivalente a:
v (t ) e t cos( D t )
2
v v0
0 v0
2
Dónde: D
v v0
arctg 0
D v0
Figura 25
Efecto del
amortiguamiento
en el decaimiento.
: Amplitud
máxima.
Envolvente et
2
Periodo TD
D
vi
vi e ti y vi m e ti N entonces eTD N sacando el logaritmo
vi m
v 2
ln i TD N N
vi m 1 2
Figura 27:
Cálculo de
Amortiguamiento
pendiente
ln vi vi N
2 N
Cuando vi N vi 2
1 v
ln i
2 N vi 2
ln 2
N
2
Figura 29: Respuesta decayente para dos y tres formas modales observadas en un
grado de libertad de la estructura.
Figura 31: Sistema de tiro Figura 32 Respuesta ante liberación abrupta en muelle de ventanas.
para provocar A) Registro de aceleración. B) Espectrograma de la respuesta
desplazamiento inicial en
Muelle de ventanas
Figura 37 Aplicación de impactos mediante el golpe de una pala mecánica. Respuesta ante el
impacto.
P0 sin(t )
mv t cv t kv t P0 cos(t )
P ei (t )
0
El desplazamiento es:
sin(t )
t P0
v (t ) e cos(Dt ) D cos(t )
k
ei (t )
Transiente
Permanente
Dmax 1 2 2 1
1
D 1 1
Dmax
1 2
2 2 2
2 1 2 2
1
D
1 2
2 2 2
El caso más común:
1 1 1
Dmax
2 2 2
f 2 f1
De donde
f 2 f1
Figure 43. Para un ángulo .
2
2
Porque tan 1 1 corresponde a resonancia.
1
2
Dado:
1 P0 t
v (t ) e sin D t cos D t cos t
2 k 1 2
v
static
1
If:
d
Entonces:
v (t )
vest 2
e 1 cos(t )
1 t
t
Entonces la envolvente de la función está dada por 1 e
Si se tiene la estructura mostrada en la figura, con P(t) P0 sin t , la solución particular
está dada por:
P0
vP (t ) D sin t
k
Entonces, las fuerzas son:
FE (t ) kv p (t ) P0 D sin t
P0
FD (t ) c D cos t P0 D cos t
k
La Transmisibilidad de fuerzas es:
1
2
2
1 2
FR
TR 2
Po 2 2
1 2
Se puede demostrar que la TR es idéntica para razones de aceleración y desplazamiento
absolutos.
1 2 1
TR Despejando 1
2 TR
1
1
2
1 Y 1 1 k 1
1
W 1
1
TR TR m TR est m TR
g 1
1
est TR
F 1
TR
(Hz) est
2
1
g
25 0.06
12.5 0.20
6.25 0.50
2
1 2
FR
TR 2
Po 2 2
1 2
La fuerza excéntrica es
2
FR
2TR
me e
FR
2TR
m e e 2
m 0 Figura
M 0 I
k kh s
K kh s k k h s 2
h
det( K 2 M ) kh m 2 k kh s 2 I 2 kh s 0
2
k k k s2 k h k
4 2 h h 0
m I I m I
k m s2m 2 k m k h
4 2 h2 1 h 0
I k h I I m k h
Si definimos
kh k I
; e
2
h2 y r2
m kh m
Reducimos la ecuación a
4 2 2 e2 s 2 4 e2 1
h 1 2 2 h 2 0 4
r r r h
4 2 e2 s 2 e2
4 2 1 2 2 2 0
h h r r r
2
1/2 2 1 e 2 s 2 e2 s 2 e2
1 1 4
h2 2 r 2 r 2 r
2
r2 r2
Se puede demostrar que el centro de rotación con respecto al Centro de Masa está dado por
s s
x1 ; x2
2
2
1 12 1 22
h h
0.5
de excitación baja. Esto es f 1 Gg
ro
Donde
ro Es el radio de la fundación circular
3
r BL
3 0.25
Vertical 4Gro G
kz z kz z BL z
1 1
vn 1 vn
vave
2 (1)
vn
vn 1 vn vn t t
2
1
vn 1 vn vn t vn t
2
Entonces si definimos
4 2
K 2 m c k
t t
v0 m 1 cv0 kv 0
4 4 2
a. Pn1 Pn1 m 2 vn vn vn c vn vn
t t t
b. vn 1 K 1 Pn 1
2
c. vn 1 vn vn
t
d. vn 1 m 1 Pn 1 cvn 1 kv n 1
Demostración
vn
Entonces vave vn (2)
2
La velocidad se obtiene integrando
vn 1 vn vn (3)
vn
vn vn vn t v t 1 v t
n n (7)
2 2
Usando (4)
vn vn t
1
2
vn t 2 vn t 2
1
4
(8)
4
vn vn t vn t 2
1
vn 2
t 2
4 4
vn vn vn 2vn (9)
t 2
t
Dado que vn 1 vn vn
t 4 4vn
Reemplazando (9) en (4) vn v
n t 2 vn 2vn
2 t t
4 4 2
m 2 vn vn vn c vn vn kvn1 Pn1
t t t
4 2 4 4 2
2 m c k vn1 Pn1 m 2 vn vn vn c vn vn
t t t t t
Si
4 2
K 2 m c k Constante para todo el proceso, y
t t
4 4 2
Pn1 Pn1 m 2 vn vn vn c vn vn
t t t
Entonces:
vn 1 K 1 Pn 1
Finalmente el algoritmo a utilizar es:
Inicialización:
4 2
K 2 m c k
t t
v0 m 1 cv0 kv 0
For n=0:length(P)
4 4 2
e. Pn1 Pn1 m 2 vn vn vn c vn vn
t t t
f. vn 1 K 1 Pn 1
2
g. vn 1 vn vn
t
end
Método Alternativo
Alternativamente para casos no lineales es mejor restar dos pasos consecutivos
mvn cvn kvn Pn
4 4 2
m 2 n n 2n c n 2n k n Pn
t t t
En este caso se puede utilizar el valor tangente para cada una de las propiedades de la estructura.
4 2 4
2 m c k n P m n 2n 2cn
t t t
n kˆ 1 Pˆn
Con
4 2
K 2 m c k
t t
4
Pn Pn m n 2n 2cn
t
1. Calcular kˆ
2. Pn
3. n kˆ 1 Pn
4. n 1 n n
2
5. n n 2n
t
4 4
7. n n n 2n
t 2
t
8. n 1 n n
o
n 1 m 1
Pn 1 cn 1 k n 1
ti+1, valga ∆t. Supóngase a continuación que el valor del vector de aceleración de respuesta en
un instante t se expresa como:
Si definimos la variable
t ti y para ti t ti 1 y una función de variación f ( ) en el intervalo
La velocidad
v( ) se obtiene integrando la aceleración
v ( ) vi v( ) d
0
vi vi d ( vi 1 vi ) f ( )d
0 0 vi vi ( vi 1 vi ) f ( )d
0
Si definimos
Y para t
v( t ) vi vi t (vi 1 vi ) g (t )
De igual forma definimos h ( ) 0
g ( )d
2
v ( ) vi vi vi ( vi 1 vi ) h ( )
2
Para t
t 2
v ( t ) vi vi t vi ( vi 1 vi ) h ( t )
2
Pero h(t) debe ser una constante multiplicada por t 2 para que la ecuación sea consistente,
luego:
h(t ) t 2
t 2
Finalmente vi 1 vi vi t vi ( vi 1 vi ) t 2
2
1
vi 1 vi vi t vi vi 1 t 2
2
Despejando vi1
1 1
vi 1 vi 1 vi vi t 1 vi
t
2
2
1 1
vi 1 vi (1 )vi 2 vi 1 vi vi t 1 vi t
t 2
vi 1 vi 1 vi 1 vi 1 tvi
t 2
Poner algoritmo
Dependiendo de los valores y se obtiene la estabilidad y amortiguamiento ficticio de la
integración.
El sistema es incondicionalmente estable si:
1
Y
2
11
42
El valor de define el amortiguamiento, siendo mayor para mayor el valor de . Esto no siempre
es conveniente por tanto típicamente se considera un valor que elimina el amortiguamiento. Esto
es 0.5 y 0.25 , que es el caso de aceleración constante. El caso de aceleración lineal no
es incondicionalmente estable y requiere de pasos pequeños de integración.
Siempre se debe procurar mantener un paso de tiempo pequeño para obtener respuesta más
precisas. En particular se utiliza la relación:
T
t
10
El amortiguamiento entregado por afecta todos los modos. Existe una variación del método
que permite solo amortiguar artificialmente solo los modos de frecuencias altas, lo que podría ser
útil en algunos problemas no lineales. Este método es desarrollado por Hilber, Hughes y Taylor.
El método de Hilber Hughes Taylor (Improved Numerical Dissipation for Time Integration
Algorithms in Structural Dynamics, 1977, Earthquake Engineering and Structural Dynamics)
introduce un coeficiente de disipación α en la ecuación diferencial del movimiento.
La ecuación de movimiento para el tiempo i 1 se desarrolla en función de α en el tiempo i
1 1
M vi 1 vi vi t M 1 vi (1 ) C vi 1 vi ...
t
2
2 t
(1 ) C 1 vi (1 ) C 1 t vi C Di (1 ) K vi 1 K vi Pi 1
(1.16)
2
Kvi 1 Pi 1 (1.17)
Donde:
1
K M (1 ) C (1 ) K
t
2
t
1 1 1
Pi 1 Pi 1 K vi M 2 vi vi 1 vi ...
t t 2
C (1 ) vi (1 ) 1 vi (1 ) 1 t vi
t 2
Hilber, Hughes y Taylor recomiendan usar valores negativos. Asimismo, combinando valores
negativos de α con valores apropiados de los otros dos parámetros β y γ, resulta un algoritmo
eficiente y que depende exclusivamente de un parámetro.
1
(1 ) 2
4
1
2
Los valores recomendados de α varían entre:
1
0
3
Un pequeño valor de disipación, α = −0.05 rápidamente elimina vibraciones espurias del proceso
de integración y afecta esencialmente períodos menores a 10 veces el paso de integración.
{Otros métodos están basados en la forma de la excitación: Excitación Lineal o Excitación
Cubica. Estos tienen una mayor estabilidad en los casos lineales.
m v(t ) k v(t ) p (t ) p0
Solución
p0
v (t ) 1 cos t para t td
k
p0 t
v (t ) 2 2 cos 2 d para t td
k T
7. ENERGÍA
F (t ) F
v t1
I D (t ) FE (t ) dv 0
2 v t
1 1
m v(t ) k v(t ) FD (t )dv 0
2 t2 2 t2
2
t1 2
t1
v t1
EK EV
A partir de la ecuación de equilibrio dinámico mv t cv t kv t p(t) posen(t)
t
1 t
W E (t ) p o cos(2 t ) sin( )
4 2 0
1 t 1
WE (t ) po cos(2 t ) sin( ) cos( )
4 2 4
Oscilante lineal
WE po sin( )
E D c 2 2
2 4 0
t sin(2(t )) sin(2 )
ED c 2 2
2 4 4
sin(2( t )) t sin(2 )
ED c
2
4
2 4
Oscilante Lineal
1 2 T
EV kv (t )
2 0
2
1
Energía Elástica: EV (t ) v (t ) K v (t )
T
2
T T
Trabajo Externo: WE (t ) P(t ) dv P(t ) v(t ) dt
t
Figure 58. Energía en Decaimiento Libre. Caso 1 GDL. Kpiso= 39.478 Mpiso=1. =0.05.
p0 1
En régimen permanente v t sin t
k 2
Pero como está en resonancia:
2
P0 1
v t cos t
k 2
Luego la resultante de un gráfico fuerza desplazamiento para un instante de tiempo t es:
2
P 1
P0 sin( t ) 2
0 cos t r t
2
k 2
Entonces, la energía disipada corresponde al área de la elipse que se forma al graficar F D (t )
en función de v (t ) , como se muestra en la Figure 62.
Finalmente:
cv t kv t p(t)
Si se hace un ensayo de desplazamiento controlado la respuesta y fuerza resultantes son:
2 / 2 / 2 /
Por tanto la energía
ED
c
2
Y la energía potencia máxima almacenada en un ciclo sigue siendo:
1 2
EV k
2
1
En forma similar D
2
1 2 g 2
2 /
Notar:
1. Las diferencias son muy pequeñas en amplitud y las máximas diferencias ocurren en
resonancia.
2. La máxima amplificación para el caso de independiente de la frecuencia se da en
resonancia.
ED
eqv
4 EV /
La norma de aislación permite estimar la rigidez utilizando el eje mayor de la elipse y la propuesta
de amortiguamiento equivalente siempre que se ensaye en resonancia :
ED
4 EV
F F
kequiv
Se elige key ce tal que minimicen la suma de los errores al cuadrado en un período, para eso
defino:
2π
ω
J (k e ,c e ) e
2
dt
0
f v 0 sin( t ) dt
f v cos(t )dt
0
ke 0
ce 0
v o2 vo2
Demostración
Dado la fuerza no-lineal y el modelo lineal:
f f (v,v,z,t )
~
f k e v c e v
Se define
v (t ) v0 sin( t )
~
e f f
2π
J (c e , k e ) e
2
dt
0
Con propiedades
J J
0 0
c e k e
( f f ) dt 0
2
ce 0
2
( f (c v k v)) dt
2
ce
e e
0
Con
f ( k e v )
0y 0
c e c e
Se tiene
2
2 2 2
2 fvdt ce v dt ke v vdt 0
2
0 0 0
Con
2 2
v dt v cos ( t )dt
2 2 2 2
0
0 0
t sin( 2 t )
2
2 2
v 2 2
v0 0
4 0
0
2
v02
Y
2 2
sin ( t )
2
2
v 2
v02 0 0 0
2 0
0
Luego
2
f vdt c
0
e v02 ke 0 0
2
1
ce 2
v0 f vdt notar que esto es el área de la energía disipada.
0
Desarrollo
( f (c v k v)) dt
2
ke ke
e e
0
2
f (cev) (kev)
2 ( f c v k v) ( k
0
e e
e
ke
ke
)dt
Con
f ( c e v )
0y 0
k e k e
Se tiene
2 2 2 2
2 ( f v ce v v ke v )dt 2 f vdt ce ke v 2 dt 0
2
v vdt
0 0 0 0
Con
t sin(2 t )
2 2 2
2 v
2
v dt v sin ( t )dt v v0 0 0
2 2 2 2
4
0 0
0 0 2 0
Luego
2
v02
0
f (t )v(t )dt ce 0 ke
0
2
ke 2
v0 0
f (t )v(t )dt
f v 0 sin( t ) dt
ke 0
,
v o2
La integral se define como la suma de 4 integrales cuyos límites y valores quedan definidos según
el signo que toma f para cada valor de v
Fy v0
Reemplazando en la expresión anterior y factorizando por , queda
Fy 3 3
ke cos( ) cos(0) cos( ) cos( ) cos( ) cos( ) cos( 2 ) cos( )
v0 2 2 4 4
Fy
ke
v0
0 1 1 0 0 1 1 0
ke 0
f v0 cos( t ) dt
ce 0
,
vo2
La integral se define como la suma de 4 integrales cuyos límites y valores quedan definidos según
el signo que toma f para cada valor de v
Fy v0
Reemplazando en la expresión anterior y factorizando por , queda
Fy 3 3
ce sen( ) sen(0) sen( ) sen( ) sen( ) sen( ) sen(2 ) sen( )
v0 2 2 4 4
Fy
ce 1 0 0 1 1 0 0 1
v0
4 Fy
ce
v0
f v 0 sen ( t ) dt
ke 0
, aquí la integral se define como la suma de 4 integrales cuyos límites
v o2
y valores quedan definidos según el signo que toma f para cada valor de v
2w 3
1 2
w 2w 0
ke 2 k1 (v0 sin(wt)) dt k 2(v0 sin(wt)) dt k2 (v0 sin(wt)) dt k1 (v0 sin(wt)) dt
2 2 2
vo 0
3
w 2w w 2w
Viendo los límites observamos que siempre cuando el seno es distinto de cero el coseno es nulo
y viceversa, por lo que la primitiva con los límites tratados en las integrales queda:
tf ti
tf
k (v sen ( wt )) dt k v02
2
0
ti
2w
1 3 3
ke
2 k1 2 0 k2 2 k2 4 k1 2 2
Fy
ke k1 k 2
2
k1 k 2
ke
2
f v w cos( wt ) dt
0
ce 0
vo2 w
La integral se define como la suma de 4 integrales cuyos límites y valores quedan definidos según
el signo que toma f para cada valor de v
ti
2
v02
Reemplazando en la expresión anterior y factorizando por , queda
2
1 3 3
ce cos( )2 cos(0)2 cos( )2 cos( )2 cos( )2 cos( )2 cos(2 )2 cos( )2
2 2 2 2 2
ce
1
0 1 1 0 0 1 1 0
2
ce 0
Donde
Cα: constante
α: número real < 2.
Si α > 2 la energía liberada disminuye y deja de ser un elemento atractivo para reducir
vibraciones
Parámetros lineales elemento viscoso
4(α 2)
ce cα ω α 1v 0α 1
2 α 2
(α 2 3 2)2
ke 0
Para
v sin(t )
v cos(t )
α
f v sgn(v )
Figura 67
Demostración
Dado
f c α v sgn( v )
α
v (t ) v0 sin( t )
Desarrollo de Ce
2
1
ce 2
v0 f (t )vdt
0
2
1
v
2
0
c0
v sgn(v)v0 cos(t )dt
v0 0
3
2
c 2 3
2
2
0 v cos 1
(t )dt ( v
cos
(t )) cos(t ) dt v0 cos 1 (t )dt
v0
0
0
3
2
Con
cos(t ) cos( t )
Se tiene
c 2 3
2
2
v0 cos (t )dt (v0 cos( t ) cos( t )dt v0 cos 1 (t )dt
1
v0 0
3
2
c v0 1 2 1
3 2
2
0
3
2
Paralelamente. Integrando por partes se tiene:
v cos n 1 ( x )
dv ( n 1) cos n 2 ( x ) sin( x )
u sin( x )
du cos( x )
udv uv vdu
sin( x ) cos n 1 ( x ) n 1
cos n ( x )dx
n
n cos n 2 ( x )dx
n 1
i.e. F ( n) An F ( n 2)
n
se puede demostrar para el caso en estudio que
An 0
Valido para α = n
1 1 3 ( 1)( 3)( 5) ( 2)( 4)
F ( ) F ( 2) F ( 4)
2 ( 2)( 4) ( 2)( 4)
( 1) ( 1) 4 ( 1)
2
( ( 2)( 4)) 2 ( 2 )( 2 2 )( 2 2 ) 2 ( 2 1) 2
2 2 4 2
c v 1 2 1 3
2
2
0 cos (t )dt cos( t ) dt cos 1 (t )dt
1
0
3
2
c v 1 2 1
0 2 cos (t )dt
2
c v0 1 4( 2)
2 3 1
2 ( 2 1)
2
Luego
4 ( 2) 1 1 ( 2)
ce c v0 1 1 2 c v 3 2
2 ( 2 2 ) 2 ( 2 2 )
3 2 0
Para el caso de 2
Ed
c
2
/ / /
c sen t
8
Ed f d (t )dv 2 c v vdt
3
f d (t )v(t )dt
2
dt c 3 2
0 0 0
3
8
ce c
3
Desarrollo de ke
2
ke 2
v0 f (t )vdt
0
2
v02 c
0
v sgn(v)v0 sin(t )dt
c 2
3 2
2
v0 0
3
2
v0 cos (t ) sin(t )dt (v0 cos (t )) sin(t )dt v0 cos (t ) sin(t )dt
v0 0
3
2
Con
cos(t ) cos( t )
sin(t ) sin( t )
Se tiene
c v 1 1 2
3 2
2
cos 1 ( t )
2 2
0
( 1) 0 ( 1) ( 1) 3
2
2
c v0 1 1 1 1
0 0
( 1) ( 1)
Luego
ke 0
Códigos MATLAB
%Grafico de una fuerza viscosa no lineal y su aproximación lineal
%en función del desplazamiento
vo=1;
wd=1;
t=0:2*pi/(wd*100):2*pi/wd;
v1=vo*sin(wd*t);
v2=vo*wd*cos(wd*t);
% Parametro alfa--
alfa=1.75;
% --------------
Cnl=1;
ce=Cnl*vo^(alfa-1)*wd^(alfa-1)*(gamma(alfa+2)/((2^alfa)*gamma(alfa/2+1.5)^2));
fnl=Cnl*abs(v2).^alfa.*sign(v2);
fl=ce*v2;
plot(v1,fnl,v1,fl);
legend('No-lineal','Lineal');
title(['Fuerza viscosa no-lineal y aproximacion lineal \alpha =',num2str(alfa)])
xlabel('Desplazamiento');
ylabel('Fuerza');
n n
v(t ) yi (t ) i vi (t )
i 1 i 1
i M v(t ) M i yi (t )
T
//Mi masa modal
Luego
M v(t )
T
y (t ) i
i
Mi
Encontrar
M v( t ) C v ( t ) K v ( t ) P ( t )
Plantear problemas de valores propios sin amortiguamiento (la aproximación es muy buena)
K i2 M i 0
,
2
M i i M i
T
i =1…n
K i i2 M i
Pi (t ) i P(t )
T
i = 1…n
M v(0) M v(0)
T T
y (0) i
i ; y (0) i
i
Mi Mi
Por ahora asumimos que conocemos i ; i=1…n y que i C i Ci y j C C
T
0
T
i ji
yi (t ) 2i i y i (t ) i2 yi (t ) Pi (t ) / M i
i = 1…n
1 M i yi (t ) i2 Li yi (t )
1 f E (t ) i2
T T
Li
El desarrollo presentado por RJG tiene el fin de reducir tanto la matriz de rigidez como la de
masa para encontrar los valores propios de un problema reducido. En la actualidad existen
otros métodos más eficientes pero la reducción a partir de la matriz de rigidez y por tanto
denominada estática es muy empleada.
K v (t ) FE (t )
Si
De la segunda ecuación
K10 v0 ( t ) K11 v1 ( t ) F1 ( t )
Y por tanto
v1 (t ) K11 F1 (t ) K10 v0 (t ) Son los desplazamientos dependientes
1
K00 v0 (t ) K01 K11 1 F1 (t ) K10 v0 (t ) F0 (t )
Multiplicando y reordenando
K K K K v (t )
00 01
11
1
F ( t ) K K F ( t )
10 0
0
01 11
1
1
K F0 ( t )
v0 (t ) 0 I
v(t ) v0 (t )
v1 (t ) K11 F1 (t )
K11 K10
1 1
T
Si F1 (t ) 0
K~ T T
nxn K nxn T nxn
C~ T C T
T
M T M T
T
0 T 0
1
P (t ) T P(t )
T
Notar que en este caso las matrices condensadas de masa y disipación presentan términos de la
matriz de rigidez
Si
M M
M M 00 M 01
10 11
Entonces
M T M T
T
Demostración
Esta última ecuación se puede demostrar de la siguiente manera
Y considerando la transformación
v0 (t )
v(t ) T v0 (t )
v1 (t )
M v0 (t ) C v0 (t ) K v0 (t ) P (t )
T T
1
T
T
Premultiplicando por
T T
T 1
T T K 2 M T 0 T T
T
T 1
T 0
K 2 M T 0 0
De donde
T 0
0 T 0
1
Es importante notar que si la matriz de masa no es nula en los grados de libertad condensado se
pierde información es sistema reducido es una aproximación.
Hay que tener mucho cuidado en el manejo de la reducción en caso de que existan fuerzas
dinámicas en grados de libertad sin masa. En estos casos si se utilizan masas virtuales muy
pequeñas se generaran frecuencias propias artificiales y relativamente altas, que pueden causar
errores numéricos importantes
Ejemplo 3 nGDL con una masa y carga en nodo sin masa dinacondesa y dinacompsscac.m
Ejemplo
0
1
1 K11
1
K M M
10 0
2
10 0
2
11 1
1 K11 K10 0 2 K11 M10 0 2 K11 M11 1
1 1 1
0
T 0
1
K00 K01 T 2 T T M 00 M 01 T
T 0 M 0
T
K10 K11 10 M11
Obtenemos las matrices reducidas
K T K T
T
M T M T
T
Que son las mismas expresiones anteriores. Notar que si la matriz de masa es diagonal la
ecuación se simplifica considerablemente.
De esta ecuación se obtiene i (Valores propios.), los que representan las frecuencias de cada
modo.
Problemas de valores propios
n soluciones.
n frecuencias.
n valores propios.
Ejemplo 2
DOF: 5
M 2 K 3 0.05
Sea V un vector inicial que tiene componentes de varios vectores. Se requiere ortogonalizar en
base a la matriz [M], el vector V con respecto al vector Vn tal que Vn M V 0 .
T
V V Vn
Donde el valor , que indica la magnitud de la proyección del vector V sobre V , corresponde
n
0
Vn M V
T
Vn M Vn
T
for j=i+1:n V V V
j j ij i
ij Vi M V j
end
T
V
V V V V j
V M V
j T
j j ij i
j j
end
end
end
Aunque ambos algoritmos solucionan en igual medida el problema que presenta el método de
Gram-Schmidt, el de la izquierda (ortogonalización “hacia delante”) permite trabajar
matricialmente el problema, permitiendo realizar cada paso iterativo con solo 2 operaciones
matriciales (evitando un proceso iterativo dentro de otro), aumentando la velocidad del proceso.
ifnargin< 2
opt=1;
end
ifnargin< 3 || ~isempty(M)
opt=2;
end
%%% para caso general.
if opt==0
phi=phi;
end
if opt==1; % normaliza con primeralinea
aux=(phi(1,:));
[pn,pm]=size(phi);
if min(abs(aux)) <= eps
opt=3;
disp('MODONORM:No se puede dividir debido a valor 0 se usa opt=3');
else
phi=phi*diag(1./aux);
end
end
if opt==3;
aux=max(phi);
phi=phi*diag(1./aux);
end
if opt==2
Mn=sqrt(diag(phi'*M*phi));
phi=phi*diag(1./Mn);
end
Factor de ortogonalización del primer Factor de ortogonalización del segundo Validación de ortogonalidad: OM=V'*M*V
vector con los siguientes: vector con respecto al tercero:
OM =
alpha = 0.9996 0.4213 Alpha = 0.6443
1.0000 0.0000 -0.0000
Vectores 2 y 3 ortogonales al primero. Vector ortogonales 0.0000 1.0000 -0.0000
-0.0000 -0.0000 1.0000
V= V=
Error en Ortogonalidad
0.3112 0.6178 0.4474 0.3112 0.7748 -0.0518
0.9497 -0.2190 -0.1628 0.9497 -0.2747 0.0142 ErrorOM =
0.0346 0.4540 0.4443 0.0346 0.5694 0.0774
1.0e-015 *
Vector Normalizado: Vector Orto Normalizado
0 0.3018 -0.6835
V= V= 0.3018 0 -0.1110
-0.6835 -0.1110 0
0.3112 0.7748 0.4474 0.3112 0.7748 -0.5503
0.9497 -0.2747 -0.1628 0.9497 -0.2747 0.1504 haceGSM.m
0.0346 0.5694 0.4443 0.0346 0.5694 0.8213
7.2.2. Descomposición LU
Cuando es requerido resolver de manera reiterada problemas de la forma A x b ,
utilizando siempre la misma matriz A , es recomendable, para acelerar los cálculos
A X B
Donde B es la matriz identidad. Por tanto
X A
1
7.3.1. Motivación
Debido a que los problemas prácticos en análisis estructural varían desde sistemas simplificados,
que involucran pocos grados de libertad, a modelos de elementos finitos, con cientos o miles de
ellos, de los cuales sólo algunos modos contribuyen efectivamente a la respuesta, es que
métodos más eficientes en la obtención de formas modales han sido desarrollados.
A continuación se presentan cinco métodos que resuelven iterativamente el problema de valores
y vectores propios en una estructura: el método de iteración directa, el método de iteración
inversa, el método de iteración inversa con desplazamientos y el método de iteración de
subespacio.
En el desarrollo de los conceptos básicos se utiliza la estructura de marcos de tres niveles
mostrada en la figura 1.
Frecuencias angulares:
w = 210.88 s w = 936.96 s w = 2125.16 s
Formas Modales:
0.813 −0.739 0.273
ϕ = 0.527 ϕ = 0.449 ϕ = −0.694
0.245 0.502 0.666
Esta ecuación plantea que en vibraciones libres no-amortiguadas, las fuerzas inerciales inducidas
por el movimiento de las masas deben ser equilibradas por las fuerzas elásticas que resultan de
la deformación del sistema. Las fuerzas inerciales corresponden al término del lado derecho de
la igualdad en la ecuación (2.1),
{F } = w [M]{v} (2.2)
[K]{v} = {F } (2.3)
Con lo cual,
1
{v} = [D]{v} (2.6.a)
w
Donde ≝ 1/ .
De la figura 2 se observa que el término
, que multiplica al vector { } en la
ecuación (2.6.b), sólo altera su magnitud
más no su dirección.
Como sólo interesa la forma del vector, y
considerando además que su magnitud
se ve modificada durante los procesos de
normalización, reescribimos la ecuación
(2.6) como,
En esta última ecuación, el término {v} ≝ λ{v}. La ecuación (2.7) permite definir el proceso
iterativo utilizado el método de Iteración Directa, como la recurrencia,
{v } = [D]{v } (2.8)
Pre-multiplicando por {v} , es posible encontrar una estimación del cuadrado de la frecuencia
angular del modo dominante,
{v} [K]{v}
w = (2.10)
{v} [M]{v}
{v } [K]{v } {v } [K]{v }
err ≝ − (2.11)
{v } [M]{v } {v } [M]{v }
En la gráfica siguiente, se muestra la variación del error como función del intervalo de iteración,
en la estimación de la primera forma modal de la estructura de la figura 1,
[D]{v} = λ{v}
El vector de desplazamientos inicial {v } , se puede expresar como una combinación lineal de las
formas modales, denotadas por el conjunto de vectores {ϕ , ϕ , ⋯ , ϕ } ,
{v } = {ϕ }Y + {ϕ }Y + ⋯ + {ϕ }Y (2.13)
v( )
= [D] v ( )
= [D] v ( )
= [D] {v ( ) } (2.14)
Reemplazando (2.10) en la ecuación (2.11) y asumiendo, sin pérdida de generalidad, que los
valores propios λ ≥ λ ≥ ⋯ ≥ λ , se obtiene,
v( )
= [D] ({ϕ }Y + {ϕ }Y + ⋯ + {ϕ }Y )
= λ {ϕ }Y + λ {ϕ }Y + ⋯ + λ {ϕ }Y
λ λ
=λ {ϕ }Y + {ϕ }Y + ⋯ + {ϕ }Y (2.15)
λ λ
v( )
= λ Y {ϕ } (2.16)
(2.17)
{v ( ) } {v ( ) }
v( )
= =
‖{v ( ) }‖ ∑ v
o alternativamente
{v ( ) } {v ( ) } (2.18)
v( )
= =
‖{v ( ) }‖∝ max(|{v ( ) }|)
{ }
Vector inicial
[ ]=[ ] [ ]
Matriz dinámica
( ) ( )
= [ ]{ }
( )
( )
{ }
= ( ) }‖
‖{
= +1
( ) [ ]{ ( )
}
= ( ) } [ ]{ ( )}
{
=| − | >
{ }
Forma modal fundamental Frecuencia fundamental
M= Iteración=
4 0 0 0 0
0 4 0 0 0 0 1 2 3
0 0 4 0 0
0 0 0 4 0 w=
0 0 0 0 4 7.5106 1.4426 1.4234 1.4232
w= v =D v
1.4231 4.1542 6.5486 8.4125 9.5949 0.2819 0.2808 0.2965 0.2982
0.5386 0.2698 0.2737 0.2742
phi = 0.6952 0.2377 0.2290 0.2280
0.2984 0.2743 0.2279 -0.1630 0.0849 0.4991 0.1785 0.1650 0.1633
0.2743 0.0849 -0.1630 0.2984 -0.2279 0.5358 0.0997 0.0866 0.0851
0.2279 -0.1630 -0.2743 -0.0849 0.2984
0.1630 -0.2984 0.0849 -0.2279 -0.2743 error =
0.0849 -0.2279 0.2984 0.2743 0.1630
- 6.0681 0.0192 0.0003
{ϕ } [M]{v } = {ϕ } [M]{ϕ }Y
{ϕ } [M]{v } {ϕ } [M]{v }
Y = = (3.2)
{ϕ } [M]{ϕ } M
Donde M representa la masa modal asociada al modo 1. Si se elimina la contribución del modo
1 al vector de desplazamiento inicial {v }, se obtiene el vector purificado {v }, esto es,
{v } = {v } − Y {ϕ } reemplazando el valor de
Y1
1
= {v } − {ϕ }{ϕ } [M]{v }
M
1
= [I] − {ϕ }{ϕ } [M] {v } (3.3)
M
1
[S ] ≝ [I] − {ϕ }{ϕ } [M] (3.4)
M
Con este nuevo parámetro, el proceso iterativo descrito a través de las ecuaciones (2.7) y/o (2.8)
se reescribe como,
{v } = [D]{v }
= [D][S ]{v }
= [D ]{v } (3.5)
De esta forma, el proceso de iteración matricial involucra a una nueva matriz dinámica [D ], que
elimina de forma automática, la contribución de la primera forma modal a un vector de
desplazamientos arbitrario {v } .
La obtención del tercer vector propio sigue un procedimiento análogo. Conocidas las dos primeras
formas modales {ϕ , ϕ }, sus contribuciones serán eliminadas de un vector de desplazamientos
arbitrario {v }, al pre-multiplicar consecutivamente por {ϕ } [M] y {ϕ } [M], a partir de lo cual se
obtiene,
{ϕ } [M]{v } {ϕ } [M]{v }
Y = = (3.7)
{ϕ } [M]{ϕ } M
{v } = {v } − Y {ϕ } − Y {ϕ }
1 1
= {v } − {ϕ }{ϕ } [M]{v } − {ϕ }{ϕ } [M]{v }
M M
1 1
= [I] − {ϕ }{ϕ } [M] − {ϕ }{ϕ } [M] {v } (3.8)
M M
Se define entonces, la matriz de barrido para ambas, la primera y segunda forma modal como,
1
[S ] = [S ] − {ϕ }{ϕ } [M] (3.9)
M
Con lo cual, las ecuaciones (2.7) y/o (2.11) se reescriben como sigue,
{v } = [D]{v }
= [D][S ]{v }
= [D ]{v } (3.10)
Se observa nuevamente, que el proceso iterativo involucra una nueva matriz modificada [D ] cuyo
objetivo es eliminar las contribuciones de todos los modos previos a la tercera forma modal.
En general, el procedimiento implementado hasta este punto para determinar las tres primeras
formas modales, puede ser extendido para así obtener un número cualquiera de modos. Las
expresiones siguientes permiten determinar la matriz de barrido y la matriz dinámica modificada
para un modo arbitrario n,
1
[S ] = [S ]− {ϕ }{ϕ } [M] (3.11)
M
[D ] = [D] [S ] (3.12)
Iteración: 3 v=
D=
0.0068 -0.0071 -0.0041 0.0029 0.0045 0.2985 -0.2722 0.2340 -0.1577 -0.0921
-0.0071 0.0097 -0.0002 -0.0024 -0.0015 0.2743 -0.0862 -0.1638 0.2890 0.2395
-0.0041 -0.0002 0.0114 -0.0046 -0.0069 0.2278 0.1612 -0.2774 -0.0806 -0.2997
0.0028 -0.0023 -0.0045 0.0068 -0.0033 0.1630 0.2994 0.0824 -0.2331 0.2653
0.0044 -0.0014 -0.0068 -0.0032 0.0136 0.0849 0.2299 0.2909 0.2842 -0.1548
Si
Y considerando
{y} ≝ [L ]{x}
Se resuelve para {y} como un sistema [L][D][L ], se despeja {x} = {v} (4.14), y luego se
normaliza:
{v ( ) } {v ( ) }
v( )
= = (4.23)
‖{v ( ) }‖ ∑ v
{v ( ) } {v ( ) }
v( )
= = (4.24)
‖{v ( ) }‖∝ max(|{v ( ) }|)
Finalmente este sistema itera del mismo modo que el método de iteración directa, con la
diferencia que no se requiere invertir la matriz de rigidez [K] para obtener la solución.
Algoritmo de Iteración Inversa
Si se define:
Donde la matriz [Φ] contiene todos los vectores propios y la matriz [Λ] es una matriz diagonal con
los valores propios en ella.
Entonces el método consiste en descomponer los valores propios como la suma de un
desplazamiento μ y un residual δ.
λ = δ +μ (5.6)
O, de manera equivalente,
Es importante notar que el desplazamiento μ es el mismo para todos los valores propios, y lo
único que varía con cada modo es el residual δ. Esto es entonces, desplazar en μ el origen del
plano de los valores propios, y queda:
Se define:
Como sólo se ha modificado la matriz original sumando una constante a su diagonal, los vectores
propios del problema no cambian, esto se llama sistema equivalente. Pero los valores propios del
sistema si cambian al sumar una constante.
{v } ≡ E {v }δ (5.12)
Es decir:
{v } ≡ E {v } (5.13)
Finalmente, normalizando
{v } {v }
v = = (5.14)
v max( v )
∝
La primera impresión, es que el sistema es ineficiente debido a que se debe invertir la matriz [E].
Esto es solo en el papel para ilustrar el resultado de la iteración, ya que este método es lógico
resolverlo a través de iteración inversa. Entonces queda:
Sigue que,
Si definimos,
Luego se factoriza [K] como LDLT y se resuelve el sistema mediante iteración inversa,
K {v } = [M]{v } ⇒ {v } (5.19)
[K][Φ] = [M][Φ][Λ]
En donde [Λ] es la matriz diagonal de valores propios y [Φ] la matriz de formas modales.
Introduciendo un bloque de q vectores iníciales [Φ ], la ecuación (5.1) se reescribe como,
[K][Φ] = [W ]
En donde la matriz [W ] contiene los vectores de fuerzas inerciales, que resultan de considerar
frecuencias angulares unitarias (matriz identidad). La solución a la ecuación permite obtener una
nueva matriz de formas modales no-escaladas como,
K 1 [ M ] 0
Antes de que las formas modales mejoradas obtenidas de la ecuación (5.3) puedan ser usadas
en un nuevo ciclo de la iteración, estas deben ser normalizadas y posteriormente
ortogonalizadas, de forma que cada vector converja a un modo diferente y no todos al modo
fundamental de la estructura.
En general, los modos más bajos convergen primero, por lo que el proceso continúa hasta
conseguir las p formas modales requeridas en el análisis. Los vectores adicionales introducidos
en el bloque de vectores iníciales, son incluidos debido a que ellos aceleran el proceso de
convergencia, pero obviamente esto conduce a un mayor esfuerzo computacional en cada ciclo.
Por experiencia, se recomienda utilizar un bloque con un número de columnas igual al menor
valor entre q = 2p y q = p + 8.
El procedimiento de iteración de subespacio ha probado ser uno de los más eficientes métodos
para resolver grandes problemas de análisis de vibraciones, en donde, probablemente no más
de 40 modos son requeridos para el análisis dinámico de sistemas que presentan cientos o miles
de grados de libertad. El algoritmo de iteración de subespacio es resumido en la sección siguiente
y corresponde al método utilizado en las nuevas versiones del programa SAP.
7.3.7. Algoritmo
nxn
1
2 I F M 0
i 2 M i K i
Multiplicando por j y trasponiendo
2
j i2 i
T
M j 0
mi i j
i M j
T
m i Masa modal
0i j
ki i j
i K j
T
k i Rigidez modal
0i J
m K M K M n 0
T 1 1
1
2 m
Considerando K n n2 M n , con m n y premultiplicando por M F
T
n
1 n2
2 m
M F M n
T T
M F K
n n
2 m n
1
2 m
M n m M F M n de donde se genera la ortogonalidad
T T
De donde:
n
m M F M n 0
T
1
2 m
Ahora si premultiplicamos K n n2 M n M F M F
T
por
n
1 n2
2 m
M F M F K n 2 m M F M F M n
T T
n n
1
2 m
M F M n m M F M F M n y
T T
De donde: se genera la
n
ortogonalidad
m M F M F M n 0
T
b 1 m K n 0
T
m K M K n 0
T 1
m M F M F M n 0
T
j 1
m
j 1
j
2
ji
Ci aM i bKi
La matriz de Rayleigh tiene las mismas propiedades de ortogonalidad de [M] y [K], es decir:
aM bK i i j
Ci i
0i j
Escribiendo en términos de la razón de amortiguamiento crítico
1
i Ci
2M ii
1 b
i a i
2i 2
1 1
i a i b
2 i
Si asumo dos i con los i obtengo las constantes a y b
1
i
i 1 i a
j 2 1 b
j
j
C C b M a b M 1 K
b
1
i
2i
a
b
b i
2b
3 b 1,0,1
4 b 2,1,0,1 o 1,0,1,2
Para el caso de dos valores de amortiguamiento obtenemos el caso de Rayleigh:
1 1
1
21 b0,1
ab12b
21
a0 a112
1
2 a0 a122
22
En algunos casos la oscilación es tan fuerte que genera amortiguamientos negativos. PONER
EJEMPLO
http://www.edwilson.org/
http://www.eeri.org/site/images/projects/oralhistory/penzien.pdf
Luego:
Pero:
M i M
T
Multiplicando por M i
1
Mi Mi I
1
M i M I
1 T
M i M
1 T 1
En forma similar
M i M i I
1
M M i I
T 1
1
Pre multiplicando por
T
1
M M i
1 T
Por tanto
Pero
2ii
M i M i por tanto
1 1
Mi
2c
C ac K de donde y ac el amortiguamiento para cualquier otra frecuencia es
c
1 1 2
i aci c i c i
2 2 c c
Para las frecuencias bajo c se debe modificar su valor
i i c i
c
Finalmente
c
2 i i T
C ac K M i i M
i 1 Mi
as 2 s i j
y lo mismo para el caso del otro material. Así la razón de factores es igual
bs i j 1
a la razón de los amortiguamientos. Un material C c ac M c bc K c y el otro
C s a s M s bs K s la matriz C es la suma indicada arriba y es NO proporcional a los modos.
7.1.5. Solución Práctica de Matrices No Proporcionales
Dado que para el caso de valores propios clásico la matriz de disipación no se desacopla, es
decir
c11 c1 n
c i 1 j
C T C
c jj
cn1 c nn
Uno puede aproximar el problema haciendo cij 0 para i j y resolviendo el problema resultante
para cada modo del problema.
En este caso
cii 2 M ii i
[ ]T [ M ][ ]
y t C y t K y t p (t )
T T T
J xN N xN N xJ
[ M ]
y t C y t K y t p t , esta ecuación esta acoplada
J xJ
J xt
Donde M M ;
T
C C ;
T
K K ;
T
p t p(t )
T
Esta ecuación puede ser resuelta numéricamente con el requisito de estabilidad o precisión
correspondiente al período menor TJ
Al igual que en el caso modal reducimos el tamaño del problema a una dimensión J << N
M z t C z t K z t S p (t )
T
J xN N xN N xJ
[M ]
J xJ
z t C z t K z t L p t , esta ecuación esta acoplada
J xt
Para resolver este problema lo podemos hacer numéricamente, dado que tiene una dimensión
considerablemente menor a N.
Podemos mejorar esta aproximación al plantear sobre el sistema reducido un problemas de
valores y vectores propios ortogonales a M y K
Descomposición modal: z t q t
i i i
K i M i 0
Por tanto el vector de desplazamiento del problema original es:
v t z t
q t
La verdad es que son buenas aproximaciones para los primeros J/2 formas modales.
Y las frecuencias i i2 .
Ejemplo:
m = 1 k = 150 y ngld =5
1 1
1 2 1
K k 1 2 1 ;M I
1 2 1
1 2
1 1
4 / 5 0 30 30
K K
T
30 350
3 / 5 1
2.200 0.0667
2 / 5 2 / 3 M M 0.0667 2.556
T
1/ 5 1/ 3
M
z t K z t L p t
z t q(t ) t
q t
0.6728 0.0476
11.729 ;
3.52
0.0617 0.6227
Aproximación a vectores propios:
0.6111 0.6703
0.5382 0.0381
0.4653 0.5942
0.3102 0.3961
0.1552 0.1981
Si agregamos un vector adicional.
1 0.61 0.66
0 0.54 0.05
3.52
1
2 1
11.50 0.46
0.55 no mejora
1 22.11
0.32 0.49
1 0.15 013
Tal que: v(t ) z (t )
NxJ
0 i j
i M j M
T
i i j
el algoritmo.
Se describe a continuación una manera de obtener vectores en forma automática con la ventaja
de tener información de la acción, la rigidez y la masa.
M v t K v t S p t
(2)
Y al asumir que toda función P t puede aproximarse por una serie de Fourier:
Donde S corresponde
k
al estado de carga k-ésimo del sistema y v t y
k
por tanto
v(t ) v t
m
k
k 1
Considerando en la ecuación (3) que v k (t ) v k sin( t ) resulta:
K v k S k 2 M v k
K vik M vik1 v
k
i
(7)
9.2. ALGORITMOS COMPUTACIONAL DE VECTOR DEPENDIENTE DE LA CARGA
a. Determine K y1 S
1
b. Normaliza 1 y1 y1 M y1
T 2
ali l M yi
T
yi yi ali l
i yi yi M yi
1
T 2
c. Normaliza
M= K= C=
3 0 0 0 5 -5 0 0 0.3339 -0.1916 -0.0403 -0.0131
0 3 0 0 -5 10 -5 0 -0.1916 0.4853 -0.1645 -0.0271
0 0 3 0 0 -5 10 -5 -0.0403 -0.1645 0.4984 -0.1514
0 0 0 3 0 0 -5 10 -0.0131 -0.0271 -0.1514 0.5255
w= phi = S=
0.4484 -0.3791 -0.3333 0.2474 -0.1316 1
Obtención del 1er bloque de vectores, en base a la matriz con distribuciones de carga
F .
K us F
Ortogonalizar vectores de u s respecto a M y K . La ortogonalización se realiza
resolviendo el problema de valores propios con las matrices de rigidez y masa
transformadas:
K M Z 0 0
Donde:
K u s K u s ; M u M u
T T
s s
V1 u s Z 0
K X i M Vi 1
Ortogonalizar vectores en X i respecto a K y M :
K M Z 0
ï i
Donde: K X i K X i y M X i M X i
T T
Utilizar método de Gram-Schmidt modificado (2 veces) para hacer a Vi ortogonal a todos
C. Cálculos finales:
Se calcula matriz K V K V y se resuelve problema de valores propios:
T
K 2
I Z 0
V Z
Ejemplo del libro y otros.
RUTINAS MATLAB: LDV.m: Función que genera los vectores Ritz dependientes de las
condiciones de Carga.
v T ( t ) v s ( t )
v ( t )
v ( t )
v g ( t ) v g ( t ) 0
D in a m ico
E sta tico
M M vT ( t )
F I ( t )
g
M g g vg ( t )
T
M g
Si solo tenemos masas concentradas
M g
0
K K g v T ( t )
E
F t
v g ( t )
K g g
T
K g
v ( t )
Dado que v ( t ) tiene una parte estática existe una relación entre ambos
v t K
s 1
K g v g
t r v g t
r : matriz de influencia estática y adicionalmente mantenemos la segunda ecuación:
v t k g g v s t P
T
k g s
g
s
M M vT t C C g v T t K K g v T t 0
g
M T M g g g C g
C g g g K g
K g g v g t Pg t
T T
v t v t
g
Usando la primera ecuación
M vT t M g
vg t C v T t C g v g t K v T t K g
v g t 0
Pero v t v t v t
T s
M v t C v t K v t
M v s t M g vg t C v s t
C g v g t K v s t K g v g t
Pe ff t 0
Dado que v s t r v g t
P t
e ff M r M g
vg t C r C g v g t
Observación: Sí masas utilizamos concentradas M g 0
Entonces C
r C g v g t 0 ya que K v s t K g
v g t 0
En este caso P t M r v t
e ff g
Ejemplo:
12 60 12 60
60 700 60 200
k
12 60 12 60
60 200 60 400
K v P
1 0
K K g 0
v P y v 0
Si
K T P
K g g 1 0
g
0 0
r K
1
K g
Ejemplos
K i [ ]1[ K ]1[ ] [ ]T [ ]
[ ]1[ K ]1[ ] Ki [ ]T [ ]
1
i i
N T
[ K ] [ ] Ki [ ]
1 1 T
i 1 Ki
F i i i
T
Ki
N
[ K ]1 Fi [ F ]
i 1
Ejemplo (dinamatriF.m)
K= F=
Fi(:,:,1) =
1000 -1000 0 0.0030 0.0020 0.0010
-1000 2000 -1000 0.0027 0.0022 0.0012 0.0020 0.0020 0.0010
0 -1000 2000 0.0022 0.0018 0.0010 0.0010 0.0010 0.0010
0.0012 0.0010 0.0005
M=
Kinv =
2 0 0 Fi(:,:,2) =
0 2 0 0.0030 0.0020 0.0010
0 0 2 1.0e-003 * 0.0020 0.0020 0.0010
0.0010 0.0010 0.0010
phi = 0.2246 -0.1247 -0.2801
-0.1247 0.0692 0.1554
-0.5211 -0.4179 0.2319 -0.2801 0.1554 0.3493
-0.4179 0.2319 -0.5211
-0.2319 0.5211 0.4179
Fi(:,:,3) =
Kn =
1.0e-003 *
1.0e+003 *
0.0331 -0.0744 0.0597
0.0990 -0.0744 0.1673 -0.1341
0.7775 0.0597 -0.1341 0.1076
1.6235
v t y t y P t = S f t
N
i i
i 1
y si t
i K i
T
K i
i i
T
v si t i y si t Ki
P t
Ki
J N
v t v t v t y t F P t
d s i i i
i 1 i J 1
Este procedimiento obliga a calcular los todos modos. Esto lo podemos obtener de sustraer el
total del desplazamiento estático menos los que si tiene amplificación:
J
v t K S f t F S f t
s
1
i
i 1
v t y t K
d J
F S f t
1
i i i
i 1 i 1
Pi t 2i
y i t Si multiplicamos esta ecuación por i y sumamos para
1
yi t yi t
2
Ki i i
todos los modos obtenemos la respuesta total:
v t y t K 1
N
P t N
N
2i
i
yi t
y i t
i
i i i i 2
i 1 i 1 i i 1 i
Pero
F P t K S f t
1
i i
i 1 Ki i 1
Si además consideramos que la aceleración y los desplazamientos son despreciables más allá
del modo J , se obtiene el método propuesto:
J
2
v t K S f t 1
1
i 2
yi t
i
i
y i t
i 1 i
Esta ecuación es también comparable al método de corrección estático, a partir de
v t y t K
J J
F S f t
1
i i i
Reordenando
i 1 i 1
v t K S f t y t K S f t
1
J i
T
i i i
i 1
i
d Pi t Y a partir de la ecuación de equilibrio dinámico.
K S f t i y i t
1
i 1 Ki
J
2i
v t K S f t 1
1
i 2
yi t
i
y i t Que es la misma que el método de
i 1 i
aceleración modal.
0 I 0
A F t
M K M C M P t
1 1 1
Entonces
Y por tanto
d at
dt
e (t ) f (t ) eat
Integrando entre to y t
t
(t )e at (to )e ato f ( s)e as ds Multiplicando por e
at
to
t
(t ) e a ( t to )
(to ) e a (t s ) f ( s )d ( s )
to
Se puede demostrar que la solución para varios grados de libertad, para t0 , es:
z t e z t e e F s ds
t
A t t0 A t As
0
t0
e F s ds 0 ;
0
Si z t0 0 entonces para t 0 A s
t0
0
z t e A t t0
z t
0
m
A t m
e A t e y por tanto
2 3
A t m t 1 2 t 1 3 t
e I A A A ...
m 2!
m 3! m
A t m
Luego elevamos a m la cantidad resultante e . Este converge muy rápido particularmente si
t t es un número pequeño.
function [B,BMatlab]=expmrb(A,m,n);
% [B,BMatlab]=expmrb(A,m,n);
% evalua exponencial de una matriz utilizando scaling and squaring method
% pag 122 de Hart y Wong y compara con expm de matlab
% B hart y wong
% BMatlab expm(A)
% m es el numero de productos a realizar (exp(at/m).^m)
% n es el numero de terminos en la serie de Taylor;
% rbk 2004
B=eye(size(A));
for i=1:n
B=B+(A)^i/(factorial(i)*(m)^i);
end
Ejemplo
%dina expm
m=1;
k=5;
beta=0.05;
ngdl=2;
[M,K,C]=edificio(ngdl,m,k,beta);
[A,F]=respssmat(M,K,C);
for n=1:4
for m=1:6
[B,BMatlab]=expmrb(A,m,n);
temp=sprintf('Taylor Expansion N: %i Potencia M: %i',n,m);
disp(temp);
B
end
end
BMatlab
Taylor Expansión N: 2 Potencia M: 2 Taylor Expansión N: 4 Potencia M: 5
B= B=
-0.5391 1.0898 0.3279 0.6066 -0.0497 0.4407 0.4519 0.3430
1.0898 -1.6289 0.6066 -0.2787 0.4407 -0.4904 0.3430 0.1089
1.3934 -4.4262 -0.5440 0.9407 -0.5447 -1.1703 -0.1058 0.3830
-4.4262 5.8195 0.9407 -1.4846 -1.1703 0.6256 0.3830 -0.4888
e F s ds
tk 1
tk
Tomando tk 1 tk t como constante. Podemos resolver de varias maneras las más comunes
son están a supuestos sobre la forma de la acción externa:
En este caso:
F s s t
F t k k
tk s tk 1
Pt dt
Tomando en cuenta las propiedades de Delta de Dirac:
tk
tk 1 A s
zk 1 zk e At e At k 1
e
tk
s tk ds Fk t
z k 1 z k e A t e A t k 1
e A tk Fk t
Si llamamos: Ad e At y BdD e At t tenemos
zk 1 Ad zk BdD Fk (Hart & Wong)
La expresión es una transformada lineal invariante en el tiempo (LTITR). Resolviendo paso a
paso obtenemos z t , v t y v t . Usando la ecuación de equilibrio es posible obtener v t
como:
e Fk ds
tk 1
tk
tk 1
zk 1 zk e At k 1 tk
tk
e Atk 1 e A s ds Fk
z k 1 e A t z k A
e A t k 1 e A t k 1 e A t k F
1
k
s
Si: Ad e At y Bd A e At I tenemos:
1
zk 1 Ad zk Bd Fk
Este forma tiene el inconveniente de tener que calcular la inversa de A .
A i i i A I 0
i i
Multiplicando por
1
Además:
i , i 1 i i i i 1 i2
i i 1 i
i i i 1 i2 i
i i i 1 i2
2
i i i i 1 i2
2
i i i 2 1 i2
2 1/ 2
i
1i i 2 i i
i i
2 i 1i 2i
i i1
Finalmente i i i 1
2 ii1
i1
Si A i i i y i entonces
i
2
0 I i1 i1
2 i 2
M K M C i i
1 1
De la primera ecuación
1 1
e At I t 2 1 t 2 3 1 t 3 ...
1
2! 3!
1 1
e At I t t 2 t 3 ...
2 3 1
2! 3!
Y e A t e t 1
Ad e t 1
1 Ad e t
Pero para una matriz diagonal
1t 0 0 e 1t 0 0
0 0
exp
0 0
2 n t
0 0 2 n t 0 0 e
0
2 n t
0 0 e
Que indica que los vectores propios son los mismos y los valores propios de Ad que llamamos
i son
i ei t
Y por tanto
ln i
i
t
12.2. EJEMPLO
NGDL =2
Caso de Amortiguamiento Clásico: 0.05
ngdl=2;h=1;m=2;k=1000;beta=0.05;
vo=[];xo=[];
[M,K,Ccla,w,phi]=edificio(ngdl,m,k,beta);
[w,phi,Mn,Kn,Yn,Vn,Ln]= modal(M,K,xo,vo);
[phi]=normaliza(phi,1)
w
[A,F,phiA,wA]=respssmat(M,K,Ccla);
A
[phiANorm]=normaliza(phiA,1)
w= diawA =
13.8197 -1.8090 +36.1351i
36.1803 -1.8090 -36.1351i
-0.6910 +13.8024i
phi = -0.6910 -13.8024i
1.0000 1.0000
0.6180 -1.6180 wAderi =
36.1803 13.8197
A=
1.0e+003 * betaAderi =
0.0500 0.0500
Caso C Proporcional
ngdl=2; Ccla =
h=1;
m=2; 4.0000 -2.0000
k=1000; -2.0000 6.0000
beta=0.05;
C= C=
0 0
0 20 10 -10
[w,phi,Mn]= modal(M,K); -10 80
tphi=phi'; %% solo los modos en analisis
tphiCphi=tphi*C*phi; tphiCphi =
10.2016 -13.4164
tphiCphi = -13.4164 34.7984
2.7639 -4.4721
-4.4721 7.2361% No es diagonal beta_equiv =
0.3691
Amortiguamiento equivalente 0.4809
beta_equiv=diag(tphiCphi)./(2*Mn.*w);
beta_equiv = Cmod =
0.1000 34.0000 -22.0000
0.1000 -22.0000 56.0000
Cmod=rayleighphi(M,K,beta_equiv);
Matriz Rayleigh
Cmod =
8.0000 -4.0000
-4.0000 12.0000
Si planteamos
z ( t ) i qi t Q ( t )
1....... 2 n
Reemplazando en la ecuación de equilibrio dinámico y premultiplicando
Pero
1
1
A
2n
Entonces
2 n x 1 fi ( t )
t0
As x (t ) Bs x (t ) Fs t
C M K 0 P t
As M 0 Bs 0 Fs t
M 0
En forma similar
v t G e i
i t
Gi i e i
t
x(t ) i t
G i eit
G i e
Para el caso homogéneo
As As i Bs i 0
1
As 1 Bs i I i 0
D i i i 0
1
1
D I i 0
i
1
i D i 0
i
Relaciones de Ortogonalidad
i As i Bs i 0
Bs i i As i
Premultiplicando por j
B A
T T
j S i i j s i
B i i j As i
T T
s j
Reconociendo que Bs j j As j
As j i i j As i
T T
j
entonces
i A 0
T
j j s i i j
De igual manera
1
As i B s i
i
A 1 B
T T
j s i j s i
i
pero
A i
1
B i
T T
j
s j s j
1
j Bs i
T
j
por lo tanto
1 1
j Bs i 0 i j
T
j i
De donde obtenemos las reglas de ortogonalidad
A 0
T
j s j
i j
B 0
T
j s i
ai qi t bi q t fi t
bi fi t
qi t q t
ai ai
i T Bs i fi
i
i T As i
qi t i qi ( t ) f i t
0
i
T
P t
Pero fi t
C M i
i
T
M 0 i i
i P t
T
f i t
i i M i i i M i i C i
T T T
2 iiT M i
2 nt 2 nt
P(t ) a0 an cos bn sen
T n1 T
n 1 p p
Donde:
Tp
2
Tp
2nt Tp
2nt
1 dt b 2 dt
a0
Tp 0 P(t )dt ; an Tp 0 P (t ) cos
T ; n T 0 P (t ) sen
T
p p p
Tp Es el período de la función P(t)
2
Definimos las siguientes variables 1 y n n
Tp
Ejemplo:
Dada la función rampa de la Figura. Su composición se presenta en las Figuras para 7 y 201
coeficientes (dinaFourieCoef.m).
1
a0 2
1 n 1
2
2
v(t ) 1 2
n n
k
n n
2
2
2
1
Tp
Y n n
p (t )
n
c n e in t
Solución v p (t ) Gn e int ; v p (t ) in Gn eint ; vp (t ) n 2 Gn eint
Reemplazando en la ecuación de equilibrio
Gn ( mn 2 cin k ) cn
1
G n cn
( k m n 2 ic n )
cn 1
Gn Gn cn H ( n )
k n 2
n
1 i 2
1 1 n
H (n ) con n
k 1 n 2 n i
2
Como v ( t )
n
c n H ( n ) e i n t
v t e dt V
it
Sabemos que
d f t
n
i f t
n
n
dt
h(t ) k (t )
(t ) (t )dt (0)
(t t ) (t )dt (t )
0 0
k (t )e
i t
H ( ) dt k
1
ke
it
h(t ) d k (t )
2
Función Seno:
h (t ) A sin(2 f 0 t )
A
H ( f ) i ( f f 0 ) ( f 0 f )
2
A t t0
h(t )
0 t t0
t0 t0 t0
H ( ) A
t0 2 f
13.7.1. Linealidad
h(t ) g(t ) H ( f ) G( f )
h(t ) g (t ) e h(t )e g (t )e
i 2 ft i 2 ft i 2 f
dt dt dt H ( f ) G ( f )
13.7.2. Simetría
h (t ) H ( f )
H (t ) h ( f )
Figura 84
Figura 85
Figura 86
y(t ) h(t ) Y ( f ) H ( f )
it
y(t ) h(t ) e dt h(t )e dt d
i t i t
y ( )h (t ) d e dt y ( )
Si t , d dt
y( ) h( )e d d y ( )e d h( )e i d Y ( ) H ( )
i ( ) i
y(t) h(t) Y ()H ()
Desplazamiento Convolución
h (t )dt
2
H ( f ) df
Demostración Ejemplo
sin 2 f c ( t n t )
Se puede recuperar la señal continua h ( t ) t
n
h (nt )
(t n t )
Esto se demuestra en las figures 5.5 y 5.6 de Brigham.
sin 2 f c (t n t )
t
n
h (nt )
(t n t )
cn k 1 x ( k ) exp( i 2 ( n 1)( k 1) / N ) 1 n N
N
Matlab normaliza por la longitud N en ifft. Si se desea que los coeficientes de Fourier
correspondan a lo que da la Integral
Tp
1
cn
Tp x(t ) exp(it )dt debe normalizarse por (1/length(N))
0
El eje de frecuencia de Matlab debe generarse considerando que no se utilizan índices negativos.
Adicionalmente es conveniente diferenciar entre series reales e imaginarias. Las series reales
tienen una transformada de Fourier simétrica y por tanto pude ser utilizado la mitad (si son pares)
o la mitad más uso si son de longitud impar.
ParaSeñal Real
if ~any(any(imag(P)~=0)), % if x is not complex
if rem(nfft,2), % nfft odd
select = (1:(nfft+1)/2)';
else
select = (1:nfft/2+1)'; %% nfft even
end
else
select = (1:nfft)'; % Complex Signal
end
Figura 93. Transformada de Fourier del Registro de Llolleo 1985 NS010. Aceleración.
dinafft
Figura 94 Muestreo de Señal a distinta tasa sobre, igual y bajo Nyquist. Efecto en
amplitud en tiempo y frecuencia y alias claro en sub muestreo. En la parte alta de la
figura se indica la perdida de amplitud máxima y en el efecto en frecuencia. Notar que
no se ha normalizado por paso de frecuencia. Además un caso interesante es cuando
se muestrea al doble de la frecuencia de la señal produciéndose la perdida completa de
la señal. (dinaSampling.m)
Para disminuir el efecto de leakage se utilizan ventanas. Sin embargo esto genera un compromiso
ya que afecta la energía de la señal analizada y su resolución espectral.
14.1. VENTANAS
Existe un gran número de ventanas a utilizar. Cada una tiene propiedades distintas y por tanto su
uso correcto depende del objetivo que se desee lograr. Las ventanas más comunes son la:
Hanning, Hamming, Box, Parzen, Bartlett, Kaiser y Chevyshev. En caso específico de análisis de
impactos y operación monofrecuencial tenemos la ventana exponencial y la Flat-top
respectivamente.
Las siguientes son algunas definiciones de ventanas
1 j 1: n
Box: W ( j )
0 i j
Ventanas basadas en coseno: W ( j) A B cos( j) C cos(2 j )
Hamming: A 0.54 B 0.46 C 0
(dB)
Hay que tener cuidados debido a que algunas ventanas no permiten separa frecuencias.
Es interesante obtener la inversa utilizando algunos de los coeficientes obtenidos del caso
anterior. Es posible recuperar totalmente la señal original.
2 nt 2 nt
x(t ) an cos bn sen
T n1 T
n 1 p p
Para una señal monofrecuencial la amplitud será la amplitud de la señal monofrecuencial:
Tp
2 2 Tp
aj
Tp A cos t cos tdt T
0
j j A 2 A
p
La potencia de la señal
P x
2
(t ) dt
P A cos j t dt A2
2 Tp
0
2
Para una frecuencia arbitraria n la potencia es la combinación del coeficiente que acompaña al
coseno y seno de la expansión de Fourier en cada una de las frecuencias
an2 bn2
P( fn ) cn2
2
El Espectro de Potencia es la acumulación de valores de potencia para cada fn .
x (t )dt
2 2
H ( f ) df
Tp 0
N k 0
La raíz media cuadrática es entonces:
N 1
1 A
Para el caso de armónico: RMS
N
x
k 0
2
k
2
Si definimos
Tp
1
x(t ) x (t )dt S ( f )df
2 2
Tp 0 0
x H ( f ) f H(f) N2
2 2 2 2
H(f)
N n0 FsN n0 FsN N n 0 n0
S x ( f ) (2 f )2 S x ( f )
S x ( f ) (2 f )4 S x ( f )
En la práctica se recomienda:
1
x ( k )e i 2 ( n 1)( k 1) / N
N
1. Calcular la FFT con: cn k 1
1 n N (notar que se utilizan
N
índices mayores a cero para Matlab. En este caso se ha normalizado 1/N)
2. Calcular el espectro de potencia como: S x ( f ) cn* cn
Para señales reales PSD es simétrica alrededor de DC, y por tanto S x ( f ) entre 0 f Fs / 2 es
suficiente para caracterizar el espectro. Sin embargo para obtener la potencia media sobre el
intervalo completo de Nyquist es necesario utilizar el concepto de PSD unilateral:
0 Fs / 2 f 0
S sx ( f )
2 S x ( f ) 0 f Fs / 2
La potencia media en una banda de frecuencia dada f1 f 2 , 0 f1 f f 2 Fs / 2 , se
calcula a partir del espectro de densidad de potencia unilateral.
f2
P( f1 , f 2 ) Ssx ( f )df
f1
f2 f1
Es importante tener cuidado con la energía calculada. Si uno agrega ceros a la señal la potencia
media disminuye. Matlab permite a través de su función fft el agregar ceros y no afectar la
potencia media de la señal.
c.
v( t ) 1 i P ( ) H ( )
2
Debido a la forma en que se entrega el espectro de Fourier para índices positivos solamente es
necesario desdoblar las frecuencias y la respuesta al impulso en el espacio de frecuencia.
v t e dt V
it
v t e dt v t e it v t e v t dt
it it T
it
0
0 0
v t e it
v 0 i V
T
Entonces
f t
v t 2 v t 2v t
m
F
... 2i V 2V
m
F
V 2 2 2i
m
2 F
V 2 1 2 i
m
P
V Z
m
F
V Z 1 Z 1 I
m
Z 1
H
m
Luego 1 V v t
F
V Z
m
V H F v t f t * h t
p t * h t F H
v t 1 V
L x t sX s x (0)
mv t cv t kv f t
L mv t cv t kv t m s 2V s sv 0 v 0 c sV s v 0 kV s
ms 2 cs k V s msv 0 mv 0 cv 0
Y la transformada de la excitación es
L f t F s
F ( s ) ms 2 cs k V s
Y
1k 1k
H s
m k s c k s 1 1 s 2 s
2 2
Las raíces del término de la rigidez dinámica son las que se obtuvieron anteriormente para la
ecuación característica de un problema de 1 GDL.
Figura 119: Grafico en plano complejo de los polos de la receptancia para un sistema
subamortiguado.
2
r 2 ii i 1 i2 ii i2 ii i2
2 2 2
Y el ángulo
cos i i cos i
i
De acuerdo a la relación de excitación y respuesta se definen distintos nombres
Existen otras representaciones alternativas que son muy usadas en la identificación de sistemas
0
H s 2
s
k
k
k 0
Fracciones Parciales
1/ M c1 c2
H s
s 1 s 1 s 1 s 1*
*
En este caso los valores c1 y c2 se llaman residuos y se obtienen multiplicando a ambos lados por
s y evaluando en
j j
1/ M c s
c1 2 1
s 1* s 1
s 1 s
*
1
0
Así
1/ M 1/ M
c1 A
1 j D1 1 j D1 j 2 D1 1
De igual manera
1/ M
c2 A1*
j 2 D1
A1 A1*
H s
s 1 s 1*
En este caso de 1GDL los residuos son imaginarios, en el caso de nGDL son complejos.
Fracciones Parciales
A1*
H s A1
s j H
j 1 j 1*
A1 A1*
H
j 1 jD1 j 1 jD1
A1 A1*
H
j D 1 1 j D1 1
A1 A1*
H D1
1 j 2 D1 1
Y esto puede ser reducido a través de una aproximación si consideramos que las frecuencias
negativas tienen poca influencia, cuando evaluamos en D1 , de esta manera
A1
H D1
1
En general muchos problemas de 1GDL se aproximan como
A1
H
j 1
17.3.2. Respuesta al inpulso sistemas de 1 GDL
L f t F s
F ( s ) ms 2 cs k V s
V s 1 1
H s Z 1 s
F s ms cs k Z s
2
A1 A1*
H s
s 1 s 1*
Si F s 1
vi (t ) i e s ti
B s M s 2 C s K
Pero
B s B s I
1
B s
A
B s
B s B s B s I
A
B i B i 0
A
B i B i r 0
A
B i i 0
Y por tanto debe existir una contante de proporcionalidad entre el vector modal y la columna de
la matriz adjunta.
Lo importante es que TODAS las columnas de B i son proporsionales a vector modal i
A
Ademas dado que las matrices del sistema son simétricas, entonces B s es también simétrico
y también es simétrica su adjunta. Y por tanto la líneas de la matriz adjunta también son
proporsionales a i entonces podemos representar la matriz adjunta para un valor propio como
M 11 M 12
x1 K11 K12 x1 f1
M
21 M 22
x2 K 21 K 22 x2 f 2
M 11 M 12 2 K11 K12 X 1 s F1 s
s
M 21 M 22 K 21 K 22 X 2 s F2 s
B s H s
1
M 22 s 2 K 22 M 12 s 2 K12
M 21s K 21 M 11s K11
2 2
1
B s
M11s 2 K11 M 22 s 2 K 22 M 21s 2 K 21 M12 s 2 K12
B s E s 1 s 2 s 3 s 4
M 22 s 2 K 22 M 12 s 2 K12
X 1 s M 21s K 21 M 11s 2 K11 F1 s
2
X 2 s E s 1 s 2 s 3 s 4 F2 s
H s H12 s
H s 11
H 21 s H 22 s
M 22 s 2 K 22
H11 s
E s 1 s 2 s 3 s 4
H11 s F1 s H12 s F2 s X 1 s
H 21 s F1 s H 22 s F2 s X 2 s
H11 s F1 s X 1 s
H 21 s F1 s X 2 s
M 22 s 2 K 22
H11 s
E s 1 s 1* s 2 s 2*
X p s n s n 1 s 1 s 0 s
n n2 1 0
H pq s
Fq s m s m 1 s
m m 1
1 s 0 s
1 0
X s
s
k
k
p
k 0
F s n
s
k
q
k
k 0
m m
k s X p s k s Fq s
k k
k 0 k 0
k s k X s k s k F s
k 0
k 0
m n
s X s F s k s F s F s
k H k H
k 0
k
k 0
m m
m m
1
k s k Gxf s G ff s k s k I
k 0
k 0
m n
k j k H k j k I
k 0
k 0
m n
k j H pq k j
k k
k 0 k 0
X1 s c1 c2 c3 c4
H11 s
F1 s s 1 s *1 s 2 s 2*
M 22 s 2 K 22 c1 c2 c3 c4
E s 1 s 1 s 2 s 2 s 1 s 1 s 2 s 2*
* * *
M 22 1*2 K 22
C2 c1* A111
*
E 1 1 1 2 1 2
* * * *
M 22 22 K 22
C3 A112
*
E 2 1 2 1 2 2
* *
M 22 2*2 K 22
C4 c3* A112
*
E 2 1 2 1 2 2
* * * *
* *
A111 A111 A112 A112
H11 s
s 1 s 1* s 2 s 2*
2 A A11* r
H11 s 11r
r 1 s r
s r*
2 *
A A21
H 21 s 21r r
r 1 s r
s *
r
2 A A12* r
H12 s 12 r
r 1 s r
s *
r
2 A A11* r 2 A A12* r
11r s s
12 r
s r s r*
X 1 s r 1 F s
*
r 1 r r
1
X 2 s 2 A21r *
A21 2
A22 r *
A22 F2 s
r
r
r 1 s r s r r 1 s r
* *
s r
M 2112 K 21
A211
E 1 1* i 1 2 1 2*
M 12 12 K12
A121
E 1 1* 1 2 1 2*
M 1112 K11
A221
E 1 1* 1 2 1 2*
s 1 1 1 1 2 1 2 s 1
* *
Para un sistema de varios grados de libertad y utilizando un representación del espacio estado
simétrica
As x (t ) Bs x (t ) Fs t
C M K 0 f t
As M 0 Bs 0 F t
M 0
s
Si representamos la ecuación modalmente
x(t ) q t
Si reconocemos que los modos están compuestos por el base y el conjugado, y si los ordenamos
de la siguiente manera
* V
d
\i \
i \ d
* \ * V
Donde
\i \
Vd y \ *
*
i \
a s b Q s F (s)
\
i\
\
i\
T
f t V
F t y
V
d
por tanto
0
s
d
a s b Q s V F(s)
\
i\
\
i\ d
T
Q s a
1
\
i\ s \ ai \ Vd T F(s)
Pero los grados de libertad en el espacio de Laplace
V ( s )
X ( s) Q s
V ( s )
V a s a V F(s)
1
V s
d
\
i\
\
i\ d
T
H s
Y H s es la función de transferencia.
\i \
Dado que ai \ y son diagonales, entonces
\
\i*\
1
1
ai ( s i ) ai ( s i )
1
ai \ s ai \
\ \
*
a ( s i
) 1
i
*
i
a ( s i
)
Entonces la función de transferencia
1
ai ( s i )
V T
1
H s Vd \ ai \ s \ ai \ Vd Vd d
T
1
*
ai ( s i )
i*i*
H
nm T
1 1
H s i i
*
i 1 ai s i ai s i*
Si usamos el vector de participación modal i
i 1 s i s i*
Si usamos matrices de residuo
nm Rri Rri*
H s *
s s i
i 1
i
Alternativamente para el caso de varios grados de liberta
1
H s Z s
Br 1,1 s Br 1,nm s
B
Bri s r nm ,1 s Br nm ,nm s
H s
Ari s Ari s
Que es llamada modelo de denominador común o scalar matrix fraction description.
H s Bri s Ari s
1
En el sistema mostrado en la figura la estructura tiene una ecuación de movimiento del tipo:
Si se tiene una aceleración aplicada a la estructura del tipo vg (t ) vgo sin t :
mvT t cv t kv t 0
m v t vg t cv t kv t 0
m v t vgo sin t cv t kv t 0
mvgo D
v(t ) D sin t vgo sin t
k 2
Requerimos que la observación sea proporcional a la aceleración. En el caso básico que la
amplitud máxima de respuesta de desplazamiento sea proporcional a la aceleración.
v(t ) vg 0
En ambos casos y debe ser muy grande, es decir ( k m ). Esto es difícil de realizar y
finalmente se requiere un lector muy sensible.
En la Figura 125 se observa el efecto de la frecuencia y el amortiguamiento del sensor en la
reproducción fiel de la aceleración. En estas figuras se grafica el desplazamiento de la masa del
sensor contra la aceleración de excitación. Para el caso de amortiguamiento 0.7 y frecuencias
altas se obtiene una reproducción casi perfecta. Esto son los valores que utilizan acelerómetros
comerciales orientados a ingeniería sísmica.
P0
vP (t ) D sin t
k
En este caso se tiene el desplazamiento de la carcasa como incógnita y se deriva dos veces para
obtener su aceleración en función de la amplitud de desplazamiento de la carcasa:
vg (t ) vgo sin t
vg (t ) vgo 2 sin t
La aceleración total sobre la masa del sensor y la respuesta es:
Para que el resultado obtenido sea independiente de la relación 2 D , la masa debe ser mucho
mayor que la rigidez ( m k ) y 1.5 para 0,6 0,7 .
Un resultado similar se utiliza en medidores de velocidad inerciales, sismómetros o geófonos.
Tipos de Acelerómetros:
1. Mecánicos (F=ma)
2. Piezoeléctricos, piezoresistivos, capacitivos: convierte un movimiento mecánico en una
señal eléctrica. Piezoeléctricos generalmente utilizan una piezoceramica o cristales puros.
Muy buenos para altas frecuencias y temperaturas. Piezoresistivos son más comunes
para grandes impactos y los capacitivos son mejores para bajas frecuencias.
Rango de Medición: Nivel máximo que puede medir el sensor. Típicamente +/- ¿?g.
Ruido Electrónico (Electronic Noise): Ruido generado por el circuito amplificador. Este puede
estar definido en término de banda o es espectral. Si es banda indica la energía total del ruido en
una banda específica de frecuencias (1-500 Hz). El ruido espectral se establece generalmente
para una frecuencia específica. En general la energía se mide en términos de g.
dB=20log(S/S_ref).
Frecuencia Resonante (Resonance Frequency): Resonancia principal mecánica del sensor (de
mayor amplitud). Pueden existir otras de frecuencias menores.
Ruido: Se puede ver como densidad de ruido y típicamente es ug/sqrt(Hz). Que es la raíz
cuadrada de la densidad de potencia del ruido de salida. El ruido total se obtiene como la
densidad del ruido x sqrt(Banda de Frecuencia x 1.6). Tiene unidades de mg-RMS.
Voltaje o Potencia (Voltaje/Power): voltaje máximo y mínimo que debe ser suministrado. Mayor
al máximo puede dañar al sensor, menor puede impedir funcionamiento del circuito.
Bias Output Voltaje: BOV voltaje ajustado por el circuito de amplificación interno para
energización interna.
Turn On Time: Tiempo requerido para que el sensor alcance el 90% de su BOV final al inicio de
la energización.
Tipo de Montaje: hembra perno, perno, perforación, epóxico, etc. Esto tiene una gran importancia
en términos de frecuencia de resonancia con montaje y precisión de medición.
Dado lo anterior toda evaluación debe considerar esta no linealidad y la estimación deberá indicar
para que rango respuesta fue evaluada esta situación. Ejemplos de este tipo de fenómeno se
aprecian Boroschek (2011 a, 2011 b, 2013).
Debido al gran tamaño de las estructuras de ingeniería civil las fuentes de excitación difieren
considerablemente de las utilizadas en otras áreas del conocimiento como es la mecánica y la
geotecnia. En general los métodos de excitación son controlados o no controlados y dentro de
estos se pueden clasificar como:
1. Meteorológicos y en particular el viento.
2. Uso y operación: persona, ascensores, maquinas etc.
i j
H 2
MAC (i, j )
( i i )( j j )
H H
Notar que esta expresión compara las formas pero predomina los números grandes en relación
a los diferencias pequeñas (número pequeños).
También aunque menos usado se puede comparar los vectores a través de relaciones de
ortogonalidad. Por ejemplo la comparación llamada pseudo ortogonal:
0 i j
M j exp/ Modelo M
T
i exp
j i j
Se considera que si los valores fuera de la diagonal son menores al 10% esta ok. El problema de
no ajuste puede provenir de la matriz de masa o de su condensación. El criterio MAC se
independiza de esto.
También es importante el factor de escala modal.
Modal Scale Factor
MSF (i, j )
i i
H
Dato que el proceso no es necesarimaente estacionario los valores esperados dependen del
tiempo.
1 x 1 1
Autocorrelación Rx t1 , t2 E x t1 x t1 x t2 x t2
T
1
T T
Media Temporal x lim x (t) dt
0
T
1
Varianza Temporal Var x lim x(t) x
2
dt
T T
0
T
1
AutoCorrelación Temporal R lim
T T x(t) x x t x t dt
0
Rx t , t Rx E x t x t
Rx 0 variance= 2 RMS 0
2
Rx Rx
Rx 0 Rx
Figura 138 Ruido Blanco Distribucion Gaussiana. Para una secuencia de 10000
realizaciones. Distribucio para la realización numero 50 y para el tiempo 20 a todas las
realizaciones. (dinaruidoblanco.m)
C xy ( ) E[ x (t ) x y (t ) y ] Rxy ( ) x *y
*
x = [1 1 1]
Corr_x_y = [1 2 3 2 1]
corr_xyBiased = [0.3333 0.6667 1.0000 0.6667 0.3333]
corr_xyUnBiased = [1 1 1 1 1]
corr_xyNorm = [0.3333 0.6667 1.0000 0.6667 0.3333]
2
Es decir, el espectro potencia de un ruido blanco es una constante.
Rr E yk r yk
R r Rr
T
S z S z S z
T
1
yy yy yy
Donde
Dado que en experimentos reales no podemos leer un número infinito valores, existen dos
procedimientos desarrollados para estimar el espectro:
1. El períodograma promedio ponderado (Welch, 1967) que opera directamente sobre la
señal
2. Correlograma ponderado (Tukey y Blackman, 1958) que primero obtiene las correlaciones
en el espacio del tiempo y luego las transforma al espacio de la frecuencia.
La ponderación consiste en la aplicación de una ventana de tiempo aplicada a la señal para
reducir el leakage (derrame).
0 ms M s 1
y y m
l
: ms M s con
1 l L
Ms s
y win y
l l
Ms
4. La señal puede ser expandida con ceros para mejorar la resolución de la transformada de
Fourier
y l
0
y l
0
5. Se calcula la transformada de Fourier, el espectro de potencia y se normaliza
L
S yy
1
y0 y
H
l l
M s 1 0
L win i l 1
2
i 0
l 2
, l 0,1,..., M s 1
M s M 0 t
0 ms M s 1
y y m
l
: ms M s con
1 l L
Ms s
1 L
Sˆ ( ) Sl ( )
L l 1
Ejemplo
Notar que la comparación debe realizarse utilizando modificaciones comparables de la
serie de tiempo.
Si las integrales son convergentes podemos escribir como una doble integral y luego estimamos
la media del conjunto
2
Ryy ( ) e
1 2
sin cos Para 0
4D3
D D
Para 0 la función es simétrica
Y para 0 es continua para la respuesta (desplazamiento), para velocidad (primera derivada) y
para la aceleración es discontinua.
Es decir la respuesta es muy similar a la de un sistema de 1 GDL bajo un desplazamiento de
2
amplitud
4 D3
Esta misma solución la encontramos a partir de la las definición de espectro en el espacio de la
frecuencia
S yy ( ) H ( ) S xx ( )
2
1
S yy ( ) 2
S xx ( )
2
1 2i
4
1
S yy ( ) S xx ( )
2
2
2
1
4
2
Ejemplo
T=0.5
0 .7
Este estimador es mejor cuando el ruido es en la entrada o cuando hay leakage o alias
Y ( f )Y * ( f ) SYY
H2 ( f )
X ( f )Y * ( f ) S XY
Es importante notar que la FRF es única independiente si la señal es determinística, estacionaria,
o no estacionaria.
Na Na
1 1
Sˆ XY ( f )
Na
S XY n ,
n 1
SˆYX ( f )
Na
S
n 1
YX n
Se puede demostrar que los estimadores de FRF son estimadores cuadráticos (least squared) y
poseen un coeficiente de correlación que en el espacio de la frecuencia está definido por la
coherencia como:
Sˆ
2
2 Sˆ XY ( f ) XX ( f ) SˆYY ( f ) que debe estar en 0 y 1. Cuando no es 1 se debe a:
1. Ruido no correlacionado.
2. Nolinealidad del sistema evaluado.
3. Leakage
4. Desfase en registros no compensados.
Los errores estadísticos en los estimadores FRF y coherencia son función del valor de la
coherencia y el número de promedios (dinacoherencia.m)
2 1 2
r ( )
2
2 N a 2
1 2
r (H )
2 N a 2
La coherencia se utiliza para generar la Potencia de Salida Coherente (Coherence Output Power
COP), que es una medida de que parte del espectro de salida SYY es totalmente coherente con
la señal de entrada S XX
COP 2 SYY
Y la razón señal ruido. En la cual todas las señales no coherentes son consideradas como ruido
2
S/N
1 2
Ejemplo (dinacoherencia.m)
NGDL = 10 f n 0.53 1.58 2.60 3.56 4.43 5.21 5.88 6.41 7.04
26.1. INTRODUCCIÓN
Para identificar las propiedades dinámicas de la estructura utilizando el espectro de densidad de
potencia o la transformada de Fourier es necesario identificar las frecuencias predominantes y
la relación de amplitud. Esta información indicará los períodos fundamentales y las formas
modales. El amortiguamiento viscoso equivalente () puede ser obtenido utilizando el método
de ancho de banda, teniendo cuidado en que su uso se adecue a la forma de presentación de los
resultados (amplitud al cuadrado o no).
De la función respuesta en frecuencia se tiene:
t
y (t ) x ( ) h (t ) d y: salida x: entrada
0
Y * ( f )Y ( f ) H * ( f ) X * ( f ) X ( f ) H ( f )
S yy ( f ) Y ( f ) H ( f )* X ( f ) H ( f )
2 2
Si la excitación es o se asume como ruido blanco y por tanto con las siguientes propiedades:
1. Es una señal aleatoria estacionaria donde dos instantes de tiempo no tienen correlación.
2. El espectro potencia del ruido blanco tiene la propiedad de ser constante S0 .
2
Y( f ) H * ( f ) H ( f ) So H ( f )
2 2
(15)
2
Dado el hecho que es constante, se tiene finalmente la relación entre el espectro potencia de
la señal de salida y la función de respuesta en frecuencia.
Como x(t ) es una señal aleatoria real y no necesariamente blanca es conveniente realizar una
estimación robusta de S yy ( f ) , no basta con calcular el espectro de potencia de Y ( f ) a partir de
un solo evento. Si se desea construir alguna relación que caracteriza la relación entre la
frecuencia y la potencia de un sistema, se debe considerar el promedio de S yy ( f ) sobre distintos
eventos. Métodos de Identificación en el Espacio de la Frecuencia
S yy j H j S com H j
H
La matriz resultante contiene el producto del espectro de potencia para entre cada canal de
registro y para todas las frecuencias. Así si tenemos tres sensores midiendo la respuesta se
genera una matriz tridimensional de los espectros de potencia (auto y cruzados). La tercera
dimensión de la matriz corresponde a cada valor de frecuencia discreto.
S yy j H j S com H j
H
n n
i i i* i* * *H
H
H
S yy j
r r
S s
i 1 s 1 j j *
s s s
com j s j s*
i i
k 0:n
re
nr
C yy i gi ei i* gi* ei gi i e gi*s e
T H * T i H i*
i 1
Para disminuir los efectos del ruido se utilizan solo los dos primeros términos de la expresión para
valores positivos de
nr
C yy i gi ei i* gi* ei
T H *
i 1
i gi
T
El termino se puedes expresar en función de espectro de potencia de excitación
constante y los parámetros modales.
nr
s* g s*
H
T
g
i gi i i So
T T s s
s 1 j s j s*
k 0:nre
2 ii
Y dado que es el amortiguamiento es muy pequeño se puede aproximar a un escalar
multiplicando a los vectores modales
d
H
S yy j i i i
ii
Si consideramos las constantes
di
i
i i
Podemos aproximar el espectro como
Del períodograma se distinguen 5 frecuencias. [1 1.6 3.4 3.5 4.6] Hz. La estructura tiene dos
modos acoplados en 1Hz, pero el método PSD no logra identificarlo. En torno a 3.5 se puede
suponer 2 modos, pero no existe certeza. En torno a 1.6 se distingue claramente un modo.
f 2 f1
1 2
f 2 f1
S yy j H j S com H j
H
svd S yy ji U i \ S i \ U i
H
ˆ u
r 1 r
Cuando existen raíces cercanas o repetidas este procedimiento permite identificarlos en forma
independiente, incluso en situaciones de ruido importante. Los modos pueden ser encontrados
en este caso a partir de la propiedad de ortogonalidad de los mismos.
Para determinar el amortiguamiento es necesario utilizar el desarrollo de Brincker et al 2001
llamado Descomposición Mejorada en el Espacio de la Frecuencia (EFDD de sus siglas en inglés
Enhanced Frequency Domain Decomposition).
En este caso se utiliza la descomposición modal para esto se selecciona una banda alrededor de
frecuencia r en la cual el vector ˆ son similares, típicamente mayor a 0.8. La banda
r
1 p
1n 0
k pk
Y el amortiguamiento como
4 2
2
Las frecuencias naturales del promedio de los cruces por cero y la estimación del
amortiguamiento.
d
1 2
Una técnica más robusta es la indicada en el texto en capítulo 5.6.2
T T T / 2
N g xN g
1 N 1
N
T k 0
Rgg ( ) E g k g k lim g k g k
T T
El operador E g es la esperanza y entrega el valor medio de g cuando el número de
realizaciones del proceso estocásticos es infinito. Dado el número de datos N g es finito, por lo
tanto el estimador de la matriz de correlación es
g g
N 1
1
Rˆi T
N k 0
k i k
Dado que la media es cero la covarianza y la correlación son idénticas. Esta matriz puede ser
calculada aplicando la transformada de Fourier.
E zk zk
T
E zk 0
Donde la matriz de estado de covarianza es independiente del tiempo k . Dado que wk y
vk tienen media cero y son independientes del estado actual xk , se tiene:
E xk wk 0
T
E xk vk 0
T
De la misma forma la matriz de covarianza de outputs Ri lxl se define como:
Ri E yk i yk
T
Donde i es un paso arbitrario dentro del registro. La matriz de covarianza de “salida siguiente”,
G nxl se define como:
De las definiciones es posible deducir las siguientes relaciones (Van Overschee y De Moor, 1996):
Propiedad 1
A A Q
T
Demostración
Si E zk zk E zk 1 zk 1
T T
Luego,
E A zk wk zk
T
A wk
T T
0 0
Propiedad 2
R0 Cd Cd R
T
Demostración
Si Ri E yk i yk R0 E yk yk
T T
R0 Cd E zk zk Cd Cd E zk vk Cd E vk zk E vk vk
T T T T T T
0 0
Propiedad 3
G ACd S
T
Demostración
G E zk 1 yk E A zk wk zk Cd vk
T T T
0 0
G A s Cd S
T
Propiedad 4
Para i 1, 2,...
Ri Cd A G
i 1
Dado que i E yk i yk
T
Para i 1 :
R1 E yk 1 yk
T
Para i 2 : R2 E yk 2 yk
T
R2 E Cd A A zk wk wk 1 vk 2 Cd zk vk
T
R2 E Cd A A zk Cd Awk Cd wk 1 vk 2 zk Cd vk
T TT
Ri Cd A G .
i 1
Ri G A C
T i 1 T T
d
Donde
y (t ) l son la respuesta observada. C a , C v , C d son matrices que contienen la
selección de las salidas.
siguiente:
Agrupando términos
Luego reordenando:
y (t ) Cc z (t ) Dc u (t )
27.1. ECUACIÓN DE ESPACIO ESTADO CON COMPONENTES DE RUIDO
En todo proceso de medición e identificación real existen componentes asociados a ruido tanto
en lo inapropiado del modelo utilizado como en el proceso de lectura. Estas la denominaremos
como wk n y vk l respectivamente. En este primer caso se asumen como procesos
estacionarios con media cero.
Donde E representa el valor esperado (esperanza), pq es una delta de Kroenecker ( pq 1 si
p q , si no pq 0 ), p y q son dos pasos arbitrarios.
En muchos casos no es posible medir la excitación. En esto se puede asumir que ella es parte
del ruido en el proceso de entrada. En este caso la excitación junto con el ruido debe poseer
media cero sin frecuencias predominantes (ruido blanco).
v v
v(t ) e t 0 0 sin t v cos D
t
D
D 0
Lo que es equivalente a:
v (t ) e t cos( D t )
2
v v0
0 v0
2
Dónde: D
v v0
arctg 0
D v0
: Amplitud
máxima.
Envolvente et
2
Periodo TD
D
vi
vi e ti y vi m e ti N entonces eTD N sacando el logaritmo
vi m
v 2
ln i TD N N
i m
v 1 2
ln vi vi N
1 2 2 N
ln vi viN
Aproximando
2 N
Esta solución no es recomendable en la práctica ya que solo utiliza dos puntos como información
y es susceptible de ser afectada seriamente por los ruidos existentes en todo proceso de
identificación.
Un procedimiento mejor es considerar varios puntos de la respuesta decayente. Para esto
numeramos los máximos positivos y negativos en forma secuencial y graficamos en forma
semilogarítmica el valor absoluto de la amplitud del máximo.
Figura 154:
Cálculo de
Amortiguamiento
pendiente
Sin embargo este criterio no es útil para sistema de varios grados de libertad. En estos casos es
posible encontrar decaimientos como los indicados en las figuras siguientes:
Si las frecuencias que componen el decaimiento están suficientemente separadas es posible filtra
la señal para obtener el decaimiento de cada caso. Esto a veces incorporar distorsiones en el
cálculo del amortiguamiento y por tanto debe hacerse con cuidado verificando el efecto del filtro
utilizado.
Ejemplo
Se genera una respuesta para con los siguientes parámetros con un ruido.
par =
rho beta f th
1.0000 0.5000 1.0000 0.0100
1.0000 0.1000 1.2000 0
28.2.1. Desarrollo
Se tiene la ecuación de equilibrio dinámico para N grados de libertad:
M v(t ) C v(t ) K v(t ) F (t ) (1)
Definiendo un vector de estado de dimensiones 2Nx1, tenemos:
[0]
[ Bc ] 1 (5)
( 2 Nxq ) [ M ] [ S ]
Donde { f (t)} es un vector que depende del tiempo y [S ] es una matriz de coeficientes de entrada,
la ecuación (1) puede escribirse como:
{ z ( t )} [ Ac ] { z ( t )} [ Bc ] { f ( t )} (6)
( 2 Nx 1) ( 2 Nx 2 N ) ( 2 Nx 1) ( 2 Nxq ) ( qx 1)
Por otra parte, es posible relacionar {z(t )} con la respuesta medida u observadas del sistema en
p grados de libertad, { y ( t )} , a través de la matriz de observación continua [Cc ] :
{ y1 } [C d ] { B} (21)
( px1) ( px 2 N ) ( 2 Nx1)
Por lo que:
{ y2 } [Cd ][ A]{B} (23)
De este modo:
{ y3 } [C d ]{ z 3 } [C d ][ A ]{ z 2 } [C d ][ A ]2 { B} (24)
Y, en general:
{ y k } [ C d ] [ A ] k 1 { B } (25)
( px 1) ( px 2 N ) ( 2 Nx 2 N ) ( 2 Nx 1)
Si en vez de considerar { f k } como un vector decimos que es una matriz para q estados de carga
distintos e imponiendo un impulso inicial para cada estado, dado por [ f 0 ] [ I ] , se tiene que:
( qxq )
[Y k ] [ C d ] [ A ] k 1 [ B ] (26)
( pxq ) ( px 2 N ) ( 2 N x 2 N ) ( 2 N xq )
Estas matrices (Ecuación 26) se conocen como parámetros de Markov, y son utilizadas para
formar las matrices generalizadas de Hankel, dadas por:
[Yk ] [Yk 1 ] [Yk j ]
p q
[Yk 1 ] [Yk 2 ] [Yk j 1 ] r
H k 1
(27)
( prxqs )
[Yk i ] [Yk i 1 ] [Yk i j ]
s
Donde i=0,…r-1 y j=0,…s-1, con r y s enteros.
______________________________________________________________________
Una matriz de Hankel, denominada así en honor a Hermann Hankel (Matemático Alemán, 1839-
1873), es una con todas sus diagonales de derecha a izquierda paralelas numéricamente. Una
matriz de Hankel presenta la siguiente estructura:
a b c d
b c d e
H
c d e f
d e f g
[Yk i j ]
( prxqs )
[Yk i ] [Yk i 1 ]
s
Si
[ H k ] [ O ][ A ]k [W ] k 0 (28)
Hay un número infinito de conjuntos de estas matrices que satisfacen (26), pero el objetivo es
obtener las matrices de menor orden que puedan representar el comportamiento dinámico de la
estructura.
En primer lugar, buscamos una matriz [H ]' tal que:
[W ] [ H ] ' [ O ] [I ] (31)
( 2 Nxqs ) ( qsxpr ) ( prx 2 N ) ( 2 Nx 2 N )
[ H 0 ] [O ][ A ]0 [W ] [O ][W ] (33)
[ H ]' [ H 0 ] (35)
______________________________________________________________________
La definición de pseudoinversa:
1. [ A][ A] [ A] [ A] donde no requiere que [ A][ A] sea una matriz de identidad general
pero todas las columnas de [ A] se mapean a si misma;
*
4. [ A] [ A] [ A] [ A] También [ A] [ A] es Hermítica.
______________________________________________________________________
______________________________________________________________________
La descomposición de valores singulares de una matriz real o compleja de m x n en la forma
[ A] U V
* H
donde
______________________________________________________________________
[U2 N ][2 N ][V2 N ]T [ H ]'[U2 N ][2 N ][V2 N ]T [U2 N ][2 N ][V2 N ]T (39)
1
Premultiplicando (39) por [V2 N ][ 2 N ] [U 2 N ] , y utilizando la ortogonalidad de [U ] y [V ]
T
[H]' :
[ H ]' [V2 N ][ 2 N ]1[U 2 N ]T (41)
[Y k 1 ] [ C d ] [ A ] k [ B ] k 0 (42)
( pxq ) ( px 2 N ) ( 2 Nx 2 N ) ( 2 Nxq )
Se utiliza la siguiente identidad, que se deriva de la ecuación 27, en la cual extraemos la primera
observación asociada a [ H k ] :
[Yk i 1 ] [Yk i 2 ] [Yk i j 1 ]
Si
[ E p ]T [ I ] [0] [0] (44)
( pxpr ) ( pxp ) ( pxp ) ( pxp )
[I ]
( qxq )
[ 0]
[ Eq ] ( qxq ) (45)
( qsxq )
[ 0]
( qxq )
Entonces
[Yk 1 ] [ E p ]T [ H k ][ E q ] (43)
( pxq ) ( pxpr ) ( prxqs ) ( qsxq )
[Yk1] [Ep ]T [U2N ][2N ]1/2 [2N ]1/2[U2N ]T ([O][ A]k [W])[V2N ][2N ]1/2 [2N ]1/2[V2N ]T [Eq ] (46)
Finalmente se puede demostrar por inducción matemática que:
(47)
Notar que el paréntesis central esta elevado a k y por tanto comparando (26) con (47) es claro que:
[Cd ] [ E p ]T [U 2 N ][ 2 N ]1/ 2 (48)
Para determinar los parámetros modales del sistema, se debe resolver un problema de valores
propios basado en la matriz [ A] :
Luego, para obtener las formas modales en términos de las coordenadas físicas del sistema, se
utiliza la matriz de transformación [C d ]
{ yi } [C d ] { ui } (52)
( px1) ( px 2 N ) ( 2 Nx1)
28.2.1. Algoritmo
a) Seleccionar los datos observados para análisis [Yk ]
b) Construir matrices de Hankel [ H 0 ] y [ H 1 ] .
Ejemplo
Se aplicó este método de identificación a la estructura mostrada en la figura, para una fuerza de
impacto en el último piso de muy corta duración. Se consideró como variables de entrada las
aceleraciones en los grados de libertad 1, 3 y 5 calculados mediante el método de espacio estado.
Modo Modo
T [s] T [s]
N° N°
1 1.0640 1.4763 1 1.0643 1.4754
2 0.3617 4.3430 2 0.3626 4.3213
3 0.2258 6.9573 3 0.2272 6.8694
4 0.1713 9.1673 4 0.1732 8.9693
5 0.1448 10.8446 5 0.1470 10.5213
6 0.1321 11.8916 6 0.1345 11.4694
Parámetros reales
GDL
Modo 1 Modo 2 Modo 3 Modo 4 Modo 5 Modo 6
Parámetros identificados
GDL
Modo 1 Modo 2 Modo 3 Modo 4 Modo 5 Modo 6
2 - - - - - -
4 - - - - - -
6 - - - - - -
2
Ryy ( ) e
1 2
sin cos
4D3
D D
2
Esta ecuación es idéntica a la respuesta ante un desplazamiento inicial de
4 D3
Por tanto podemos utilizar la autocorrelación de la respuesta para obtener la respuesta
escalada del impulso y posteriormente aplicar el método ERA
Ejemplo
r s T
4 Fs Fs 0.4043 0.0761
0.3267 -0.0048
Donde V t , V t y V t son procesos aleatorios estacionarios. Si evaluamos la
ecuación en un tiempo t t y la multiplicamos por un vector de respuesta y tomando la
esperanza encontramos
M E Vr t V t C E Vr t V t K E Vr t V t E Vr t P t
Tomando en cuenta que la condición de excitación futura no está correlacionada con el
estado actual de la respuesta de referencia la ecuación se reduce a
M E Vr t V t C E Vr t V t K E Vr t V t 0
Y es equivalente a
Ejemplo
Se realiza la identificación utilizando el mismo ejemplo presentado con el método ERA. En
este caso la excitación es de tipo basal ruido blanco y los amortiguamientos se han
modificado.
Paso 1: Respuesta ante ruido blanco. Se registra la aceleración en un subconjunto de
grados de libertad. La calidad de la identificación depende fuertemente de la selección de
los observadores.
yk
l1
yk ref
yk ref
yk
I
L r
0
Organizando las respuestas en una matriz de Hankel (simétrica con respecto a la diagonal)
de dos bloques, con 2i líneas de bloques (observaciones) y N columnas (pasos de tiempo).
El bloque superior (que se denominará pasado) solo posee los sensores de referencia y por
tanto posee i r líneas. El bloque inferior (futuro) posee también posee i líneas, pero con
todos los sensores l , por tanto tiene un total de i l líneas. Es decir la matriz de Hankel
H ref ( r l )iN .
y0 ref y1ref yN 1ref
y1ref y2ref yN ref
yi 1ref ref
ref Y ref 0 / i 1 Yp ref r i (pasado)
1 yi yi N 2
H
ref
N yi yi 1
yi N 1 Y i / 2i 1 Y f l i (futuro)
yi 1 yi 2 yi N N
y2i 1 2i
y 2i N 2
y
N
Y0ref/ i Ypref
r (i 1)
H Yi / i Yi / i l r
ref ~ ref ~ ref
Yi 1/ 2i 1 Y f l (i 1)
_____________________________________________________________________
Recordando la definición de la covarianza:
lim 1
N 1
Ri E yk i yk y y Ri ll es
T T
N N
k i k donde un vector
k 0
que contiene el valor esperado en el paso i para los l sensores.
Se puede encontrar la matriz de covarianza reducida entre todas las salidas y las salidas
de los sensores de referencia
Ri ref E y k i y kref Ri L l r
T T
Es decir la matriz Ri solo contiene las covarianzas con los sensores de referencia.
ref
G ref E z k 1 y kref G L n r
T T
Las propiedades anteriores son equivalentes para el caso de las matrices de covarianza
completa.
Las matrices de covarianza se ordenan en una matriz de bloques tipo Toeplitz (matriz de
diagonales constantes) T1/ i
ref liri
obtenida a partir de la matriz Hankel como:
Ri ref Riref
1 R1ref
R R
ref ref
R2ref
T1/refi Y f Y pref i 1 i
T
ref
R2i 1 R2i 2
ref
Riref
Esta matriz es cuadrada. En el método desarrollado por Peeters 2000 sólo se utilizan las
covarianzas entre todas las salidas y un conjunto reducido de salidas de referencia. Por
tanto T1/i
ref li li
. Además las covarianzas son calculadas a partir de la Transformada
de Fourier.
Dado que:
Ri ref Cd A
i 1
G ref
Cd
Cd A i 1 ref
T1/i
ref
A G A G ref
G ref n
Cd Ai 1 i
ref
Oi
n
Si el sistema es observable (es decir que todos los modos pueden ser observables en las
salidas del sistema) y controlable (es decir que todos los modos pueden ser excitados en
el sistema por demandas estocásticas) entonces el rango de la matriz Toeplitz es n .
Para evaluar el rango efectivo utilizamos la descomposición de valores singulares SVD
(Singular Value Decomposition).
0 S2 V2
1/ i T
Donde U lili y V riri son matrices ortonormales, es decir que se cumple que
U U U U I li y V V V V I ri .
T T T T
La matriz S 2 debe ser cero. En la práctica esto no ocurre y debemos seleccionar como
particionar la matriz. Una vez particionada se asume S2 0 y por tanto
Al comparar T1/ i U1 S1 V1 con T1/ i Oi i podemos escribir
ref ref T ref
Oi U1 S1 T
1/ 2
iref T S1 V1
1 1/ 2 T
Una transformación de similitud es un mapeo que no altera los ángulos y cuya matriz
transformada A ' puede ser escrita en la forma
A ' B A B
1
B
El determinante de una matriz transformada menos un múltiplo escalar de la matriz
identidad es
B A I B A I
1
Por ejemplo
c= a= b=
0 1 0 1 0 0
1 0 0 0 1 0
c*a*inv(c) = c*b*inv(c)=
0 0 0 1
1 0 0 0
____________________________________________________________________
Cd
Cd A
Dado que Oi y A G A G ref G ref
i 1
ref ref
i
i 1
Cd A
Es posible obtener la matriz Cd de las primeras l filas de la matriz Oi y la matriz G
ref
Peeters 2000 presenta dos opciones para obtener la matriz de transmisión de estado, A ,
una de ellas es recurriendo a la descomposición de la matriz Toeplitz desfasada:
Donde la matriz desfasada T2/ i 1 tiene una estructura similar a T1/ i pero se compone
ref ref
1
calculada con A A A A
† T T
.
Un método más robusto fue presentado por Kung 1978 basado en el desplazamiento de la
matriz de Observabilidad
Cd Cd A
2
Cd A A Cd A
Cd A
i 1
Cd Ai
Cd Cd A
†
2
Cd A Cd A
A Oi (1: l (i 1),:) Oi (l : li,:)
†
i 1
Cd A Cd Ai
Como en los casos anteriores una vez obtenidos las matrices A y Cd podemos obtener
los polos discretos d y las formas modales V como:
A d
1
V Cd
Y los polos del sistema continuo como
ln i
i
t
Y la frecuencia i i i 1
i i 1
Y el amortiguamiento
2 ii 1
{ }= [ ] { }+ [ ] [ ]{ }
{ }=[ ][ ] { } + [ ] [ ] [ ]{ } + [ ]{ }
a0 a1 a2 a 3
a a0 a1 a2
1
a2 a1 a0 a1
a3 a2 a1 a0
____________________________________________________________________
Utilizando matrices de Hankel, el sistema puede ser representado de la siguiente manera:
{ } { } ⋯ { } { } { } ⋯ { }
{ } { } ⋯ { } { } { } ⋯ { }
=[ ] , +[ ]
⋮ ⋮ ⋱ ⋮ ⋮ ⋮ ⋱ ⋮
{ } { } ⋯ { } { } { } ⋯ { }
Donde , = [{ } { } ⋯ { }]
Como notación de matriz de Hankel, para este caso se tiene:
{ } { } ⋯ { }
{ } { } ⋯ { }
, , =
⋮ ⋮ ⋱ ⋮
{ } { } ⋯ { }
{ } { } ⋯ { }
{ } { } ⋯ { }
, , =
⋮ ⋮ ⋱ ⋮
{ } { } ⋯ { }
Con todas estas consideraciones, se puede escribir una ecuación de datos de la siguiente
manera:
, , =[ ] , +[ ] , , (3)
Ahora bien, se construye una matriz [H] que contiene a las matrices , , , , .
Q T Q I
, , [ ] [0] [ ]
[ ]= = =⋯
, ,
[ ] [ ] [ ]
, , = [ ][ ]
[ ]= (4)
, , =[ ][ ] + [ ][ ]
Donde:
[ ] =
[ ] =
[0] ≠
Considerando las ecuaciones (3) y la primera línea de (4) se tiene la siguiente ecuación:
, , =[ ] , + [ ][ ][ ] =[ ][ ] +[ ][ ] (5)
Postmultiplicando la ecuación (5) por [ ] y considerando la de ortogonalidad queda lo
siguiente:
, , [ ]=[ ] , [ ]=[ ] (6)
Notar que L22 tiene dimensión del número de sensores de observación por el
número de líneas s a considerar. Esto define el número de valores singulares y debe
ser mayor que el GDL reales. Las entradas no controlan este valor. Entre mayor s
mejor la precisión, pero tiene un límite. Además requiere que N sea mayor que ls+ms
para la selección correcta dado que QR(A) donde A es de ms x N produce una matriz
L de N x ms y debemos seleccionar la submatriz L22 que se ubica en ms+1 hasta
ms+ls.
En general utilizar s como indicador de los valores propios existentes en la señal y l
como un número mínimo de datos en el ajuste. Lo conveniente es l sean todos los
datos. A no ser que existan nolinealidades en el sistema.
Con esto se ha eliminado el efecto de la excitación de entrada y, así, el procedimiento es
equivalente a lo hecho en el algoritmo ERA. Siguiendo el procedimiento, se realiza una
descomposición de valores singulares (SVD) de la matriz [ ]:
[∑ ] [0] ( ) [ ]
[ ] = [[ ] [ ] ( )]
[0]( ) [∑ ]( ) ( ) [ ] ( )
≈[ ][∑ ][ ]
[∑ ] = ( ⋯ ); [∑ ] = ( ⋯ )
Se selecciona el valor de “n” buscando un salto importante de valores singulares ( ≫
), para distinguir el subespacio de la señal con el subespacio del ruido. También se
= exp( ); ∊ {1,2, … … , }
ln( )
= = ln( ) ∙
=− + 1−
⇒ =| |
( )
⇒ =−
| |
[ ]=[ ][ ]
Ejemplo (dinamoesp)
El caso del edificio utilizado en ERA caso sismo amortiguamiento no clásico. Solo salidas 1
3 y 5.
Ejemplo
1 2 3 4 5 1 2 3
6 7 8 9 10 6 7 8
11 12 13 14 15 11 12 13
2 3 4
7 8 9
12 13 14
La siguiente presentación tiene por objetivo mostrar que existe un método distinto para
obtener la Matriz de Masas, conocido como “Método de Masas Consistentes”. Se ha de
explicar la metodología, el alcance y un pequeño proceso comparativo que contrasta los
resultados obtenidos con el método clásico de Masas Agrupadas para distintas
discretizaciones y grados de libertad.
Ψ ( )=1−3 +2 Ψ ( )=3 −2
Ψ ( )= 1− Ψ ( )= −1
= ∗ = ∗
El trabajo interno virtual viene dado por los momentos asociados con θa=1 actuando en las
curvaturas virtuales, que son:
En el cual se están despreciando los efectos de corte, sin embargo los momentos debidos
a θa=1 puede ser expresado:
( ) = ∗ ( ) ∗ ( )
= ( ) ( ) ( )
Igualando las ecuaciones recién presentadas, la expresión para este coeficiente de rigidez
queda de la siguiente forma:
= ( ) ( ) ( )
Generalizando:
= ( ) ( ) ( )
Desde la forma de estas ecuaciones la simetría de [k] es evidente; esto es kij= kji .
Para el caso especial de una viga uniforme ( )= , la matriz de rigidez resultante a
partir de la ecuación generalizada y usando las interpolaciones hermíticas, queda
expresada de la siguiente forma:
6 −6 3 3
2 −6 6 −3 −3
=
3 −3 2
3 −3 2
Donde los desplazamientos nodales obedecen al mismo ordenamiento de nodos
presentados anteriormente y {fs} es el vector de fuerzas nodales correspondiente. Estos
coeficientes de rigidez son los valores exactos para una viga sin distorsión por corte. Esto
porque las interpolaciones usadas son las reales para este caso. Si la rigidez de la viga no
es uniforme, la aplicación de estas funciones proveerá solo una aproximación de la rigidez
real, pero el resultado final para la viga completa será cada vez mejor en función de la
cantidad de elementos finitos en que se divida el elemento.
Cuando los coeficientes de rigidez de todos los elementos finitos de una estructura han sido
evaluados, la rigidez de la estructura completa se obtiene simplemente sumando los
coeficientes de los elementos apropiadamente. Esto es llamado “Método de Rigidez
Directa”. En efecto, cualquier coeficiente kij de la estructura completa se puede obtener
Ejemplo
EI=1, L=1 y =1
[ ] [ ]= 648
0
-324
0
0
648
-324
0
-324
-324
648
0
0
0
0
324
-2E-14
0
0
-162
-324
0
0
0
0
0
0
0
0
0
54
0
54
-54
0
0
54
0
-54
-54
0
0
0
0
0
0
0
54
54
0
0
0
54
0
0
0
0
0
0
0
=
-2E-14 0 0 -162 324 2E-14 0 0 0 0 -54 0 54 -3E-15 0
-324 0 0 0 2E-14 648 -324 0 0 0 0 0 -54 0 54
0 0 0 0 0 -324 648 0 0 0 0 0 0 -54 0
0 0 54 0 0 0 0 24 6 0 0 0 0 0 0
54 -54 0 0 0 0 0 6 24 6 0 0 0 0 0
24 6 6 54
0
0
0
-54
0
-54
0
0
-54
0
0
0
0
0
0
6
0
36
12
12
48
0
12
0
0
0
0
0
0
0 0 0 54 0 0 0 0 0 0 12 48 12 0 0
6 12 4 54
54
0
0
0
0
0
0
54
-3E-15
-54
0
0
-54
0
0
0
0
0
0
0
0
12
0
36
6
6
24
0
6
6 4 12 0 0 0 0 0 54 0 0 0 0 0 0 0 6 24
[ ] [ ]=
2,33333333 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0,33333333 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0,33333333 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0,66666667 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0,66666667 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0,33333333 0 0 0 0 0 0 0 0 0
3 0 0 2,5
0
0
0,5
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0,33333333
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
=
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0,5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0
0 0 0 0 0 0 0
Considere, por ejemplo, el segmento de viga mostrado en la figura. Los grados de libertad
son la traslación y rotación en cada extremo del segmento , , . Quedando descrito
( )
= ( ) ∙ ̈( ) = ( ) ∙Ψ ( )
∙ ̈
Se define los coeficientes de influencia de masa como las fuerzas inerciales nodales que
aparecen debido a aceleraciones unitarias aplicadas en los grados de libertad, éstos
coeficientes pueden ser evaluados ocupando el teorema de trabajos virtuales, entonces el
coeficiente se obtiene aplicando un desplazamiento virtual en el extremo A:
El trabajo externo de las cargas reales por los desplazamientos virtuales corresponde a:
= ∗
El trabajo de las fuerzas inerciales sobre los desplazamientos virtuales corresponde a:
= ( )∗ ∗Ψ ( ) = ( )∙Ψ ( )∗ ∗Ψ ( )
= ( ) ∙Ψ( )
∗Ψ ( )
Se observa que estos valores corresponden a las reacciones inerciales en el GDL i debido
a aceleraciones unitarias en el GDL j.
La forma de la ecuación anterior muestra que la matriz [m] es simétrica.
Para una viga con masa distribuida uniforme , se obtiene la siguiente expresión para las
fuerzas inerciales resultantes debido a aceleraciones en sus extremos:
156
= 2 +2∗ = 2.73 ∙
420
= = 22 = 0.052 ∙
(2 )
= ∗4 + ∗ 4(2 ) = 0.028 ∙
420 420
= 22 ∗ = 0.052 ∙
420
(2 )
= ∗ −3(2 ) = 0.057 ∙
420
Finalmente considerando la matriz de rigidez para los
3 grados de libertad, la ecuación de movimiento de la estructura es:
̈1 ̇1 1( )
2.73 0.052 0.057 24 6 6 1
0.052 0.028 0.057 ̈2 + [ ] ̇2 + 3 6 12 4 2 = 2( )
0.057 0.057 0.028 ̈3 ̇3 6 4 12 3 3( )
Resolviendo esta estructura para vibraciones libres, se llega a que su período fundamental
es:
= 2,326
Convergencia
2.4
Masas Concentradas
2.38 Masa Consistente
2.36
2.34
2.32
2.3
0 0.5 1 1.5 2 2.5 3 3.5
Elementos
3. SEÑAL ANALÍTICA
1 s(t ')
A s(t ) z(t ) s(t ) j t ' (0.1)
π t t '
HilbertTransform
1 s(t ')
H [s(t )] t ' (0.2)
π t t '
1
imag ( z(t ))
Aa (t ) [real ( z(t ))]2 [imag ( z(t ))]2 2 φa (t ) arctan (0.4)
real ( z(t ))
H s(t )
1
Aa (t ) s 2 (t ) H s(t ) 2
2
φa (t ) arctan (0.5)
s (t )
Frecuencia Instantánea