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
- TS 原理详细解读(6)--语法增量解析
呃....4年前开了一个坑,准备写一套完整介绍TS 原理的文章.坑很大,要慢慢填,今天就来填一个把. 本节主要介绍语法增量解析. 什么是增量解析 增量解析的意思是,如果我们直接从源码解析成语法树,叫做 ...
- 证书签名算法OID.1.2.156.10197.1.501
证书签名算法OID.1.2.156.10197.1.501 证书签名算法OID为1.2.156.10197.1.501表示该证书使用的是基于SM3的SM2签名算法 1.SM2证书数据和RSA算法证 ...
- Win11右键显示更多选项设置教程
Win11如何设置右键显示更多选项?如果你觉得每次右键菜单,都是需要点击"显示更多选项"十分麻烦,那么可以通过设置,让其直接显示出现.那么应该如何操作呢?下面小编就为大家带来具体的 ...
- resttemplate的ReadTimeout和ConnectTimeout
问题描述:今天,在做微服务开发中,A服务区调用B服务,获取数据做导出excel操作.A服务出现了"java.net.SocketTimeoutException: Read timed ou ...
- 【转载】Spring Cloud Gateway监控
http://www.imooc.com/article/290822 欢迎加入Spring Cloud Gateway监控豪华套餐-- 只要为Spring Cloud Gateway添加Spring ...
- Qt音视频开发26-监控画面各种图形绘制设计
一.前言 视频监控系统做到后面,逐渐需要搭配人工智能算法,将算法计算后的信息以OSD标签以及方框各种图形的信息显示到视频中,这种当然和OSD一样也是有两种方式,一种是源头就贴好了,一种是将结果发给软件 ...
- React中的 ref 及原理浅析
前言 对于 ref 的理解,我们一部人还停留在用 ref 获取真实 dom 元素和获取组件层面上,但实际 ref 除了这两项功能之外,在使用上还有很多小技巧.本章我们就一起深入探讨研究一下 React ...
- 解决Playwright访问https证书问题
# 参数说明 ignore_https_errors=True 访问https地址解决安全证书 viewport={"width": 1920, "height" ...
- (五).NET6.0使用Serilog进行配置和实现日志记录
1.首先安装Serilog六件套神装包 也可以对个别相应的包进行删除等,例如:1是读取配置文件的,如果不需要通过配置文件进行操作,就可以不使用这个包.2是打印到控制台的,如果不需要打印到控制台,也可以 ...
- 聊一聊 C#异步 任务延续的三种底层玩法
一:背景 1. 讲故事 最近聊了不少和异步相关的话题,有点疲倦了,今天再写最后一篇作为近期这类话题的一个封笔吧,下篇继续写我熟悉的 生产故障 系列,突然亲切感油然而生,哈哈,免费给别人看程序故障,是一 ...