Abaqus-Steady-State-Dynamic-Analysis的求解原理
0. 总括
基于模态的谐响应分析,可以通过扫频的方式求解频率范围内结构的线性稳态响应情况。阻尼是和频率相关的,但模态叠加法只需要知道n个模态阻尼即可推广到其他频率范围(原因详见文内公式)。
1. 谐响应分析的目的
用来求解结构在连续谐波激励下的线性响应.求解稳态动力学响应有三种方法:subspace,direct,modal。base modal的方法是利用前一个分析步提取出来的一系列模态特征计算稳态解。
2. ABAQUS的求解原理
2.1 特征值提取
对于一个具有N个自由度的多自由度系统,可用N个独立的广义坐标描述系统的运动状态:
\]
对于N自由度的系统,一定可以找到N个固有频率\(w_{\alpha}\)以及相对应的振型\(\phi_{\alpha}^{N\times1}\) 【\(\alpha=1...n,n是提取的模态的数目\)】 。\(\phi^{N}\)左边的矩阵是\(M\times N\)的,等号右边是0,所以\(\phi^{N}\)是\(N\times 1\)的。
所谓振型按我的理解就是共振时,结构的一个形状。用数学方式表示就是一个特定的解向量\(\phi_{\alpha}^{N}\)
将\(\phi_{\alpha}^{N\times 1}\)组装成 Nxn 矩阵\(\Phi\),其中每一列都包含一个特征模态。

2.2 模态叠加
有阻尼的结构动力学方程:

模态叠加用矩阵形式写为
\]
列矢量\(q\)——模态自由度(待求)
在运动方程中插入模态叠加表达式,代入动力学方程:
\]
左乘\(\Phi^{T}\)后得到:
\]
此时,原方程组现已从求解 N 个变量简化为 n 个变量,右侧$\Phi{T}f(t) $为模态载荷,是外载荷在每个特征模态上的投影。
\]
\]
\begin{bmatrix}
f(t)_1 \\
f(t)_2 \\
f(t)_3 \\
....\\
f(t)_N
\end{bmatrix}
\]
\begin{bmatrix}
\phi_1f(t)_1\\
\phi_2f(t)_2\\
\phi_3f(t)_3\\
...\\
\phi_nf(t)_n\\
\end{bmatrix}
\]
上式经过一系列变换后,可以得到投影到mode \(\alpha\)上的方程\((1)\):
\]
其中:
\(q_{\alpha}\):$mode \ \alpha $下的广义坐标幅值
\(c_{\alpha}\):\(与mode \ \alpha\)有关的阻尼(模态阻尼)
\(\omega_{\alpha}\):\(mode \ \alpha\)下的无阻尼固有频率
\(m_{\alpha}\):广义质量,\(m_{\alpha}=\Phi_{\alpha}^{N}M^{N\times M}\Phi_{\alpha}^{M} \ \ (no \ sum\ over\ \alpha)\)
\((f_{1\alpha}+if_{2\alpha})e^{i\Omega t}\):是和$mode\ \alpha $有关的激励
2.2.1 激励项
激励被\(frequency (\Omega)\),节点等效力实、虚部\((F_{1}^{N},F_{2}^N)\)定义。投影到\(mode\ \alpha\)上:
N——模型自由度数
\]
载荷向量是根据其实部\(F_{1}^{N}\)和虚部\(F_{2}^{N}\)编写的,这是Abaqus/Standard 中定义载荷的方式.如果偶用幅值\(F_{0}^N\)和相位\(\Phi\)表示,则有
\]
其中:
\(F_1^N=F_0^Ncos(\Phi) \ \ \ \\ F_2^N=F_0^Nsin(\Phi)\)
2.2.2 阻尼项
- 直接模态阻尼:\(c_\alpha=2\zeta_{\alpha}\omega_{\alpha}\)
其中:\(\zeta_{\alpha}是mode \ \alpha下的临界阻尼分(模态阻尼比)\) - Structure Damp:提供了与模态振幅成比例的阻尼力。
\(c_{\alpha}\dot{q}_{\alpha}=i s_{\alpha}\omega_{\alpha}^2 q_{\alpha}\)
其中:\(s_{\alpha}是mode \ \alpha 的结构阻尼系数(模态损耗因子)\) - 瑞利阻尼:定义为\(c_{\alpha}=\beta_{\alpha}+\gamma_{\alpha}\omega_{\alpha}^2\)
其中,\(\beta_{\alpha}、\gamma_{\alpha}\)是瑞利阻尼系数,具体求法见Document.
瑞利阻尼系数可以用来再现:
\]
将阻尼项代入方程(1):
\]
方程的解为:
\]
方程中有三个阻尼项对应于,ABAQUS/CAE中只定义一个,其他的就是0.
其中:
\(f_{0\alpha}=\sqrt{f_{1\alpha}^2+f_{2\alpha}^2}是投影载荷矢量的振幅\)
\(H_{0\alpha}(\Omega)是mode\ \alpha下系统复传递函数的振幅\)
\]
(-\frac{f_{1\alpha}\eta_{\alpha}\Omega}{(\omega_{\alpha}^2-\Omega^2)^2+(\eta_{\alpha}\Omega)^2}+\frac{f_{2\alpha}(\omega_{\alpha}^2-\Omega^2)}{(\omega_{\alpha}^2-\Omega^2)^2+(\eta_{\alpha}\Omega)^2})
\]
其中:
\]
响应的幅值为:
\]
响应的相位:
\]
如果谐波激励以base motion的形式施加,那么模态载荷如下:
f_{2\alpha}=-\frac{1}{m\alpha} \phi_{\alpha}^{N}M^{NM}\hat{e}_j^{M}a_{2j}exp(i\Omega t)
\]
其中,\(M^{NM}\)是结构的质量矩阵,\(\hat{e}_{j}^{M}是一个vector(在任何接地节点上的基础加速度,方向上具有单位幅值,否则为零)\)
\(a_{1j}、a_{2j}\)是base acceleration的实部和虚部。如果施加的是velocity(或者displacement) 则\(a_1=-\Omega v_1\ \ \ a_2=-\Omega v_2\)或(\(a_1=-\Omega^2 u_1 \ \ \ a_2=-\Omega^2 u_2\))。
综上所述,根据模态叠加的基本假设:位移写为特征模态的线性组合。
方程(1)的解\(q_{\alpha}\)为
\]
这是外加激励频率为\(\Omega\),在\(mode\ \alpha\)下的解,经过模态叠加(如下)后可以得到位移响应(式2):
\]
其中:
\(q_{\alpha}:每个模态的幅值求解结果\)
\(\phi_{\alpha}^N:mode\ \alpha的特征向量向量(N \times1)即振型向量\)
稳态响应以通过用户指定频率范围的频率扫描形式给出。依次扫描频率点,就可以求出结构的频域响应。
参考资料
Abaqus-Steady-State-Dynamic-Analysis的求解原理的更多相关文章
- Log4j 2翻译 Garbage-free Steady State Logging(稳定的以不会生成垃圾的状态来记录日志)
本人菜鸟,在学习Log4j 2 的时候做的一些笔记---对"官方网站"的翻译,部分内容自己也不懂,希望大家指点 Garbage collection pauses are a co ...
- 潜在语义分析Latent semantic analysis note(LSA)原理及代码
文章引用:http://blog.sina.com.cn/s/blog_62a9902f0101cjl3.html Latent Semantic Analysis (LSA)也被称为Latent S ...
- Latent Semantic Analysis(LSA/ LSI)原理简介
LSA的工作原理: How Latent Semantic Analysis Works LSA被广泛用于文献检索,文本分类,垃圾邮件过滤,语言识别,模式检索以及文章评估自动化等场景. LSA其中一个 ...
- 5_终值定理和稳态误差_Final Value Theorem & Steady State Error
- malware analysis、Sandbox Principles、Design && Implementation
catalog . 引言 . sandbox introduction . Sandboxie . seccomp(short for secure computing mode): API级沙箱 . ...
- Automated Memory Analysis
catalogue . 静态分析.动态分析.内存镜像分析对比 . Memory Analysis Approach . volatility: An advanced memory forensics ...
- 强化学习三:Dynamic Programming
1,Introduction 1.1 What is Dynamic Programming? Dynamic:某个问题是由序列化状态组成,状态step-by-step的改变,从而可以step-by- ...
- Redis原理及拓展
Redis是单线程程序.单线程的Redis为何还能这么快? 1.所有的数据都在内存中,所有的运算都是内存级别的运算(因此时间复杂度为O(n)的指令要谨慎使用) 2.单线程操作,避免了频繁的上下文切换 ...
- 【Summary】ANSYS TRANSIENT ANALYSIS
1.4. Damping: https://www.sharcnet.ca/Software/Ansys/15.0.7/en-us/help/ans_str/Hlp_G_STR1D.html 8.7. ...
- Python知识(7)--最小二乘求解
这里展示利用python实现的最小二乘的直接求解方法.其求解原理,请参考:最小二乘法拟合非线性函数及其Matlab/Excel 实现 1.一般曲线拟合 代码如下: # -*- coding:utf-8 ...
随机推荐
- Netty中ByteBuf内存泄露及释放解析
近日在使用Netty框架开发程序中出现了内存泄露的问题,百度加调试了一番,做个整理. 直接看解决方法请移步Netty内存泄漏解决ERROR io.netty.util.ResourceLeakDete ...
- Composer: Command Not Found
I am using CentOS and had same problem. I changed /usr/local/bin/composer to /usr/bin/composer and i ...
- 多线程极速导出/9字段10W行只需2秒/导入导出打印组件/功能丰富简单易用
一.功能特点 组件同时集成了导出数据到csv.xls.pdf和打印数据. 所有操作全部提供静态方法无需new,数据和属性等各种参数设置采用结构体数据,极为方便. 同时支持QTableView.QTab ...
- 认识Token和Cookie
认识Token和Cookie 1.token和cookie有什么区别? 1.1 存储位置及方式:Cookie是浏览器用来存储本地信息的文件,有一定的存储限制,而Token是由服务器按一定算法生成的 ...
- React基础笔记2
一.生命周期函数 挂载卸载过程 constructor props context componentWillMount 服务器与客户端 componentDidMount ajax ...
- Flutter一些概念(一)
1 简述Flutter是什么以及它的主要优势 Flutter是一种由Google开发的开源移动应用开发框架,可以用于构建高度定制化.美观并且性能卓越的移动应用程序,其主要优势有: 跨平台,一次编码,可 ...
- 特斯拉CEO埃隆马.斯克的五步工作法,怎么提高工程效率加速产品开发?
简介 在<埃隆·马斯克传>这本书中,有两个章节写到了特斯拉 CEO 埃隆马斯克为了在一段时间内,提升特斯拉汽车 model 3 的产能到每个月 5000 辆这个数量级,在书中叫 " ...
- IO流:原理、流的分类、体系结构
Java IO原理 I/O是Input/Output的缩写, I/O技术是非常实用的技术,用于处理设备之间的数据传输.如读/写文件,网络通讯等. Java程序中,对于数据的输入/输出操作以 &q ...
- Permutation Swaps
Permutation Swaps 传送门 题目理解 第一个操作:把第i个数移到位置p[i](1<=i<=n) 发现:这个操作其实就是循环移位,有Teleporter的经验在前,此操作可 ...
- LangChain基础篇 (02)
LangChain 核心模块学习:Chains 对于简单的大模型应用,单独使用语言模型(LLMs)是可以的. 但更复杂的大模型应用需要将 LLMs 和 Chat Models 链接在一起. 要么彼此链 ...