Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2006 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/18/18135/tde-17012011-111718/ |
Resumo: | A análise modal experimental tem contribuído de forma decisiva para caracterização e solução de problemas de engenharia, relacionados à vibração estrutural. Uma das áreas fundamentais da análise modal experimental é a identificação de sistemas, cujo objetivo é determinar as propriedades dinâmicas de uma estrutura, descritas através das freqüências naturais, fatores de amortecimento e modos de vibrar do sistema em análise. Neste trabalho é realizado um estudo sobre as técnicas paramétricas de identificação de sistemas no domínio do tempo utilizando o modelo auto-regressivo de média móvel vetorial (ARMAV) e o modelo auto-regressivo vetorial (ARV). Em ambos os modelos, os procedimentos de identificação dos parâmetros auto-regressivos, responsáveis pela dinâmica do sistema, são estimados utilizando a aproximação dos mínimos quadrados. A partir desses coeficientes um modelo em espaço de estado do sistema é construído, a fim de estimar os parâmetros modais do sistema dinâmico. A ordem do modelo ARMAV, necessária para determinar as características dinâmicas do sistema, é estimada através do critério de informação Bayesiana (BIC). Para o caso do procedimento baseado no modelo ARV, onde apenas as respostas do sistema são consideradas no processo de identificação, uma nova técnica é proposta para solucionar o problema da identificação da ordem do modelo dinâmico. Essa técnica, baseada na estabilidade das freqüências naturais estimadas em várias identificações, contribuiu também para automação do procedimento de identificação. O desempenho dos algoritmos de identificação utilizando o modelo ARMAV, e o modelo ARV juntamente com a nova metodologia desenvolvida, é verificado através de aplicações a dados provenientes de simulações numéricas e de um ensaio experimental realizado em uma placa de alumínio. |
id |
USP_f2e3d113666f4b1ab56777c7f3087dbe |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-17012011-111718 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicosApplication of ARMAV and ARV parametric models in the modal identification of mechanical systemsARMAV and ARV modelsIdentificação de sistemasLeast-square methodMétodo dos mínimos quadradosModel orderModelos ARMAV e ARVOrdem do modeloSystems identificationA análise modal experimental tem contribuído de forma decisiva para caracterização e solução de problemas de engenharia, relacionados à vibração estrutural. Uma das áreas fundamentais da análise modal experimental é a identificação de sistemas, cujo objetivo é determinar as propriedades dinâmicas de uma estrutura, descritas através das freqüências naturais, fatores de amortecimento e modos de vibrar do sistema em análise. Neste trabalho é realizado um estudo sobre as técnicas paramétricas de identificação de sistemas no domínio do tempo utilizando o modelo auto-regressivo de média móvel vetorial (ARMAV) e o modelo auto-regressivo vetorial (ARV). Em ambos os modelos, os procedimentos de identificação dos parâmetros auto-regressivos, responsáveis pela dinâmica do sistema, são estimados utilizando a aproximação dos mínimos quadrados. A partir desses coeficientes um modelo em espaço de estado do sistema é construído, a fim de estimar os parâmetros modais do sistema dinâmico. A ordem do modelo ARMAV, necessária para determinar as características dinâmicas do sistema, é estimada através do critério de informação Bayesiana (BIC). Para o caso do procedimento baseado no modelo ARV, onde apenas as respostas do sistema são consideradas no processo de identificação, uma nova técnica é proposta para solucionar o problema da identificação da ordem do modelo dinâmico. Essa técnica, baseada na estabilidade das freqüências naturais estimadas em várias identificações, contribuiu também para automação do procedimento de identificação. O desempenho dos algoritmos de identificação utilizando o modelo ARMAV, e o modelo ARV juntamente com a nova metodologia desenvolvida, é verificado através de aplicações a dados provenientes de simulações numéricas e de um ensaio experimental realizado em uma placa de alumínio.The experimental modal analysis has contribued in a decisive way to characterization and solution of engineering problems, related to structural vibration. One of the fundamental areas of the experimental modal analysis is the mechanical systems identification, whose objective is to identify the dynamic properties of a structure, described through the natural frequencies, damping ratios and mode shapes of the system in analysis. In this work a study is accomplished on the parametric techniques of systems identification in time domain using the Auto-Regressive Moving Average Vector (ARMAV) and the Auto-Regressive Vector (ARV) models. In these models, the procedures of the auto-regressive parameters identification that describes the dynamics of the system are estimated using the least square approach. Trough these coefficients a model in state space is built, in order to identify the modal parameters of the dynamic system. The order of the ARMAV model, necessary to determine the dynamic characteristics of the system, is estimated through Bayesian Information Criterion (BIC). For the procedure based on the model ARV, where only the system responses are considered in the identification process, a new technique is proposed to solve the identification problem of the order of the dynamic model. This technique, based on the stability of the natural frequencies in several identifications, also contributed to automation of the identification procedure. The performance of these identification algorithms using the ARMAV model, and the ARV model together with the new developed methodology, is verified using data from numerical simulations and from an experimental test accomplished in an aluminum plate.Biblioteca Digitais de Teses e Dissertações da USPBelo, Eduardo MorgadoNeves, Alessandra Teodoro2006-12-21info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/18/18135/tde-17012011-111718/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:10:26Zoai:teses.usp.br:tde-17012011-111718Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10:26Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos Application of ARMAV and ARV parametric models in the modal identification of mechanical systems |
title |
Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos |
spellingShingle |
Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos Neves, Alessandra Teodoro ARMAV and ARV models Identificação de sistemas Least-square method Método dos mínimos quadrados Model order Modelos ARMAV e ARV Ordem do modelo Systems identification |
title_short |
Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos |
title_full |
Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos |
title_fullStr |
Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos |
title_full_unstemmed |
Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos |
title_sort |
Aplicação dos modelos paramétricos ARMAV e ARV na identificação modal de sistemas mecânicos |
author |
Neves, Alessandra Teodoro |
author_facet |
Neves, Alessandra Teodoro |
author_role |
author |
dc.contributor.none.fl_str_mv |
Belo, Eduardo Morgado |
dc.contributor.author.fl_str_mv |
Neves, Alessandra Teodoro |
dc.subject.por.fl_str_mv |
ARMAV and ARV models Identificação de sistemas Least-square method Método dos mínimos quadrados Model order Modelos ARMAV e ARV Ordem do modelo Systems identification |
topic |
ARMAV and ARV models Identificação de sistemas Least-square method Método dos mínimos quadrados Model order Modelos ARMAV e ARV Ordem do modelo Systems identification |
description |
A análise modal experimental tem contribuído de forma decisiva para caracterização e solução de problemas de engenharia, relacionados à vibração estrutural. Uma das áreas fundamentais da análise modal experimental é a identificação de sistemas, cujo objetivo é determinar as propriedades dinâmicas de uma estrutura, descritas através das freqüências naturais, fatores de amortecimento e modos de vibrar do sistema em análise. Neste trabalho é realizado um estudo sobre as técnicas paramétricas de identificação de sistemas no domínio do tempo utilizando o modelo auto-regressivo de média móvel vetorial (ARMAV) e o modelo auto-regressivo vetorial (ARV). Em ambos os modelos, os procedimentos de identificação dos parâmetros auto-regressivos, responsáveis pela dinâmica do sistema, são estimados utilizando a aproximação dos mínimos quadrados. A partir desses coeficientes um modelo em espaço de estado do sistema é construído, a fim de estimar os parâmetros modais do sistema dinâmico. A ordem do modelo ARMAV, necessária para determinar as características dinâmicas do sistema, é estimada através do critério de informação Bayesiana (BIC). Para o caso do procedimento baseado no modelo ARV, onde apenas as respostas do sistema são consideradas no processo de identificação, uma nova técnica é proposta para solucionar o problema da identificação da ordem do modelo dinâmico. Essa técnica, baseada na estabilidade das freqüências naturais estimadas em várias identificações, contribuiu também para automação do procedimento de identificação. O desempenho dos algoritmos de identificação utilizando o modelo ARMAV, e o modelo ARV juntamente com a nova metodologia desenvolvida, é verificado através de aplicações a dados provenientes de simulações numéricas e de um ensaio experimental realizado em uma placa de alumínio. |
publishDate |
2006 |
dc.date.none.fl_str_mv |
2006-12-21 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.teses.usp.br/teses/disponiveis/18/18135/tde-17012011-111718/ |
url |
http://www.teses.usp.br/teses/disponiveis/18/18135/tde-17012011-111718/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815257088781189120 |