miércoles, 15 de febrero de 2023 · 0 min read
Dewesoft ARTeMIS OMA (Análisis Modal Operacional)
Introducción
El análisis modal operativo (OMA) se usa a menudo como una ventaja cuando se analiza la dinámica estructural de estructuras de ingeniería civil, maquinaria en funcionamiento y otras estructuras que son difíciles de excitar de manera controlada.
Técnica
OMA solo usa señales de respuesta de salida medidas, no señales de excitación de entrada. Al realizar OMA, las estructuras medidas se ponen en movimiento por cargas naturales que no se pueden controlar ni medir fácilmente, como cargas de olas (estructuras en alta mar), cargas de viento (edificios), cargas de tráfico (puentes) o cargas de máquinas operativas.
El Mejor en su Clase
Con Dewesoft ARTeMIS OMA y sus opciones de extensión, tiene uno de los mejores y más avanzados productos OMA del mercado.
Resultados
Con el software Dewesoft ARTeMIS OMA, se puede estimar el conjunto completo de parámetros modales para tales estructuras operativas donde solo se han adquirido los datos de respuesta de salida. Los parámetros modales son las formas modales, las frecuencias naturales y las relaciones de amortiguamiento.
Licencia de por Vida
Excepcionalmente con Dewesoft, obtendrá licencias de productos sin fecha de vencimiento. Sin cuota de mantenimiento u otras cuotas anuales, solo una compra única.
Hardware Multipropósito
Dewesoft admite una amplia gama de herramientas avanzadas de monitoreo y análisis que se pueden usar al adquirir los datos de tiempo. De esta forma, puede realizar investigaciones multifísicas para estimar el tiempo de mantenimiento y detectar fácilmente eventos críticos.
Fácil Flujo de Trabajo
Puede abrir archivos de datos de tiempo adquiridos con Dewesoft (archivos DXD) directamente en la aplicación Dewesoft ARTeMIS OMA y ejecutar el análisis. De la misma manera, las geometrías de Dewesoft se pueden importar a través de archivos UNV.
OMA vs. ODS
OMA no es simplemente otro nombre para ODS (Operating Deflection Shapes), ya que OMA permite estimaciones de modelos modales a partir de los datos operativos, mientras que ODS se limita a proporcionar formas de deflexión.
Nombres OMA
OMA también se conoce como análisis modal de solo salida, análisis de respuesta ambiental, análisis modal ambiental, análisis modal en funcionamiento y análisis modal de entrada natural.
Opciones de Productos
La licencia principal para Dewesoft ARTeMIS OMA contiene las funciones básicas necesarias para tener éxito con OMA en la mayoría de las situaciones. Si se desea un análisis más extenso y más resultados, se pueden agregar opciones adicionales al producto. La validación de los resultados mejorará en gran medida mediante la aplicación de múltiples estimadores para la comparación.
Producto básico:
DEWESOFT-ARTEMIS-OMA
Extensiones de producto:
DEWESOFT-ARTEMIS-OMA-CFDD
DEWESOFT-ARTEMIS-OMA-SSI-UPC
DEWESOFT-ARTEMIS-OMA-SSI-UPC-UPCX
DEWESOFT-ARTEMIS-OMA-HDR
DEWESOFT-ARTEMIS-OMA
Este es el paquete de software base, que incluye el conjunto estándar de funcionalidades de OMA. El software admite la estimación de frecuencias naturales, relaciones de amortiguamiento, estimación y animación de formas de modo, estimación de formas de modo normal, descomposición en el dominio de la frecuencia (FDD) y descomposición en el dominio de la frecuencia mejorada (EFDD).
DEWESOFT-ARTEMIS-OMA-CFDD
Agrega un segundo estimador (CFFD - Descomposición en el dominio de frecuencia de ajuste de curva) que también proporciona índices de amortiguamiento, lo que le permite realizar una mejor validación del amortiguamiento de la estructura que se está probando.
Todos los estimadores FDD (incluidos FFD y EFDD que forman parte de la suite SW central) solo deben usarse en el caso de modos ligeramente amortiguados, separados y excitados. Es decir, modos que tienen distintos picos agudos en el dominio de la frecuencia.
Además, los estimadores FDD se basan en la estimación de una forma de modo distinta. Por lo tanto, solo deben aplicarse cuando se miden varios canales simultáneamente en la estructura.
DEWESOFT-ARTEMIS-OMA-SSI-UPC
Agrega la opción Crystal Clear Stochastic Subspace Identification (SSI-UPC) al software OMA estándar.
Los estimadores SSI son herramientas generales que se pueden utilizar para todo tipo de modos. Cada modo global (frecuencia natural, relación de amortiguamiento, forma de modo) se calcula como un promedio de los modos estables encontrados a través del diagrama de estabilización en diferentes órdenes de modelos de espacio de estado.
Los estimadores de SSI funcionan automáticamente en la mayoría de los casos, pero la configuración se puede modificar manualmente si es necesario. Funcionan para modos ligeramente y fuertemente amortiguados. Para modos separados y espaciados. Incluso para modos repetidos que se encuentran al probar estructuras circulares como frenos de disco.
DEWESOFT-ARTEMIS-OMA-SSI-UPC-UPCX
Agrega la opción Crystal Clear Stochastic Subspace Identification with covariance (SSI-UPC + SSI-UPCX) al software OMA estándar.
SSI-UPCX es probablemente uno de los estimadores más avanzados que puede obtener y, como tal, el "caballo de batalla" preferido, ya que también funciona bien en caso de mediciones ruidosas.
Debido a las estimaciones de incertidumbre aplicadas, es posible calcular los modos globales en función del promedio ponderado de todos los modos estables en diferentes órdenes de modelos.
El uso de una ponderación con la inversa de la covarianza calculada suprime los modos más inciertos y mejora la influencia de los modos más seguros.
Además, las estimaciones modales se pueden reportar con valores medios y desviaciones estándar. En general, esta es una forma muy convincente de reportar sobre la calidad de la prueba realizada. Es decir. se puede informar que se encontró una frecuencia a 20 Hz +/- 0,001 Hz en lugar de solo indicar que se encontró a 20 Hz.
DEWESOFT-ARTEMIS-OMA-HDR
Agrega la opción de detección y reducción de armónicos al producto base Dewesoft ARTeMIS OMA.
La opción HDR debe usarse junto con los estimadores FDD, especialmente cuando se trata de mediciones tomadas en una estructura que tiene componentes giratorios durante la prueba.
Esta herramienta puede hacer dos cosas:
Puede detectar las frecuencias de los componentes giratorios, lo que permite que los métodos FDD ignoren la información espectral en las frecuencias de rotación.
También puede suprimir los componentes rotacionales y, en algunos casos, incluso eliminarlos por completo de las mediciones. Esto permite que todos nuestros estimadores se centren mejor en la estimación de los modos estructurales.
Los estimadores SSI no son tan sensibles a los componentes rotacionales. Sin embargo, en el caso de componentes rotacionales de muy alta energía, también puede ser beneficioso aplicar la herramienta de reducción antes de usar los estimadores SSI.
Independientemente de las opciones agregadas al software OMA central, Dewesoft ARTeMIS OMA, siempre habrá soporte nativo para DewesoftX Datafiles (DXD) y el mantenimiento del software estará incluido en el precio: compra única, igual que el software DewesoftX.
Estimadores
FDD
La idea de la técnica de Descomposición en el Dominio de la Frecuencia (FDD) es realizar una descomposición aproximada de la respuesta del sistema en un conjunto de sistemas independientes de un solo grado de libertad (SDOF), uno para cada modo.
La técnica FDD implica los pasos principales que se enumeran a continuación:
Estime matrices de densidad espectral a partir de datos de series temporales sin procesar.
Realice la descomposición de valores singulares de las matrices de densidad espectral.
Si hay varias configuraciones de prueba disponibles, promedie el primer valor singular de todas las configuraciones de prueba y promedie la segunda, etc.
Selección máxima en los valores singulares promedio. Para modos separados, seleccione siempre el primer valor singular. En caso de modos cerrados o repetidos, seleccione también el segundo valor singular, el tercer valor singular, etc.
Opcionalmente, si hay varias configuraciones de prueba disponibles, inspeccione los valores singulares de cada configuración de prueba y edite la posición de selección máxima si es necesario.
EFDD
En comparación con la descomposición en el dominio de la frecuencia (FDD), la versión mejorada agrega una capa de estimación modal. La estimación modal ahora se divide en dos pasos. El primer paso es realizar la selección de picos FDD, y el segundo paso es utilizar las formas de modo identificadas por FDD para identificar las funciones de campana espectral de un solo grado de libertad (SDOF) y, a partir de estas campanas espectrales SDOF, estimar tanto la frecuencia y relación de amortiguamiento.
La identificación de SDOF Spectral Bell se realiza utilizando la forma de modo identificada por FDD como vector de referencia en un análisis de correlación basado en el Criterio de garantía modal (MAC).
Además de almacenar los valores singulares que describen SDOF Spectral Bell, los vectores singulares correspondientes se promedian juntos para obtener una estimación mejorada de la forma del modo.
La frecuencia natural y la relación de amortiguamiento del modo se estiman transformando SDOF Spectral Bell al dominio del tiempo. Lo que obtenemos entonces es una función de correlación SDOF y, mediante un análisis de regresión simple, obtenemos las estimaciones tanto de la frecuencia natural como de la relación de amortiguamiento.
Estas estimaciones modales serán correctas si la función de correlación decae a un nivel de correlación suficientemente pequeño. Esto se puede lograr teniendo una resolución de frecuencia suficiente. En este caso, el sesgo de la frecuencia natural y la relación de amortiguamiento serán pequeños.
CFDD
La Descomposición en el Dominio de la Frecuencia de Ajuste de Curva (CFDD) agrega una capa de estimación modal a la Estimación Modal FDD tal como lo hace el EFDD. Por lo tanto, la estimación modal se divide en dos pasos. El primer paso es realizar la selección de picos FDD, y el segundo paso es utilizar las formas de modo identificadas por FDD para identificar las funciones de campana espectral de un solo grado de libertad (SDOF) y, a partir de estas campanas espectrales SDOF, estimar tanto la frecuencia y relación de amortiguamiento utilizando una técnica de ajuste de curvas en el dominio de la frecuencia.
La identificación de SDOF Spectral Bell se realiza utilizando la forma de modo identificada por FDD como vector de referencia en un análisis de correlación basado en el Criterio de Aseguramiento Modal (MAC).
Además de almacenar los valores singulares que describen SDOF Spectral Bell, los vectores singulares correspondientes se promedian juntos para obtener una estimación mejorada de la forma del modo.
La frecuencia natural y la relación de amortiguamiento del modo se estiman ajustando la curva SDOF Spectral Bell utilizando la estimación de mínimos cuadrados en el dominio de la frecuencia. Dado que la campana espectral SDOF está libre de la influencia de otros modos, solo hay un único valor propio y residuo para ajustar. A continuación, se extraen del valor propio la frecuencia natural y la relación de amortiguamiento.
SSI-UPC
En las técnicas de identificación estocástica del subespacio (SSI), se ajusta un modelo paramétrico directamente a los datos brutos de la serie temporal. Un modelo paramétrico es un modelo matemático con algunos parámetros que se pueden ajustar para cambiar la forma en que el modelo se ajusta a los datos. En general, buscamos un conjunto de parámetros que minimicen la desviación entre la respuesta prevista del sistema del modelo y la respuesta medida del sistema (medidas).
Un diagrama de estabilización es una herramienta de ingeniería utilizada para manejar errores de sesgo en las estimaciones de parámetros modales, considerando que se desconoce el orden del sistema. El orden del sistema determina el tamaño de la estructura propia del sistema.
Los valores singulares (las barras horizontales amarillas) indican el rango de la matriz de entrada SSI común ponderada. Lo que está haciendo cuando estima un modelo de espacio de estado es especificar qué subespacio de valores singulares de esta matriz debe incluir en la estimación. Este subespacio debería incluir al menos todos los valores singulares significativamente diferentes de cero. Esto significa todos los que se ven amarillos en el diagrama.
SSI-UPCX
Identificación de subespacio estocástico con componente principal no ponderado extendido, o en resumen SSI-UPCX. Un aspecto único de la técnica SSI-UPCX es que la estimación de la incertidumbre de los parámetros modales se realiza de forma rápida y con un uso eficiente de la memoria. La estimación de la incertidumbre hace que SSI-UPCX se destaque, en comparación con las técnicas de estimación de análisis modal actuales. Algunos de los beneficios son:
Estimaciones más precisas de los parámetros modales que cuando se utilizan técnicas de agrupamiento basadas en "valor medio" convencionales,
Eliminación efectiva de modos computacionales (ruido) y otros modos inestables,
La estimación modal automática se vuelve más confiable.
En general, los métodos de estimación modal que utilizan diagramas de estabilización solo presentan las estimaciones de los parámetros modales. Con el SSI-UPCX es posible visualizar la incertidumbre de las estimaciones individuales, en términos de intervalos de confianza alrededor de los parámetros modales estimados. Un ejemplo de esto se muestra a continuación. Para un nivel de confianza del 95% elegido, el nivel del intervalo de confianza ilustrado por las barras horizontales grises muestra claramente la incertidumbre para cada modo en el diagrama de estabilización.