任帅;燕颖
【摘 要】Modal parameters identification is part of the identification of the system, through the modal parameters identification, we can learn the dynamic characteristics of the system or structure, which can be used as the standard and the foundation of the structure finite element model correction, failure diagnosis, structure real-time monitoring or evaluation. We take 212 frame as the research object. With comprehensive consideration of the influence due to the suspension conditions, stimulation and points and we carry on the frame. Through using the ICATS software to analysis the work modal of the collected data in time domain and get the modal parameters.%模态参数辨识是系统辨识的一部分，通过模态参数的辨识，可以了解系统或结构的动力学特性，这些动力特性可作为结构有限元模型修正、故障诊断、结构实时监测的评定标准和基础。本文以212车架为研究对象，综合考虑悬挂条件，激励方式及布点位置对实验结果的影响，对其进行模态试验。通过使用 ICATS 软件对采集到的数据进行时域内的工作模态分析，然后得到模态参数。
【期刊名称】《汽车实用技术》
【年(卷),期】2014(000)009
【总页数】3页(P43-45)
【关键词】车架;模态实验;模态参数;ICATS
【作 者】任帅;燕颖
【作者单位】长安大学，陕西 西安 710064;长安大学，陕西 西安 710064
【正文语种】中 文
【中图分类】U467.3
CLC NO.: U467.3 Document Code: A Article ID: 1671-7988(2014)09-43-03
模态分析是从60 年代中、后期开始应用，至今已有近五十年的历史。其首先在航空、航天及汽车工业中开始发展。由于电子技术、信号处理技术与设备的发展，到80年代末这项技术已
成为工程中解决结构动态性能分析、振动与噪声控制、结构健康监测、故障诊断等问题的重要工具，并逐渐成为机械与结构振动排故和动态设计的重要手段，在机械、航空、汽车、动力、土木等工程领域获得广泛应用。
模态分析是通过实验数据处理来识别实际结构的动力学模型。早期的模态实验采用实验室设备，测得的数据通过手动计算分析。随着计算机和数字信号处理算法的出现，早期的测试方法被数字模态实验分析技术所取代。实验模态分析方法与计算模态分析方法相辅相成，成为解决现代复杂结构动力特性分析的重要手段。应用模态分析方法将复杂的实验结构简化为模态模型，来进行系统的相应计算，大大简化系统的数学运算。
实验仪器连接图：
本文通过实验验证工作模态参数的辨识，通过使用ICATS工作模态识别软件来识别212车架的模态参数。车辆在路面上行驶时，路面对轮胎垂直方向上的激励最终都通过悬架系统传给车架，而车架的振动直接影响了乘客的乘坐舒
适性和人身健康。这些激励信号的频率较低，因此本文我们着重研究200Hz以内的激振频率下的车架的模态。
1.1 实验准备阶段
（1）认识仪器，调试仪器，熟练的操作各个仪器，并将仪器按照要求连接起来以便能够完成特定的功能。
（2）对传感器进行灵敏度标定。随着使用次数和时间的增加，传感器的灵敏度或多或少会有漂移，需要重新对传感器进行灵敏度标定，便于准确测量。
（3）设置采样率。根据采样定理设置采样率为500S/s,这样就可以记录到250Hz以内所有的信号。
1.2 数据采集阶段和转化
1.2.1 数据采集
在准备工作完成之后，必须检查各仪器是否正常工作，传感器是否正常。我们可以用一个铁锤轻轻的敲击车架，观察各通道是否能正常记录数据。若正常，便可开始实验。
本实验我们采用随机白噪声（20Hz-2kHz）作为激励源，以此来模拟车辆正常行驶时路面的
输入谱。激励位置为车架左前轮位置，以此来模拟正常驾驶时路面的激励谱，实验开始后，采集各点的振动响应，用SYNERGY 软件记录，如下图所示：
由于误差是难免的，故采集时要采集5组数据，每组数据采集时间是30秒以上。
1.2.2 数据的转化
由数据采集仪采集的数据不能直接被应用到ICATS软件，这里我们有一个转化的过程，具体操作如下：
①将采集到的数据导入到Synergy软件当中，由于采用的是500S/s的采样率，意味着每秒可以采集到500个点的数据，根据经验需要1500到2000个点的信息，所以从上图中选择大概1800个点，另存为matlab的数据格式。
②将步骤1中另存的数据导入到matlab中，经过matlab的计算，将各通道的数据转化成一个数据按照n×6排序的文件，并保存。
③ICATS只能处理特定的文件格式，故只能将步骤二中转化的数据逐一的复制到特定的文件中。
1.3 数据的后处理阶段
1.3.1 滤波处理
经过上述的数据采集与转化阶段，所得到的数据就可以直接导入到modent模块里处理，但是在模态参数提取之前还要用Modent中的filter命令对实验取得的振动响应曲线做滤波和平滑处理。滤掉实验时由于外界环境和仪器造成的噪声，使曲线平滑，真实，便于分析。
1.3.2 建模
这里用到的是ICATS软件当中的MESHGEN模块，在该模块中手动输入传感器的布置位置，这样可以生成一个类似车架的模型，用来模拟车架的振动。
1.3.3 模态参数提取
首先利用第二步中新建的模型结合之前的数据新建一个包含各通道响应数据和测点位置信息的文件。然后导入到modent中分析，利用TIME DOMAIN OMA功能按钮进行分析。
随机子空间算法中最重要的是系统阶次的确定，它是一个经验参数，需要事先确定，但目前
还没有统一通用的方法，这里我们借助稳定图来确定系统的阶次，经过滤波处理的曲线，然后用SVD(奇异值分解)和QR分解处理上述数据，得到稳定图。
由稳定图可以知道前六阶的模态频率及损耗因子：
太平洋汽车模型论坛得到各阶模态的模态频率和损耗因子之后，还必须要将各点的归一化幅值和相位角记录下来，记录结果表明有些点的相位修正前后发生了明显的变化，这是绘制模态振型的关键。
2.1 相位修正
由于本实验采用了两种传感器，而传感器不同型号之间本身是存在相位差的。相位的不同，虽然不会影响测点的幅值，但是会影响到测点振动的方向，这就可能造成原本是扭转的振型结果变成弯曲的，使结果偏离实际。故必须要进行相位修正。下表为实测的两种传感器的相位差信息。
通过对比相位修正前后的模态振型图，可知相位差是否影响了模态振型。振型图的绘制是由MESHGEN模块辅助完
成的，未修正的振型图是根据数据在模块中自动生成的，而修正后的振型图是要手动将所测点的归一化幅值和相位信息输入到MESHGEN模块中，然后生成振型图。
原则上传感器越多，车架上的布点越多，用传感器布点绘制的模型就更接近车架的真实情况，更能准确的绘制车架的模态振型图。但是由于实验室条件的限制，在此我们只采用了8个传感器，这就导致模态振型图不精确，存在误差，但可以手动修正一些错误。
各阶模态相位修正前后的模态振型对比图如下：
对比第一阶模态我们可以看出，未修正之前红点的位移是负的，修正之后变成了正的，使原本扭的状态变成弯曲的了。
对比第二阶模态可以看出相位修正前后红点的位置发生了明显的变化，但是相位差对该阶模态振型影响不是很明显，修正前后都能看出这是扭转。
其他各阶模态振型图类似。经过分析，相位差影响了振型图的准确性，因此如果没有采用同一型号传感器，必须要进行相位修正以便能够准确的绘制结构的模态振型图。
2.2 各阶模态的模态参数
由模态理论知，损失因子和阻尼比之间存在如下的换算关系：
其中ξ为阻尼比，σ为损失因子，ω为圆频率，f为固有频率
由上面的图和表知道：
①各阶模态阻尼比(耗损的振动能量与总机械振动能量的比值)较小，表明模态试验结果较接近实际情况;
②车架前六阶模态的固有频率均在200Hz以内，表明车架的低频响应是该车架动力响应的主导分量;
③车架前后保险杠处位移较大，中部位移相对较小，说明该车架结构主要受力区具有较充裕的刚度储备。
本章详细阐述了实验所需仪器，用到的相关软件，论述了车架的支撑方式，激励方式及传感器的布点，并且详细的描述了实验过程，通过对实验数据的处理能够较为准确的得到车架的前六阶模态参数，为以后对车架的优化设计打下了基础。
【相关文献】
[1] 基于现代时频分析的环境激励模态参数识别方法研究.
[2] 李德葆, 陆秋海. 实验模态分析及其应用[M]. 北京: 科学出版社, 2001.
[3] 曹树谦, 张文德等. 振动结构模态分析——理论、实验与应用[M].天津: 天津大学出版社, 2001.
[4] 纪晓东，钱稼茹，徐龙河. 模拟环境激励下结构模态参数识别试验研究[J]. 清华大学学报（自然科学版）, 2006，46（6）: 769-772.
[5] M. Raffy, C. Gontier. Statistical asymptotic error on modal parameters in combined deterministic-stochastic identification algorithm[J]. Mechanical Systems and Signal Processing, 2005, 19: 714-735.
发布评论