28.模态空间02.08 — 多输入多输出MIMO试验有什么实际好处?

MODAL SPACE – IN OUR OWN LITTLE WORLD

模态空间 – 在我们自己的小世界中     Pete Avitabile() KSI科尚仪器董书伟(译)

Aug02-01

MIMO试验有什么实际好处?为什么不只是利用SISO然后去移动激振器?

那我们讨论一下其中差异吧。

2014年01月06日 发布 ver1.0

与单输入单输出(SISO)得到的数据相比较时,多输入多输出(MIMO)试验具有很多优点。来自多个激振器的能量允许结构在整体上受到更为一致的激励,于是得到更好的频响函数(FRF)。当只利用一个激振器时,得到的测量结果通常不及多个激振器激励好,大型结构时更是如此。用单个激振器的方法,很难在整体结构上得到一个相当好的激励水平。

另一个重要因素是激振器设置对被测试验对象的影响。利用单个激振器方法时,为了得到多参考曲线拟合技术所需的多参考点数据,必须多次设置激振器系统。很多时候试验布置方案或许对测得的频响函数有影响。用单激振器采集多参考点数据时,这可能是个严重的隐患。跟SISO试验采集的数据相比,用MIMO试验采集的数据总体上讲更为一致。

为了看清差异,在结构上利用单个激振器和多个激振器激励两种技术采集一些数据。采集四组不同的数据:

    • SISO,随机激励,加汉宁窗
    • SISO,猝发随机,不加窗
    • MIMO,随机激励,加汉宁窗
    • MIMO,猝发随机,不加窗

在所有情况下,采集两个激励位置之间的互易频响测量结果。对所有试验加速度计一直安装在结构上,以减少可能存在的质量载荷影响。在得到不同测量结果当中,仅仅是连上或者断开激振器。(实际上激振器放置在测量位置,需要时才连上或者断开,以减少激振器设置的影响问题。)四种情况的FRF测量结果如图1所示。每张图包含两个互易的FRFs — Hij和Hji

Aug02-Fig01

乍一看好像四种技术得到了相同的数据。看上去频响相当好。但是深入探究每种技术,互易的测量结果的差别还是显而易见的(图2)。

Aug02-Fig02

首先,观察图2(a)所示的利用SISO随机激励得到的FRF测量结果。注意到两条曲线并没有很好地吻合在一起,特别是在共振峰附近。也注意到即使加了汉宁窗,随机激励在频响函数测量结果上还是显示出了明显的不同;这是由于随机激励过程中的泄漏影响,加汉宁窗也不能完全去除掉。激振器设置和连接激振器到结构的推力杆的刚度影响直接造成频响函数谱峰的移动。很明显试验设置对测量的频响函数数据有影响。

下面,观察图2(b)所示的利用SISO猝发激励得到的FRF测量结果。注意到在第一个共振峰附近,两个峰还是没有很好地吻合在一起。但是,与随机激励加汉宁窗相比较,猝发随机激励得到了更好一点的测量结果。猝发随机激励通常得到更好的整体测量结果,因为对采集的数据无需加窗。这是由于测量结果满足FFT处理的周期性要求。随机激励通常会需要很多次的平均来减少所测FRF数据的方差,但仍然得不到跟猝发随机激励一样好的测量结果。

现在,观察图2(c)所示的利用MIMO随机激励得到的FRF测量结果。第一个共振频率附近 的峰比之前的情况好多了。但总体上FRF还是有明显的差异,差异主要在于反共振频率附近。因为两个激振器同时安装在结构上,测试过程中激振器安装的影响是相同的。所以共振峰不受试验设置的影响。

最后,观察图2(d)所示的利用MIMO猝发随机得到的FRF测量结果。这个互易测量结果几乎完全相同。显然,这个测量结果是所有测量结果中最好的。猝发随机MIMO激励具有最优的总体特性 — 测量结果无需加窗因为没有泄漏,具有互易FRF所需的一致性,因为试验过程中激振器同时安装到结构上。

因此根据SISO和MIMO的评估数据,很显然,MIMO数据得到了更为一致相关的数据。当评估共振峰时,SISO数据清楚地显示出了差别。另外,与随机激励加汉宁窗相比,猝发随机激励得到的结果更优。

图3显示出了另一个有意思的地方。注意这两次SISO和MIMO均产生不同的结果。这清楚地表明试验设置对于测量的频响有影响。当然,我们意识到频响的峰可能受到连接激振器到结构的推力杆刚度影响,但至少对于MIMO设置,共振峰是一致相关的。(这是非常关键的一点,特别是当利用多参考点模态参数估计技术来提取系统模态时,更是这样。)

Aug02-Fig03

我希望这个例子有助于展示MIMO试验技术的优点。如果你有关于模态分析的任何其他问题,尽管问我好了。

burstout

上一篇:27. 模态空间02.06 — 你能讲一讲模态试验采集数据的基本步骤吗?

下一篇:29.模态空间02.10 — 模态试验中人常犯的一些主要错误是什么?这样我会不再重蹈覆辙了。

返回模态空间中文翻译目录