Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
VIBRAZIONI
Francesco Pellicano
Dedicato a mia moglie Roberta
e mio figlio Fabio
Anno 2009
Il testo si rivolge agli studenti dei Corsi di Laurea Specialistica in Ingegneria Meccanica e
Ingegneria del Veicolo, secondo anno.
I prerequisiti per affrontare serenamente il testo sono una buona conoscenza dell’Analisi
Matematica (incluse le equazioni differenziali ordinarie e alle derivate parziali), Meccanica
Razionale (incluse le Equazioni di Lagrange) e della Scienza delle Costruzioni.
E’ attualmente in fase di stesura una nuova versione del testo che sarà integralmente in lingua
inglese. In questo momento solamente il Capitolo 5 è stato aggiornato.
Biografia dell’autore
Francesco Pellicano è nato nel 1966. Si è laureato in Ingegneria Aeronautica nel 1992 ed ha ottenuto il Dottorato di
Ricerca in Meccanica teorica e Applicata nel 1996, presso il Dipartimento di Meccanica e Aeronautica, Università di
Roma “La Sapienza”.
È stato ricercatore presso il Dipartimento di Scienze dell’Ingegneria (poi divenuto Dipartimento di Ingegneria
Meccanica e Civile) dell’Università di Modena e Reggio Emilia, dal 1996 al 2003.
È Professore Associato di Meccanica Applicata alle Macchine dal gennaio 2004.
La sua attività di ricerca si sviluppa sui seguenti settori: vibrazioni di strutture e sistemi meccanici; stabilità
biforcazione, dinamica nonlineare e caos; interazione fluido struttura; meccanica degli ingranaggi; metodi di previsione in
Oceanografia.
L’attività didattica ha riguardato i seguenti settori: Meccanica Applicata alle Macchine; Vibrazioni; Analisi dei segnali.
È stato coordinatore di progetti di ricerca nazionali ed internazionali.
Ha svolto attività di ricerca industriale nei settori: stabilità dei veicoli; sperimentazione e testing dinamici; ingranaggi.
È revisore di oltre dieci riviste scientifiche internazionali e di progetti di ricerca.
È membro dell’ international advisory editorial board della rivista internazionale: Communications in Nonlinear
Science and Numerical Simulation, Elsevier.
È Associate Editor della rivista internazionale Mathematical Problems in Engineering.
Ha pubblicato oltre 100 lavori scientifici, tra cui un libro ed oltre 30 articoli su rivista internazionale.
INTRODUZIONE ............................................................................................................................... i
1 SISTEMI AD UN GRADO DI LIBERTÀ ............................................................................... 1
1.1 Considerazioni generali ......................................................................................................... 1
1.2 Esempi di sistemi ad 1 g.d.l................................................................................................... 1
1.3 L’oscillatore armonico smorzato ........................................................................................... 3
1.4 Oscillazioni forzate di tipo armonico .................................................................................... 5
1.5 Trasmissibilità ..................................................................................................................... 10
1.5.1 Forze trasmesse al basamento ...................................................................................... 10
1.5.2 Eccitazione sismica. ..................................................................................................... 11
1.6 Masse rotanti sbilanciate ..................................................................................................... 13
1.7 Alberi rotanti ....................................................................................................................... 14
1.8 Energia dissipata dallo smorzamento .................................................................................. 16
1.9 Smorzamento strutturale...................................................................................................... 17
1.10 Dissipazione Coulombiana .............................................................................................. 17
1.11 Risposta a forzanti periodiche: principio di sovrapposizione e serie di Fourier.............. 18
1.11.1 Principio di sovrapposizione ........................................................................................ 18
1.11.2 Serie di Fourier............................................................................................................. 18
1.11.3 Risposta a forzante periodico ....................................................................................... 19
1.11.4 Esempio: onda quadra. ................................................................................................. 20
1.12 Forzanti arbitrari .............................................................................................................. 22
1.12.1 Impulso unitario: funzione di Dirac. ............................................................................ 22
1.12.2 Risposta all’impulso..................................................................................................... 23
1.12.3 Risposta di un oscillatore armonico ad un forzante arbitrario: prodotto di
convoluzione. ............................................................................................................................. 24
1.12.4 Esempio: forzante armonico non risonante .................................................................. 25
1.12.5 Esempio. Transitorio di risonanza in un oscillatore non smorzato .............................. 26
1.12.6 Transitorio di risonanza in un oscillatore smorzato ..................................................... 27
1.13 Trasformata di Fourier ..................................................................................................... 28
1.13.1 Condizioni di Dirichlet................................................................................................. 28
1.13.2 Definizione della trasformata di Fourier ...................................................................... 28
1.13.3 Esempio: trasformata dell’impulso finito .................................................................... 29
1.13.4 Esempio: sweep (chirp) ................................................................................................ 30
1.13.5 Proprietà della trasformata di Fourier .......................................................................... 31
1.13.6 Trasformata di Fourier dell’equazione dell’oscillatore ................................................ 31
1.13.7 Esempio: risposta all’impulso finito ............................................................................ 33
1.13.8 Dualità della trasformata di Fourier: esempi................................................................ 39
1.14 Energia di un segnale: Teorema di Parseval .................................................................... 41
2 SISTEMI A PIÙ GRADI DI LIBERTÀ ................................................................................ 42
2.1 Considerazioni generali ....................................................................................................... 42
2.2 Sistemi a 2 gradi di libertà................................................................................................... 42
2.2.1 Vibrazioni libere .......................................................................................................... 43
2.2.2 Risposta di un sistema a 2 g.d.l. ad un forzante armonico ........................................... 45
2.3 Esempio di un sistema ad N gradi di libertà ........................................................................ 46
2.4 Problema libero non smorzato: modi di vibrazione. ........................................................... 47
2.5 Condizioni di ortogonalità ................................................................................................... 49
2.5.1 Esempio ........................................................................................................................ 50
2.6 Teorema dello sviluppo modale: risposta alle condizioni iniziali. ...................................... 52
2.7 Quoziente di Rayleigh ......................................................................................................... 54
2.7.1 Esempio ........................................................................................................................ 56
2.8 Risposta ad un forzante arbitrario, analisi modale. ............................................................. 56
2.8.1 Approccio diretto in frequenza .................................................................................... 57
i
2.8.2 Approccio modale: analisi nel dominio del tempo ...................................................... 58
2.8.3 Approccio modale: forzante armonico ......................................................................... 59
2.8.4 Approccio modale in frequenza: calcolo della funzione di trasferimento ................... 60
2.9 Sistemi ad N gradi di libertà smorzati ................................................................................. 61
2.9.1 Smorzamento proporzionale ........................................................................................ 61
2.9.2 Smorzamento non proporzionale ................................................................................. 62
2.9.3 Problema forzato .......................................................................................................... 64
3 RICHIAMI DI MECCANICA ANALITICA ........................................................................ 66
3.1 Lavoro ed energia ................................................................................................................ 66
3.2 Principio di D’Alambert e principio dei lavori virtuali ....................................................... 67
3.3 Equazioni di Lagrange......................................................................................................... 68
3.4 Equazioni di Lagrange per sistemi lineari ........................................................................... 70
4 SISTEMI CONTINUI.............................................................................................................. 73
4.1 Introduzione......................................................................................................................... 73
4.2 La corda vibrante. ................................................................................................................ 73
4.2.1 Moti sincroni ................................................................................................................ 74
4.2.2 Condizioni di ortogonalità ........................................................................................... 76
4.2.3 Analisi modale ............................................................................................................. 77
4.3 Vibrazioni longitudinali di barre ......................................................................................... 78
4.4 Vibrazioni della trave di Eulero .......................................................................................... 80
4.4.1 Moti sincroni ................................................................................................................ 81
4.4.2 Condizioni di ortogonalità ........................................................................................... 81
4.4.3 Trave a sezione costante .............................................................................................. 82
4.4.4 Casistiche comuni per travi a sezione costante. ........................................................... 85
4.5 Equazione della membrana ................................................................................................. 86
4.6 Metodi approssimati ............................................................................................................ 88
4.6.1 Quoziente di Rayleigh. ................................................................................................. 88
4.6.2 Metodo di Rayleigh-Ritz .............................................................................................. 89
4.6.3 Applicazione del metodo di Rayleigh-Ritz .................................................................. 91
5 SIGNAL PROCESSING ......................................................................................................... 94
5.1 Introduction ......................................................................................................................... 95
5.2 Periodic Signals ................................................................................................................... 95
5.3 The Fourier Series ............................................................................................................... 96
5.3.1 Fourier series: amplitude phase representation ............................................................ 98
5.4 The Dirac function............................................................................................................... 99
5.4.1 Applications: the Saw-Tooth function and its generalized derivative; Fourier series of
a impulse train .......................................................................................................................... 101
5.5 The complex form of the Fourier Series ........................................................................... 101
5.5.1 The complex series of a finite pulse train .................................................................. 103
5.6 The Fourier Transform ...................................................................................................... 105
5.6.1 Dirichlet conditions: existence of the Fourier Transform .......................................... 106
5.6.2 Spectral properties of the Dirac function ................................................................... 106
5.6.3 Fourier Transform: commonly used functions and spectra ....................................... 107
5.8 Energy of a signal: the Parseval theorem .......................................................................... 111
5.9 Properties of the Fourier Transform .................................................................................. 111
5.9.1 Time shift: proof ........................................................................................................ 112
5.10 Spectral properties of the Dirac function ....................................................................... 112
5.11 The convolution theorem ............................................................................................... 112
5.12 Transforming periodic signals ....................................................................................... 113
5.13 Sampling of continuous waves ...................................................................................... 117
5.14 Continuous versus digital Fourier analysis: the Discrete Fourier Transform DFT ....... 122
ii
5.15 Properties of the DFT .................................................................................................... 126
5.15.1 The Parseval theorem: evaluation of RMS from DFT ............................................... 126
5.15.2 Calculating Fourier series coefficients from DFT ..................................................... 129
5.16 Windowing: the Leakage effect ..................................................................................... 131
5.17 Summary ........................................................................................................................ 135
6 VIBRAZIONI RANDOM...................................................................................................... 136
6.1 Introduzione....................................................................................................................... 136
6.2 Probabilità ......................................................................................................................... 138
6.3 Valor medio e deviazione standard. .................................................................................. 140
6.4 Più variabili random .......................................................................................................... 141
6.5 Funzioni di correlazione .................................................................................................... 143
6.6 Processi stazionari ............................................................................................................. 143
6.7 Processi ergodici................................................................................................................ 144
6.8 Processi gaussiani .............................................................................................................. 145
6.9 Densità spettrale di potenza............................................................................................... 145
6.10 Sistemi lineari. Singolo ingresso/singola uscita. ........................................................... 151
6.10.1 Qualità delle misure: funzione di coerenza. ............................................................... 156
6.11 Effetto del rumore. ......................................................................................................... 158
6.12 Sistemi lineari. Singolo ingresso più uscite. .................................................................. 162
6.13 Sistemi lineari. Più ingressi più uscite (MIMO) ............................................................ 163
INDICE ANALITICO ................................................................................................................... 164
Bibliografia ..................................................................................................................................... 165
iii
INTRODUZIONE
Il testo si rivolge a studenti del quinto anno dei corsi di Laurea in Ingegneria Meccanica o corsi equivalenti.
Ho scritto questo testo basandomi sulle lezioni che ho svolto negli ultimi anni nei corsi di Laurea triennale e
specialistica in Ingegneria Meccanica.
Il testo contiene le basi teoriche per affrontare lo studio delle vibrazioni meccaniche in modo professionale
sia dal punto di vista teorico che sperimentale. Quest’ultimo aspetto richiede anche un capitolo dedicato
all’analisi dei segnali ed alla teoria dei segnali aleatori con alle applicazioni all’analisi delle vibrazioni.
Avendo svolto, e continuando a svolgere, attività di ricerca sulle vibrazioni da oltre dieci anni sono
pienamente consapevole della vastità del settore. Non ho dunque la presunzione di fornire il poche pagine
tutte le conoscenze sull’analisi delle vibrazioni, spero altresì di fornire una panoramica abbastanza ampia
sulle principali problematiche e metodi; conoscenze indispensabili per un moderno Ingegnere degno di
questo nome.
1 SISTEMI AD UN GRADO DI LIBERTÀ
1.1 Considerazioni generali
In questo capitolo si studiano i sistemi meccanici aventi un solo grado di libertà; dove, per grado di libertà si
intende il numero di coordinate indipendenti necessarie per descrivere completamente il moto. In generale i
sistemi meccanici ad un grado di libertà sono governati da una equazione differenziale ordinaria del secondo
ordine.
In questo capitolo si considerano soltanto sistemi meccanici lineari e tempo invarianti, liberi o forzati da
sorgenti esterne di energia. Su questi sistemi sono applicate le più importanti tecniche disponibili per la
soluzione di equazioni differenziali ordinarie.
L’importanza dello studio dettagliato di sistemi ad un solo grado di libertà sarà chiara in seguito, nell’analisi
di sistemi a più gradi di libertà o sistemi continui (∞ gradi di libertà); quando si dimostrerà che il moto di
sistemi a più gradi di libertà può sempre essere ridotto a serie di sistemi ad un grado di libertà indipendenti.
− mxɺɺ − k ( x + ∆ ) + mg = 0 1.1
mxɺɺ + kx = 0 1.2
questa è una equazione differenziale ordinaria del secondo ordine; per definire il problema di Cauchy, cioè
poter ottenere la soluzione, il problema va completato con opportune condizioni iniziali:
x (0) = x0 , xɺ (0) = xɺ0 1.3
x + ω n2 x = 0
ɺɺ 1.4
SISTEMI AD UN GRADO DI LIBERTÀ
si noti che la legge oraria (1.5) è armonica con periodo: T = 2 π / ω n=1 / f n ; dove f n è la frequenza naturale
del sistema [s-1≡Hz]. Infatti la forma equivalente della 1.5 è:
x = X cos (ω n t + ϕ ) 1.7
dove X è l’ampiezza di oscillazione e ϕ è la fase; la (1.7) è ovviamente una funzione armonica del tempo.
Sistema trave-massa
Consideriamo in questo esempio una trave sulla cui estremità è calettata una massa molto più grande della
massa della trave stessa. In questo caso le azioni di inerzia distribuite sulla trave possono essere trascurate. Il
sistema si riduce ad un oscillatore armonico.
La deflessione statica sotto l’azione di un carico
di estremità P è:
ℓ3 P
x=P = m
3EI k
1 3EI
fn =
2π mℓ3
Figura 1.3 θ
2
SISTEMI AD UN GRADO DI LIBERTÀ
l’espressione (1.8) è stata già sviluppata in serie di Mc Laurin e troncata al primo ordine, cioè linearizzata; il
coefficiente c ha come unità di misura [N s / m].
Figura 1.5
α 2 + 2ζωnα + ωn2 = 0 1.10
A seconda del segno del discriminante ζ 2 − 1 della (1.10) si distinguono tre tipi di soluzioni:
MOTO APERIODICO
ζ > 1 (c2>4km) : le radici α1 , α2 sono entrambe reali e negative e la soluzione assume la
forma: x (t ) = Aeα1t + Beα 2t
3
SISTEMI AD UN GRADO DI LIBERTÀ
In figura 1.5 vediamo i due moti aperiodici per un oscillatore caratterizzato da: m=1, k=1; e condizioni
iniziali x(0) = 1m, xɺ (0) = 0 m / s .
1
1.1
1.5
2
Figura 1.6a
A e −ζωnt (e
(
i 1−ζ 2 ωnt +φ ) + e−i( 1−ζ ω t +φ ) ) = 2 A e−ζω t cos(
2
n
n ɶ −ζωnt cos( 1 − ζ 2 ω t + φ )
1 − ζ 2 ωnt + φ ) = Xe n
0.9
0.5
0.3
0.2
Figura 1.6b
4
SISTEMI AD UN GRADO DI LIBERTÀ
Determiniamo A e B conoscendo le condizioni iniziali x0 e xɺ0 ; ricordiamo che x (t ) = Aeα1t + Beα 2t con
α 2 = α 1* , che possiamo riscrivere come: α1 = α R + iα I , α 2 = α R − iα I . Imponiamo le condizioni iniziali
(reali):
x ( 0 ) = A + B = x0 ( reale)
xɺ ( 0 ) = α1 A + α 2 B = xɺ0 ( reale)
ricaviamo:
x0 α x − xɺ0 x0 α x − xɺ0
A= +i R 0 ; B= −i R 0
2 2α I 2 2α I
ɶ − ζω n t sin( 1 − ζ 2 ω t + φ ) + X sin(ω t + ψ )
x ( t ) = Xe k c
n
La soluzione particolare della (1.12) sarà complessa, la parte reale di questa soluzione fornisce la soluzione
della (1.11).
x = Xe jωt 1.13
sostituendo
F0
X= 1.14
− mω + jcω + k
2
F0e jψ 1 F0e jψ
X= = 1.15
( k − mω ) + ( cω ) k
2 2 2
ω2 ω
2 2
1 − 2 + 2ζ
ωn ωn
2ζω ωn
dove la fase è data da: tanψ = − .
1 − ( ω ωn )
2
5
SISTEMI AD UN GRADO DI LIBERTÀ
x = X e j (ω t +ψ ) 1.16
ed ovviamente la soluzione del problema reale è:
x = X cos(ω t + ψ ) 1.17
si vede cioè che il modulo della soluzione complessa coincide con l’ampiezza della soluzione reale, così
come la fase.
Vediamo ora l’andamento dell’ampiezza e della fase al variare della frequenza di eccitazione.
Definiamo il fattore di amplificazione:
1 1.17a
G(ω ) =
2
ω 2 2
2 ω
1 − + 4ζ
ωn ωn
0.1
0.15
0.2
ζ
0.3
0.707
1
ω/ ωn
6
SISTEMI AD UN GRADO DI LIBERTÀ
=ψ
1
0.707
0.2 0.3
0.15
0.1
ζ=0
ω/ ωn
Vediamo che in prossimità della frequenza di oscillazione libera ωn l’ampiezza raggiunge il massimo, poi
tende a decrescere.
Il massimo dell’ampiezza si ottiene per:
a) ω = 0 se ζ > 1/ 2
b) ω res = ω n 1 − 2ζ 2
se ζ ≤ 1/ 2
e la relativa ampiezza è:
a) G(0)=1
1
b) G (ωres ) =
2ζ 1 − ζ 2
Il massimo della risposta si ottiene per un valore della frequenza detta frequenza di risonanza. L’ampiezza di
oscillazione si riduce all’aumentare dello smorzamento così come la frequenza di risonanza.
Molto spesso, per piccoli valori di smorzamento, si può ragionevolmente approssimare la frequenza di
risonanza con la frequenza dell’oscillatore libero non smorzato, ottenendo la seguente ampiezza massima:
1
G (ωres ) ≃ G (ωn ) = 1.18
2ζ
Un aspetto importante da sottolineare nella risposta dell’oscillatore, è che in prossimità della risonanza la
fase ha un salto pari a π . Si noti che l’andamento della fase è regolare per smorzamento non nullo, mentre in
caso di assenza di smorzamento la fase presenta un discontinuità in corrispondenza della risonanza.
7
SISTEMI AD UN GRADO DI LIBERTÀ
Q/ 2
ω1 ω2
ωn
Figura 1.9b. Punti di mezza potenza: identificazione dello smorzamento
Il valore di ampiezza indicato nella (1.18) è una buona approssimazione dell’ampiezza in risonanza esso è
detto “quality factor” ed è normalmente indicato con il simbolo Q. I punti P1 e P2 corrispondenti ad una
ampiezza |G(ω)|=Q/ 2 sono detti punti di mezza potenza, corrispondenti alle pulsazioni ω1 e ω2 ; essi sono
piuttosto utili in quanto valgono le seguenti relazioni:
∆ω = ω 2 − ω1 ≃ 2ζω n 1.19
1 ωn
Q≃ ≃ 1.20
2ζ ω 2 − ω1
dalle formule (1.19-20) si ottiene un metodo semplice per stimare lo smorzamento partendo dalla conoscenza
della risposta in frequenza. Questa maniera per stimare lo smorzamento può essere utilissima in laboratorio
quando non siano disponibili software per l’identificazione modale.
Si può notare che, per smorzamento nullo, l’ampiezza va all’infinito in risonanza, infatti:
1 F0 jωt
x= e 1.21
1 − ( ω / ωn )
2
k
ovviamente la (1.21) non è definita per ω=ωn, infatti in tale condizione occorre tornare alla (1.11) ottenendo:
F0 F0
x= sin ω n t − ω n t cos ω n t 1.22
2ω n k 2k
8
SISTEMI AD UN GRADO DI LIBERTÀ
x(t)
Esercizio.
Si verifichi che la 1.22 soddisfa la 1.11 con ω=ωn.
9
SISTEMI AD UN GRADO DI LIBERTÀ
1.5 Trasmissibilità
In questo paragrafo si considerano due problemi: f(t)
o valutazione delle forze trasmesse al basamento da un
sistema forzato direttamente x(t)
o valutazione dell’ampiezza di vibrazione di un m
sistema il cui basamento sia soggetto a moto
oscillatorio (eccitazione sismica)
Vedremo che questi due problemi si riconducono ad una
unica formulazione matematica.
k c
La soluzione particolare è.
x = Xe jωt 1.10.2
con
F0
X= 1.10.3
− mω + jcω + k
2
Dalla Figura 1.10a si intuisce che la forza trasmessa al basamento è data da:
T = cxɺ + kx 1.10.4
T = X ( jω c + k ) 1.10.5
2
ω
2ζ +1
ωn
+ k 2 = F0
1 F0
T = (ω c )
2
1.10.6
k
ω
2 2 2 2
ω 2
ω2 ω
1 − 2
+ 2ζ 1 − 2 + 2ζ
ωn ωn ωn ωn
2
ω
2ζ +1
T ωn
t= = 1.10.7
F0 ω
2 2
2
ω
1 − 2 + 2ζ
ωn ωn
10
SISTEMI AD UN GRADO DI LIBERTÀ
5 ζ=0
ζ=0.07
4
ζ=0.1
t
ζ=0.2
2
ζ=0.5
1
Figura. 1.10.b
La trasmissibilità è una quantità adimensionale che definisce il rapporto tra la forza effettivamente trasmessa
al basamento e la forza applicata al variare della frequenza. In sostanza la trasmissibilità definisce la qualità
della sospensione; infatti, se si pensa al sistema molla smorzatore come ad una sospensione atta a ridurre le
vibrazioni trasmesse al basamento, è ovvio che la migliore sospensione è quella che minimizza t.
In Figura 1.10.b è rappresentato l’andamento di t al variare di (ω/ωn)2; si vede che t ha un massimo in
corrispondenza di ωn per piccoli valori dello smorzamento, tale massimo tende a ridursi e spostarsi su
frequenze più basse all’aumentare dello smorzamento stesso.
Dalla 1.10.7 notiamo che, per ogni valore dello smorzamento, alla frequenza (ω/ωn)2=2 la trasmissibilità t=1.
Oltre (ω/ωn)2=2 t assume valori < 1 e decrescenti con la frequenza di eccitazione; inoltre si può notare che
per (ω/ωn)2>2 al diminuire dello smorzamento diminuisce t.
Nel progetto di una sospensione si hanno due scelte: (ω/ωn)2<<1 oppure (ω/ωn)2>2; è evidente che per quanto
riguarda la trasmissibilità la seconda scelta è più conveniente poiché permette di ridurre maggiormente le
sollecitazioni trasmesse al basamento; tale scelta ha comunque come svantaggio il fatto di dover attraversare
la risonanza in fase di avvio, l’attraversamento dovrà essere fatto rapidamente per evitare eccessive
amplificazioni.
11
SISTEMI AD UN GRADO DI LIBERTÀ
Il moto del basamento sia individuato dalla coordinata verticale y=Y0 cos ω t ; la posizione assoluta della
massa m è indicata con x.
L’equazione del moto è:
dove z=x-y.
Si ottiene:
La risposta è:
x = Y0
( jω c + k ) e jω t 1.10.11
( −mω 2
+ jω c + k )
Il modulo della risposta, cioè l’ampiezza di oscillazione è:
2
ω
2ζ +1
(ω c ) ωn
2
+ k2
X = Y0 = Y0 1.10.12
( −mω ) + (ω c )
2 2 2
+k ω2 ω
2 2
1 − 2 + 2ζ
ωn ωn
2
ω
2ζ +1
X ωn
t= = 1.10.13
Y0 ω2
2 2
ω
1 − 2 + 2ζ
ωn ωn
L’espressione ottenuta per t è identica alla 1.10.7 ed ha l’andamento indicato in figura 1.10.b. Ovviamente il
significato fisico ora è diverso in quanto si stanno analizzando ampiezze di oscillazione anziché forze
trasmesse. Valgono però le stesse considerazioni sia per ciò che concerne la zona di lavoro più vantaggiosa
((ω/ωn)2>2) sia sull’effetto dello smorzamento.
12
SISTEMI AD UN GRADO DI LIBERTÀ
f(t)
m/2 m/2
ℓ x(t)
-ω(t) ω(t)
k c
Figura 1.11
13
SISTEMI AD UN GRADO DI LIBERTÀ
»G*HwL»
2
1 2 3 4 5 6
wêwn
0
- 0.5
-1
faseHG*HwLL
- 1.5
-2
- 2.5
-3
1 2 3 4 5 6
wêwn
Figura 1.12
In figura 1.12 vediamo l’andamento della amplificazione G*. Per ω→0 la risposta tende a zero, mentre per
(ω ωn ) G (ω ) → 1 e φ→-π. Poiché la massa non eccentrica M-m ha uno spostamento pari a Im[x],
2
ω→∞
mentre la massa m ha uno spostamento pari a Im[x+ℓ e j ω t], segue che per alte frequenze di eccitazione le
masse M-m e m si muovono in modo tale che il centro di massa del sistema tende a rimanere stazionario, a
prescindere dal valore dello smorzamento.
14
SISTEMI AD UN GRADO DI LIBERTÀ
Figura 1.13
15
SISTEMI AD UN GRADO DI LIBERTÀ
Perciò in questo caso il piano di flessione ruota alla stessa velocità angolare del disco, si ha cioè whirling
sincrono.. Si può verificare che la distanza OS è costante.
Consideriamo ora il caso in cui le rigidezze lungo x e y siano differenti, semplifichiamo però il problema
trascurando le dissipazioni:
x = X cos ωt y = Y sin ωt 1.35
con
e (ω / ωnx ) e (ω / ωny )
2 2
X= ; Y= 1.36
1 − (ω / ωnx ) 1 − (ω / ωny )
2 2
Il denominatore della (1.39) è sempre positivo, allora il segno della velocità di rotazione del d piano di
flessione, cioè il tipo di whirling, dipende dal segno di XY. Per convenzione ω è positivo se la rotazione è
antioraria. Vediamo i vari casi:
1. ω < ω nx e ω < ω ny : XY>0,>0, il punto S si muove su di una ellisse con verso concorde a ω.
2. ω nx < ω <ω ny oppure ω ny <ω <ω nx: XY<0, il punto S si muove su di una ellisse con verso discorde
da ω.
3. ω > ω nx e ω > ω ny : XY>0,>0, il punto S si muove su di una ellisse con verso concorde a ω.
Questi tre casi sono rappresentati nelle figure 1.14.
Figura 1.14
Dalle
lle equazioni (1.36) è evidente che esiste il pericolo della risonanza quando la velocità di rotazione
eguaglia una delle pulsazioni proprie. In risonanza la soluzione diverge oscillando, con ampiezza crescente
linearmente col tempo.
16
SISTEMI AD UN GRADO DI LIBERTÀ
Insomma, anche se gli effetti di smorzamento sono molto difficili da modellare in modo rigoroso, in generale
essi si accomunano tutti nel dissipare energia.
Indichiamo l’energia perduta in un ciclo dalla forza di attrito come:
W d = − ∫ Fd dx 1.40
Consideriamo il caso dello smorzamento viscoso durante una oscillazione armonica forzata ( Fd = − cxɺ ):
x = X sin (ω t + ψ ) ; xɺ = ω X cos (ω t + ψ ) 1.41
T
ɺ = ∫ cxɺ 2 dt = cω 2 X
Wd = ∫ cxdx ∫ cos (ωt +ψ ) dt = π cω X
2 2 2
1.42
0
In condizioni di risonanza l’ampiezza è data da: |X |=F0/(cωn); questa relazione vale soltanto in caso di
smorzamento viscoso, per altri tipi di smorzamento non si trovano relazioni così semplici. Si può però
approssimare l’ampiezza in risonanza sostituendo un opportuno smorzamento equivalente ceq da determinare
uguagliando l’energia dissipata dallo smorzamento viscoso con quella dissiata da un altro tipo di
smorzamento, sempre assumendo moto armonico:
π ceqω X = W d
2
1.43
1 se xɺ > 0
Fd = − f d m g sgn ( xɺ ) , sgn ( xɺ ) = 1.48a
−1 se xɺ < 0
dove fd è il coefficiente di attrito dinamico, g è l’accelerazione di gravità, m è la massa del corpo.
L’equazione del moto è:
L’equazione è nonlineare e discontinua, la soluzione non si può ottenere facilmente in forma chiusa. Se F(t)
è armonica, possiamo ipotizzare che la risposta x(t) sia periodica; trascurando le armoniche superiori si può
scrivere:
17
SISTEMI AD UN GRADO DI LIBERTÀ
Si noti che lo smorzamento dovuto ad attrito Coulombiano si distingue dai modelli di dissipazione viscosa e
strutturale.
forza
x(t) di attrito
k
m
F
Fd
mg (forza peso)
Figura 1.14a
18
SISTEMI AD UN GRADO DI LIBERTÀ
∞
1
f (t ) = a0 + ∑ ( ar cos rt + br sin rt ) 1.49
2 r =1
determiniamo i coefficienti. Consideriamo una funzione avente periodo pari a 2π; teniamo conto delle
proprietà di ortogonalità delle funzioni seno e coseno
2π
∫0 cos rt cos stdt = 0
2π r≠s 1.50
∫0 sin rt sin stdt = 0
2π
2π
π se r ≠ 0
∫ cos rtdt =
2
1.52
0 2π se r = 0
2π
∫ sin
2
rtdt = π 1.53
0
inoltre
2π
0 se r ≠ 0
∫0 cos rtdt =
2π se r = 0
1.54
2π
∫ sin rtdt = 0
0
1.55
Per trasformare una funzione di periodo T (in t) in una di periodo 2π (in t’) e sfruttare le relazioni precedenti,
basta la sostituzione di variabile t’=t 2π/T.
Moltiplicando ora la funzione f(t) per cos ω0st o sin ω0st , ω0=2π /T ed integrando sul dominio [0,T] si
ottengono i coefficienti di Fourier a0, ar, br:
T
2
f ( t ) cos rω0tdt
T ∫0
ar = r = 0,1, 2,…
T
1.56
2
br = ∫ f ( t ) sin rω0tdt r = 1, 2,…
T 0
I coefficienti di Fourier rappresentano il peso della rispettiva funzione trigonometrica associata sulla
funzione f(t), in particolare il termine a0/2, esso rappresenta il valor medio della funzione.
Le condizioni di esistenza della serie di Fourier sono le condizioni di Dirichlet :
la funzione deve essere continua o avere un numero finito di discontinuità nel periodo
la funzione deve avere un numero finito di massimi e minimi nel periodo
la funzione deve essere assolutamente sommabile nel periodo
T
o ∫0
f (t ) dt < ∞
se le condizioni precedenti sono rispettate e se la funzione è continua allora la serie coincide punto per punto
con la funzione, mentre se la funzione presenta discontinuità allora la serie converge in media e in prossimità
dei punti di discontinuità può non coincidere con la funzione.
19
SISTEMI AD UN GRADO DI LIBERTÀ
perciò la risposta ad un forzante periodico sviluppato in serie di Fourier può essere a sua volta sviluppata in
serie:
1 ∞
x (t ) =
1
2k
( )
a0 + ∑ G p a p cos pω 0 t + ψ p + b p sin pω 0 t + ψ p
k p =1
(1.58 )
per un sistema massa molla smorzatore forzato direttamente fattore di amplificazione G e fase sono:
1
Gp =
2
1 − ( pω0 / ωn ) 2 + ( 2ζ pω0 / ω n )2
1.59
2ζ pω0 / ω n
tanψ p = −
1 − ( pω0 / ω n )
2
dalle (1.59) si vede che se ω 0/ω n = 1 e lo smorzamento tende a zero, si ha risonanza; dunque anche forzanti
periodici possono dare luogo al fenomeno della risonanza.
f(t)
5000N
0.02 0.04 t
-5000N
T
2
T T /2 T
2
ar = ∫ f ( t ) cos rω0tdt = − ∫ f ( t ) cos rω tdt + ∫ f ( t ) cos rω tdt =
0 0
T 0
T 0 0
2 f (t ) f (t )
− [ sin rω0t ]0 + [ sin rω0t ]T / 2 = 0
T /2 T
T rω0 rω0
2
T T /2 T
2
br = ∫ f ( t ) sin rω0tdt = − ∫ f ( t ) sin rω0tdt + ∫ f ( t ) sin rω0tdt =
T 0 T 0 0
2 f (t ) f (t ) f (t )
[ cos rω0t ]0 − [ cos rω0t ]T / 2 = ( cos rπ − 1 − cos 2rπ + cos rπ ) =
T /2 T
T rω0 rω0
rπ
f (t )
rπ
(
2 (−1)r − 1 )
dunque br=0 r=0,2,4,… e
20
SISTEMI AD UN GRADO DI LIBERTÀ
f (t )
br = −4 r=1, 3, 5, …
rπ
Infine la serie diventa:
4 f (t ) 1 2π rt 20000 1
f (t ) = −
π
∑
r =1,3,5,... r
sin
T
=− ∑
π r =1,3,5,... r
sin 50π rt
si può implementare un semplice programma Mathematica per simulare la forma d’onda descritta dalla
formula precedente:
Programma
Nterm = 10;
x[t_] = -20000/Pi Sum[Sin[(2 r - 1) 50 Pi t]/(2 r - 1), {r, 1, Nterm}];
Plot[x[t], {t, 0, 0.06}]
6000
4000
2000
-4000
-6000
6000
4000
2000
-4000
-6000
Nota l’effetto di Gibbs in prossimità della discontinuità: la serie di Fourier converge in media, cioè da valori
approssimati in media nell’intervallo, ma localmente può dare valori diversi dalla funzione, ciò avviene nei
punti di discontinuità dove infatti la funzione non ha un valore definito!
In generale scriviamo
f(t)
-F
T
21
SISTEMI AD UN GRADO DI LIBERTÀ
4F 1 2π rt
f (t ) = − ∑
π r =1,3,5,... r
sin
T
rω 0 = k /m
δ (t − τ ) = 0 per t ≠τ
1.62
δ (t − τ ) indefinito per t =τ
∞
∫ δ (t − τ ) dt = 1
0
0 <τ < ∞ 1.63
Per definire in modo intuitivo la funzione di Dirac, consideriamo una funzione rettangolare come quella
presente in Figura 1.15.
22
SISTEMI AD UN GRADO DI LIBERTÀ
lim δ ε = δ
ε →0
1/ε
Chiaramente l’impulso di questa funzione, detta impulso rettangolare, è unitario. Inoltre se ε→0 la funzione
δ ε non è più definita in zero, ma l’impulso resta unitario e la funzione diviene un delta di Dirac.
Il limite della funzione impulso rettangolare δε per ε tendente a 0 è la funzione di Dirac
L’impulso unitario gode della seguente proprietà:
∞ ∞
∫ f (τ )δ (t − τ )dτ = ∫ f (τ )δ (τ − t ) dτ = f (t ) 1.64
0 0
Gli integrali della (1.64) possono essere estesi a -∞ con lo stesso risultato.
dunque se il sistema massa molla smorzatore è eccitato da un impulso unitario, la risposta, x(t)=h(t)
è data dalla risposta libera dell’oscillatore con la seguente condizione iniziale: hɺ (0+)=1/m; si ottiene:
1 − ζωn t
h (t ) = e sin ω d t t>0 1.67
mω d
dove ω d = 1 − ζ 2 ω n .
23
SISTEMI AD UN GRADO DI LIBERTÀ
Se consideriamo ora una forza d’eccitazione F(t) di forma arbitraria, possiamo immaginarla come una
successione di forze impulsive, ciascuna agente per un intervallo di tempo elementare dt alle quali
corrispondono gli impulsi dF(t,τ)=δ(t-τ)F(τ)dτ di Figura 1.16
f(t)
dF(t,τ)=δ(t-τ)F(τ)dτ
τ dτ t
dF(t,τ)=δ(t-τ)F(τ)dτ
dx(t,τ)=h(t-τ)F(τ)dτ
τ dτ t
La risposta del sistema all’istante t per effetto della forza impulsiva applicata all’istante τ è data
dall’equazione:
dx ( t ,τ ) = F (τ ) h(t − τ ) dτ 1.68
poiché vale il principio di sovrapposizione degli effetti, la risposta del sistema sarà data dalla somma di tutti i
contributi infinitesimi, cioè dall’integrale di convoluzione:
t
x(t ) = ∫ F (τ ) h(t − τ )dτ 1.69
0
24
SISTEMI AD UN GRADO DI LIBERTÀ
t t
x(t ) = ∫ F (t − λ )h(λ )d λ = ∫ F (τ )h(t − τ )dτ = F (t ) * h(t ) = h(t ) * F (t ) 1.71
0 0
Si noti che la (1.71) fornisce la risposta di un sistema avente condizioni iniziali nulle ad un forzante
arbitrario. Nel caso in cui le condizioni iniziali fossero non nulle si dovrebbe studiare la risposta del sistema
non forzato con le condizioni iniziali date e sommarla alla soluzione data dalla (1.71).
u(t)
t
Figura 1.17
t
1 −ζω n ( t −τ )
x (t ) =
mω s ∫ f (τ )e
0
sin ω s (t − τ ) dτ 1.71a
t 1.71b
∫ {cos (ω + ω )τ − ω τ − cos (ω − ω )τ + ω τ } dτ
F0
=
2mωn
n n n n
0
F0 1 ω
= 2
sin ωt − sin ωnt
2mωn 1 − (ω ωn ) ωn
La soluzione contiene sia un termine oscillante con frequenza pari alla frequenza del forzante che una
oscillazione di tipo libero.
Programma Mathematica
F0 = 1; m = 1; omn = 1; om = 1.5;
x[t_] = Integrate[1/m/omn*Sin[om tau]*Sin[omn*(t - tau)], {tau, 0, t}];
Plot[x[t], {t, 0, 12 Pi}]
1.5
1
0.5
5 10 15 20 25 30 35
-0.5
-1
-1.5
Figura 1.18
25
SISTEMI AD UN GRADO DI LIBERTÀ
1 1
= − t cos ωn t + e− jωnt
2 4
1
2 jωn
( 1
e 2 jωnt − 1 − e jωnt
4
1
2 jωn
)
e −2 jωnt − 1 ( )
1 1 e − jωnt − e − jωnt 1 e − jωnt − e jωnt 1 1
= − t cos ωn t + − = − t cos ωnt + sin ωnt
2 4ωn 2j 4ωn 2j 2 2ωn
F0 1 1
x(t ) = − t cos ωnt + sin ωnt
mωn 2 2ωn
Programma Mathematica
In questo programma si esegue l’integrale di convoluzione nel caso di forzante in risonanza per un
oscillatore non smorzato. L’integrale è risolto dal manipolatore algebrico, la soluzione è identica alla
precedente.
F0 = 1; m = 1;
f[om_, t_] =
F0/m/om Simplify[Integrate[Sin[om tau] Sin[om (t - tau)], {tau, 0, t}]];
Plot[f[1, t], {t, 0, 10 Pi}]
x(t)
Figura 1.19
26
SISTEMI AD UN GRADO DI LIBERTÀ
Si vede come in realtà la risposta in risonanza non è infinita, come indicato dal grafico in Figura 1.8. Infatti,
si osserva che la risposta del sistema è oscillante, ma l’ampiezza cresce nel tempo con andamento lineare.
Ciò comporta che per t->∞ la risposta tende all’infinito; ciò conferma il grafico in Figura 1.8!
In risonanza l’ampiezza della risposta non è stazionaria, ma cresce indefinitamente nel tempo.
Figura 1.20a
L’ampiezza di oscillazione inizialmente cresce, ma poi si stabilizza al valore fissato dalla soluzione a regime.
Figura 1.20b
27
SISTEMI AD UN GRADO DI LIBERTÀ
Se queste ipotesi sono rispettate si può applicare al segnale x(t) il seguente operatore integrale detto
Trasformata di Fourier:
+∞
− jω t
Trasformata di Fourier X (ω ) = ∫ x (t ) e dt 1.72
−∞
Questo operatore porta dal dominio del tempo al dominio delle frequenze (nota che la 1.72 è definita in
termini di pulsazioni [rad/s]). Si vedrà in seguito, nel capitolo dedicato all’analisi dei segnali, che questa
trasformata ha una stretta correlazione con la serie di Fourier. In sostanza la funzione X(ω) ci dice quale è il
contenuto energetico del segnale x(t) sulla armonica legata alla pulsazione ω, la trasformata di Fourier può
dunque essere pensata come una serie di Fourier applicata ad un segnale avente periodo infinito (segnale
aperiodico) ed un infinito numero di linee spettrali (X(ω) è continua).
La trasformata di Fourier è invertibile, si può cioè riottenere il segnale originario conoscendo il suo spettro:
+∞
1
∫ X (ω)e dω
jω t
Anti-trasformata di Fourier x(t ) = 1.73
2π −∞
E’ importante notare che la trasformata di un segnale reale è in generale una funzione complessa.
Una importante nota sulle condizioni di applicabilità è la seguente: se le condizioni di Dirichlet non sono
rispettate si può ancora effettuare la trasformata di Fourier nell’ambito della teoria delle distribuzioni, cioè
introducendo le funzioni di Dirac nello spettro.
La trasformata di Fourier si definisce anche in termini di frequenza anziché di pulsazione ω:
+∞
− j 2π f t
Trasformata di Fourier X(f )= ∫ x (t ) e
−∞
dt 1.73a
+∞
j 2π f t
Anti-trasformata di Fourier x(t ) = ∫ X ( f )e
−∞
df 1.73b
dove ω=2πf.
28
SISTEMI AD UN GRADO DI LIBERTÀ
-T T t
Figura 1.21a
∞
sin ωT
T
1 − jωT
X (ω ) = ∫ x (t )e − jωt dt = ∫e
− jω t
dt = e − e jωT = 2
−∞ −T
jω ω
lim X (ω ) = 2T
ω →0
X(ω)
T=π
2T
2π π π π
− − 2
T T T T ω
Figura 1.21b
Programma Mathematica
T=Pi;
X[om_]=Sin[om T]/om;
Plot[X[om],{om,-1.5 Pi,1.5 Pi},PlotRange->{-0.8,3.5}]
29
SISTEMI AD UN GRADO DI LIBERTÀ
Vediamo un altro tipo di segnale ad ampio spettro; consideriamo una funzione sinusoidale così definita:
ω f − ωi
sin ωi + t t
2T
a) b)
Figura 1.22
30
SISTEMI AD UN GRADO DI LIBERTÀ
Si indichi con il simbolo F la trasformata di Fourier, nel caso in esame si ha: X(ω)=F ( x(t)), F(ω)=F (f(t))
H(ω)=F (h(t)).
Sotto l’azione della trasformata di Fourier il prodotto convolutorio nel dominio delle frequenze diventa
prodotto semplice.
La trasformata H della risposta all’impulso h si chiama funzione di risposta complessa in frequenza (FRF
frequency response function).
d n x(t )
= ( jω ) X (ω )
n
F n
1.76
dt
mxɺɺ + cxɺ + kx = f (t )
( −ω m + jω c + k ) X (ω ) = F (ω )
2
1.77
Una equazione differenziale diventa una equazione algebrica la cui soluzione in frequenza si ottiene
banalmente:
X (ω ) = ( −ω 2m + jω c + k ) F (ω )
−1
1.78
La (1.78) si può scrivere formalmente come:
X (ω ) = H (ω ) F (ω ) 1.79
Confrontando la (1.79) con la (1.75) si vede che l’applicazione della trasformata di Fourier all’equazione del
moto permette di ottenere facilmente la FRF (detta anche funzione di trasferimento).
La (1.78) ha una immediata interpretazione, si consideri l’oscillatore eccitato con forzante armonico:
31
SISTEMI AD UN GRADO DI LIBERTÀ
32
SISTEMI AD UN GRADO DI LIBERTÀ
T = 2;
m = 1; k = 1; zita = 0.1; omn = Sqrt[k/m];
H[om_] = (-om^2*m + I*2*zita*omn*om + k)^-1;
ImpFreq[om_] = 2 Sin[om T]/om/2/T;
X[om_] = H[om]*ImpFreq[om]
Primo caso: impulso finito unitario definito tra t=-T e T con T=2 s; 0.2 s; 0.02 s.
T=2
Spettro impulso finito
Figura 1.23a
Spettro risposta
Figura 1.23b
T=0.2 s
33
SISTEMI AD UN GRADO DI LIBERTÀ
Figura 1.23c
Spettro risposta
Figura 1.23d
T=0.02
Spettro impulso finito
Figura 1.23e
Spettro risposta
34
SISTEMI AD UN GRADO DI LIBERTÀ
Figura 1.23f
Figura 1.23g
Spettro risposta
Figura 1.23h
Spettro della risposta all’impulso (H(ω)) cioè al Dirac
35
SISTEMI AD UN GRADO DI LIBERTÀ
Figura 1.23i
Per T abbastanza piccolo e normalizzando si riesce ad ottenere la funzione di trasferimento fornendo un
impulso “finito”, cioè fisicamente realizzabile.
Vediamo ora alcuni ulteriori esempi, per approfondimenti consultare (Brigham, 1973).
36
SISTEMI AD UN GRADO DI LIBERTÀ
Impulso triangolare.
x(t)
A2
A2 A2
x(t ) = t + A2 x(t ) = − t + A2
2T0 2T0
-2T0 2T0 t
2 A2 sin ωT
2
X (ω ) =
T ω
T = Pi;
X[om_] = 2/T Sin[om T]^2/om^2;
Plot[X[om], {om, -1.5 Pi, 1.5 Pi}, PlotRange -> {-0.8, 6.5}]
2T
6
T=π X(ω)
5
1 π 2π 3π 4π
T T T T
-4 -2 2 4 ω
Figura 1.21b
37
SISTEMI AD UN GRADO DI LIBERTÀ
Sinusoide troncata
T=7.5π x(t)
1
0.5
-20 -10 10 20 T
-T
-0.5
-1
sin ωT
Q(ω ) =
ωT
A = 1; om0 = 1;
T0 = 15/2 Pi;
Q[om_] = Sin[om T0]/om/T0;
X[om_] = A^2 T0 (Q[om + om0] + Q[om - om0]);
Plot[A Cos[om0 t], {t, -T0, T0}]
Plot[X[om], {om, -3, 3}, PlotRange -> {-5, 30}]
T=7.5×π X(ω)
30
A=1
25
ω0=1
20
15
10
-3 -2 -1 1 2 3
-5
-ω0 ω0
38
SISTEMI AD UN GRADO DI LIBERTÀ
1 1 1 1 1
2 x(t ) = q(t ) + q t + + q t −
fc=2 2 4 2 f c 4 2 fc
1.5
1
1
sin t +
2 fc
q(t ) =
0.5
πt
-2 -1 1 2
-0.5
1 1 π f
X( f ) = + cos f ≤ fc
2 2 fc
fc=2 X( f ) = 0 f > fc
X(f)
1
0.8
0.6
0.4
0.2
-2 -1 1 2
-fc fc
---------------------------------------------------------------------------------------------
39
SISTEMI AD UN GRADO DI LIBERTÀ
1 1 πt
x (t ) = + cos t ≤ T0
2 2 tc
T0=2 x (t ) = 0 t > T0
x(t)
1
0.8
0.6
0.4
0.2
-2 -1 1 2
- T0 T0
1 1 1 1 1
X ( f ) = Q( f ) + Q f + + Q f −
T0=2
2 2 4 2T0 4 2T0
1.5
sin ( 2π T0 f )
Q( f ) =
1 πf
0.5
-2 -1 1 2
-0.5
40
SISTEMI AD UN GRADO DI LIBERTÀ
Il valor quadratico medio di un segnale (ad esempio un segnale di accelerazione o spostamento durante la
vibrazione) è un importante indicatore statistico dei livelli di vibrazione medi del fenomeno che si osserva.
Esso è definito come:
τ /2
1
x 2 (t ) = lim
τ →∞ τ ∫
τ
− /2
x 2 (t )dt 1.82
∞ ∞ ∞
1
∫ ∫ X (ω ) d ω = ∫
2 2
x 2 (t )dt = X ( f ) df teorema di Parseval 1.83
−∞
2π −∞ −∞
Mediante la (1.83) l’energia associata ad un segnale può essere ricavata anche dal suo spettro; una
applicazione importante è la valutazione del valor quadratico medio attraverso le (1.82) e (1.83):
∞
1
∫
2
x (t ) = lim
2
X ( f ) df 1.84
τ →∞ τ −∞
41
2 SISTEMI A PIÙ GRADI DI LIBERTÀ
2.1 Considerazioni generali
I sistemi meccanici studiati nel Capitolo I rappresentano il più semplice schema di sistema vibrante. Anche
se molti sistemi meccanici sono schematizzabili mediante modelli ad un grado di libertà, spesso si ha la
necessità di modellazioni più complesse, che permettano una più accurata descrizione del fenomeno fisico.
Lo studio dinamico dei sistemi meccanici lineari aventi un numero finito di gradi di libertà permette di
definire basi teoriche e metodologie utili allo studio delle vibrazioni di gran parte dei meccanici che si
incontrano nella pratica. Infatti, molti sistemi meccanici possono essere pensati, con buona approssimazione,
come un insieme di corpi rigidi collegati tra loro mediante elementi elastici (molle) o dissipativi
(smorzatori). Inoltre, anche nel caso di sistemi meccanici elastici aventi massa distribuita (cavi, travi, piastre
e gusci), si possono utilizzare delle metodologie di analisi che permettano la trasformazione del problema
definito mediante equazioni differenziali alle derivate parziali (infiniti gradi di libertà) ad un problema
definito mediante un certo numero di equazioni differenziali ordinarie (N gradi di libertà); in tal modo la
soluzione del problema ad N gradi di libertà rappresenta una approssimazione del problema originario.
In questo capitolo si trattano inizialmente i sistemi ad 2 gradi di libertà, come estensione immediata del
capitolo precedente. Poi si trattano in modo più diffuso le caratteristiche generali e le metodologie di analisi
dei sistemi a più gradi di libertà.
In particolare, si svilupperà una tecnica detta Analisi Modale, che costituisce il paradigma dell’analisi delle
vibrazioni lineari: essa permette di strutturare lo studio delle vibrazioni di sistemi discreti e continui
mediante un unico approccio ideale.
f1 f2
c1 c2 c3
m1 m2
k1 k2 k3
x1 x2
Figura 2.1
Dove con xi si indicano le posizioni delle masse, e con fi le forze esterne agenti su di esse.
Le equazioni del moto di questo sistema possono essere ricavate in vario modo, per esempio applicando la
seconda legge di Newton. Così facendo otteniamo:
x1 + ( c1 + c2 ) xɺ1 − c2 xɺ2 + ( k1 + k2 ) x1 − k2 x2 = f1
m1ɺɺ
2.2
x2 − c2 xɺ1 + ( c2 + c3 ) xɺ2 − k2 x1 + ( k2 + k3 ) x2 = f 2
m2 ɺɺ
Il sistema di equazioni (2.2) definisce il comportamento di un sistema a 2 gradi di libertà. Tale sistema si può
riscrivere in forma matriciale:
SISTEMI A PIÙ GRADI DI LIBERTÀ
ɺɺ + Cxɺ + Kx = f
Mx 2.4
dove x = [ x1 , x 2 ]T e le matrici M, C e K sono definite nell’equazione (2.3); si noti che tali matrici sono
simmetriche.
x1 + ( k1 + k2 ) x1 − k2 x2 = 0
m1ɺɺ
2.5
x2 − k2 x1 + ( k2 + k3 ) x2 = 0
m2 ɺɺ
Cerchiamo uno speciale tipo di soluzione in cui tutti i gradi di libertà siano legati alla stessa legge temporale,
ma caratterizzati da ampiezze che possono essere diverse. In questo tipo di moti, nel caso di oscillazione,
tutti i gradi di libertà raggiungono il massimo e passano per lo zero contemporaneamente. Questo tipo di
moto è detto modo naturale di vibrazione o modo normale:
x1 (t ) = φ1r (t ), x 2 (t ) = φ 2 r (t ), 2.6
dove φi rappresentano le ampiezze (costanti), mentre r(t) rappresenta la legge di moto. Si noti che imponendo
questo tipo di moto si impone anche che il rapporto tra gli spostamenti delle due masse mantengano un
rapporto costante.
Sostituendo la (2.6) nella (2.5) si ottiene:
m1φ1ɺɺ
r + k11φ1r + k12φ2 r = 0
2.7
m2φ2 ɺɺ
r + k21φ1r + k22φ2 r = 0
ɺɺ
r k φ +k φ k φ +k φ
= − 11 1 12 2 = − 21 1 22 2 = cos t = −λ 2.8
r m1φ1 m2φ2
r + λr = 0
ɺɺ 2.9
la soluzione di questa equazione è ben nota, però si può fare qualche considerazione, tale soluzione è del
tipo:
r = Aeα t 2.10
43
SISTEMI A PIÙ GRADI DI LIBERTÀ
con α = ± −λ . D’altra parte sappiamo che il sistema è conservativo poiché è composto di elementi
(masse e molle) che non dissipano né forniscono energia, perciò λ non può essere negativo e possiamo porre:
λ=ω2.
Il sistema (2.7) diventa:
( k11 − ω 2 m1 ) k12 φ
1 = 0 2.12
k12 ( k22 − ω 2m2 ) φ2
questo sistema ammette soluzione non banale solo se le equazioni sono linearmente dipendenti tra loro, cioè
se:
( k11 − ω 2 m1 ) k12
det = ( k11 − ω 2 m1 )( k22 − ω 2 m2 ) − k122 = 0 2.13
k12 ( k22 − ω m2 )
2
ω =2
1,2 2.15
2m1m2
le due radici ω1,2 sono le pulsazioni proprie del sistema, infatti dalla 2.10 si ha:
cioè il moto sincrono è dato da una oscillazione armonica che può avere due tipi di moto individuati dalle
due frequenze proprie.
Questo sistema avente due gradi di libertà è dunque caratterizzato da due frequenze naturali di vibrazione,
tale proprietà è più generale, infatti, come vedremo più avanti, il numero di frequenze naturali di un sistema
meccanico è pari al numero di gradi di libertà.
Torniamo al sistema omogeneo (2.12), le radici date dalla (2.15) sono gli autovalori del problema, restano da
calcolare gli autovettori φi:
44
SISTEMI A PIÙ GRADI DI LIBERTÀ
dove si è indicato con φi la i-esima componente del j-esimo autovettore φj; questo autovettore è
( j)
comunemente detto modo naturale, modo normale o modo proprio di vibrazione. Si ricordi che ad ogni
autovalore è associato un autovettore, cioè ad ogni frequenza è associato un modo (una forma). Dalle (2.17)
vediamo che le componenti di questi modi non sono univocamente determinate, ma in questo caso esse sono
definite come rapporto: i modi sono definiti a meno di una costante; in formule ciò significa che se φj è un
modo, anche β φj è un modo se β è costante.
I modi godono di importanti proprietà di ortogonalità che saranno sviluppate in seguito nello studio dei
sistemi ad n gradi di libertà.
ɺɺ + Cxɺ + Kx = Fe jωt
Mx 2.18
Trascuriamo la soluzione del problema omogeneo che, a causa dello smorzamento, si estinguerà dopo un
certo periodo di tempo. La soluzione particolare è:
x = Xe jω t 2.19
X = ( −ω 2 M + jω C + K ) F = Z − 1 ( ω ) F = H (ω ) F
−1
2.20
−1
Z
−1
Z12 1 Z 22 − Z12
H = Z = 11 =
det [ Z] − Z12 Z11
2.22
Z12 Z 22
det [ Z] = Z11Z 22 − Z122
Z 22 F1 − Z12 F2
X 1 = H11F1 + H12 F2 =
Z11Z 22 − Z122 2.23
− Z12 F1 + Z11F2
X 2 = H 21F1 + H 22 F2 =
Z11Z 22 − Z122
45
SISTEMI A PIÙ GRADI DI LIBERTÀ
consideriamo ora il caso semplice in cui lo smorzamento e il secondo forzante siano nulli ed assumiamo
come ulteriore semplificazione che la matrice di massa sia diagonale, si ha:
X1 =
(k 22 − ω 2 m2 ) F1
(k11 − ω 2 m1 )( k22 − ω 2 m2 ) − k122 2.24
−k12 F1
X2 =
( k11 − ω m1 )( k22 − ω 2m2 ) − k122
2
Il denominatore delle (2.24) si annulla quando la frequenza del forzante eguaglia una delle due frequenze
proprie del sistema, come si può vedere dal confronto con la (2.13); ciò significa che in questa condizione la
risposta tendee all’infinito. La condizione ω=ω1,2, è detta risonanza; i sistemi a due gradi di libertà hanno due
condizioni di risonanza in corrispondenza delle due frequenze di vibrazione libera.
Figura 2.2
In figura 2.2 è rappresentato l’andamento della risposta per i due gradi di libertà nel caso in cui m1=m,
m2=2m, k1=k2=k, k3=2k.. I valori delle risonanze sono chiaramente indicati; inoltre l’andamento della risposta
della prima massa (quella forzata direttamente) passa attraverso lo zero; questa condizione, calcolabile
calc dalla
prima delle (2.24), è detta anti-risonanza.
anti L’anti-risonanza
risonanza appare tra le due risonanze, questo
comportamento si osserva sia sui sistemi discreti (n
( g.d.l.) sia per i sistemi continui (infiniti g.d.l.), cioè, in
caso di eccitazione in un soloo punto, la risposta del punto eccitato presenta sempre risonanze ed anti- anti
risonanze alternate.
f1 f2 fN
c1 c2 c3 cN cN+1
m1 m2 ... mN
k1 k2 k3 kN kN+1
q1 q2 qN
Figura 2.3
46
SISTEMI A PIÙ GRADI DI LIBERTÀ
ki(qi-qi-1) ki+1(qi+1-qi)
mi
ci ( qɺi − qɺi −1 ) ci +1 ( qɺi +1 − qɺi )
Figura 2.4
Dalle figure 2.3 e 2.4, usando la seconda legge di Newton otteniamo la seguente legge di moto per la i-esima
massa:
( k1 + k2 ) − k2 0 q1 f1
− k2 ( k2 + k3 ) − k3 q2 = f 2
0 − k3 ⋅ −k N ⋅ ⋅
−k N ( k N + k N +1 ) qN f N
Le equazioni del moto così scritte possono essere poste in forma compatta:
ɺɺ + Cqɺ + Kq = f
Mq 2.27
L’energia potenziale accumulata nelle molle e l’energia cinetica delle masse si può scrivere come:
1
V = qT Kq energia potenziale
2
2.28
1
T = qɺ T Kqɺ energia cinetica
2
L’energia potenziale può essere soltanto positiva o nulla (moti rigidi), mentre l’energia cinetica può essere
soltanto positiva. Nel caso in esame un moto rigido si potrebbe ottenere ammettendo uno spostamento del
telaio che sostiene le masse. Le proprietà enunciate dell’energia potenziale e cinetica implicano che la
matrice di rigidezza K sia semidefinita positiva e che la matrice di massa M sia definita positiva. Dunque
ogni forma quadratica associata a K è ≥ 0 mentre quelle associate a M sono > 0.
47
SISTEMI A PIÙ GRADI DI LIBERTÀ
ɺɺ + Kq = 0
Mq 2.29
q j ( t ) = f (t ) u j ⇒ q ( t ) = f (t ) u 2.30
f (t ) + u T Ku f (t ) = 0
u T Muɺɺ 2.31
si noti che la (2.31) è una equazione scalare che contiene due forme quadratiche associate alle matrici di
massa e rigidezza, dalla (2.31) segue:
ɺɺ
f (t ) uT Mu
=− T = −λ 2.32
f (t ) u Ku
La (2.32) mostra che il rapporto tra f e la sua derivata seconda non dipende dal tempo, sarà quindi pari ad una
costante che chiamiamo -λ. Poiché M è definita positiva e K è semidefinita positiva, allora λ è finito e
maggiore o uguale a zero. Possiamo allora porre λ=ω 2 e scrivere:
f +ω2 f = 0
ɺɺ 2.33
la legge di moto del moto sincrono è perciò governata da una equazione analoga a quella vista per un
oscillatore armonico conservativo, la soluzione è del tipo:
( −ω M + K ) u = 0
2
2.35
La (2.35) rappresenta un sistema di equazioni algebriche lineari omogenee, nel vettore incognito u e dove il
parametro ω è libero. Tale sistema è detto problema agli autovalori ed ammette soluzione non banale se il
determinante della matrice che definisce il sistema è nullo:
det ( −ω 2 M + K ) = 0 2.36
La (2.36) è detta: determinante caratteristico o equazione caratteristica o equazione delle frequenze o anche
equazione secolare (terminologia rara). La (2.36) è una equazione polinomiale di grado N in ω2, ammette
perciò N radici dette anche autovalori; tali autovalori sono reali e positivi (o nulli) poiché M def >0 e K def ≥
0 ed entrambe simmetriche.
Ad ogni autovalore corrisponde un autovettore:
( −ω M + K ) u
2
r r =0 2.37
48
SISTEMI A PIÙ GRADI DI LIBERTÀ
ottenendo la soluzione:
Per esempio si può dire che, se si deforma il sistema seguendo la “forma modale” allora il sistema oscilla con
la medesima forma e con un andamento temporale di tipo armonico avente frequenza pari alla frequenza
associata al modo considerato.
poiché le matrici M e K sono simmetriche, si ha: uTj Mui = uTi Mu j , uTj Kui = uTi Ku j ; considerando
ciò e sottraendo membro a membro le (2.39) si ha:
(ω i
2
− ω 2j ) uTi Mu j = 0 2.40
da cui si ottiene:
uTi Mu j = 0 se ωi ≠ ω j 2.41
Nel caso in cui gli autovalori siano tutti distinti, la (2.41) si può scrivere come:
uTi Mu j = 0 se i≠ j 2.42
Nel caso i=j, ricordiamo che M è definita positiva, perciò le forme quadratiche associate ad essa sono
positive:
u Ti Mu i = mi > 0 2.43
49
SISTEMI A PIÙ GRADI DI LIBERTÀ
dove δij è il delta di Kronecker, esso vale 1 per i=j vale 0 negli altri casi; mi è detta massa modale.
La (2.44) è detta ortogonalità rispetto alla matrice di massa; da questa condizione, usando una delle (2.39) si
ha:
uTi Mu j = δ ij
T 2.46
u i Ku j = δ ijωi
2
Le (2.46) possono essere poste in una forma compatta matriciale, costruiamo una matrice avente come
colonne i modi di vibrazione:
Questa matrice è detta matrice modale; le condizioni di ortogonalità si scrivono in forma compatta:
UTMU=I Λ
UTKU=Λ 2.48
dove I è la matrice identità e Λ è una matrice diagonale contenente gli autovalori ωi2.
2.5.1 Esempio
Si consideri il sistema:
m1 m2
k1 k2 k3
x1 x2
Figura 2.5
x1 + ( k1 + k2 ) x1 − k2 x2 = 0
m1ɺɺ
2.49
x2 − k2 x1 + ( k2 + k3 ) x2 = 0
m2 ɺɺ
50
SISTEMI A PIÙ GRADI DI LIBERTÀ
m 0 2k − k
M= , K= 2.50
0 2m − k 2k
il determinante caratteristico è:
2k − ω 2 m ( ) −k
(
det −ω M + K =
2
) ( )( )
= 2k − ω 2 m 2k − 2ω 2 m − k 2 = 0 2.51
−k ( 2k − 2ω m
2
)
2m2ω 4 − 6kmω 2 + 3k 2 = 0 2.52
conviene riscrivere la 2.52 dividendola per 2k2 ed introducendo il nuovo simbolo Ω 2=k/m:
ω ω 3
4 2
− 3 + = 0 2.53
Ω Ω 2
ω
2
3 3 0.7962 k / m
= ± 2.54
Ω 1,2 2 2 1.5382 k / m
(
2k − ωi2 m ) −k u ( i )
1 =0 2.55
−k ( 2k − 2ωi m u2
2
)
(i )
poiché abbiamo imposto il determinante nullo le due equazioni sono linearmente dipendenti, perciò, nel
calcolo degli autovettori ne scartiamo una, in questo caso scartiamo la seconda. Dalla prima equazione si
ottiene:
( 2k − ω m ) u
i
2 (i )
1 − ku 2( i ) = 0 i = 1, 2 2.56
ωi 2 (i )
2 − u1 − u2 = 0 i = 1, 2
(i )
2.57
Ω
sostituendo:
3 3 (1)
primo modo u2(1) = 2 − − u1
2 2
2.58
3 3 (2)
secondo modo u2(2) = 2 − + u1
2 2
51
SISTEMI A PIÙ GRADI DI LIBERTÀ
1 1
u1 = , u2 = 2.59
1.3666 −0.3666
Il modo 1 rappresenta un moto in cui le due masse oscillano in fase, cioè il segno dei due spostamenti è lo
stesso. Il modo 2 rappresentano un moto in contro-fase, cioè le due masse hanno un moto oscillatorio di
segno opposto.
Verifichiamo l’ortogonalità rispetto alle masse:
m 0 1
uT2 Mu1 = [1 −0.3666 ] =
0 2m 1.3666
2.60
1
m 2m ( −0.3666 ) = m (1 − 2 ⋅ 0.3666 ⋅1.3666 ) = m (1 − 2 ⋅ 0.4999 ) ≃ 0
1.3666
Gli autovettori ur del problema (2.35) formano un insieme di vettori linearmente indipendenti.
N
v = ∑ cr u r , v ∈ ℝN 2.61
r =1
dove cr sono delle costanti che rappresentano le componenti di v sulla base degli autovettori.
Consideriamo ora il problema libero non smorzato, completo delle condizioni iniziali, cioè il problema di
Cauchy:
ɺɺ + Kq = 0 ,
Mq q (0) = q 0 , qɺ (0) = qɺ 0 2.62
N
q = ∑ η r (t )u r 2.63
r =1
La (2.63) è la rappresentazione del vettore soluzione nello spazio modale e le funzioni ηi(t) sono dette
coordinate generalizzate o modali.
Premoltiplichiamo la (2.63) per ujT M, considerando la proprietà di ortogonalità uTj Mur = δ jr si
ottiene:
N
uTj Mq(t ) = ∑ηr (t ) uTj Mu r = η j (t ) 2.64
r =1
δ jr
dal confronto tra (2.65a) e (2.65b) si vede che la trasformazione U che porta nello spazio modale è invertibile
e che U-1=UT M.
Torniamo al problema (2.62), applichiamo la (2.65a) e premoltiplichiamo per UT:
U T MUη
ɺɺ + U T KUη = 0 2.66
che diventa:
η + Λη = 0
ɺɺ 2.67
Le (2.68) formano un sistema di equazioni differenziali lineari disaccoppiate; la trasformazione del sistema
originario nello spazio modale ha permesso di trasformare un sistema di equazioni differenziali in una serie
di problemi di cui abbiamo già studiato la soluzione:
η r (t ) = Cr cos(ωr t −ψ r ) 2.69
η1 (t ) N
q = Uη = [u1 ⋯ u N ] ⋅ = ∑η r (t )u r 2.70a
η (t ) r =1
N
N N
qi (t ) = ∑ η r (t )ui( r ) = ∑ C r cos(ω r t − ψ r )ui( r ) 2.70b
r =1 r =1
2
C = uT Mq + uT Mqɺ 1
( )
2
r r 0
r 0
ωr
2.72
uTr Mqɺ 0
tanψ r =
ωr uTr Mq 0
53
SISTEMI A PIÙ GRADI DI LIBERTÀ
Le (2.72) mostrano che l’energia associata ad ogni modo (rappresentata dalle ampiezze modali Cr) dipende
dalla proiezione della condizione iniziale nello spazio modale.
λ Mu = Ku , λ = ω2 2.73
ricordiamo che M e K sono simmetriche e che M è definita positiva e K è semidefinita positiva. Per un
generico autovalore si ha:
uTr Ku r
λr = , 2.74
uTr Mu r
si può dire che l’autovalore è definito in termini di un quoziente: il numeratore è correlato con l’energia
potenziale associata ad un certo modo r, il denominatore è correlato con l’ energia cinetica dello stesso
modo.
Consideriamo ora il quoziente (2.74) in maniera più generica, cioè senza utilizzare uno specifico modo:
uT Ku
λ = ω 2 = R (u ) = , Quoziente di Rayleigh 2.75
uT Mu
La (2.75) definisce il quoziente di Rayleigh, che è una funzione scalare delle matrici M, K e del vettore
generico u.
Il quoziente di Rayleigh gode delle seguenti proprietà:
La prima proprietà è banalmente verificata; cerchiamo di giustificare le altre due. Ricordiamo il teorema
dello sviluppo modale:
N
u = ∑ cr u r = Uc 2.76
r =1
dove U è la matrice modale e c il vettore dei coefficienti cr. Consideriamo modi normalizzati a massa
unitaria e sostituiamo la (2.76) nella (2.75):
uT Ku cT UT KUc cT Λc
R (u ) = = = T 2.77
uT Mu cT UT MUc c c
54
SISTEMI A PIÙ GRADI DI LIBERTÀ
∑λ c 2
i i
R (u ) = i =1
N
2.78
∑c
i =1
2
i
Assumiamo che u sia una perturbazione di una autovettore ur cioè che si discosti poco da tale autovettore:
N
1 N
c 2 ∑ i i
λc 2
λr + ∑ λiε i2
R ( u ) = r i =1N = i =1, i ≠ r
N
2.80
1
2 ∑ i
c 2
1 + ∑ ε i2
cr i =1 i =1, i ≠ r
N
R (ur , ε ) = R (ur , 0) + ∑ R,ε 2 ( u r , 0 ) ε 2j + ⋯ 2.81
j
i =1, i ≠ r
λ
j
R,ε 2 ( u r , 0 ) =
1 +(∑ i=1,i≠r i
N
ε 2
− λr + ) (
∑ i=1,i≠r λiε i2
N
)
2 = λ j − λr 2.82
j
N
1 + ∑ ε i
2
i =1, i ≠r
otteniamo in definitiva:
N
R ( u r , ε ) ≃ λr + ∑ ( λi − λr ) ε i2 2.83
i =1
Abbiamo perturbato l’autovettore ur mediante delle quantità piccole ε i, cioè delle perturbazioni del primo
ordine, ed abbiamo ottenuto che la perturbazione risultante dipende dal quadrato di queste quantità, cioè del
secondo ordine. Ciò significa che il quoziente ha un punto di stazionarietà poiché il suo gradiente in ε è
nullo.
Se il modo considerato coincide con il modo fondamentale (modo a frequenza più bassa) allora il quoziente
di Rayleigh ha un minimo; infatti nella (2.83) si avrebbe r=1, poiché λi-λ1>0 i > 1, la perturbazione
dell’autovettore produce una perturbazione sempre positiva del quoziente.
Perciò per ogni scelta di u il rapporto di Rayleigh assume un valore maggiore o uguale all’autovalore
fondamentale. Questa ultima proprietà permette di utilizzare il rapporto di Rayleigh come metodo per
stimare la frequenza fondamentale. Infatti, si può selezionare uno o più vettori prova con considerazioni
euristiche o dettate dall’esperienza, per poi selezionare quello che fornisce il valore minimo del rapporto.
Una buona scelta è in genere il vettore che rappresenta gli spostamenti statici del sistema sottoposto a forze
proporzionali alle masse (genericamente potremmo dire al peso, anche se non è rigorosamente vero).
55
SISTEMI A PIÙ GRADI DI LIBERTÀ
2.7.1 Esempio
Consideriamo il sistema:
1 0 0 2 −1 0
M = m 0 1 0 , K = k −1 3 −2 2.84
0 0 2 0 −2 2
vettore forzante:
1
f = mg 1 2.85
2
deflessione statica:
Ku = f ⇒ u = K −1f = Af 2.86
A è detta matrice di flessibilità:
1 1 1
A = 1 2 2
1
2.87
k
1 2 2.5
si ottiene:
mg
u = Af = [ 4, 7,8]
T
2.88
k
In seguito ignoreremo il termine mg/k, poiché ininfluente; si ottiene:
1 0 0 4
m[ 4,7,8] 0 1 0 7
0 0 2 8 27k k
ω 2 = λ = R(u) = 2 −1 0 4
= = 0.1399 2.89
k [ 4,7,8] −1 3 −2 7
193m m
0 −2 2 8
il risultato stimato per la prima frequenza propria è ωstimato=0.3740×(k/m)1/2 da confrontare con il valore vero
ωvero=0.3731×(k/m)1/2; si ha un errore dello 0.2 % circa. Come si vede la stima è eccellente, infatti in questo
caso la deformata statica è molto vicina al primo autovettore (quasi parallela).
ɺɺ + Cqɺ + Kq = f
Mq
TEMPO FREQUENZA
ANALISI
MODALE
DIRETTO DIRETTO
Figura 2.6
56
SISTEMI A PIÙ GRADI DI LIBERTÀ
Q (ω ) = ( −ω 2M + jωC + K ) F (ω ) = H (ω )F (ω )
−1
2.91
dove H è la matrice di trasferimento.
La soluzione (2.91) è formalmente molto semplice, tuttavia, da un punto di vista pratico presenta vari
problemi:
• si deve invertire una matrice N×N per ogni valore di ω
• è praticamente impossibile l’inversione analitica per N grande
• l’inversione numerica per un numero consistente di linee spettrali è computazionalmente onerosa
• non si hanno informazioni sulla natura della risposta
Il lato positivo dell’approccio diretto in frequenza è che si sposa perfettamente con le tecniche di analisi
sperimentale, cioè la misura sperimentale della matrice di trasferimento H.
57
SISTEMI A PIÙ GRADI DI LIBERTÀ
Supponiamo per esempio che: f(t)=[0,0,...,fh(t),...,0,0]T, cioè eccitiamo la massa h ed immagino di misurare la
forza fh; poi ne eseguo la trasformata di Fourier ottenendo la Fh(ω). Immaginiamo ora di misurare tutte le
risposte delle varie masse: qi(t); che trasformo ottenendo Qi(ω).
Ricordiamo che: Q(ω)=H(ω)F(ω), cioè:
N
Qi (ω ) = ∑ H ij (ω ) F j (ω ) = H ih (ω ) Fh (ω ) 2.92
j =1
ɺɺ + Cqɺ + Kq = f
Mq
disaccoppiamento Modi: u, λ
Soluzione
nel tempo
Soluzione in
frequenza
Si sfruttano in sostanza le proprietà di ortogonalità dei modi di vibrazione per disaccoppiare le equazioni del
moto ed ottenere una soluzione in forma chiusa.
Dal problema libero Mq ɺɺ + Kq = 0 si ricavano i modi di vibrazione che, composti nella matrice modale,
godono delle proprietà di ortogonalità che riportiamo in seguito:
UTMU=I Λ
UTKU=Λ 2.93
η(t)
q(t)=Uη 2.94
ɺɺ + Kq = f
Mq 2.95
58
SISTEMI A PIÙ GRADI DI LIBERTÀ
Si ottiene:
N N
pi (t ) = ∑U ji f j (t ) = ∑ u (ji ) f j (t ) 2.99
j =1 j =1
e dunque:
N
ηɺɺi + ωi2ηi = ∑ u (ji ) f j (t ) , i = 1,... N 2.100
j =1
Il forzante fisico è proiettato nello spazio modale: nella proiezione sul modo i-esimo entra in gioco soltanto il
modo i-esimo e tutto il vettore delle forze.
La soluzione `data dalla (2.94):
N N
qr (t ) = ∑U riηi = ∑ ur(i )ηi 2.101
i =1 i =1
o anche:
N
q(t ) = ∑ uiηi (t ) 2.102
i =1
t
η i (t ) = η i
( OA )
(t ) + ∫ pi (τ ) hi (t − τ ) dτ 2.103
0
1
dove: hi (t ) = sin ωit e ηi( OA ) (t ) = A cos ω i t + B sin ω it .
ωi
Ovviamente la soluzione dell’omogenea associata va introdotta soltanto se le condizioni iniziali non sono
omogenee.
f i = f 0 i cos( Ω t + ϕ i ) 2.104
f i = f 0 i e j ( Ω t +ϕ i ) = f 0 i e jϕ i e jΩ t = fɶi e jΩ t 2.105
Si ammette che su ogni grado di libertà possa esserci un certo sfasamento temporale.
Dobbiamo in definitiva risolvere la:
59
SISTEMI A PIÙ GRADI DI LIBERTÀ
N N
ηi + ωi ηi = ∑ u (ji ) f j (t ) =
ɺɺ 2
∑u (i )
j fɶj e jΩt = pɶ i e jΩt , i = 1,... N 2.107
j =1 j =1
pɶ i =
∑u
fɶj (i )
j
ηi = 2 e jΩt = 2
j 1
e jΩt 2.108
ωi − Ω 2 ωi − Ω 2
Notiamo che se Ω →ωi la risposta tende all’infinito: si hanno tante condizioni di risonanza quanti sono i
gradi di libertà del sistema.
Ricordiamo che la soluzione è data da:
N
q(t ) = ∑ uiηi (t ) 2.109
i =1
se ora Ω →ωh si ha che ηh>>ηi (h≠i, i=1,...N), ciò è vero se le frequenze proprie sono sufficientemente
distanti l’una dall’altra.
Si ottiene:
N
q(t ) = ∑ uiηi (t ) ≃ u hηh (t ) 2.110
i =1
Perciò il sistema in prossimità della risonanza di un certo modo, vibra essenzialmente seguendo la
distribuzione spaziale delle ampiezze data dal modo risonante.
−ω 2 MQ (ω ) + KQ (ω ) = F (ω ) 2.111
da cui:
Pi (ω )
ξ i (ω ) = i = 1,... N 2.113
ω i2 − ω 2
60
SISTEMI A PIÙ GRADI DI LIBERTÀ
N N
Pi (ω ) = ∑U ji F j (ω ) = ∑ u (ji ) F j (ω ) 2.114
j =1 j =1
N N ∑u (i )
j Fj (ω ) N N ur(i )u (ji ) N
Qr (ω ) = ∑ u ξ (ω ) = ∑ u
(i ) ( i ) j =1
= ∑ ∑ 2 2 j
F (ω ) = ∑ H rj (ω ) Fj (ω )
i =1
r i
i =1
r
ω −ω2
i
2
j =1 i =1 ω i − ω j =1
2.115
La (2.115) fornisce la forma analitica della funzione di trasferimento espressa in termini dei modi di
vibrazione; essa mostra, tra l’altro, che la matrice di trasferimento è simmetrica.
Si possono ora individuare dei grandi vantaggi dell’approccio modale; infatti nella (2.115) non è sempre
necessario considerare nella sommatoria in i tutti i modi di vibrazione. Supponiamo per esempio che il
forzante abbia uno spettro che si annulla (o diventa trascurabile) a 500 Hz, supponiamo che nella banda in
frequenza (0-500Hz) siano presenti soltanto 5 modi ed inoltre il sesto modo sia associato ad una frequenza
abbastanza più alta di 500Hz; in queste condizioni possiamo troncare la sommatoria in i nella (2.115) ai
primi 5 termini, a prescindere dal valore di N.
ɺɺ + Cqɺ + Kq = f
Mq 2.116
Ci chiediamo se sia possibile utilizzare la formulazione sviluppata nel paragrafo 2.5; cioè cerchiamo di
capire se è possibile sfruttare i modi del sistema non smorzato e le relative condizioni di ortogonalità per
disaccoppiare la (2.116). In generale ciò non si riesce a fare, cioè la U T CU = C
ɶ non è in generale
diagonale.
Facendo delle ipotesi sulla struttura della matrice di smorzamento è possibile effettuare il disaccoppiamento
delle equazioni del moto. Una struttura molto usata è quella dello smorzamento proporzionale alle masse ed
alle rigidezze:
C = αM + β K 2.117
η + (α I + β Λ ) ηɺ + Λη = p
ɺɺ 2.118
ricordando che il coefficiente di smorzamento cr si può scrivere in termini di pulsazione propria e fattore
adimensionale di smorzamento (2ζrωr) dalla (2.119) si ricava:
61
SISTEMI A PIÙ GRADI DI LIBERTÀ
1 α
ζr = + βωr 2.120
2 ωr
t
ηi (t ) = ηi( OA ) (t ) + ∫ pi (τ ) hi (t − τ )dτ 2.121
0
1
e−ζ rωrt sin ω sr t e ω sr = ωr 1 − ζ r .
2
con: hr (t ) =
ω sr
Lo smorzamento proporzionale non cambia dunque i modi di vibrazione, ma soltanto il tipo di risposta nel
tempo del sistema.
Questo tipo di smorzamento è molto usato nei codici commerciali di analisi strutturale, poiché permette di
definire lo smorzamento attraverso l’introduzione di due soli coefficienti.
In generale l’ipotesi (2.117) non è vera, cioè la matrice di smorzamento non è diagonalizzabile. Per l’analisi
di sistemi smorzati occorre in generale sviluppare una teoria opportuna. In questo testo si segue l’approccio
di Duncan. Si consideri la (2.116) si aggiunga una equazione che sia identicamente soddisfatta:
Mqɺ − Mqɺ = 0
2.122
ɺɺ + Cqɺ + Kq = f
Mq
che si può scrivere in forma matriciale:
0 M q ɺɺ − M 0 qɺ 0
M + =
C qɺ 0 K q f
2.123
che riscriviamo in forma compatta:
Ayɺ + By = g y = [qɺ , q ]
T
2.124
Abbiamo riscritto le equazioni nello spazio di stato. Studiamo ora il problema libero:
Ayɺ + By = 0 2.125
y (t ) = v e λ t 2.126
(λ A + B ) v = 0 2.127
62
SISTEMI A PIÙ GRADI DI LIBERTÀ
avendo scritto la (2.127) per due modi distinti ed avendo opportunamente premoltiplicato per un modo
trasposto, considerando la simmetria di A e B si ha:
V = [ v1 , v 2 ,... v 2 N ] 2.130
V T AV = diag [ ai ]
2.131
V T BV = diag [ −λi ai ]
y = Vη 2.132
la cui soluzione è:
ηi = ηi 0 e λ t
i
2.134
dove è inteso che le condizioni iniziali del sistema sono state proiettate mediante la 2.132.
È opportuno fare alcune considerazioni sul fatto che dalla soluzione del problema agli autovalori si
ottengono N coppie di autovalori ed autovettori complessi e conieugati.
È ovvio che un autovettore complesso non ha senso fisico immediato, esso infatti deve essere accoppiato al
suo complesso e coniugato nel descrivere la vibrazione di un sistema secondo un certo modo di vibrare.
Consideriamo l’autovalore i-esimo e l’autovettore associato:
63
SISTEMI A PIÙ GRADI DI LIBERTÀ
( )
y = v i e λit + v *i e λi t = 2 Re v i e λit = 2e λi t ( v iR cos λiI t − v iI sin λiI t )
* R
2.136
Si ha che la vibrazione associata ad un modo complesso è formata da due vettori spostamento, la parte reale
e quella immaginaria dell’autovettore complesso, associate alla stessa frequenza di oscillazione, ma sfasate
di ¼ di periodo nel tempo, dove il periodo è data dalla:
1 2π 2π
Ti = = = 2.137
fi ωis λiI
Inoltre, poiché i sistemi che consideriamo sono passivi e lo smorzamento dissipa energia, per analogia con i
sistemi ad un grado di libertà, in caso di smorzamento viscoso sub-critico, si può scrivere:
dove:
ωi = λi
Re ( λi ) 2.139
ζ
i = −
λi
λi ψ i
vi = 2.139
ψ i
esso può essere partizionato ed è dato in definitiva da un vettore complesso ad N componenti e
dall’autovalore associato.
A questo punto l’analisi del problema forzato è quasi banale. Usando le nuove condizioni di ortogonalità di
ha:
y = Vη
2.140
V T AVηɺ + V T BVη = V T g = pɶ
t
ηi = ∫ e λ ( t −τ ) pi (τ ) dτ
i
2.142
0
64
SISTEMI A PIÙ GRADI DI LIBERTÀ
Si noti che la soluzione è stata ottenuta applicando il metodo dell’integrale di convoluzione a sistemi del
primo ordine. Si rimanda ad altri testi la dimostrazione della (2.142).
65
3 RICHIAMI DI MECCANICA ANALITICA
Finora sono state ricavate le equazioni del moto mediante la seconda legge di Newton, su semplici sistemi
massa molla.
In generale, oltre agli spostamenti, possono
possono entrare in gioco altre grandezze come per esempio le rotazioni
nei corpi rigidi (3 spostamenti e 3 rotazioni: angoli di Eulero); perciò può diventare problematico scrivere
direttamente le leggi di moto. Inoltre, con la seconda legge di Newton occorre una un valutazione di tutte le
forze e tutti gli spostamenti in gioco, comprese le forze interne, a prescindere dalla presenza di vincoli.
La formulazione della Meccanica Analitica, dovuta a Leibnitz e Lagrange, permette di scrivere le equazioni
del moto in termini
mini di energia potenziale e cinetica e del lavoro virtuale delle forze non conservative. Tale
approccio è di particolare utilità nel caso in cui le equazioni siano piuttosto complesse e implichino la
presenza di vincoli. Inoltre, questa formulazione tiene conto implicitamente anche delle forze interne, senza
doverle includere nella derivazione delle equazioni del moto.
drɺ
La legge di moto della massa è data dalla seconda legge di Newton: F = mr = m ; inoltre lo
ɺɺ
dt
dr
ɺ
spostamento infinitesimo si può scrivere come:
co dr = dt = rdt . Dunque si può scrivere:
dt
drɺ
F ⋅ dr = m ⋅ dr = mrɺ ⋅ drɺ = d
dt
( 1
2 )
mrɺ ⋅ rɺ = d ( 12 mrɺ 2 ) = dT
3.2
r2
∫ ⋅ dr = T2 − T1
F
r1
3.3
dV dV
F = −
= ∇V ⇒ Fi = − 3.4
dr dri
perciò se dW è un differenziale esatto, allora T+V=costante; si dice cioè che il campo di forze è conservativo.
Si noti che:
F ⋅ dr = Fx dx + Fy dy + Fz dz 3.6
dr = [ x, y, z ] . Se il campo di forze è conservativo allora F ⋅ dr = dW = −dV , d’altra parte:
T
con
dV = V, x dx + V, y dy + V, z dz = ∇ V ⋅ dr 3.7
si ha che:
dW = F ⋅ dr = Fc ⋅ dr + Fnc ⋅ dr = − dV + Fnc ⋅ dr 3.9
Il lavoro compiuto da un campo di forze non conservativo è pari alla variazione di energia totale del sistema.
67
RICHIAMI DI MECCANICA ANALITICA
Consideriamo ora uno spostamento virtuale infinitesimo δ ɺɺ ri compatibile con i vincoli; si considerino inoltre
vincoli perfetti (il lavoro delle forze vincolari è nullo se lo spostamento è compatibile con i vincoli); si
calcoli infine il lavoro virtuale chee si compie:
∑(F + )
i
f i − mi ɺɺ
(
)
ri ⋅ δ ri = ∑ Fi − mi rɺɺi ⋅ δ ri = 0 3.12
si noti che le forze vincolari sono scomparse poiché il loro lavoro virtuale è nullo.
In questo caso la massa, che avrebbe due gradi di libertà nel piano deve obbedire alla condizione di
compatibilità: x2+y2=a2; cioè deve mantenersi a distanza costante dal centro della traiettoria circolare.
circ Il
sistema ha dunque un solo grado di libertà.
Si può allora introdurre una nuova coordinata, che chiameremo Lagrangiana, la quale descriva
completamente la posizione della massa: consideriamo per esempio l’angolo θ ; da cui possiamo ottenere le
coordinate: x=a cos θ, y=a sin θ .
In generale, per un sistema individuato dai vettori posizione ri , si possono individuare delle coordinate
Lagrangiane da cui essi dipendono; le coordinate Lagrangiane saranno pari al numero di gradi di libertà:
ri = ri ( q1 , q2 ,..., qn ) , i = 1,..., N 3.13
68
RICHIAMI DI MECCANICA ANALITICA
N
N ɺɺ
n ∂ri n
N ɺɺ
∂ri
∑
i =1
mi ri ⋅ δ ri = ∑ mi ri ⋅∑
ɺɺ
i =1 k =1 ∂qk
δ qk = ∑ ∑ mi ri ⋅
k =1 i =1
δ qk
∂q k
3.17
Poiché:
ɺɺ ∂ri d
ɺ ∂ri
ɺ d ∂ri
mi ri ⋅ = mi ri ⋅ − mi ri ⋅ 3.18
∂qk dt ∂q k dt ∂qk
∂ri d
ɺ ∂rɺi
ɺ d ∂rɺi d ∂ 1
ɺ
ɺ ∂ 1
ɺ
ɺ
mi ri ⋅
ɺɺ = mi ri ⋅ − mi ri ⋅ = mi ri ⋅ ri − mi ri ⋅ ri =
∂qk dt ∂qɺk dt ∂qɺk dt ∂qɺ k 2 ∂q k 2
d ∂ ∂ 1
ɺ
ɺ
− mi ri ⋅ ri
dt ∂
k qɺ ∂ q k 2
3.19
1
ɺ
ɺ
Si noti che il termine mi ri ⋅ ri definisce l’energia cinetica di una massa.
2
In definitiva si ha:
N
n d ∂ ∂ 1
ɺ
ɺ n
d ∂T ∂T
∑ mi i ⋅ δ ri = ∑
ɺɺ
r − m r ⋅ ri δ q = ∑ − δ qk 3.20
dt ∂qɺ k ∂qk 2 dt ∂qɺ k ∂
i i k
i =1 k =1 k =1 q k
N
n ∂r
i
N n N
∂ri n
dW = ∑ Fi ⋅ δ ri = ∑ Fi ⋅ ∑ δ qk = ∑∑ Fi ⋅ k ∑ Qkδ qk
δ q = 3.21
i =1 i =1 k =1 ∂qk k =1 i =1 ∂qk k =1
n
δ W = δ W c + δ Wnc = −δ V + δ Wnc = −δ V + ∑ Qk ,ncδ qk 3.22
k =1
Dato che le forze conservative sono derivate dall’energia potenziale, consideriamo nelle Qk soltanto le Qk,nc,
perciò d’ora in poi indicheremo semplicemente Qk intendendo le forze non conservative.
Poiché la (3.12) deve valere per ogni spostamento virtuale compatibile con i vincoli, ed ogni spostamento in
termini di coordinate Lagrangiane è compatibile con i vincoli, allora la (3.12) deve valere per ogni
spostamento in termini di coordinate Lagrangiane:
69
RICHIAMI DI MECCANICA ANALITICA
d ∂T ∂T ∂V
− + = Qk 3.23
dt ∂qɺk ∂qk ∂qk
Le (3.23) sono le equazioni di Lagrange che possono essere riscritte introducendo la funzione di Largange:
=T-V:
d ∂L ∂L
− = Qk 3.24
dt ∂qɺk ∂qk
Tipiche forze non conservative sono le forze esterne dipendenti dal tempo, ma anche le forze di dissipazione.
Queste ultime possono essere introdotte mediante la funzione di dissipazione di Reyleigh:
1 n n
F = ∑∑ crs qɺr qɺ s 3.25
2 r =1 s =1
dove la matrice crs è simmetrica.
∂F
La forza dissipativa è: Q (j d ) = − ; con questa definizione possiamo scrivere:
∂qɺ j
d ∂L ∂L ∂F
− + = Qk 3.26
dt ∂qɺk ∂qk ∂qɺk
N
∂V n
∂ 2V
V (q) = ∑ qk + ∑ qk qs 3.28
i =1 ∂qk k , s =1 ∂qk ∂qs
Se pensiamo allo sviluppo in serie di Taylor partendo da una posizione di equilibrio per cui ∇V equil .
= 0,
allora si ottiene:
n
∂ 2V 1 n
V (q) = ∑ ∂q ∂q q j qs = ∑ k jsqɺ j qɺs 3.29
j ,s =1 j s equil . 2 j ,s =1
70
RICHIAMI DI MECCANICA ANALITICA
∂L ∂ T ( qɺ ) − V ( q ) ∂T ∂ 1 n
= = = ∑ ks k s
m ɺ
q ɺ
q
∂qɺ j ∂qɺ j ∂qɺ j ∂qɺ j 2 k ,s =1 3.30
2 k ,s =1 s =1
e quindi:
d ∂L n
= ∑ m js qɺɺs 3.31
dt ∂qɺ j s =1
Similmente si ha:
∂L n
= −∑ k js qs 3.32a
∂q j s =1
∂F n
= −∑ c js qɺ s 3.32b
∂qɺ j s =1
In definitiva otteniamo le solite equazioni del moto per sistemi discreti lineari:
n n n
∑ m js qɺɺs + ∑ c js qɺs + ∑ k js qs = Q j
s =1 s =1 s =1 3.33
ɺɺ + Cqɺ + Kq = Q
Mq
Abbiamo dimostrato che le proprietà di simmetria della matrice di massa e rigidezza valgono in generale; per
lo smorzamento: se la dissipazione può essere modellata mediante la funzione di dissipazione di Rayleigh
allora anche la matrice di smorzamento è sicuramente simmetrica.
Esempio
θ
G
x2
x1
k1 k2
Questo semplice schema è spesso usato per simulare il comportamento dinamico di una automobile con
sospensioni.
71
RICHIAMI DI MECCANICA ANALITICA
1 1
T= J G Ω2 + mvG2 3.34
2 2
1 1
V = k1 x12 + k2 x22 3.35
2 2
Scegliamo come coordinate Lagrangiane: q1=x1, q2=θ; inoltre si possono scrivere le seguenti relazioni
linearizzate:
L
xG ≃ θ + x1 ; x2 ≃ Lθ + x1 3.36
2
Gli spostamenti laterali sono trascurati.
Si ottiene:
1 1 L
T= J G qɺ22 + m qɺ22 + qɺ12 + Lqɺ1qɺ2
2 2 4 3.37
V = k1q12 + k2 ( q12 + L2 q22 + 2 Lq1q2 )
1 1
2 2
da cui si derivano facilmente le equazioni del moto:
ɺɺ 1 ɺɺ
mq1 + 2 mlq2 + k1q1 + k2 q1 + Lk2 q2 = 0
3.38
J qɺɺ + 1 mL2 qɺɺ + 1 mlqɺɺ + L2 k q + Lk q = 0
G 2 4 2
2
1 2 2 2 1
72
4 SISTEMI CONTINUI
4.1 Introduzione.
In questo Capitolo si sviluppano delle metodologie di uso comune per lo studio della dinamica lineare di
sistemi continui; cioè sistemi elastici aventi massa distribuita.
I sistemi continui, come travi, piastre, gusci, possono anche essere pensati come una estensione dei sistemi
ad N gradi di libertà. Per esempio un semplice modello di masse e molle può essere visto come una
approssimazione di un modello continuo di una barra vibrante longitudinalmente; ora, se le masse tendono a
zero, così come la loro distanza, ed il loro numero tende all’infinito, allora il modello masse molle può
descrivere esattamente il modello continuo.
D’altra parte il ragionamento si può invertire; la materia è composta di atomi (si può scendere ancora a
particelle più elementari, ma per il nostro ragionamento è superfluo), i quali interagiscono tra loro. Quindi il
numero di gradi di libertà di un corpo elastico, per quanto grande, è pur sempre finito. Le equazioni del moto
dovrebbero essere pari al numero di gradi di libertà di ogni atomo per il numero di atomi! Piuttosto che
scrivere un numero enorme di equazioni che non sapremmo risolvere, si può sostituire a tale modello il
modello continuo, in cui la distribuzione di massa è definita da una funzione continua e l’elasticità è definita
in termini di tensioni e deformazioni (funzioni continue).
Premesso dunque che sia i modelli ad N gradi di libertà che quelli continui sono dei modelli matematici che
in ogni caso descrivono con una certa approssimazione la realtà fisica; in questo capitolo si ricavano le
equazioni del moto di alcune semplici strutture e su di esse si descrive una teoria generale esatta per lo studio
del moto. Inoltre si descrivono brevemente alcuni metodi per lo studio approssimato della dinamica di
sistemi continui.
In generale possiamo dire che la differenza principale tra sistemi ad N gradi di libertà e sistemi continui
consiste nel fatto che i primi sono descritti da equazioni differenziali ordinarie (ODE) mentre i secondi sono
definiti da equazioni differenziali alle derivate parziali. Il punto di contatto tra modelli discreti (N gradi di
libertà) e continui, nel caso delle vibrazioni lineari, consiste nell’esistenza dei modi di vibrare e nella
possibilità di sviluppare l’analisi modale sia per i discreti che per i continui.
f(x,t)
y y(x,t)
x dx
Figura 4.1
Indichiamo con T la tensione costante della corda, f(x,t) il carico distribuito, ρ la massa per unità di
lunghezza [Kg/m].
Si consideri ora l’equilibrio di un tratto di corda infinitesimo, Figura 4.2. L’equilibrio in direzione x è
assicurato dal fatto che la tensione è costante ed il campo di spostamenti è infinitesimo (teoria linearizzata).
Per l’equilibrio in direzione y si deve considerare la componente verticale della tensione, la quale ha una
inclinazione che varia in generale con x,t e che può essere approssimata con la derivata prima del campo di
spostamenti.
SISTEMI CONTINUI
∂y ∂ 2 y
≃ T + 2 dx
≃T
∂y ∂x ∂x
∂x f dt
T
∂y
≃
∂x
T
∂y ∂ 2 y
≃ + 2 dx
x dx ∂x ∂x
∂y ∂2 y
Figura 4.2
A questo punto possiamo scrivere l’equazione di equilibrio, dove, come campo di forze consideriamo
soltanto l’inerzia distribuita, cioè f = − ρ ∂ 2y , si ha:
2
∂t
∂y ∂ 2 y ∂y ∂2 y
T + 2 dx − T = ρ 2 dx 4.1
∂x ∂x ∂x ∂t
∂ 2 y( x, t ) ∂ 2 y( x, t )
f ( x, t ) + T = ρ x ∈ ( 0, L ) , t ∈ ( 0, ∞ ) 4.2
∂x 2 ∂t 2
y ( 0, t ) = 0, y ( L , t ) = 0, y ( x ,0 ) = y0 ( t ) , yɺ ( x , 0 ) = yɺ 0 ( t ) 4.3
• La “forma spaziale” con cui vibra il continuo non varia nel tempo.
• L’ampiezza di questa forma può essere in generale una funzione del tempo.
• Ogni punto del continuo ha la stessa legge temporale
o Ogni punto passa per la posizione di equilibrio (diciamo lo zero) nello stesso istante
o Ogni punto raggiunge la massima ampiezza di spostamento nello stesso istante.
In linguaggio matematico tale definizione è detta metodo della separazione delle variabili e si scrive:
74
SISTEMI CONTINUI
y ( x, t ) = Y ( x) F (t ) 4.4
T 1 d 2Y 1 d 2 F (t )
= 4.5
ρ Y ( x) dx 2 F (t ) dt 2
Il primo membro dipende soltanto da x ed il secondo soltanto da t; poiché le due variabili sono indipendenti,
allora entrambi i membri della (4.5) devono essere costanti, diciamo pari a -ω2 :
d 2 F (t )
dt 2 + ω F (t ) = 0
2
4.6
2
T d Y + ω 2 ρY ( x) = 0
dx 2
dalla prima delle (4.6) si ottiene la solita soluzione armonica F(t)=C cos(ω t - ϕ ), dove però ω è incognita.
Studiamo allora la seconda delle (4.6); poniamo β 2 = ωT ρ e dividiamo tutto per T, ricordandoci che,
2
d 2Y
2 + β Y ( x) = 0
2
4.7
dx
Y (0) = 0, Y ( L ) = 0
La (4.7) definisce un problema agli autovalori per l’operatore della corda (derivata seconda in x più le
condizioni al contorno) che ci fornirà degli autovalori (pulsazioni proprie) ed autofunzioni (deformata
modale o modo di vibrazione).
La soluzione generale è:
La soluzione è:
βn L = nπ , n = 1,2,..., ∞ 4.10
T T 4.11
ωn = βn = nπ , n = 1, 2,..., ∞
ρ ρ L2
ovviamente l’autofunzione è:
Y ( x ) = A sin β x 4.12
75
SISTEMI CONTINUI
Analogamente ai sistemi discreti, anche per i sistemi continui l’autofunzione è definita a meno di una
costante arbitraria (A).
d 2Ym
dx2 + β mYm ( x) = 0
2
4.13
2
d Yn + β 2Y ( x) = 0
dx2 n n
L L
d 2Yn 4.14
∫ Ym dx + β n2 ∫ YmYn dx = 0
0
dx 2 0
Integriamo per parti il primo termine del primo membro della (4.14):
L L L L
d 2Yn dY dY dY dY dY
∫ Ym0
dx 2
dx = Ym n − ∫ m n dx = − ∫ m n dx
dx 0 0 dx dx 0
dx dx
4.15
si ha infine:
L L
dYm dYn 4.16
−∫ dx + β n2 ∫ YmYn dx = 0
0
dx dx 0
L L
dYn dYm
−∫ dx + β m2 ∫ YnYm dx = 0 4.17
0
dx dx 0
( β m2 − β n2 ) ∫ YnYmdx = 0 4.18
0
∫ Y Y dx = 0 ,
0
n m m≠n 4.19
L
d 2Yn
∫ Ym0
dx 2
dx = 0 , m≠n 4.20
Le (4.19, 4.20) sono le condizioni di ortogonalità delle autofunzioni della corda vibrante.
76
SISTEMI CONTINUI
L
4.21
∫Y dx = mn > 0
2
n
0
e per le (4.13):
L L 2
d 2Yn dY
∫0 dx 2 dx = −∫0 dxn dx = − β n mn 4.22
2
Yn
che dimostra l’assunzione fatta nelle (4.6), cioè la costante ω2 è effettivamente positiva.
Si noti che l’arbitrarietà delle autofunzioni permette di scegliere una normalizzazione tale che la massa
modale mn sia unitaria (normalizzazione a massa unitaria).
mπ x
Ym ( x) = sin 4.23
L
Consideriamo ora il problema di una corda tesa sottoposta ad un campo di forze esterno:
∂ 2 y ( x, t ) ∂ 2 y ( x, t )
ρ = f ( x , t ) + T x ∈ ( 0, L ) , t ∈ ( 0, ∞ ) 4.24
∂t 2 ∂x 2
Si può dimostrare che le autofunzioni di un operatore simmetrico formano un insieme completo di funzioni,
cioè possono essere una base dello spazio di Hilbert. Ciò vuol dire che una qualsiasi funzione che rispetti le
condizioni al contorno dell’operatore e che abbia la regolarità richiesta dall’operatore stesso, può essere
sviluppata in serie di autofunzioni e tale serie è convergente. Se fissiamo un certo istante di tempo t si ha:
∞
y ( x, t ) = ∑ Ym ( x) f m (t ) 4.25
m =1
La (4.25) è valida per ogni t cioè rappresenta la soluzione del problema (4.24) una volta che sia determinate
le fm(t). Determinare tali funzioni, dette coordinate modali, sostituiamo la (4.25) nella (4.24), poi
moltiplichiamo per una generica autofunzione Yn(x) ed integriamo in x∈(0, L), questa operazione è detta
proiezione, ed è l’analogo di una proiezione in uno spazio a dimensione finita:
∞ L ∞ L L
d 2 fm d 2Ym
ρ ∑ 2 ∫ YnYm dx = ∫ Yn fdx + T ∑ fm ∫ Yn 2 dx 4.26
m=1 dt 0 0 m=1 0
dx
L L L
d 2 fn d 2Yn
ρ
dt 2 ∫0 ∫0 n
= + n∫ n n = 1, 2,...∞
Y Y dx Y fdx Tf Y dx , 4.27
n n
0
dx 2
77
SISTEMI CONTINUI
Come si vede, le (4.27) sono un insieme di infinite equazioni differenziali ordinarie disaccoppiate, la
soluzione da un punto di vista formale è banale.
Calcoliamo gli integrali:
L L
L
∫ Yn dx = ∫ sin nπLx dx =
2 2
0 0
2 4.28
n 2π 2 n 2π 2 L
L L
d 2Yn
∫ Yn = −
L2 ∫0
= −
2 nπ x
dx sin L dx
0
dx 2 L2 2
Sostituendo si ottiene:
L
d 2 fn 2
+ ω n2 f n =
ρ L ∫0 n
2
Y fdx = Qn , n = 1, 2,...∞ 4.29
dt
z L
P P+dP
0 f+df x
x dx
Figura 4.3
78
SISTEMI CONTINUI
u+du
u
x dx
Figura 4.4
La (4.29d) è formalmente identica all’equazione della corda vibrante, si procede dunque in modo analogo
all’analisi delle vibrazioni libere ottenendo:
u ( x , t ) = U ( x ) F (t ) = ( A1 cos ωcx + A2 sin ωcx ) ( B1 cos ω t + B2 sin ω t ) 4.29e
Per chiudere il problema si impongono le condizioni iniziali e al contorno; da queste ultime otteniamo
l’equazione di dispersione (o equazione delle frequenze):
u ( x, 0) = u0 (t ) , uɺ ( x, 0) = uɺ0 (t ) condizioni iniziali
u (0, t ) = u x = 0 (t ) oppure u ( L, t ) = u x = L (t ) oppure 4.29f
due tra queste 4 condizioni al contorno
u ′(0, t ) = u x′ = 0 (t ) oppure u ′( L, t ) = u ′x = L (t )
In Tabella 4.1 troviamo il quadro completo delle vibrazioni longitudinali libere di una barra: si noti che
solamente nel caso della barra incastrata-incastrata le deformate modali siano uguali a quelle della corda
vibrante, nonostante il fatto che l’equazione è identica, ciò dipende ovviamente dalle condizioni al contorno.
u′( L, t ) = 0
( 2 n +1) π x ( 2 n +1) π c
cos ωcL = 0 sin 2L 2L
, n = 0,1, 2,...
u (0, t ) = 0
INCASTRATA-LIBERA
u (0, t ) = 0 u( L, t ) = 0
INCASTRATA-INCASTRATA
Tabella 4.1
79
SISTEMI CONTINUI
Figura 4.5
Ovviamente anche altre configurazioni sono possibili; i ragionamenti che seguono sono comunque validi per
ogni condizione al contorno.
Si consideri un concio di trave infinitesimo (Figura 4.6) e si studi l’equilibrio; ovviamente in questo caso,
essendo assenti azioni assiali, si studia l’equilibrio lungo y, a tal proposito si noti che questa volta tale asse è
orientato verso il basso, e l’equilibrio alla rotazione.
x
T+dT
T
y M+dM
q(x,t)
Figura 4.6
Inoltre, per la trave di Eulero il momento dipende dal campo di spostamenti nel seguente modo:
d2y
M = − E ( x) I ( x) 4.32
dx 2
80
SISTEMI CONTINUI
cioè il momento dipende dalla curvatura. Nella (4.32) E è il modulo di Young ed I è il momento di inerzia
della sezione trasversale.
Quindi in generale si ha:
d2 d2y
EI 2 = q
4.33
dx 2 dx
La (4.33) è ovviamente valida nel caso in cui non ci sia dipendenza dal tempo (derivate ordinarie). Nel caso
delle vibrazioni la (4.33) va riscritta in termini di derivate parziali, inoltre q = − ρ A ∂ y , dove ora ρ è la
2
∂t 2
3
densità [Kg/m ] ed A è l’area della sezione trasversale, entrambe possono dipendere da x.
L’equazione del moto si scrive:
∂2 ∂2 y ∂2 y
EI + ρ A =0 4.34
∂x 2 ∂x 2 ∂t 2
y( x, t ) = φ ( x) g (t ) 4.36
si ottiene:
è una equazione differenziale omogenea in φ, che, completata con le opportune condizioni al contorno,
permette in teoria di ottenere l’autovalore e le autofunzioni. In pratica ciò si riesce a fare in modo esatto
soltanto per sistemi estremamente semplici.
L L
∫ φk ( EIφh′′)′′dx = ωh ∫ ρAφkφh dx
2
4.39
0 0
81
SISTEMI CONTINUI
L L
Si può dimostrare facilmente che per le comuni condizioni al contorno di tipo omogeneo i termini al
contorno della (4.40) sono nulli.
Si ripeta il procedimento con il modo k e si proietti sull’autofunzione φh ; sottraendo membro a membro si
ottiene:
(ω )
L
2
h − ωk2 ∫ ρAφkφh dx = 0 4.41
0
e dunque:
∫ ρAφ φ dx = 0 ,
0
k h ωh ≠ ωk
Perciò si ha anche:
L L
∫ φk ( EIφh′′)′′dx = ∫ EIφk′′φh′′dx = 0,
0 0
ωh ≠ ωk 4.42
∫ ρAφ dx = mk
2
k
4.43
0
∫ ρAφ dx = 1
2
k
4.44
0
L L
∫ φk ( EIφk′′)′′dx = ∫ EI (φk′′) dx = ω k
2 2
4.45
0 0
82
SISTEMI CONTINUI
φ iv − β 4φ = 0 4.47
ρA
Dove β 4 = EI
ω 2 . La soluzione generale della (4.47) è:
Nella (4.48) sia β che i coefficienti ci sono incogniti, per determinarli occorre imporre le condizioni al
contorno.
Prendiamo in considerazione alcuni casi:
Figura 4.7
y(0) = 0 → c2 + c4 = 0 4.49a
y′′(0) = 0 → −c2 + c4 = 0 4.49b
y(L) = 0 → c1 sin βL + c2 cosβL + c3 sinhβL + c4 coshβL = 0 4.49c
y ′′( L) = 0 → −c1 sin βL − c2 cos βL + c3 sinh βL + c4 cosh βL = 0 4.49d
0 1 0 1 c1
0
−1 0 1 c2 4.50
=0
sin βL cos βL sinh βL cosh βL c3
− sin βL − cos βL sinh βL cosh βL c4
A (β )c = 0 4.51
det [A (β )] = 0 4.52
c2=c3=c4=0 4.53a
c1 sin β L = 0 4.53b
la soluzione è βnL=nπ, n=1,2,…∞, che per la definizione di βn da luogo alle seguenti pulsazioni proprie:
83
SISTEMI CONTINUI
EI
ωn = n 2π 2 4.54
ρAL4
Figura 4.8
Le condizioni al contorno sono:
y ( 0) = 0 → c2 + c4 = 0 4.55a
y ′(0) = 0 → c1 + c3 = 0 4.55b
y ′′( L) = 0 → −c1 sin βL − c2 cos βL + c3 sinh βL + c4 cosh βL = 0 4.55c
y′′′( L) = 0 → −c1 cos βL + c2 sin βL + c3 cosh βL + c4 sinh βL = 0 4.55d
Dopo alcuni semplici passaggi si ha:
La (4.56) deve essere risolta per via numerica; le frequenze proprie e le deformate modali sono rappresentate
in Figura 4.9.
a)
ω1 = (1.875) 2 EI
ρAL4
b)
ω2 = (4.694) 2 EI
ρ AL4
c)
ω3 = (7.855) 2 EI
ρ AL4
Figura 4.9
E’ interessante notare che il numero di nodi aumenta man mano che si considerano modi a frequenza più
alta, analogamente alla trave su semplici appoggi. Ciò può essere generalizzato, con qualche cautela, cioè “in
generale” man mano che si passa da modi a bassa a modi ad alta frequenza il numero di nodi aumenta.
84
SISTEMI CONTINUI
Tabella 4.2
85
SISTEMI CONTINUI
Figura 4.10
Consideriamo una membrana limitata e giacente nel piano (x,y); f(x,y,t) è il campo di pressione agente su di
essa. Consideriamo una areola elementare dxdy, su di essa agiscono le tensioni (forze per unità di lunghezza)
P, la pressione f(x,y,t)) e la forza d’inerzia ρ ( x, y ) w
ɺɺ( x, y , t ) ; si ottiene la seguente equazione di equilibrio
dinamico in direzione z:
∂2 w ∂2 w ∂2 w
P 2 + 2 + f = ρ 2 4.56a
∂x ∂y ∂t
ponendo f=0 e c = P / ρ si ha:
∂2w 2 ∂2 (i) ∂2 (i)
c 2∇ 2 w = ∇ ( i ) = + 4.56b
∂t 2 ∂x 2 ∂y 2
Il problema si chiude imponendo le condizioni iniziali w( x, y,0) = w0 ( x, y), w ɺ ( x, y,0) = wɺ 0 ( x, y) e
condizioni al contorno.
Consideriamo ad esempio la membrana a base quadrata appoggiata ai bordi bordi di lunghezza unitaria.
Studiamo i moti sincroni:
w( x, y, t ) = X ( x)Y ( y ) F (t ) 4.56c
86
SISTEMI CONTINUI
X ( x) Y ( y)
La seconda delle (4.56e) mostra, con analogo ragionamento, che i rapporti che compaiono sono costanti:
X ′′( x) Y ′′( y)
= −α 2 , = −γ 2 4.56f
X ( x) Y ( y)
Si ottiene: ω 2 = α 2 + γ 2 .
Inoltre:
X ′′( x) + α 2 X ( x) = 0 ⇒ X = A sin α x + B cos α x
4.56g
Y ′′( y ) + α Y ( y ) = 0
2
⇒ Y = C sin γ y + D cos γ y
Imponendo le condizioni al contorno:
w( x, y ,0) = 0 per (0, y ),(1, y ),( x,0),( x,1) 4.56h
si ha:
X ( x)Y ( y) = A1 sin α x sin γ y + A2 sin α x cos γ y + A3 cosα x sin γ y + A4 cosα x cos γ y 4.56i
Imponendo le condizioni al contorno abbiamo:
x=0 A3 sin γ y + A4 cos γ y = 0 ⇒ A3 = A4 = 0
x =1 A1 sin α sin γ y + A2 sin α cos γ y = 0 4.56j
⇓
α = mπ
m = 1, 2,…, ∞
Si procede analogamente per le condizioni in per le condizioni in y=0,1 ottenendo: γ = nπ n = 1, 2,…, ∞ .
In definitiva si ha:
ω m , n = α m2 + γ n2 = π m 2 + n 2 4.56k
e la soluzione generale del problema libero è data da:
( ) ( )
∞
w( x, y, t ) = ∑ ( sin mπ x sin nπ y ) A
m , n =1
m,n sin m2 + n2 cπ t + Bm, n cos m2 + n2 cπ t
4.56l
87
SISTEMI CONTINUI
u T Ku Vmax
ω 2 = R(u) = = 4.57
u T Mu T *
Il significato dei simboli presenti nella (4.57) sarà chiaro tra poco.
Si ipotizzi un moto armonico del tipo: x(t)=u cosωt ; dove in questa ipotesi non è detto che u un autovetture.
Energia potenziale e cinetica si possono scrivere:
1 T 1 1
V= x Kx = cos 2 ωt u T Ku ⇒ Vmax = u T Ku
2 2 2 4.58
1 1 1 2 T 1
T = xɺ T Mxɺ = ω 2 sin 2 ωt u T Mu ⇒ Tmax = ω u Ku , T * = u T Ku
2 2 2 2
∫ EI ( y ′′ ( x , t ) )
1
V =
2
dx
2 0 4.59
L
∫ ρ A ( yɺ ( x , t ) )
1
T =
2
dx
2 0
L L L
EI ( y ′′) dx = cos 2 ωt ∫ EI (u ′′) dx , Vmax = ∫ EI (u ′′) dx
1 1 1
V= ∫
2 2 2
20 2 0
2 0 4.60
L L L
1 1 1
T = ∫ ρAyɺ 2 dx = ω 2 sin 2 ωt ∫ ρAu 2 dx , T * = ∫ ρAu 2 dx
20 2 0
20
Si noti che il massimo dell’energia potenziale e cinetica non si determinano nello stesso istante, come è
ovvio dal principio di conservazione dell’energia.
Introduciamo ora il rapporto di Rayleigh per i sistemi continui attraverso un esempio. Si consideri una
autofunzione della trave, essa soddisfa la seguente equazione:
L L L
″
∫ (EIφn′′) φn dx = ∫ EI (φn′′) dx = ωn ∫ ρAφn dx
2 2 2 4.61
0 0 0
2Vmax 2T *
88
SISTEMI CONTINUI
Vmax
ωn2 = , u ≡ φn 4.62
T*
∫ EI (u′′) dx
2
Vmax
ω 2 = R(u ( x)) = = 0
4.63
T* L
∫ ρAu dx
2
0
Ovviamente la prima parte della (4.63) vale per ogni sistema meccanico. La (4.63) definisce ora il rapporto
di Rayleigh come un funzionale.
In seguito sfrutteremo ampiamente le suddette proprietà per determinare frequenze proprie e modi, senza
però dover ricorrere necessariamente al calcolo delle variazioni.
La funzione u dovrebbe soddisfare tutte le condizioni al contorno e deve essere regolare almeno fino alla
derivata seconda. Nel caso della trave la regolarità richiesta alla soluzione esatta arriva fino alla derivata
quarta, come si osserva dalle equazioni del moto. Si ha dunque un abbassamento della richiesta di regolarità
dal passaggio all’equazione di campo (equazione del moto) alla formulazione energetica; la seconda
formulazione è anche detta formulazione debole.
In verità le condizioni al contorno cui deve necessariamente soddisfare la u si possono ridurre, rispetto alla
soluzione esatta. Infatti, se suddividiamo le condizioni al contorno in geometriche (tutte quelle che
coinvolgono soltanto la configurazione del sistema, es. spostamenti e derivate prime nulle) e naturali (tutte
quelle che implicano il soddisfacimento di un equilibrio, cioè che coinvolgono forze e momenti). La u deve
necessariamente rispettare le condizioni al contorno geometriche, può non rispettare quelle naturali.
Nel caso dei sistemi continui il metodo di Rayleigh rappresenta uno stimatore piuttosto approssimato della
prima frequenza propria, perciò si usa per valutazioni qualitative preliminari. In genere come funzione di
prova si utilizza la deformata statica del continuo soggetto ad un campo di forze costante.
n
u ( x) = ∑ aiψ i ( x) 4.64
i =1
89
SISTEMI CONTINUI
In sostanza restringiamo il campo delle funzioni ammissibili a quelle data da una combinazione lineare delle
ψi(x). Ci si chiede ora se è possibile far coincidere la u con una autofunzione e come.
Se ψi(x), =1,2,…∞ forma un insieme completo, allora ogni funzione (che sia nello stesso spazio funzionale)
può essere sviluppata in serie delle ψi(x). Ovviamente, se si tronca la serie si ottiene una soluzione
approssimata, ma la qualità dell’approssimazione aumenta all’aumentare del numero di termini della serie.
La condizione che ci permette di determinare una u data dalla (4.64) che approssimi una autofunzione è la
stazionarietà del rapporto di Rayleigh. Mediante la (4.64) la stazionarietà non si deve più esprimere rispetto
alla variazione di una funzione, ma semplicemente dei parametri ai.
Riprendiamo il rapporto di Rayleigh:
Vmax N (a)
λ = ω 2 = R (u ) = R(a) = = 4.65
T* D(a)
dove a=[a1, a2,...., aN]T.
Consideriamo una variazione arbitraria δa, la variazione prima di R è:
n
∂R
δR = ∇R ⋅ δa = ∑ δai = 0 4.66
i =1 ∂ai
dove ∇ ( ⋅ ) =gradiente.
Per l’arbitrarietà di δa:
∂R
=0 , i = 1,...n 4.67
∂ai
Sviluppiamo la (4.67):
∂N ∂D
D−N
∂R ∂ai ∂ai
= =0 , i = 1,...n 4.68
∂ai D 2
∂N ∂D
−Λ =0 , i = 1,...n 4.69
∂ai ∂ai
2 n L
L
n n
2Vmax = ∫ EI ∑ aiψ i′′ dx = ∑ ∫ EIψ i′ψ′ ′j′dx ai a j = ∑ kij ai a j
0 i=1 i , j =1 0 i , j =1
4.70
2
L
n
n L n
2T * = ∫ ρA ∑ aiψ i dx = ∑ ∫ ρAψ iψ j dx ai a j = ∑ mij ai a j
0 i =1 i , j =1 0 i , j =1
calcoliamo le derivate:
∂N n
∂D n
= 2∑ k rj a j , = 2∑ mrj a j , r = 1,...n 4.71
∂ar j =1 ∂ar j =1
90
SISTEMI CONTINUI
∑ (k − Λmrj )a j = 0,
n
rj r = 1,...n 4.72
j =1
per coerenza con le notazioni passate sostituiamo ω2 a Λ e riscriviamo la (4.72) in forma compatta:
(K − ω M )a = 0
2
4.73
che è un problema standard agli autovalore, di facile soluzione mediante metodi numerici. La soluzione
fornisce pulsazioni proprie e autofunzione approssimate mediante gli autovettori della (4.73) e lo sviluppo
(4.64). Supponiamo che ah sia un autovettore associato ad un autovalore ω2h (approssimazione della vera h-
esima pulsazione propria), la h-esima autofunzione si esprime nel seguente modo:
n
u h ( x) = ∑ ai( h )ψ i ( x) ≅ φh 4.74
i =1
L’errore della soluzione approssimata sarà tanto più basso quanto più termini si aggiungono alla
sommatoria, se il set di funzioni scelto è completo.
Si pone ora il problema di come scegliere le funzioni ammissibili o quelle di paragone. La teoria spettrale
degli operatori lineari garantisce che le autofunzioni di operatori simmetrici formano un set completo, ma
ovviamente non ha senso scegliere le autofunzioni, infatti, se si conoscono, il problema è già risolto! Ha però
senso considerare le autofunzioni di un problema simile a quello che vogliamo studiare e di cui siano note le
autofunzione. Per esempio le funzioni seno non sono le autofunzione del problema della trave a sezione
variabile semplicemente appoggiata, ma possono essere utilmente usate in un metodo approssimato poiché
sono funzioni di paragone e formano un set completo.
Se si usa un set di funzioni di cui non è certa la completezza (la serie di Taylor per esempio non sempre
converge), allora la convergenza non è assicurata, ma non è detto che il risultato non possa essere accettabile
per analisi preliminari.
In ogni caso le nostre funzioni devono rispettare almeno le condizioni al contorno geometriche; ciò non è
sempre facile (si pensi a telai in 2 o 3D, a piastre o gusci di forma complessa), anche perché la formulazione
presentata fa riferimento a funzioni definite in tutto il campo. Le funzioni potrebbero però essere definite in
sottodominii del dominio in cui è definito il problema, dando luogo ad un campo di spostamenti definito a
tratti; ragionando in questa maniera si arriva alla formulazione energetica degli elementi finiti, che qui non si
approfondisce.
91
SISTEMI CONTINUI
u(x,t) k
Figura 4.11
Sia k la costante elastica della molla di estremità, siano inoltre costanti tutte le caratteristiche elastiche,
geometriche e fisiche.
Scriviamo l’ energia potenziale:
L
= ∫ EI (u ′′) dx + ku 2 (L )
1 2 1
Vmax 4.75
20 2
L
k ij = ∫ EI ψ i′′( x )ψ ′j′ ( x ) dx + kψ i ( L )ψ j ( L )
0 4.76
L
mij = ∫ ρAψ iψ j dx
0
Come funzioni ammissibili si scelgano dei monomi di potenza maggiore di 1, infatti la funzione x ha derivata
non nulla in x=0 e quindi non rispetta le condizioni geometriche:
ψ i = x i +1 , i = 1, 2,... 4.77
si faccia molta attenzione al fatto che, anche se tale serie polinomiale convergesse, in ogni caso l’uso di
monomi di elevata potenza porterebbe ad errori numerici nei calcoli; perciò e sconsigliabile salire molto con
in numero di funzioni (non più di 5-10).
Possiamo verificare l’accuratezza del metodo prendendo un esempio noto, cioè la trave incastrata libera
(k=0), consideriamo il caso di una trave a sezione rettangolare di acciaio: E=2.06×10-11Pa, ρ=7850Kg/m3,
altezza h=1mm, larghezza b=20mm, I = bh 3 /12 , L=0.2m, A=b h.
92
SISTEMI CONTINUI
Si consideri il sistema in Figura 4.12: si tratta di una trave incastrata libera avente una massa aggiunta mc nel
punto di coordinata x=L*.
L
L*
x
mc
u(x,t)
Figura 4.12
Applichiamo il metodo di Rayleigh-Ritz analogamente a quanto fatto nel paragrafo 4.6.3.1, dove però
l’energia cinetica include l’effetto della massa, mentre l’energia potenziale non contiene più l’effetto della
molla:
L
1 1
T * = ∫ ρAu 2 dx + mc u 2 ( L* ) 4.79
20 2
si ottengono le seguenti matrici di massa e rigidezza:
EI (i + 1)( j + 1)ijL(i + j −1)
k ij =
(i + j − 1) 4.80
ρAL(i + j +3 ) *(i + j + 2 )
mij = + mc L
(i + j + 3)
Esercizi proposti
• Usando l’approssimazione polinomiale si determini la prima frequenza di una trave incastrata libera,
sulla trave è posizionata una massa mc in posizione x=L1 e in posizione x=L2 la trave è collegata ad
una molla k.
• Si determinino le prime frequenze proprie di una trave appoggiata agli estremi e giacente su di un
letto di molle usando sia il metodo esatto che il metodo di Rayleigh-Ritz.
• Si determini la prima frequenza propria di una trave a sezione variabile linearmente.
93
5 SIGNAL PROCESSING
This Chapter deals with the basic concepts of signal analysis: the goal is to provide a general overview on
spectral techniques applied to numerical data. The starting point is the definition of Fourier series and
integral, then the concept
ncept sampling introduced in order to define the Aliasing phenomenon. Finally, a brief
description of problems connected with temporal Windowing is given in order to define the concept of
Leakage.
The matter contained in this Chapter is derived from a PhD course on Signal Processing held by the author
during the Academic year 2000-2001.
2001.
5.1 Introduction
Let us classify signals following the scheme of Fig. 5.1: the signals we are interested in are continuous, i.e.
they can be represented by continuous time functions.
Consider to general signal classes: periodic and aperiodic signals; periodic signals can be expanded as
Fourier series, form the harmonic components one can analyse the spectral content of the signal; aperiodic
signals can be transformed by means of the Fourier integral, which furnishes the energy content of the signal
on the frequency domain, the Fourier transform of an aperiodic signal is a continuous complex function, i.e.
the spectrum is continuous.
Generally, the signal processing is carried out numerically, this implies the sampling of the signal, i.e. the
transformation of a continuous function into an array containing values of the function at regular time
intervals. Moreover, the signal is observed (recorded) during a certain time period called the observation
window; such a window could be larger or smaller with respect to the existence period of the initial signal (it
could have infinite duration). All signal manipulations will be carried out on time series (sampled signal), for
example the Discrete Fourier transform should be used. It is worthwhile to understand drawbacks and
limitations of the aforementioned operations: sampling, windowing, discrete transforming.
Random signals should belong to the class of aperiodic signals; however, the particular features of such
signals (they are non deterministic, i.e. cannot be described with any kind of function) require the use of
statistical techniques for the signal processing. Therefore, random signals have a different classification and
will be considered on the next Chapter. However, general concepts of sampling, widowing and DFT will be
applied to random signals as well.
Continuous Signals
Fourier Fourier
Random Discrete Signals
Series Transform
Figura 5.1
In fig. 5.2 si vede un esempio di tre funzioni periodiche: sinusoidale f (t ) = sin(ωt + ϕ ) T=2π/ω; onda
quadra; periodica generica.
L’analisi del segnale in sé senza trasformazioni non rivela molto, le quantità che si possono misurare
direttamente da un segnale nel tempo sono ad esempio: massimo, minimo, picco-picco, valor medio, valor
quadratico medio (RMS). Può capitare che segnali visivamente molto diversi abbiano lo stesso massimo,
minimo, ecc. Il contenuto informativo di un segnale può dunque essere celato da una analisi nel tempo.
95
SIGNAL PROCESSING
cosωt
t
T
Square
wave
T
periodic
Generic
signal
t
T
In Fig. 5.3a a periodic signal is represented; from the time history one can argue that the signal is an odd
function, this is immediately reflected on the Fourier series that is made of sine functions only; Fig. 5.3b
shows the spectrum of the signal, i.e. the magnitude of the sine functions of the Fourier series, note that the
main contribution is due to the first harmonic, the fourth one is zero and from the 6th harmonic the amplitude
is zero ( sin(t )+0.5sin(2t )-0.37sin(3t )+0.2sin(5t ) ). This proves that the spectral analysis allows a deeper
investigation of signals.
a) 2 b)
1 spectrum
harmonic sine amplitudes
multi-harmonic signal
1
0.5
0
0
-1 -0.5
-2 -1
0 2 4 6 0 5 10
t harmonics
96
SIGNAL PROCESSING
where T is the period, ω1 = 2π is the fundamental frequency, nω1 is the n-th harmonic, A0 is the mean value
T
of f(t).
The series 5.1) is convergent if f(t) respects the following
Dirichlet Conditions
• f(t) is bounded
•
T
f(t) is absolutely integrable over the period: ∫ f ( t ) dt < ∞
0
• f(t) has a finite number of extrema (max and min) in any time interval (e.g. t∈[0,T])
• f(t) has a finite number of discontinuities any time interval (e.g. t∈[0,T]).
If f(t) respects the Dirichlet conditions, then the series 5.1 converges “on the average”: the mean
difference among f(t) and the series is zero, f(t) coincide with his series at any t except where f(t) is
discontinuous.
Using the orthogonality properties of the harmonic functions on a period equal to 2π one easily obtains
the coefficients of the series 5.1), let us use the dimensionless variable x=ω1t:
π
∫ f ( x) ⋅1 dx
1
π
1
T /2
1
T /2
∫ ∫ f (t )ω1dt =
T −T∫/ 2
−π
A0 = = f ( x)dx = f (t )dt 5.2a
π
2π 2π
∫ 1dx
−π −T / 2
−π
π
∫ f ( x) cos ( nx ) dx π T /2 T /2
1 1 2
∫ f ( x) cos ( nx ) dx = ∫ f (t ) cos ( nω1t ) ω1dt = f (t ) cos ( nω1t ) dt
T −T∫/ 2
−π
An = = 5.2b
π
π π
∫ cos ( nx ) dx
2 −π −T / 2
−π
π
∫ f ( x) sin ( nx ) dx π T /2 T /2
1 1 2
∫ f ( x) sin ( nx ) dx = ∫ f (t )sin ( nω1t ) ω1dt = f (t ) sin ( nω1t ) dt
T −T∫/ 2
−π
Bn = = 5.2c
π
π π
∫ sin ( nx ) dx
2 −π −T / 2
−π
In Figure 5.5 the Fourier series is numerically applied by truncating the series 5.1) at the first Nth terms: it
is clear that the approximation improves as N increases; however, close to the discontinuity, the series
97
SIGNAL PROCESSING
presents an oscillation, which is narrower and faster as N increases. The oscillation means a non-convergence
in the proximity of the discontinuity, such behaviour is called “Gibbs” effect. The reason is quite simple: the
original function is not defined in correspondence of the discontinuity, the right and left limits are different,
but the series (which is continuous) is forced to fit the function both from the left and the right of the
discontinuity, this induces oscillations among the two limits.
ω1
f (t ) = t
2
π π t
−
ω1 ω1
a) b)
f f
1.5 1.5
1 1
0.5 0.5
x x
-6 -4 -2 2 4 6 -6 -4 -2 2 4 6
-0.5 -0.5
-1 -1
-1.5 -1.5
c) d)
f f
1.5 1.5
1 1
0.5 0.5
x x
-6 -4 -2 2 4 6 -6 -4 -2 2 4 6
-0.5 -0.5
-1 -1
-1.5 -1.5
Figure 5.5 Fourier reconstruction of the Sawtooth wave, the Gibbs effect:
a) N=5, b) N=10, c) N=100, d) N=1000.
98
SIGNAL PROCESSING
Cn represents the spectral content of the periodic signal, the amplitude phase form of the Fourier series is
the most common form for representing the signal spectrum:
Cn
δ ε (t )
lim δ ε = δ δ (t )
ε →0
1/ε
t t
ε
Figure 5.7. Dirac function as the limit of the finite impulse.
Another function can be used to generate the Dirac avoiding the use of nonsmooth functions, such
function is the Gaussian function, the Dirac is defined through the following limit (see also Figure 5.8):
1
δ (t ) = lim e− x
2
a2
5.10
a →0
a π
99
SIGNAL PROCESSING
δa a=2 δa a=1
0.25 0.5
0.2 0.4
0.15 0.3
0.1 0.2
0.05 0.1
t t
-10 -5 5 10 -10 -5 5 10
δa a=0.5 δa a=0.2
1 2.5
0.8 2
0.6 1.5
0.4 1
0.2 0.5
t t
-10 -5 5 10 -10 -5 5 10
Figure 5.8. The Dirac function as the limit of the Gaussian function.
u(t)
∫ f (t )δ (t − t * )dt = f (t * ) 5.15
−∞
δ (t ) = δ (−t ) 5.16a
100
SIGNAL PROCESSING
1
δ (at ) = δ (t ) 5.16b
a
∞
d n δ (t ) n
n d f (t )
∫ n
−∞ dt
f (t )d t = ( −1)
dt n t = 0
5.16c
∞
± j 2π at
∫e dt = δ ( a ) 5.16d
−∞
5.4.1 Applications: the Saw-Tooth function and its generalized derivative; Fourier series of a impulse train
Let us consider the function represented in Figure 5.10, which is a discontinuous periodic function that
respects the Dirichlet conditions; therefore, the Fourier series is convergent:
1 1 ∞ 1 2π nt
f (t ) = + ∑ sin 5.17
2 π n =1 n T
t
f (t ) = 1 − t ∈ (0, T )
T
T t
δT(t) An
t 0 1 2 3 4 5 n
Figure 5.11. The train of impulses and its spectrum
101
SIGNAL PROCESSING
∞
f (t ) = … + a−2 e−2 jω1t + a−1e − jω1t + a0 + a−1e− jω1t + a−2 e −2 jω1t + … = ∑a
m =−∞
m emjω1t j = −1
5.21
where:
a0 = A0
Am − jBm
am = 5.22
2
A + jBm
a− m = m
2
From the coefficient definition we have that am = a−* m , where * means the complex conjugate; therefore,
( ) = (a )
* *
am e mjω1t = a−* m e − mjω1t −m e− mjω1t , this means that the complex series is made of complex conjugate pairs.
Indeed, a complex number has the following property: z+z*=2Re(z); therefore, the series must be made of
complex and conjugate pairs in order to fit with the initial function f(t) that is real.
With the complex series the concept of negative frequency is introduced, for example the harmonic
function Acosω1t = A/2(ejω1t+ e-jω1t) has a single spectral line using the real representation and two symmetric
spectral lines using the complex representation (Figure 5.12); note that the splitting of spectral lines causes
the amplitude halving in order to preserve the energy of the signal. The signal Asinω1t = -jA/2(ejω1t- e-jω1t)
behaves similarly, but now coefficients are imaginary with opposite sign. Complexification produces halving
and mirroring.
A/2 A/2
-ω1 ω1
In order to obtain direct evaluation of complex coefficients, let us start with the definition of the real
coefficients:
π
1
A0 =
2π ∫
−π
f ( x)dx x=ω1t 5.23a
π
1
An = ∫ f ( x) cos ( nx ) dx 5.23b
π −π
π
1
Bn = ∫ f ( x) sin ( nx ) dx 5.23c
π −π
2π −π
π
1
a0 =
2π ∫
−π
f ( x)dx 5.24
From the three expressions 5.24) one easily obtains the general formulation for the complex coefficients:
102
SIGNAL PROCESSING
π
1
am = ∫ f ( x)e dx
− jmx
x = ω1t m = … , −2, −1, 0,1, 2,… 5.25
2π −π
Equation 5.25) defines all complex coefficients, the index m∈(-∞, ∞).
f(x) 2π/K
1/3 1/5
K=3 K=5
3 5
c) d)
Step for spectral
lines: π/K
1/10 1/K
K=10
10 -π π
Finite impulses have unitary amplitude and the period of the wave (signal) is K times the duration of the
finite impulse.
Working on a window (-π, π) the interval where f(t)≠0 is (-π/K, π/K):
π/K
1
am = ∫ e− jmx dx 5.26
2π π
− /K
103
SIGNAL PROCESSING
f(x)
-T T 2T t
f(x)
T
f(x) t
continuous
T→∞ spectrum
Figure 5.15. Spectrum of the impulse train: effect of the period increment
104
SIGNAL PROCESSING
∞ ∞
X ( f ) = ∫ x(t )e − j 2π f t dt = F [ x(t ) ] x (t ) = ∫ X ( f )e j 2π f t d f = F −1 [ X ( f ) ]
Frequency
−∞ −∞ definition [Hz]
ω=2π f
Table 5.1
105
SIGNAL PROCESSING
∫
−∞
x(t ) dt < ∞
δ (t − τ ) = 0 for t ≠τ
5.34
δ (t − τ ) indefinite for t =τ
∞
∫ δ (t − τ )dt = 1
−∞
− ∞ <τ < ∞ 5-35
∫ e dt = δ ( a )
± j 2π at
; ∫e
± jat
dt = 2πδ (a ) 5.36
−∞ −∞
In order to prove the eq. 5.36, let us consider the function x(t) of Figure 5.16 and its transform.
X(f)
x(t) 2b
sin 2π bf
X(f)=
1 πf
1 1 1 f
t b
-b b − −
b 2b 2b T
Figure. 5.16
When b→∞ then x(t)=1 ∀ t; moreover, from the inverse transform we have:
∞
x(t = 0) = 1 = ∫ X ( f )df
−∞
5.37
X(f) becomes singular at f=0 and equal to zero for f≠0 when b→∞; moreover, its integral over the whole
frequency domain is equal to 1, see equation 5.37. The aforementioned properties of X are the properties of
the delta function, i.e.:
sin 2π bf
X ( f ) = lim =δ(f ) 5.38
b→ ∞ πf
this proves that
∞
X ( f ) = ∫ 1⋅ e − j 2π f t dt = δ ( f ) 5.39
−∞
The Fourier Transform of a constant unitary function is a Dirac located at zero frequency.
106
SIGNAL PROCESSING
A second proof can be obtained straightforwardly by considering a Dirac in the frequency domain and
determining its inverse transform:
∞
xδ0 (t ) = ∫ δ ( f )e j 2π f t d f = 1
−∞
∞
xδ f (t ) = ∫ δ ( f − f )e j 2π f t d f = e j 2π f t
−∞
( )
5.40
(δ ( f − f ) + δ ( f + f ) ) e j 2π f t d f = 12 e j 2π f t + e− j 2π f t = cos 2π f t
1 ∞
xδ f ,c (t ) = ∫
−∞ 2
(δ ( f − f ) − δ ( f + f ) ) e j 2π f t d f = sin 2π f t
∞ 1
xδ f (t ) = ∫
−∞ 2 j
When the Dirac is at zero frequency we confirm the previously obtained result; when a single Dirac is
located at frequency different from zero the anti-transform is complex; when two symmetric real Dirac are
present in the spectrum, the anti-transform is a cosine function of time; when two anti-symmetric imaginary
Dirac are present in the spectrum, the anti-transform is a sine function of time.
The aforementioned properties can be generalized: in order to have a real anti-transform of the spectrum
X(f), the real part of X must be an even function the imaginary part an odd function.
Due to the duality of the Fourier Transform and its anti-Transform the following property holds:
∞
X ( f ) = ∫ δ (t )e− j 2π f t dt = 1
−∞
∞
5.41
− j 2π f t0
X ( f ) = ∫ δ (t − t0 )e − j 2π f t
dt = e
−∞
The Transform of a Dirac located in t=0 is a unitary constant spectrum, the Transform of a Dirac located in
t≠0 is a complex exponential (unitary module). Note that for both cases the visualization of the absolute
values displays 1.
u(t)
The Transform of a periodic function is easily built starting from its series representation:
∞ j 2 nπ
t
x(t ) = ∑ cne
n =−∞
T
5.43
The Fourier transform is a linear operator, if the series represent an analytic function one can use the
transitivity property and apply the operator to each member of the series; the Transform of harmonic
functions is known as well as exponentials, the result is (see figure 5.18):
∞
X(f ) = ∑ c δ ( f − n /T)
n =−∞
n 5.44
The Fourier Transform of a periodic function is a impulses train having frequency period (spacing
among impulses) 1/T; each impulse of the train is multiplied by the corresponding coefficient of the Fourier
series of the periodic signal.
107
SIGNAL PROCESSING
On Table 5.2 some important Fourier transforms are reported, note the duality of this operator:
X(f)
1 2 3 4 f
T T T T
Figure 5.18. fourier Transform of a periodic function.
108
SIGNAL PROCESSING
x(t)
A sin 2π T0 f
x(t)=A if |t|<T0 X(f)= A
x(t)=0 if |t|>T0 πf
-T0 T0 t 1 f
1 1 1
− −
T0 2T0 2T0 T0
x(t)
2Af0
X(f)
sin 2π f 0 t X(f)=A if |f|<f0
x (t ) = A A
πt X(f)=0 if |f|>f0
1 f -f0 f0 t
1 1 1
− −
f0 2 f0 2 f0 f0
x(t) X(f)
K Kδ(f)
x(t)=K X(f)=Kδ(f)
t f
x(t) X(f)
Kδ(t) K
x(t) X(f)
()
1
1
δ(t)
3 2 1 1 2 3
t f
-3T -2T -T T 2T 3T
cos2
!
X(f)
2 !
2
2
!
2
f
Im[X(f)]
!
2
$ !
sin2 2
$ !
f0
2
f
2
XHf L
x(t) A2
A
2 x (t ) = t + A2 t ∈ ( −2T0 , 0) 2A2T02
2T0 2
2 A2 sin 2π T0 f
A2 X(f )=
x(t ) = − t + A2 t ∈ (0, 2T0 ) T0 2π f
2T0
f
1 1 3
-2T0 2T0 t x(t)=0 |t|>2T0 2T0 T0 2T0
109
SIGNAL PROCESSING
xHtL XH f L
1
() &()
2
xHtL XH f L
1 1 , 1 1
! (& ) ! + ! cos ) + || / *
4 2* 2 2 *
1
, 1 0 || 1 *
!& ) +-
2*
sin(2π f ct )
q (t ) =
πt f
-fc fc
t
1
2
xHtL XH f L
2
1 1 1 1 ,
! cos ) + || / ! (2 ) ! +
4 2
1
2 2
0 || 1 , 1
!2 ) +-
2
sin(2π T0 f )
t Q( f ) =
-T0 T0 πf
f
xHtL XH f L
α/2
1
1
37
3 exp3||
2 3 7 ! 4 7 7
t f
xHtL XH f L
1
α /π 3 7 7
8 exp3 7 exp 9 :
3
t f
110
SIGNAL PROCESSING
;< =
7 ()d
Let us define the energy associated to a generic signal as follows:
5.45
The Parseval theorem states that the energy of a time signal is preserved in the spectral representation of the
;< =
7 ()d =|()|7 d
signal itself; i.e., one can compute the energy through the Fourier transform of the signal:
5.46
Note that the expression of the energy is formally the same when the frequency f is considered as spectral
coordinate.
In the case of periodic signals one cannot dial with energy, because it is infinite, such a case one must
?< =
7 ()d
@
consider the average power:
A
5.47
Equation 5.47 does not apply to aperiodic signals having finite energy, because the average power will zero
when T→∞.
=(
() ! y(t))e7DEFG d =
()e7DEFG d ! = H()e7DEFG d
Consider two signals x(t) and y(t) and their transforms X(f) and Y(f), from the transform definition one has:
5.48
IJ
() ! H()K IJ
()K ! IJH()K () ! L()
we can write it in compact form:
5.48
Symmetry
Consider the pair of functions:
Transform
x (t ) ← →X(f )
5.49
Antitransform
F [ x(t − t0 )] = X ( f ) e− j 2π f t0 5.52
Frequency shifting
F −1 [ X ( f − f 0 )] = x ( t ) e j 2π f0 t 5.53
Derivative of a signal
dx (t )
F = j 2π fX ( f ) = jω X (ω ) 5.54a
dt
d n x(t )
= ( j 2π f ) X ( f ) = ( jω ) X (ω )
n n
F n 5.54b
dt
111
SIGNAL PROCESSING
Let us consider the transform of x(t-t0) and the new time variable s=t-t0:
M
( )N E7DFG d M
(O)N E7DF(PQGR )
dO N E7DFGR
M
(O)N E7DFP dO N E7DFGR ()
5.55
IJ(t)K 1
IJ( 0 )K N$S0
5.56a
5.56b
note that, even if the transform of a Dirac located in t≠0 is an oscillating complex function, its absolute value
is unitary.
ω
Figure 5.19. Spectrum of the Dirac.
IJT() U
()K IJT()K · IJ
()K W()()
Let us consider two signals h(t) and x(t), the following property holds:
5.57
where * means the convolution operator.
Let us define H() T() U
() , the transform of this function reads:
Proof.
L() M H()N E7DFG d M XM
(Y)T( Y)dYZ N E7DFG d M
(Y) XM T( Y)N E7DFG dZ dY
5.58
using the new variable σ=t-τ we have:
M T( Y)N E7DFG d 9M T([)N E7DF\ d[: N E7DF] W()N E7DF]
5.59
Therefore, we obtain:
L() M
(Y)W()N E7DF] dY ()W()
5.60
F JT() ·
()K W() U ()
One can prove that this property is symmetric:
5.61
Summarizing we can state that:
The Fourier transform of the convolution of two time signals is the product of their transforms.
The Fourier transform of the product of two time signals is the frequency convolution of their transforms.
112
SIGNAL PROCESSING
y(t)
2/T0
-T0/2 T0/2 t
T0
Now we will see how to define mathematically the train represented in figure 5.20 starting from a local
definition of the triangular function h(t), figure 5.21.
h(t)
2/T0
-T0/2 T0/2 t
x(t)
δ(t)
t
-3T0 -2T0 -T0 T0 2T0 3T0
H() T() U
()
Let us convolute h(t) with a pulse train x(t) represented in figure 5.22, it is easy to prove that:
5.62
this means that the triangle pulse train of figure 5.20 can be analytically described by defining a triangle
function (figure 5.21) a an impulse train (figure 5.22) and convoluting the latter two in the time domain.
L() W()()
By taking advantage from the Fourier transform properties we have:
5.62
where Y, H and X are spectra of y, h and x respectively; H and X are represented in figures 5.23a and b.
113
SIGNAL PROCESSING
a) H(f) b)
1
X(f)
1
3 2 1 1 2 3
f
-2/T0 2/T0
1 1
Let us now analyze 5.22 in detail:
R
Let us consider the Fourier series of y(t):
AR
G
7
H()
3 N
E7D
G
AR
E7D
3 M HN AR
A
R
7
5.64
from the definition of Fourier transform we have:
AR /7
W M TN E7DFG d M TN E7DFG d
AR /7
5.65
indeed h(t)=0 for |t|>T/2.
Moreover, we can rewrite the Fourier series coefficient αn as follows:
AR /7
1 1
3 M TN 7EDFR G d W) +
AR /7
5.66
The amplitude of impulses of the spectrum coincide with the coefficients of the complex Fourier series.
After performing the multiplication of equation 5.63) one obtains a discrete spectrum, the sampling is the
result of multiplying per an impulse train see figure 5.24.
The process is summarized in figure 5.25: the periodic function is built up starting from a wave defined over
one period T, a convolution is carried out with a pulse train having the same period T; two paths can be
followed: i) transforming directly the periodic function, ii) transforming the original signals before the
convolution and multiplying the spectra.
114
SIGNAL PROCESSING
Y(f)=H(f)X(f)
1/T0
-1/T0 1/T0
Figure 5.24. Fourier transform of a periodic triangular signal “red arrows” (mean Dirac), Fourier transform
of single triangular signal “dotted line”
115
SIGNAL PROCESSING
CONVOLUTION
Y=HX
116
SIGNAL PROCESSING
5.67
such operation creates a Dirac located in t=T having the amplitude of h(t=T), i.e. we express mathematically
Let us suppose that h(t) is continuous also for ; 0, a1, a2, … a ∞, the regular sampling of a
the evaluation of the initial continuous function at the specific time location.
h(t) ∆(t)
t t
h(t)
Now we have to check what is the effect of the sampling on the spectrum, i.e. the problem is: once a signal is
sampled, is the spectrum of the sampled function a correct representation of the spectrum of the original
signal?
Let us apply the time train of impulses to a signal (equation 5.68) and apply the Fourier transform:
ef
d
W U IJ K W U Δ
W
e
5.69
where the convolution theorem has been applied and Δ IJΔK.
It is to note that Δe is a pulse train having frequency period 1/T, the convolution with H results in a
periodic function having a shape given by H.
Let us consider for example the function represented in figure 5.27: this function is T gcos2 !
7
h
i
sin7 4j for |t|<1 and zero elsewhere; it is an aperiodic function that respect the Dirichlet conditions,
therefore its spectrum exists and is continuous, see figure 5.27. The spectrum of this function drops to zero
when f >fmax=3Hz. The a sampling is carried out using 8Hz sampling frequency (T=1/8 s), see figure (5.27);
the result of the sampling on the spectrum is shown in figure 5.28.
The Fourier transform of a sampled signal is periodic in frequency domain, the period is the sampling
frequency (fs).
Within the frequency-period (fs) the sampled spectrum is equal to the original one if the sampling period in
time domain T is small enough.
117
SIGNAL PROCESSING
-fmax fmax
T_()
Figure 5.27. A continuous even signal h(t), its spectrum (real) H(f) and the sampled signal T_().
e(f)
Δ
fs=1/T
-fmax fmax f
d ()
W
fs=1/T
-fs+fmax fs-fmax
Figure 5.28. Effect of sampling on the spectrum: Fourier transform of a sampled signal: periodicization of
the spectrum.
118
SIGNAL PROCESSING
Original Sampler
signal ∆(t) function
MULTIPLICATION
sampled signal
FOURIER FOURIER
TRANSFORM TRANSFORM
True Sampler
spectrum spectrum
FOURIER
TRANSFORM
CONVOLUTION
Spectrum of
the sampled
signal
By observing figures 5.28 and 5.29 one easily argue that when the period T grows, the period in frequency
drops down and the convolution of the true spectrum with the spectrum of the sampler function can produce
an overlapping. By analyzing the last of figures 5.29 one has that the limit point for avoiding overlapping is
(fs-fmax)=fmax. It is clear that, in the case of overlapping, the spectrum of the sampled function (that is periodic
in the frequency domain) within a period will be different from the original spectrum, i.e. there will be a
distortion of the spectrum due to a poor sampling (T is to large). In order to avoid overlapping one has to
respect the Shannon condition:
the sampling frequency must be more than twice the maximum frequency of the signal spectrum
fs≥2fmax=Nyquist frequency
119
SIGNAL PROCESSING
This condition and its proof is also called “the Shannon Theorem”.
The distortion of the spectrum is called ALIASING , it is one of the most important parameters to consider
when an experimentalist is sampling a continuous signal.
In figure 5.30 the effect of a poor sampling that produce aliasing is shown. Figure 5.31 shows the effect of a
gradual reduction of the sampling frequency on the time signal discrete description (wave reconstruction)
and on the spectrum distortion (aliasing effect).
MULTIPLICATION
sampled ‘─ ‘and
original ‘- -‘ signals
FOURIER FOURIER
TRANSFORM TRANSFORM
True Spectrum
spectrum of the
fmax≈3Hz sampler
FOURIER
TRANSFORM
CONVOLUTION
Figure 5.30. Aliasing: distortion on the spectrum due to low frequency sampling.
120
SIGNAL PROCESSING
fs≈8Hz
good
sampling
fs≈2fmax=6Hz
good sampling
fs≈4Hz
bad sampling
ALIASING
fs=3Hz
bad sampling
ALIASING
Figure 5.31. Effect of reducing the sampling frequency: distortion of the spectrum, ALIASING.
121
SIGNAL PROCESSING
5.14 Continuous versus digital Fourier analysis: the Discrete Fourier Transform DFT
Let us consider a continuous signal h(t), this signal is now sampled using a pulse train ∆0(t). Figure
5.32 shows the whole digitalization process, the process is described through an example of an
exponential time function e|t| that presents a spectrum which drops down to negligible values for
|f|>1.5Hz.
The sampling is analytically described by using a pulse time train ∆0:
an observation window having a duration T0:
k() l 1 for ∈ )
2
,
2
+,
0 elsewhere
5.71
the windowing is applied by multiplying the initial signal per w(t):
u@
Δ@ t
v
w
5.73
Frequency sampling means a multiplication of the continuous spectrum times the frequency pulse
train, its time counterpart is a convolution.
y1
0
Tr r v0
v∞ s
x
5.74
The result is a periodic function T having period of T0 (observation period), this is an
Consider now the Fourier transform of Tx, which is periodic and its spectrum is a pulse train:
approximation of the original signal h(t) sampled in time and frequency domains.
z
W z
W
3
AR
5.75
122
SIGNAL PROCESSING
where:
@
AR
and
A A
AR AR
7 7
1 1
y1
E7DG E7DG
3 x
M T ()N
A d ( ) ( )
M
T r r v N AR d
R
A A w r0
7 7
A
AR
7
1
y1
E7DG
M
T(r)( r v ) N AR d
A r0
7
A
AR
y1 7
E7DG
T(r) M ( r)N AR d
r0 A
7
y1
E7Ds
T(r) N u
r0
5.76
in developing equation (5.76) we consider that: i) the integral is carried out on one period only and
the series on r is reduced to the term r=0; ii) f0=1/T0; iii) T0=NT; where N is the number of samples
considered in the discrete analysis.
u@
The discrete transform of h(t) is now:
E7Ds
W
T(r)N u
y
∈ ∞, ∞
s
5.78
{i|}~|
the term N
of equation (5.78) is periodic, therefore:
u@ u@
!y E7DsQu E7Ds
W) +
TrN u
TrN u N
E7Ds
W
y @
y
s s
5.79
W is periodic over ∈ 0, y 1 and the inverse transform is:
uA
u@
1 E7Ds
Tr
W N u
y y
5.80
and the analysis graphically represented in Figure 5.33 can be reduced to n samples only.
In order to summarize the analysis, let us now simplify the notation. The initial signal h(t) is
sampled with a sampling frequency 1/T on a certain observation interval T0, the result is an array of
numbers representing the sampled signal Ts Tr. The initial continuous spectrum is sampled
with the frequency sampling period 1/T0 (T0=NT), it is represented by a complex array W
W uA. The Fourier transform and its inverse read:
u@
E7Ds
W
Ts N u 5.81
s
1
u@
E7Ds
Ts
W N u 5.81
y
123
SIGNAL PROCESSING
T() N |G| ,
1.0 2.0
waveform
0.8 1.5
the spectrum 0.6
is almost zero 1.0
0.4
for | f |>1.5Hz
0.5
0.2
t f
1
@
(sampler)
δ(t)
@.
∆0(t), T= s
1 1
t f
-3T -2T -T T 2T 3T
Sampled
Ô d WΔ
W e f Tranform of the
hHtL 2
T_
signal 1 sampled signal
TΔ
(slight aliasing
→ overlapping)
1
1 1
2 2
-2 0 2
0
t
-10 10
wHtL Re@WHf LD
Observation Transform of
window 1 uniform window
@
T0=6s 4 (ripples): first
2 zero at Hz
f
-2 -1 1 2
0/2 0/2 1 1
t
-6 -3 0 3 6
T k e f?
HwHf L WΔ
~
Sampled and hw HtL Transform of the
windowed 1.2 sampled and
1.0 2
signal windowed
0.8 singnal
0.6 (overlapping a
0.4 1
ripples)
1 1
0.2
t 2 2
-4 -2 2 4
- 0.2 f
-2 0 2
Antitransform ∆1(t) e@ (f)
Δ Sampler function
of the T0δ(t) of the spectrum
frequency (frequency pulse
sampler train)
3 2 1 1 2 3
t f
-T0 T0 fl
z(f)
H L
Sampled and Tx(t) W Frequency
2
windowed 1 sampling of the
signal with transform of the
discrete sampled and
1
spectrum windowed signal
(periodic in (overlapping and
time) t ripples)
-5 5 f
-2 0 2
N
N
Figure 5.32. Continuous signals and digitalization: time sampling (aliasing and spectrum distortion);
windowing (truncation and frequency ripples); frequency sampling (periodicization of the time signal).
124
SIGNAL PROCESSING
T() N |G| ,
1.0 1.0
waveform
0.8 0.8
the spectrum 0.6 0.6
is almost zero
0.4 0.4
for | f |>1.5Hz
0.2 0.2
t f
1
@
(sampler)
δ(t)
@.
∆0(t), T= s
1 1
t f
-3T -2T -T T 2T 3T
T_
signal 1 1 sampled signal
TΔ
(slight aliasing
→ overlapping)
1 1
2 2
-2 0 2
t
-10 0 10
wHtL » WHf L»
Observation Transform of
window 1 uniform window
@
T0=3s 2 (ripples): first
zero at Hz
1 1
0-T/2 3
f
/2
t -2 -1 1 2
0
Hf L e f?
WΔ
hwHk
T
~
Sampled and Hw Transform of the
windowed tL sampled and
signal 1 windowed
1 singnal
(overlapping a
ripples)
1 1
2 2
t f
-2 0 2
Antitransform ∆1(t) e
Δ@ (f) Sampler function
of the T0δ(t) of the spectrum
frequency (frequency pulse
sampler train)
3 2 1 1 2 3
t f
-T0 T0
Tx(t)Hf L z(f)Hf L
W
~ ~
Sampled and hw Hw Frequency
windowed sampling of the
signal with 1 N 1 transform of the
discrete sampled and
spectrum windowed signal
(periodic in (overlapping and
time) ripples)
0
t
-5 5 f
-2 0 2
N
Figure 5.33. Continuous signals and digitalization: time sampling (aliasing and spectrum distortion);
windowing (truncation and frequency ripples); frequency sampling (periodicization of the time signal).
125
SIGNAL PROCESSING
Ts7
|W |7
y
s
5.82
Let us now use the Parseval theorem to understand clearly the difference among a continuous spectrum and
the DFT: it will be clear that the DFT is not simply the discretization of the continuous spectrum.
Let us consider equation (1.83) and calculate numerically the integrals after sampling the initial signal h(t)
7 ()
M T M |W()|7
with sampling time interval T and the spectrum H(f) with sampling frequency interval 1/T0.
vON
TNvN v O O
O
5.83
If the sampling is correctly carried out spectrum is almost zero for f >fc=1/(2T), i.e. beyond the Nyquist
F
frequency. Therefore, the right hand side of equation 5.83 can be reduced to =F |W|7 ; moreover, due
F @/A
to the periodicity one can write: =F |W|7
= |W|7
. Consider now a signal that is different
from zero for 0<t<T0 and evaluate integrals of 5.83 using the rectangle rule:
u@ u@
1
Ts7
|W |7
y
s
5.84
where N is the number of samples, T0 is the observation window, T0/N is the sampling interval in the time
domain, 1/ T0 is the sampling interval in the frequency domain, fn=n/T0 .
By comparing equations (5.84) and (5.82) one obtain the relation between the continuous spectrum
(regularly sampled) and the DFT:
y W
W W P W
5.85
where fs is the time sampling frequency, W is the DFT and W is the continuous spectrum sampled at f=fn
n=0,1,…N.
It is clear that, if energy analyses must be carried out (for example the RMS evaluation), one should consider
e W
a normalized DFT:
W
5.86
In Figure 5.34 the RMS of a cosine function is estimated, the theoretical value is 1/√2≈0.707107. A first
estimate is carried out on the continuous spectrum taking advantage from the Parseval theorem, the
frequency integral has been carried out numerically, therefore integration domain is finite (a suitable interval
of f∈(-80Hz, 80Hz) is considered), the result is 0.707047, the difference is mainly due to numerical problems,
indeed, the square of the absolute value of the spectrum is a stiff function. Then the signal is sampled with
fs=3.333Hz sampling frequency, note that fs>2fmax=2Hz and the Shannon theorem is respected (no aliasing).
After sampling the RMS is evaluated directly from the sampled time signal (rectangle rule, see lhs of
equation 5.84) and from its DFT, taking advantage from equation (5.82), the results for both time and
frequency domain is 0.707107. Figure 5.34 shows also the sampled signal reconstructed from the inverse
DFT and the normalized DFT (eq. 5.86), the latter one proves that the normalized DFT corresponds to the
sampled continuous spectrum.
126
SIGNAL PROCESSING
Such example shows clearly that using a correct sampling allows a good digital estimate of the RMS both in
time and frequency domain. Working with the continuous spectrum gives rise to numerical problems in the
integral evaluation, the result is a high computational cost and a poor approximation.
It is worthwhile to stress that it is not suggested to use the DFT for evaluating statistical signal properties
such as RMS. Indeed, actual signal can be polluted by noise and the direct use of the DFT can be affected by
errors; there are more sophisticated methods for managing actual signals removing noise, see e.g. the PSD
(power spectral density).
Rmsfreq=Sqrt[NIntegrate[Abs[H[f]]^2,{f,-
80,80},AccuracyGoal→40,PrecisionGoal→50,WorkingPrecision→100]/Tm];
Rmstrue=Sqrt[1/Tm Integrate[h[t]^2,{t,0,Tm}]];
NN=50;
T=Tm/NN;
ListPlot[hs,Joined→True,PlotStyle→{Thickness[0.01]},PlotRange→All,AxesLabel→{t,"hs(t)"},LabelStyle→
{FontSize->20}]
Hs=Table[{(n)/Tm, Sum[hs[[k+1,2]] Exp[-I 2 Pi k n/NN],{k,0,NN-1}]},{n,0,NN-1}];
Hsnorm=Table[{(n)/Tm, T Sum[hs[[k+1,2]] Exp[-I 2 Pi k n/NN],{k,0,NN-1}]},{n,0,NN-1}];
Rmssamplefreq=Sqrt[T/NN Sum[(Abs[Hs[[n+1,2]]]^2),{n,0,NN-1}]/(NN T)];
ListPlot[Abs[Hs],Joined→True,PlotStyle→{Thickness[0.01]},PlotRange→All,AxesLabel→{f,"DFT[hs]"},Labe
lStyle→{FontSize->20}]
ListPlot[Abs[Hsnorm] ,Joined→True,PlotStyle→{Thickness[0.01]},AxesLabel→{t,"Normalized
DFT[hs]"},LabelStyle→{FontSize->20},PlotRange→{{-0,2},{0,7.5}}]
ListPlot[hsinv,Joined→True,PlotStyle→{Thickness[0.01]},PlotRange→All,AxesLabel→{t,"hsinv(t)"},Label
Style→{FontSize->20}]
Rmstrue
Rmssample
Rmsfreq
Rmssamplefreq
127
SIGNAL PROCESSING
T()
1.0
signal 7 spectrum.
cos(2)
0.5 6 Side bands are due
5 to windowing.
t 4 Peaks amplitudes
Observation 5 10 15 3
window 2
depend on the
-0.5
[0,T0], 1 observation time
T0=15s -1.0 f
-2 -1 1 2
Root mean ∞ T0 ∞ ∞
Root mean square
1 1 1 1
h 2 (t ) = lim ∫ H ( f ) df = ∫
2 2
h 2 (t ) = lim ∫ h 2 (t )dt = ∫ h (t )dt
2
square H ( f ) df from the Parseval
τ →∞ τ −∞
T0 0
τ →∞ τ −∞
T0 −∞
(continuous 0.707047 theorem.
time) 0.707107 Numerical
integration
f∈(-80Hz, 80Hz)
Sampled hsHtL DFT@hsD Spectrum from
1.0 25
signal DFT
T=T0/N 0.5 20 Nyquist
N=50 15 frequency=1.667Hz
t
T=0.3s 2 4 6 8 10 12 14 10
fs=3.333Hz -0.5 5
-1.0 f
0.5 1.0 1.5 2.0 2.5 3.0
RMS from RMS(h)≈ RMS(h)≈ RMS from the
1 1
u@ u@
y y y
signal theorem and eq.
s
(rectangle 5.84
rule lhs of
equation
5.84)
Sampled hsinvHtL Normalized DFT@hsD Normalized DFT:
1.0 7
h(t) from energy
6
inverse 0.5 5 equivalence.
DFT of the 4
t 3
spectrum 2 4 6 8 10 12 14 2
-0.5 1
0 t
-1.0
0.0 0.5 1.0 1.5 2.0
Figure 5.34. Example of RMS estimation from: the continuous signal, the sampled signal, the continuous
spectrum, the DFT. Recontruction of the signal from inverse DFT and normalization of the DFT for energy
preserving.
128
SIGNAL PROCESSING
T()
N Eh G
5.87
where ω1=2π/T0 and T0 is the period.
1 7D
The coefficients am are given by:
M T(
) N E< d
2
S@
5.88
Now the initial signal is sampled with a sampling frequency of 1/T and the integral of equation (5.88) is
obtained numerically by means of the rectangle rule:
u@ u@
1 7D 7D 1 s
Ts N EuAsA uA
Ts N E7D u 0,1, … y 1
2 y
s s
5.89
{i}~|
by comparing equation (5.89) with the definition of DFT (W ∑u@
s Ts N
1
) one easily obtains:
W
y
5.90
this fits with the inverse discrete transform of equation (5.81b).
If we are interested to the real coefficients of the series T ! ∑
@ cos S@ ! sin S@ , we
can take advantage from equations (5.22) and write:
2NJ
K , 2ImJ
K
1
we can write such coefficient in terms of DFT:
W
y
1 1
2N ( W - , 2Im ( W -
y y
We can define a normalized DFT that gives “directly” the Fourier coefficients:
u@
w 1 E7Ds
W
Ts N u
y
s
5.91
Such normalized DFT returns directly and one half of other coefficients.
In order to obtain a straightforward visualization of Fourier coefficients a second normalization can be
considered
u@
w ¡¢£F 1 E7Ds
W
Ts N u
y/2
s
5.92
Such second DFT normalization returns directly Fourier coefficients, except the that is given by
h w ¡¢£F
W
i
; it quite straightforward when the real series is defined as
A0 ∞
f (t ) = + ∑ ( An cos nω1t + Bn sin nω1t ) , in such a case this normalized DFT returns directly all Fourier
2 n =1
coefficients and the zero frequency component of the DFT is two times the mean value of the function.
Let us now consider an example, we want to estimate the coefficients of h(t)=cos2πt+3cos(4×2πt) and use 50
samples on a period (T0=1s, T=0.02s). Results are presented in Figure 5.35: the DFT evaluates accurately the
129
SIGNAL PROCESSING
coefficients (they are all zero except the first and the fourth). Note that one presents the whole spectrum
when dialing with the first normalization in order to stress that it returns half value coefficients.
Mathematica program for calculating Fourier series coefficients
Tm=1.;
meanvalue=0;
h[t_]=meanvalue +Cos[2 Pi t]+3 Cos[4 2 Pi t];
NN=50;
T=Tm/NN;
hs=Table[{T k,h[T k]},{k,0,NN-1}];
Hs=Table[{(n)/Tm, Sum[hs[[k+1,2]] Exp[-I 2 Pi k n/NN],{k,0,NN-1}]},{n,0,NN-1}];
Hsnorm=Chop[Table[{(n)/Tm, 1/NN Sum[hs[[k+1,2]] Exp[-I 2 Pi k n/NN],{k,0,NN-1}]},{n,0,NN-1}]]
Hsnorm1=Chop[Table[{(n)/Tm, 1/(NN/2) Sum[hs[[k+1,2]] Exp[-I 2 Pi k n/NN],{k,0,NN-1}]},{n,0,NN-1}]]
ListPlot[Abs[Hsnorm],Filling→Axis
,PlotMarkers→{Automatic,Medium},PlotStyle→{Thickness[0.01]},AxesLabel→{t,"Normalized
DFT[hs]"},LabelStyle→{FontSize->20},PlotRange→{{-0,5},{0,2}}]
ListPlot[Abs[Hsnorm] ,Filling→Axis
,PlotMarkers→{Automatic,Medium},PlotStyle→{Thickness[0.01]},AxesLabel→{t,"Normalized
DFT[hs]"},LabelStyle→{FontSize->20},PlotRange→{{-0,50},{0,2}}]
ListPlot[Abs[Hsnorm1],Filling→Axis ,PlotMarkers→{Automatic,Medium}
,PlotStyle→{Thickness[0.01]},AxesLabel→{t,"Half spectr. Norm.
DFT[hs]"},LabelStyle→{FontSize→15},PlotRange→{{-0,5},{0,4}}]
A1=2 Re[Hsnorm[[1+1,2]]]
A4=2 Re[Hsnorm[[1+4,2]]]
1
u@
Normalized DFT of h(t)=cos2πt+3cos(4×2πt)
E7Ds
W
Ts N u
( w)
y
s
full spectrum
u@
W
( w ¡¢£F 1 E7Ds
Ts N u
y/2
s
130
SIGNAL PROCESSING
0.8
sin(2πt) on two periods
0.5 0.5
|FFT[sin(2πt)]|
0.6
sin(2πt)
0 0
0.4
-0.5 -0.5
0.2
-1 -1 0
0 0.2 0.4 0.6 0.8 1 0 0.5 1 1.5 2 -5 0 5 10 15 20 25
t t f
0.8
sin(2πt) on two periods
0.5 0.5
|FFT[sin(2π t)]|
0.6
sin(2πt)
0 0
0.4
-0.5 -0.5
0.2
-1 -1 0
0 0.5 1 1.5 0 0.5 1 1.5 2 2.5 -5 0 5 10 15 20 25
t t f
In order to reduce the spreading of energy over the spectrum different types of windows can be used; the
main idea is to reduce as much as possible the effect of an incorrect choice of the observation period. In
particular, windows are designed in order to enforce periodicity smoothing, i.e. to avoid discontinuities due
to the periodicization; therefore, windows used in practical data analyses force the signal to drop down to
zero at the window ends.
(k 0.5g1 cosg2¤h jj, 0 ¥ ¥ y ! 1, and the last point is removed) or a modified Hanning
An example is given in Figure 5.36 where the initial sine function is windowed by using Hanning window
|
131
SIGNAL PROCESSING
Initial signal windowed signal (-) and spectrum of the windowed signal
window (- -)
Hanning windowing
0.3
sin(2πt)
0 0
0.2
-0.5 -0.5
0.1
-1 -1 0
0 0.5 1 1.5 0 0.5 1 1.5 -5 0 5 10 15 20 25
t t f
0.6
sin(2πt)
0 0
0.4
-0.5 -0.5
0.2
-1 -1 0
0 0.5 1 1.5 0 0.5 1 1.5 -5 0 5 10 15 20 25
t t f
132
SIGNAL PROCESSING
Another way to reduce the Leakage is to consider a larger observation period, for example increasing T0 to
12.12s gives a great improving, both in terms of spreading and amplitude; increasing up to 50.2s improves
the spreading (Figure 5.37), but surprisingly the amplitude estimation is worst, due to the different truncation
time. The use of a Hanning window gives a further reduction of spreading.
The general rule is that, if the period of the function is not known exactly, one should set the observation
period large enough for having a good spectrum and amplitude estimate; several tests with increasing
observation periods should be carried out, the optimal observation period is found when the improvement is
negligible.
T0=12.1200s, N=500
1 1
0.8
0.5
|FFT[sin(2πt)]|
0.6
sin(2πt)
0
0.4
-0.5
0.2
-1 0
0 5 10 15 -5 0 5 10 15 20 25
t f
T0=50.2000s, N=2510
1 1
0.8
0.5
|FFT[sin(2π t)]|
0.6
sin(2π t)
0
0.4
-0.5
0.2
-1 0
0 20 40 60 -5 0 5 10 15 20 25
t f
Modified Hanning window
Hanning windowed sin(2π t) and window
1 1
hanning windowed |FFT[sin(2π t)]|
0.8
0.5
0.6
0
0.4
-0.5
0.2
-1 0
0 20 40 60 -5 0 5 10 15 20 25
t f
Figure 5.37. Windowing: effect of the observation window width.
133
SIGNAL PROCESSING
clear
magnw=10.;
T0=magnw*1.212
N=round(magnw*50);
T=T0/N;
t=[0:T:T0-T];
tt=[0:T:2*T0-T];
h=sin(2*pi*t);
%w=hann(N)';
%kw=1 means Hanning
kw=0.25;
w=tukeywin(N,kw)';
hw=h.*w;
for i=1:N
hh(i)=h(i);
hh(i+N)=h(i);
end
figure(1)
plot(t,h,'linewidth',2)
set(gca,'fontsize',16)
xlabel('t')
ylabel('sin(2\pit)')
figure(2)
plot(tt,hh,'linewidth',2)
set(gca,'fontsize',16)
xlabel('t')
ylabel('sin(2\pit) on two periods')
H=2/N*fft(h);
f=[0:length(t)-1]/T0;
figure(3)
bar(f(1:N/2),abs(H(1:N/2)),'r')
set(gca,'fontsize',16)
xlabel('f')
ylabel('|FFT[sin(2\pit)]|')
figure(4)
plot(t,hw,t,w,'--','linewidth',2)
set(gca,'fontsize',16)
xlabel('t')
ylabel('Hanning windowed sin(2\pit) and window')
Hw=2/N*fft(hw);
f=[0:length(t)-1]/T0;
figure(5)
bar(f(1:N/2),abs(Hw(1:N/2)),'r')
set(gca,'fontsize',16)
xlabel('f')
ylabel('hanning windowed |FFT[sin(2\pit)]|')
134
SIGNAL PROCESSING
5.17 Summary
• T0 observation period
• fmax max frequency where there is Energy on the spectrum
• N number of samples
• fs=1/T sampling frequency (T time intrval for sampling or time step)
• fs≥2 fmax
T0=N T=N/ fs
If fs=2 fmax:
These simple rules are extremely important when acquisition systems do not include anti-aliasing filters.
Even if such filters are present such rules are immediately appliable for understanding the effect of
acquisition parameters on the signal and spectrum resolution, the number of samples needed and the
expected available band of frequency analysis.
135
6 VIBRAZIONI RANDOM
6.1 Introduzione.
VIBRAZIONI RANDOM
Figura 6.1
137
VIBRAZIONI RANDOM
6.2 Probabilità
138
VIBRAZIONI RANDOM
139
VIBRAZIONI RANDOM
140
VIBRAZIONI RANDOM
141
VIBRAZIONI RANDOM
142
VIBRAZIONI RANDOM
Figura 6.2
143
VIBRAZIONI RANDOM
144
VIBRAZIONI RANDOM
145
VIBRAZIONI RANDOM
146
VIBRAZIONI RANDOM
147
VIBRAZIONI RANDOM
148
VIBRAZIONI RANDOM
149
VIBRAZIONI RANDOM
150
VIBRAZIONI RANDOM
151
VIBRAZIONI RANDOM
152
VIBRAZIONI RANDOM
153
VIBRAZIONI RANDOM
154
VIBRAZIONI RANDOM
155
VIBRAZIONI RANDOM
156
VIBRAZIONI RANDOM
157
VIBRAZIONI RANDOM
158
VIBRAZIONI RANDOM
159
VIBRAZIONI RANDOM
160
VIBRAZIONI RANDOM
161
VIBRAZIONI RANDOM
162
VIBRAZIONI RANDOM
163
INDICE ANALITICO
dinamica; 3 Vibrazioni; 3
vibrazioni; 3
Bibliografia
Bendat J. S. and Piersol A. G. Random Data Analysis and Mesaurement Procedures third edition, John
Wiley and Sons New York, 2000.
Brigham, E.O. (1974) The Fast Fourier Transform. Prentice-Hall. Englewood Clifs, N.J..
Kelly S. G., Theory and Problems of Mechanical Vibrations, Schaum’s Outline series McGraw-Hill, New
York, 1996.
Lynn P., An Introduction to the Analysis and Processing of Signals, The MacMillan Press, 1973.
Rao S. S., Mechanical Vibrations, Pearson Prentice Hall New Jersey, 2004.
Strutt J. W. (Baron Reyleigh) The Theory of Sound, Vol. I and II, 1894, Reprinted by Dover Publications,
New York, 1945.
Sono rispettati gli obblighi di legge: ogni riproduzione è vietata.
Finito di stampare Aprile 2009