振动力学:无阻尼多自由度系统(受迫振动)

本文从频域分析和时域分析揭示系统的运动特性,并给出系统在一般形式激励下的响应。主要讨论如下问题:频域分析、频响函数矩阵、反共振、振型叠加法等。

根据文章1中的式(1.7),可知无阻尼受迫振动的初值问题为:
M u ¨ ( t ) + K u ( t ) = f ( t ) u ( 0 ) = u 0 , u ˙ ( 0 ) = u ˙ 0 ( 4.1 ) \begin{aligned} & \bm{M} \ddot{\bm{u}}(t) + \bm{K} \bm{u}(t) = \bm{f}(t) \\ & \bm{u}(0)= \bm{u}_0, \;\; \dot{\bm{u}}(0) = \dot{\bm{u}}_0 \end{aligned} \qquad (4.1) Mu¨(t)+Ku(t)=f(t)u(0)=u0,u˙(0)=u˙0(4.1)

式中, M \bm{M} M为质量矩阵, K \bm{K} K为刚度矩阵。 u \bm{u} u为位移向量, f \bm{f} f为激振力向量。给定的初始条件为初始位移 u 0 \bm{u}_0 u0和初始速度 u ˙ 0 \dot{\bm{u}}_0 u˙0。矩阵和向量的阶数取决于系统自由度。

1. 频域分析:频响函数矩阵、反共振

频域分析是指在频域方程中自变量变为 ω \omega ω而非 t t t,这种表述不仅简化了计算,更深刻揭示了系统的频率响应特性,是振动分析的核心工具之一。

1.1 频域方程

首先讨论激励为简谐力的情况,即 f ( t ) = f ˉ sin ⁡ ω t \bm{f}(t) = \bar{\bm{f}} \sin \omega t f(t)=fˉsinωt。由于线性常微分方程的解式一个特解 u \bm{u} u和其对应齐次方程的通解 u ˉ \bar{\bm{u}} uˉ之和,而根据文章2的分析可知,在含阻尼的系统中其通解 u ˉ \bar{\bm{u}} uˉ描述的自由振动将随时间衰减;特解 u \bm{u} u描述的是稳态响应,因此主要研究特解 u \bm{u} u

简谐力激励下的振动方程为:
M u ¨ ( t ) + K u ( t ) = f ˉ sin ⁡ ω t ( 4.2 ) \bm{M} \ddot{\bm{u}}(t) + \bm{K} \bm{u}(t) = \bar{\bm{f}} \sin \omega t \qquad (4.2) Mu¨(t)+Ku(t)=fˉsinωt(4.2)

特解的形式取为:
u ( t ) = u ˉ sin ⁡ ω t \bm{u}(t) = \bar{\bm{u}} \sin \omega t u(t)=uˉsinωt

代入方程式(4.2)得到频域方程
( K − ω 2 M ) u ˉ = f ˉ ⇒ Z u ˉ = f ˉ ( 4.4 ) \left( \bm{K} - \omega^2 \bm{M} \right) \bar{\bm{u}} = \bar{\bm{f}} \quad \Rightarrow \quad \bm{Z} \bar{\bm{u}} = \bar{\bm{f}} \quad \qquad (4.4) (Kω2M)uˉ=fˉZuˉ=fˉ(4.4)

式中可定义动刚度矩阵 Z ( ω ) = K − ω 2 M \bm{Z} (\omega) = \bm{K} - \omega^2 \bm{M} Z(ω)=Kω2M。当频率为零,则 Z = K \bm{Z}=\bm{K} Z=K

振动力学的一个重要结论:动刚度矩阵(Dynamic Stiffness Matrix)可逆 ⇔ 系统无共振。如果 det ⁡ Z ≠ 0 \det \bm{Z} \neq 0 detZ=0则问题为特征值问题,所求的频率恰好为固有频率。

1.2 频响函数矩阵

Z \bm{Z} Z是可逆矩阵(即 det ⁡ Z ≠ 0 \det \bm{Z} \neq 0 detZ=0),即式(4.4)存在唯一解,物理意义为不存在共振( ω ≠ ω i , ( i = 1 , 2 , . . . , N ) \omega \neq \omega_i, (i=1,2,...,N) ω=ωi,(i=1,2,...,N))。引入记号 H ( ω ) \bm{H}(\omega) H(ω),称为位移频响函数矩阵,也称为动柔度矩阵
H ( ω ) = Z − 1 ( ω ) , ( ω ≠ ω i ) \bm{H}(\omega) = \bm{Z}^{-1} (\omega), \quad (\omega \neq \omega_i) H(ω)=Z1(ω),(ω=ωi)

于是:
u ˉ = H f ˉ \bar{\bm{u}} = \bm{H} \bar{\bm{f}} uˉ=Hfˉ

动刚度矩阵 Z \bm{Z} Z或动柔度矩阵 H ( ω ) \bm{H}(\omega) H(ω)(位移频响函数矩阵)反映了系统在频率域的全部动力学特征。且在实际应用中, H ( ω ) \bm{H}(\omega) H(ω)更容易测量。

1.3 频响函数矩阵的振型展开式

在文章1中给出了固有振型的正交性,有如下结论(文章1的式(3.40)),因此如果对 Z ( ω ) = K − ω 2 M \bm{Z} (\omega) = \bm{K} - \omega^2 \bm{M} Z(ω)=Kω2M左右分别乘 Φ T \bm{\Phi}^{T} ΦT Φ \bm{\Phi} Φ
Φ T Z ( ω ) Φ = Φ T ( K − ω 2 M ) Φ = d i a g i = 1 ∼ N ( K i − ω 2 M i ) \bm{\Phi}^{T} \bm{Z} (\omega) \bm{\Phi} = \bm{\Phi}^{T}(\bm{K} - \omega^2 \bm{M}) \bm{\Phi} = {\rm diag}_{i=1\sim N} (K_i - \omega^2 M_i) ΦTZ(ω)Φ=ΦT(Kω2M)Φ=diagi=1N(Kiω2Mi)

于是对左右再次分别乘 Φ − T \bm{\Phi}^{-T} ΦT Φ − 1 \bm{\Phi}^{-1} Φ1
Z = Φ − T d i a g i = 1 ∼ N ( K i − ω 2 M i ) Φ − 1 \bm{Z} = \bm{\Phi}^{-T} {\rm diag}_{i=1\sim N} (K_i - \omega^2 M_i) \bm{\Phi}^{-1} Z=ΦTdiagi=1N(Kiω2Mi)Φ1

由于 H ( ω ) = Z − 1 ( ω ) \bm{H}(\omega) = \bm{Z}^{-1} (\omega) H(ω)=Z1(ω),所以可得到用固有振型表示的 H ( ω ) \bm{H}(\omega) H(ω)
H ( ω ) = Φ d i a g i = 1 ∼ N 1 K i − ω 2 M i Φ T = ∑ i = 1 N φ i φ i T K i − ω 2 M i , ( ω ≠ ω i ) ( 4.10 ) \bm{H} (\omega) = \bm{\Phi} {\rm diag}_{i=1\sim N} \frac{1}{K_i - \omega^2 M_i} \bm{\Phi}^{\rm T} = \sum_{i=1}^N \frac{\bm{\varphi}_i \bm{\varphi}_i^{\rm T}}{K_i - \omega^2 M_i}, \;\; (\omega \neq \omega_i) \qquad (4.10) H(ω)=Φdiagi=1NKiω2Mi1ΦT=i=1NKiω2MiφiφiT,(ω=ωi)(4.10)

式(4.10)揭示了离散系统的频率特性和模态参数(主要指振型 φ \bm{\varphi} φ、固有频率)之间的关系,见胡海岩(2005,P72)。

1.4 反共振频率

共振:当外部激励的频率接近系统的固有频率时,系统的振幅会增大,产生共振现象。这是因为系统的自然振动频率与外部激励频率一致,导致能量传递效率极高。固有频率是系统自身的频率,通常由系统的质量、刚度以及阻尼等特性决定。

反共振的概念:在某些特定频率下,某些自由度的响应幅值为 0,即 “力有但不动”。反共振是与共振现象相对的现象。当系统的外部激励频率接近某些特定频率时,系统的响应可能出现极小的现象,即振幅最小,这种频率称为反共振频率。反共振是一种由于系统结构的耦合与干涉引起的现象,本质上来源于系统中多个自由度之间的动力学相消。

研究反共振的工程意义:了解反共振频率有助于在设计和控制结构时避免激励系统在这些频率下运行,以减少可能的动力响应。

根据线性代数知识,由关系式 H ( ω ) = Z − 1 ( ω ) \bm{H}(\omega) = \bm{Z}^{-1} (\omega) H(ω)=Z1(ω),可知:
H i j ( ω ) = Z ˉ j i ( ω ) det ⁡ Z ( ω ) , ( 当 ω ≠ ω i ) H_{ij}(\omega) = \frac{\bar{Z}_{ji} (\omega)}{\det \bm{Z}(\omega)}, \;\; (当\omega \neq \omega_i) Hij(ω)=detZ(ω)Zˉji(ω),(ω=ωi)

式中, Z ˉ i j \bar{Z}_{ij} Zˉij是动刚度矩阵 Z \bm{Z} Z中的元素 Z i j ( ω ) Z_{ij} (\omega) Zij(ω)的代数余子式; H i j ( ω ) H_{ij}(\omega) Hij(ω)表示第 i i i和第 j j j自由度之间的频响函数。因此 H i j ( ω ) H_{ij}(\omega) Hij(ω)反共振频率就是 Z ˉ j i \bar{Z}_{ji} Zˉji的零点(注意 Z ˉ j i \bar{Z}_{ji} Zˉji是是行列式),第 i i i和第 j j j自由度之间的反共振频率方程记为:
Z ˉ j i ( ω ) = 0 \bar{Z}_{ji} (\omega) = 0 Zˉji(ω)=0

上式是关于频率 ω \omega ω的方程,可解出反共振频率。胡海岩(2005,p73)指出:系统的反共振频率实际上就是施加局部约束后系统的固有频率

2. 时域分析与振型叠加法

时域分析的目标是求解该系统的动态响应 u ( t ) \bm{u}(t) u(t)

线性系统的响应可以分为零初始状态下激励引起的响应(零状态响应),以及零初始激励下初始条件引起的响应(零激励响应)。自由振动(无外部激励)其实是一种零激励响应。本节分析在零初始状态下的振动:
M u ¨ ( t ) + K u ( t ) = f ( t ) u ( 0 ) = 0 , u ˙ ( 0 ) = 0 ( 4.19 ) \begin{aligned} & \bm{M} \ddot{\bm{u}}(t) + \bm{K} \bm{u}(t) = \bm{f}(t) \\ & \bm{u}(0)= \bm{0}, \;\; \dot{\bm{u}}(0) = \bm{0} \end{aligned} \qquad (4.19) Mu¨(t)+Ku(t)=f(t)u(0)=0,u˙(0)=0(4.19)

2.1 单位脉冲响应矩阵

根据文章1中的主坐标变换:
u ( t ) = Φ q ( t ) = ∑ i = 1 N φ i q i ( t ) \bm{u}(t) = \bm{\Phi} \bm{q}(t) = \sum_{i=1}^N \bm{\varphi}_i q_i(t) u(t)=Φq(t)=i=1Nφiqi(t)

可将式(4.19)转换为 N N N个单自由系统的零状态响应问题:
M i q ¨ i ( t ) + K i q i ( t ) = φ i T f ( t ) q i ( 0 ) = 0 , q ˙ i ( 0 ) = 0 ( 4.21 ) \begin{aligned} & M_i \ddot{q}_i(t) + K_i q_i(t) = \bm{\varphi}_i^{\rm T} \bm{f}(t) \\ & q_i(0)= 0, \;\; \dot{q}_i(0) = 0 \end{aligned} \qquad (4.21) Miq¨i(t)+Kiqi(t)=φiTf(t)qi(0)=0,q˙i(0)=0(4.21)

解出:
q i ( t ) = φ j i M i ω i sin ⁡ ω i t q_i(t) = \frac{\varphi_{ji}}{M_i \omega_i} \sin \omega_i t qi(t)=Miωiφjisinωit

代入主坐标变换得到系统响应:
u ( t ) = Φ q ( t ) = ∑ i = 1 N φ i φ j i M i ω i sin ⁡ ω i t \bm{u}(t) = \bm{\Phi} \bm{q}(t) = \sum_{i=1}^N \bm{\varphi}_i \frac{\varphi_{ji}}{M_i \omega_i} \sin \omega_i t u(t)=Φq(t)=i=1NφiMiωiφjisinωit

据此定义单位脉冲响应矩阵
h ( t ) = Φ q ( t ) = ∑ i = 1 N φ i φ i T M i ω i sin ⁡ ω i t \bm{h}(t) = \bm{\Phi} \bm{q}(t) = \sum_{i=1}^N \frac{\bm{\varphi}_i \bm{\varphi}_i^{T}}{M_i \omega_i} \sin \omega_i t h(t)=Φq(t)=i=1NMiωiφiφiTsinωit

还可得出:
h ( t ) = Φ d i a g i = 1 ∼ N sin ⁡ ω i t ω i Φ T = V ( t ) M − 1 \bm{h}(t) = \bm{\Phi} {\rm diag}_{i=1\sim N} \frac{\sin \omega_i t}{\omega_i} \bm{\Phi}^{\rm T} = \bm{V}(t) \bm{M}^{-1} h(t)=Φdiagi=1NωisinωitΦT=V(t)M1

其中 V ( t ) \bm{V}(t) V(t) M \bm{M} M分别在文章1的式(3.50)和(3.40)给出。这说明在各自由度上依次作用的单位脉冲引起的初速度列向量排成的矩阵恰好为 M − 1 \bm{M}^{-1} M1

2.2 任意激励下的响应

系统受任意激励后的零状态响应为:
u ( t ) = ∫ 0 t h ( t − τ ) f ( τ ) d τ = ∫ 0 t h ( τ ) f ( t − τ ) d τ ( 4.27 ) \bm{u}(t) = \int_0^t \bm{h} (t-\tau) \bm{f}(\tau){\rm d} \tau = \int_0^t \bm{h} (\tau) \bm{f}(t - \tau){\rm d} \tau \qquad (4.27) u(t)=0th(tτ)f(τ)dτ=0th(τ)f(tτ)dτ(4.27)

将零激励响应叠加,可得同时考虑初始状态(文章1中的式(3.50))和外激励(式(4.27))的响应:
u ( t ) = U ( t ) u 0 + V ( t ) u ˙ 0 + ∫ 0 t h ( t − τ ) f ( τ ) d τ ( 4.28 ) \bm{u}(t) = \bm{U}(t) \bm{u}_0 + \bm{V}(t)\dot{\bm{u}}_0 + \int_0^t \bm{h} (t-\tau) \bm{f}(\tau){\rm d} \tau \qquad (4.28) u(t)=U(t)u0+V(t)u˙0+0th(tτ)f(τ)dτ(4.28)

这也称为振型叠加法,即将零初始响应(取初始条件为零)和零激励响应(取外激励为零)的解叠加。

参考资料

文章1:振动力学:多自由度系统
文章2:振动力学:有阻尼单自由度系统(简谐力激励的受迫振动)
胡海岩. 机械振动基础. 北京航空航天大学出版社. 2005

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.pswp.cn/web/82946.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

真实案例分享,Augment Code和Cursor那个比较好用?

你有没有遇到过这种情况?明明知道自己想要什么,写出来的提示词却让AI完全理解错了。 让AI翻译一篇文章,结果生成的中文不伦不类,机器僵硬,词汇不同,鸡同鸭讲。中国人看不懂,美国人表示耸肩。就…

zotero及其插件安装

zotero官网:Zotero | Your personal research assistant zotero中文社区:快速开始 | Zotero 中文社区 插件下载镜像地址:Zotero 插件商店 | Zotero 中文社区 翻译:Translate for Zotero 接入腾讯翻译API:总览 - 控制…

【SSM】SpringMVC学习笔记8:拦截器

这篇学习笔记是Spring系列笔记的第8篇,该笔记是笔者在学习黑马程序员SSM框架教程课程期间的笔记,供自己和他人参考。 Spring学习笔记目录 笔记1:【SSM】Spring基础: IoC配置学习笔记-CSDN博客 对应黑马课程P1~P20的内容。 笔记2…

从认识AI开始-----变分自编码器:从AE到VAE

前言 之前的文章里,我已经介绍了传统的AE能够将高维输入压缩成低维表示,并重建出来,但是它的隐空间结构并没有概率意义,这就导致了传统的AE无法自行生成新的数据(比如新图像)。因此,我们希望&a…

智慧赋能:移动充电桩的能源供给革命与便捷服务升级

在城市化进程加速与新能源汽车普及的双重推动下,移动充电桩正成为能源供给领域的一场革命。传统固定充电设施受限于布局与效率,难以满足用户即时、灵活的充电需求,而移动充电桩通过技术创新与服务升级,打破了时空壁垒,…

发版前后的调试对照实践:用 WebDebugX 与多工具构建上线验证闭环

每次产品发版都是一次“高压时刻”。版本升级带来的不仅是新功能上线,更常伴随隐藏 bug、兼容性差异与环境同步问题。 为了降低上线风险,我们逐步构建了一套以 WebDebugX 为核心、辅以 Charles、Postman、ADB、Sentry 的发版调试与验证流程,…

如何安装huaweicloud-sdk-core-3.1.142.jar到本地仓库?

如何安装huaweicloud-sdk-core-3.1.142.jar到本地仓库? package com.huaweicloud.sdk.core.auth does not exist 解决方案 # 下载huaweicloud-sdk-core-3.1.142.jar wget https://repo1.maven.org/maven2/com/huaweicloud/sdk/huaweicloud-sdk-core/3.1.142/huawe…

Python学习(7) ----- Python起源

🐍《Python 的诞生》:一段圣诞假期的奇妙冒险 📍时间:1989 年圣诞节 在荷兰阿姆斯特丹的一个寒冷冬夜,灯光昏黄、窗外飘着雪。一个程序员 Guido van Rossum 正窝在家里度假——没有会议、没有项目、没有 bug&#xf…

DiMTAIC 2024 数字医学技术及应用创新大赛-甲状腺B超静态及动态影像算法赛-参赛项目

参赛成绩 项目介绍 去年参加完这个比赛之后,整理了项目文件和代码,虽然比赛没有获奖,但是参赛过程中自己也很有收获,自己一个人搭建了完整的pipeline并基于此提交了多次提高成绩,现在把这个项目梳理成博客&#xff0c…

绘制饼图详细过程

QtCharts绘制饼图 说明:qcustomplot模块没有绘制饼图的接口和模块,所以用Qt官方自带的QtCharts进行绘制。绘制出来还挺美观。 1 模块导入 QT chartsQT_BEGIN_NAMESPACE以上这两行代码必须得加 2 总体代码 widget.h #ifndef WIDGET_H #defin…

本地windows主机安装seafile部署详解,及无公网IP内网映射外网访问方案

在Windows上部署Seafile服务器是一个相对直接的过程,但需要你具备一定的系统管理知识。Seafile是一个开源的文件共享和协作平台,类似于Dropbox或Google Drive。 以下是在Windows上部署Seafile服务器的步骤: 1. 准备环境 确保你的Windows系…

Vue学习之---nextTick

前言:目前来说,nextTick我们遇到的比较少,至少对我来说是这样的,但是有一些聪明的小朋友早早就注意到这个知识点了。nextTick 是前端开发(尤其是 Vue 生态)中的核心知识点,原理上跟Vue的异步更新…

MS2691 全频段、多模导航、射频低噪声放大器芯片,应用于导航仪 双频测量仪

MS2691 全频段、多模导航、射频低噪声放大器芯片,应用于导航仪 双频测量仪 产品简述 MS2691 是一款具有 1164MHz  1615MHz 全频段、低功耗的低噪声放大器芯片。该芯片通过对外围电路的简单配置,使得频带具有宽带或窄带特性。支持不同频段的各种导…

学习STC51单片机30(芯片为STC89C52RCRC)

每日一言 当你感到疲惫时,正是成长的关键时刻,再坚持一下。 IIC协议 是的,IIC协议就是与我们之前的串口通信协议是同一个性质,就是为了满足模块的通信,其实之前的串口通信协议叫做UART协议,我们千万不要弄…

python打卡day47@浙大疏锦行

昨天代码中注意力热图的部分顺移至今天 知识点回顾: 热力图 作业:对比不同卷积层热图可视化的结果 以下是不同卷积层特征图可视化的对比实现: import torch import matplotlib.pyplot as pltdef compare_conv_layers(model, input_tensor):# …

蓝桥杯单片机之通过实现同一个按键的短按与长按功能

实现按键的短按与长按的不同功能 问题分析 对于按键短按,通常是松开后实现其功能,而不会出现按下就进行后续的操作;而对于按键长按,则不太一样,按键长按可能分为两种情况,一是长按n秒后实现后续功能&…

数据导入技术(文档加载)

1. 简单文本的读取 用LangChain读入txt文档 # 读取单个txt文件 import os from langchain_community.document_loaders import TextLoader # 获取当前脚本文件所在的目录 script_dir os.path.dirname(__file__) print(f"获取当前脚本文件所在的目录:{script…

靶场(二十)---靶场体会小白心得 ---jacko

老样子开局先看端口,先看http端口 PORT STATE SERVICE VERSION 80/tcp open http Microsoft IIS httpd 10.0 |_http-title: H2 Database Engine (redirect) | http-methods: |_ Potentially risky methods: TRACE |_http-server-header:…

让AI看见世界:MCP协议与服务器的工作原理

让AI看见世界:MCP协议与服务器的工作原理 MCP(Model Context Protocol)是一种创新的通信协议,旨在让大型语言模型能够安全、高效地与外部资源进行交互。在AI技术快速发展的今天,MCP正成为连接AI与现实世界的重要桥梁。…

|从零开始的Pyside2界面编程| 用Pyside2打造一个AI助手界面

🐑 |从零开始的Pyside2界面编程| 用Pyside2打造一个AI助手界面 🐑 文章目录 🐑 |从零开始的Pyside2界面编程| 用Pyside2打造一个AI助手界面 🐑♈前言♈♈调取Deepseek大模型♈♒准备工作♒♒调用API♒ ♈将模型嵌入到ui界面中♈♈…