Sei sulla pagina 1di 19

METODI DI STIMA DEI PARAMETRI

MODALI
ANALISI MODALE SPERIMENTALE ( EMA)

Obiettivo: ricavare frequenze naturali, smorzamenti modali e forme modali.


Fasi della procedura in sintesi:
• Verificare che il sistema abbia le proprietà di: linearità, tempo-invarianza, reciprocità, osservabilità;
• Scegliere i vincoli dell’oggetto in esame, in funzione dell’utilizzo dei parametri che verranno stimati;
• Scelta dei punti di misura, numero e posizione;
• Valutare il metodo di eccitazione più conveniente: impact test o shaker test;
• Impostazione del setup di misura: procedura pratica e parametri di acquisizione;
• Misura delle FRFs (righe o colonne);
• Scegliere il range in frequenza in cui condurre l’analisi;
• Stima dei parametri per mezzo di metodi di curve-fitting;
• Validazione dei parametri stimati;
CONCETTO DEL CURVE-FITTING

Si basa sul confronto tra i dati sperimentali, le FRFs misurate, e un modello che descriva al meglio l’andamento dei
dati sperimentali.
Il modello scelto è quello derivato dalla teoria modale, che vede le FRF come combinazione di singoli modi di
vibrare.
Questi ultimi dipendono solo da due parametri: polo e residuo.
La stima condotta sarà quindi di tipo non-parametrico, in particolare sfruttando il metodo dei minimi quadrati.
I poli, secondo questo modello, sono considerati «globali», cioè uguali per tutte le FRFs.
I residui sono invece funzione del’input e dell’output, cioè variano per ogni FRFs.
È importante ricordare che per condurre una stima parametrica è necessario scegliere:
• Il range di valori in cui condurla;
• I dati sperimentali da utilizzare;
MODELLO FRF: SDOF E MDOF
1 GDL: 𝑚𝑞(𝑡)
ሷ + 𝑐𝑞(𝑡)
ሶ + 𝑘𝑞(𝑡) = 𝑓 𝑡 → Laplace → 𝑚𝑠 2 𝑄 𝑠 + 𝑐𝑠𝑄 𝑠 + 𝑘𝑄 𝑠 = 𝐹(𝑠)
𝑄(𝑠) 1
Da cui si ricava: 𝐻 𝑠 = 𝐹(𝑠) = 𝑚𝑠2 +𝑐𝑠+𝑘 , si possono poi cercare le radici del polinomio a denominatore e
decomporlo.
𝑐 𝑘
Radici del polinomio: λ, λ∗ = −ζ𝑛 𝜔𝑛 ± 𝑖𝜔𝑛 1 − ζ2𝑛 , con ζ𝑛 = 2 e 𝜔𝑛 = .
𝑚𝑘 𝑚
𝑅 𝑅∗ 𝑅 𝑅∗
Scomponendo il denominatore: 𝐻 𝑠 = + → ponendo 𝑠 = 𝑗𝜔 → 𝐻 𝑗𝜔 = + .
(𝑠−λ) (𝑠−λ∗ ) (𝑗𝜔−λ) (𝑗𝜔−λ∗ )

N GDL: si scrivono N equazioni differenziali nelle coordinate fisiche, in generale accoppiate tra loro; però si può, a
determinate condizioni, passare a coordinate modali, disaccoppiando le equazioni differenziali.
Si ottengono perciò N equazioni differenziali analoghe a quelle ad 1 GDL, trattabili come sopra.
Una volta determinate queste si può passare nuovamente a coordinate fisiche, ricavando così le FRF per le diverse
combinazioni input-output.
𝑁 𝐴𝑖𝑗,𝑘 𝐴∗𝑖𝑗,𝑘
𝐻𝑖𝑗 𝑗𝜔 = σ𝑘=1 + (𝑗𝜔−λ∗ ) , con 𝐴𝑖𝑗,𝑘 = 𝑄𝑘 𝜑𝑖,𝑘 𝜑𝑗,𝑘 .
(𝑗𝜔−λ𝑘 ) 𝑘

La principale differenza risiede nel fatto che:


• La FRF è combinazione di N modi di vibrare;
• Il contributo di ogni modo di vibrare dipende dalla combinazione input ed output.
MODELLI UTILIZZATI NELLA STIMA
MODELLO NEL DOMINIO DELLA
FREQUENZA MODELLO NEL DOMINIO DEL TEMPO
𝑣 𝐴𝑖𝑗,𝑘 𝐴∗𝑖𝑗,𝑘 ∗
ℎ𝑖𝑗 𝑡 = σ𝑣𝑘=𝑢 𝐴𝑖𝑗,𝑘 𝑒 λ𝑘 𝑡 + 𝐴∗𝑖𝑗,𝑘 𝑒 λ𝑘 𝑡 .
𝐻𝑖𝑗 𝑗𝜔 = 𝐿𝑅 + σ𝑘=𝑢 + (𝑗𝜔−λ∗ ) + 𝑈𝑅 .
(𝑗𝜔−λ𝑘 ) 𝑘
Che rappresenta la risposta all’impulso del punto i, con
u, v: modi estremi nella banda considerata; eccitazione in j.
UR: termine residuo che tiene conto degli effetti dei Per ricavarla si può applicare la trasformata inversa di
modi sopra ωmax (effetti di rigidezza);
Fourier sulla FRF.
LR: termine residuo che tiene conto degli effetti dei
modi sotto ωmin (effetti di massa);

𝐴𝑘 = 𝑄𝑘 φ𝑘 φ𝑘 𝑇 , perciò per conoscere completamente la forma modale k-esima è necessario conoscere almeno
una colonna o una riga della matrice delle FRFs.
Ogni riga (o colonna) nota viene definita «reference», ed è importante che il driving point di questa riga (o colonna)
venga eccitato (o ecciti) in maniera rilevante da tutti i modi affinché la forma modale venga stimata correttamente.
Per questo motivo non sono considerati parametri «globali».
È necessario in generale che la stima delle forme modali avvenga dopo aver stimato i poli.
METODO DEI MINIMI QUADRATI
Parametri da stimare:
• λk: chiamato polo, al suo interno contiene le informazioni della frequenza naturale e dello smorzamento modale
di quel modo; perciò determina la posizione del picco lungo l’asse delle frequenze e la larghezza e altezza del
picco.
• Aij,k: chiamato residuo, contiene le informazioni parziali riguardo la forma modale; perciò contribuisce anch’esso
all’altezza del picco e la fase.
• n: ordine del modello, cioè numero di modi di vibrare che si vuole considerare nella banda di frequenza
d’interesse.
Variando questi parametri quindi cambia la forma della curva, l’idea è quella di trovare i parametri che meglio
approssimano le curve sperimentali. (in realtà lo scopo non è far combaciare le due curve perfettamente in ogni
punto, ma ricavare correttamente i parametri che descrivono il comportamento vibratorio!)
Per fare ciò, si segue questo metodo:
𝑁𝑓
• Definire funzione errore: 𝜀 = σ𝑧=1 ෪𝑖𝑗 𝑗𝜔𝑧 − 𝐻𝑖𝑗 (𝑗𝜔𝑧 ) 2 , si può definire anche per più FRF;
𝐻
𝜕𝜀 𝜕𝜀
• Minimizzare la funzione errore: 𝜕λ = 0 e 𝜕𝐴 = 0 , per ogni k=1,2,…,n;
𝑘 𝑖𝑗,𝑘

La grande differenza rispetto all’utilizzo comune di questo metodo è che: H(jω) è complesso.
CLASSIFICAZIONE DEI METODI

Metodi si distinguono in funzione di:


• Numero di gradi di libertà considerati: SDOF o MDOF;
• Numero di FRFs considerate nell’utilizzo del metodo dei minimi quadrati: local, global, polyreference;
• Dominio in cui viene svolta la stima dei parametri: tempo o frequenza;
• In generale, per l’algoritmo utilizzato per risolvere il problema impostato con il metodo dei minimi quadrati.
SDOF VS. MDOF

SDOF: scelta la banda in frequenza in cui si vuole svolgere l’analisi, l’ordine del modello è impostato ad uno, cioè si
trascura l’effetto degli altri modi in quel range di frequenze.
L’analisi viene condotta trovando il polo considerando una sola FRF, successivamente si utilizza tutta la riga o
colonna di FRFs per trovare la forma modale.
Per trovare più modi di vibrare è necessario scegliere un’altra banda e ripetere l’operazione.
MDOF: scelta la banda in frequenza, l’ordine del modello è considerato maggiore di uno.
L’analisi è perciò condotta trovando più di un polo nella banda e successivamente si ricavano anche le forme
modali.
Tipi di modi:
• Frequenze naturali distanti tra loro e modi poco smorzati → SDOF, MDOF;
• Frequenze naturali distanti tra loro e modi molto smorzati → MDOF, volendo per confronto SDOF;
• Frequenze naturali vicine tra loro e modi poco smorzati → MDOF;
• Frequenze naturali vicine tra loro e modi molto smorzati → MDOF;
LOC AL, GLOB AL, POLYREFERENCE
La distinzione è riferita ai metodi MDOF.
Local: i poli e i residui vengono stimati prendendo in considerazione una sola FRF alla volta, le forme modali
vengono ricavate poi.
Il problema di questo metodo è che stima dei poli differenti per ogni FRF, anche se il nostro modello suppone i
poli come caratteristiche «globali».
La stima delle forme modali risulta perciò complessa, poiché necessita di scegliere dei poli «globali» tra quelli
stimati.
Ha la possibilità però di individuare eventuali poli locali della struttura.
Global: i poli vengono stimati considerando, nella funzione errore, una intera colonna o riga di FRFs, i residui e le
forme modali sono stimate successivamente.
Permette di ricavare direttamente dei poli «globali», da utilizzare per stimare le forme modali.
Polyreference: i poli vengono stimati considerando più di una riga o colonna (cioè più reference),
successivamente vengono stimati i residui e le forme modali (si possono stimare direttamente i vettori modal
participation factors).
Aggiunge alle qualità del global, la capacità di «mediare» anche la stima delle forme modali; soprattutto permette di
valutare modi direzionali, che magari solo una delle reference è riuscita a «catturare».
LEAST SQUARE COMPLEX EXPONENTIAL (LSCE)
È un metodo che opera nel tempo, perciò la stima dei parametri avviene utilizzando le risposte all’impulso misurate e il
modello precedentemente mostrato.
Fasi:
1. Applicare la trasformata inversa alle FRFs che vengono utilizzate per la stima, nel range di frequenze in analisi;
2. Selezionare l’ordine del modello, il metodo permette il calcolo dell’errore quadratico e si può vedere come descresca
l’errore all’aumentare dell’ordine del modello;
3. Risoluzione di un sistema di equazioni lineari a coefficienti incogniti reali βi, in cui i valori delle hij(k∆t) vanno a
costituire la matrice dei coefficienti ed i termini noti;
4. Risoluzione di un equazione che lega i coefficienti βi agli esponenziali complessi 𝑒 λ𝑘 ∆𝑡 ;
5. Noti gli esponenziali si possono ricavare λk e di conseguenza ωk ed ζk;
6. Noti gli esponenziali è possibile costruire un sistema di equazioni lineari con incognite i residui (in generale le forme
modali sono ricavate nel dominio delle frequenze);
Contro:
• È necessario passare dal dominio delle frequenze a quello del tempo, con possibile leakage;
• Non è possibile considerare termini residui, anche per questo il metodo genera diverse possibili soluzioni che sono
modi computazionali;
Si può utilizzare anche con più colonne o righe, il che permette di stimare direttamente i vettori modal participation
factor.
POLYMAX
È un metodo che opera nel dominio delle frequenze, in particolare è sviluppato per lavorare con più colonne o righe.
Fasi
𝑝
1. Right Matrix-Fraction : 𝐻(𝜔) 𝑁𝑜 𝑥𝑁𝑖 = 𝐵(𝜔) 𝑁𝑜 𝑥𝑁𝑖 𝐴(𝜔) −1 𝑁𝑖 𝑥𝑁𝑖 , con 𝐴(𝜔) = σ 𝑟
𝑟=0(𝑗𝜔) 𝛼𝑟 matrice
𝑝
denominatore comune a tutte le righe o colonne, e 𝐵𝑜 (𝜔) 1𝑥𝑁𝑖 = σ𝑟=0(𝑗𝜔)𝑟 𝛽𝑜𝑟 sono le righe che costituiscono
la matrice a numeratore (dipendenti dalla riga, cioè output);
2. Le matrici 𝛼𝑟 e i vettori 𝛽𝑜𝑟 rappresentano i coefficienti da stimare, si possono condensare in un’unica matrice
𝜃;
𝑝
3. Si può definire una funzione errore lineare nei coefficienti: {𝜀𝑜𝐿𝑆 𝜔, 𝜃 } = σ𝑟=0((𝑗𝜔)𝑟 𝛽𝑜𝑟 − (𝑗𝜔)𝑟 𝐻𝑜 (𝜔) 𝛼𝑟 );
𝑁 𝑓 𝑁
4. Da questa viene definita la funzione da minimizzare: 𝑙𝐿𝑆 𝜃 = σ𝑜=1
𝑜
σ𝑙=0 𝑡𝑟 {𝜀𝑜𝐿𝑆 𝜔𝑘 , 𝜃 }𝐻 ∙ {𝜀𝑜𝐿𝑆 𝜔𝑘 , 𝜃 } ;
𝜕𝑙 (𝜃) 𝜕𝑙 (𝜃)
5. Calcolo delle derivate 𝜕[𝛼]
𝐿𝑆
= 0 e 𝜕{𝛽
𝐿𝑆
= 0, da cui si ricavano due equazioni, in particolare si può ottenere una
𝑜}
equazione più rapida da risolvere 𝑀 ∙ 𝛼 = 0;
6. Risolta questa si trovano i coefficienti stimati 𝛼 , e noti questi risulta più rapido trovare anche 𝛽𝑜 ;
7. È così possibile legare questi coefficienti ai poli e i vettori modal partecipation factors
([𝐴𝑘 ]𝑁𝑜 𝑥𝑁𝑖 = {𝑉𝑘 }𝑁𝑜 𝑥1 {𝐿𝑘 }1𝑥𝑁𝑖 );
8. Solo alla fine, noti i poli e i modal participation factors, si può tornare nella forma tipica del modello delle FRF e
stimare con un metodo ancora dei minimi quadrati i vettori delle forme modali;
POLYMAX

Pro:
• Nell’ultimo passaggio è possibile tenere conto dei termini residui, perciò dei modi fuori banda;
• Risulta molto rapido, poiché l’ordine del modello (p) è minore del numero dei gradi di libertà (N);
• Capace di dare risultati stabili senza generare modi numerici, portando ad un diagramma di stabilizzazione più
chiaro;
• Lavora bene anche in sistemi molto smorzati, con frequenze naturali vicine;
METODI DI AUSILIO PER DISCRIMINARE I MODI REALI DA
QUELLI NUMERICI
Dagli algoritmi appena citati vengono stimati i parametri di modi che sono reali, ma anche di modi numerici. Questi ultimi
possono esser dovuti ad errori di misurazione delle FRF, che non risultano così «pulite». Oppure ci possono essere
situazioni in cui i modi stimati risultano essere in numero maggiore di quelli aspettati, ciò può essere dovuto invece
all’aver trascurato dei punti della struttura utili a descrivere correttamente i modi stessi.
Per poter distinguere i modi reali da quelli numerici si possono utilizzare diversi indicatori.
Diagramma di Stabilizzazione
Presenta in ascisse la frequenza ed in ordinate l’ordine del modello. Per ogni ordine del modello vengono mostrate delle
lettere poste alla frequenza naturale stimata.
Confronta per ogni ordine il valore dei parametri stimati, ad una certa frequenza, con i parametri stimati all’ordine
precedente, se la differenza rientra in tolleranza per tutti i parametri, alla determinata frequenza, viene posta la lettera s.
Al crescere del modello può crescere il numero di modi stimati.
Per i poli ci si aspetta che questi non varino al crescere del modello, essendo «globali» (i poli computazionali invece
tendono a variare al crescere dell’ordine del modello).
Viene perciò monitorata la stabilità dei poli al crescere dell’ordine, confrontando sempre con l’ordine inferiore il valore e
calcolando la differenza percentuale dei parametri: frequenza naturale, smorzamento e modal participation factors.
Se tutte le differenze percentuali sono inferiori alle tolleranze imposte si può porre la lettera «S».
METODI DI AUSILIO PER DISCRIMINARE I MODI REALI DA
QUELLI NUMERICI
MMIF
Sono funzioni della frequenza che presentano dei minimi in prossimità delle frequenze naturali.
Questo perché si basano sulla valutazione del rapporto tra parte reale e il modulo della FRF stessa, che alle
frequenze naturali per modi reali dovrebbe tendere a 0.
In particolare si possono calcolare tante MIF quante sono gli input considerati e la MIF successive alla prima
permettono di individuare eventuali poli ripetuti. Può avere problemi con le antirisonanze.
CMIF
Sono funzioni della frequenza che presentano dei massimi in prossimità delle frequenze naturali.
Si basano sulla decomposizione della matrice H tramite il metodo SVD, i cui singoli valori possono essere calcolati
in funzione della frequenza e legati ai poli della matrice.
𝑄
[𝐻]𝑁𝑜𝑥𝑁𝑖 = [𝑈]𝑁𝑜𝑥𝑁𝑜 [Σ]𝑁𝑜𝑥𝑁𝑖 [𝑉]𝐻 2 𝑟
𝑁𝑖 𝑥𝑁𝑖 → 𝐶𝑀𝐼𝐹𝑘 (𝜔) = Σ𝑘 (𝜔) 𝛼 (𝑗𝜔−λ
𝑟)

Si possono calcolare tante curve CMIF quanti sono gli input e mettono in risalto ancora le radici ripetute.
METODI DI AUSILIO PER DISCRIMINARE I MODI REALI DA
QUELLI NUMERICI

FRF «Somma»
È la media dei valori assoluti delle parti reali ed immaginarie di tutte le FRF selezionate per la stima.
𝑁𝑜 𝑁𝑖 𝑁𝑜 𝑁𝑖
1
𝐻𝑠𝑢𝑚 = (෍ ෍ 𝑅𝑒 𝐻𝑖𝑗 + 𝑗 ෍ ෍ 𝐼𝑚(𝐻𝑖𝑗 ) )
𝑁𝑜 𝑁𝑖
𝑖 𝑗 𝑖 𝑗

Dà un’idea rispetto a che frequenze si pongano le frequenze naturali, ma non permette di valutare eventuali poli
ripetuti.
METODI DI VALIDAZIONE
Una volta selezionati i poli che risultano più probabilmente reali, grazie agli strumenti di ausilio mostrati
precedentemente, è possibile calcolare i vettori delle forme modali.
Noti questi, esistono diversi metodi che permettono di valutare le forme modali e quindi capire se queste risultano
plausibili con il sistema.
Valutazione Grafica
Se viene impostata la geometria sul software, si può poi valutare il moto oscillatorio imposto dai differenti modi
selezionati. Questo permette, per esempio, di vedere se due modi con frequenza naturale coincidente sono identici
oppure sono ortogonali tra loro.
MAC (Modal Assurance Criterion)
È un indice statistico che permette di valutare la correlazione tra due vettori, in particolare relativi alle forme modali.
2
{𝑉𝐴 }𝑇
𝑟 {𝑉𝐵 }𝑝
𝑀𝐴𝐶𝑟𝑝 = , dove A e B indicano il set di vettori modali, r e p indicano i modi confrontati.
({𝑉𝐴 }𝑇 𝑇
𝑟 {𝑉𝐴 }𝑟 )({𝑉𝐵 }𝑝 {𝑉𝐵 }𝑝 )

• Auto-MAC: confronto tra vettori modali dello stesso set → matrice identità, a meno di errori di misura, driving point
non ideali, numero di punti troppo basso;
• Confronto tra vettori modali ricavati con differenti reference (colonne o righe);
• Confronto tra vettori modali ricavati con differenti metodi di stima dei parametri;
• Confronto tra vettori modali ricavati con EMA e ottenuti con FEM;
METODI DI VALIDAZIONE
FRF «Sintetizzate»
Stimati i parametri modali, è possibile valutare graficamente la curva del modello adottato e confrontarla con la
curva della FRF misurata. Il matching deve risultare buono in particolare nelle zone di risonanza, e viene effettuato
nella banda di frequenza in cui l’analisi è stata condotta.
Noti i parametri è possibile sintetizzare tutte le FRF, perciò risulta molto utile confrontare le FRF misurate ma che
non sono state utilizzate nel metodo di stima dei parametri.

𝑁𝑓 2

σ𝑖=0(𝑆𝑖 𝑥𝑀𝑖 )
𝑐𝑜𝑟𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 = 𝑁𝑓 𝑁𝑓
σ𝑖=0(𝑆𝑖 𝑥𝑆𝑖∗ ) σ𝑖=0 (𝑀𝑖 𝑥𝑀𝑖∗ )

𝑁𝑓 ∗
σ𝑖=0 𝑆𝑖 − 𝑀𝑖 𝑥 𝑆𝑖 − 𝑀𝑖
𝐿𝑆𝑒𝑟𝑟𝑜𝑟 = 𝑁𝑓
σ𝑖=0 𝑆𝑖 𝑥𝑆𝑖∗
S: FRF sintetizzata
M: FRF misurata
METODI DI VALIDAZIONE
Mode Overcomplexity Value (MOV)
È un indice che misura la sensibilità di un modo rispetto all’incremento della massa in uno dei punti di risposta.
Questo permette di valutare se è effettivamente un modo reale, cioè se al crescere della massa si presenta un calo
della frequenza naturale del modo.
σ𝑁 𝑜
𝑖=0 𝑤𝑖 𝑎𝑖𝑘
𝑀𝑂𝑉𝑘 = 𝑁𝑜 𝑥100%
σ𝑖=0 𝑤𝑖
Wi: peso assegnato alla sensibilità del modo k-esimo rispetto all’incremento di massa nel punto di risposta i-esimo
Aik: valore assegnato alla sensibilità del modo k-esimo rispetto all’incremento di massa nel punto di risposta i-
esimo, vale 1 se la frequenza naturale cala al crescere della massa e 0 altrimenti.
Se fissato il punto di input (cioè una colonna) l’indice, per tutti i modi, si presenta basso, può significare che la
direzione della eccitazione in quel punto è errata.
METODI DI VALIDAZIONE
Esistono altri due indici che permettono di valutare la complessità di un modo (che può essere dovuta ad un
sistema con smorzamenti molto elevati o più spesso ad errori nelle misurazioni che portano a modi numerici).
Modal Phase Collinearity (MPC)
È un indice che valuta la relazione che intercorre tra parte reale ed immaginaria di un vettore forma modale.
Vale 100% quando il modo si presenta reale (componenti del vettore in fase o opposizione di fase), e vale 0%
quando si presenta complesso.
Mean Phase Devation (MPD)
È una misura della dispersione delle fasi delle componenti dei vettori forme modali rispetto al valore medio delle
fasi.
Deve avere valore prossimo a 0° affinché il modo si possa considerare reale.