Documente Academic
Documente Profesional
Documente Cultură
Abstract
El presente trabajo tiene por objeto ahondar en la aplicación de técnicas de
identificación modal empleadas en estructuras civiles, en las que las fuerzas de
excitación no son conocidas, y extrapolarlas a elementos mecánicos en estado de
operación. Por tanto, se plantea una metodologı́a para identificar los parámetros
modales de un eje de transmisión de potencia en condición de rotación. La meto-
dologı́a está basada en la comparación de resultados teóricos y experimentales.
Como primera medida se realiza una simulación del elemento en estudio, em-
pleando un modelo numérico (basado en el Método de Elementos Finitos), con
la finalidad de conocer sus caracterı́sticas dinámicas teóricas. Posteriormente se
realiza un Análisis Modal Experimental (EMA) y se verifica el modelo teórico
mediante la comparación de resultados teóricos–experimentales. Por otro lado
se desarrollara un algoritmo fundamentado en la técnica no paramétrica “Peak
Picking” de un Análisis Modal Operacional (OMA) y a partir de los registros
de aceleraciones obtenidos en los apoyos del eje (rodamientos), identificar los
paramentos modales del eje. Estos resultados son confrontados con los valores
teóricos, calculados con anterioridad, y de esta manera verificar la efectividad
de la técnica implementada. Finalmente se aplica la misma metodologı́a a otro
eje de transmisión de potencia, del cual no se tiene ningún conocimiento a nivel
modal, con el fin de validar la adaptación del método OMA.
Keywords: Operational modal analysis, Experimental modal analysis, Peak
Picking, Power Spectral Density, Natural frequency, Damping coefficient.
1. Introducción
|X(ω)|
|H(ω)| = (1)
|F (ω)|
En aquellas estructuras o elementos sobre los que generar una excitación
controlada es inviable, principalmente por las dimensiones de los equipos reque-
ridos para generar la excitación, se hace necesario realizar alguna modificación
en el método tradicional, EMA. Es aquı́ donde surge el Análisis Modal Opera-
cional (OMA) como una respuesta a ésta necesidad, y se convierte en un método
viable para la caracterización modal de grandes estructuras.
2
El Análisis Modal Operacional propone emplear las fuerzas ambientales, o
de operación, como fuerzas de excitación de la estructura. Por tanto, el méto-
do parte de no conocer las fuerzas de entrada, información fundamental para
obtener las funciones de respuesta en frecuencia.
Existen diferentes métodos para extraer la información modal de la estruc-
tura desconociendo las fuerzas de excitación. Uno de ellos es el Peak Picking
(PP), método centrado en determinar las frecuencias naturales y amortigua-
mientos modales de una estructura excitada a través de fuerzas ambientales
[17]. A pesar de ser un método relativamente sencillo de aplicar genera buenos
resultados en estructuras que no presentan modos cercanos en frecuencia o que
no están muy amortiguadas [18].
El PP emplea la Densidad Espectral de Potencia (PSD) para identificar las
frecuencias naturales del sistema. Recordando que la Transformada de Fourier
permite representar una señal del dominio del tiempo en el dominio de la fre-
cuencia, ver Ecuación (2).
Z ∞
yi (ω) = yi (t)e−iωt dt (2)
−∞
3
igual que el PP, como: Frequency Domain Decomposition (FDD) [19, 20] y el
Enhanced Frequency Domain Decomposition (EFDD) [21]; por otro, se encuen-
tran los métodos en el dominio del tiempo, entre los que se pueden mencionar:
el Stochastic Subspace Identification (SSI) [22], Natural Excitation Technique
(NExT) [23] y Eigensystem Realization Algoritm (ERA) [24]. El presente traba-
jo se centra en aplicar el Peak Picking como método para obtener los parámetros
modales del sistema.
3. Metodologı́a
4
Figura 1: Banco de ensayos, caso de estudio I
Natural frequency
Natural frequency
Modes numerical model Error ( %)
EMA (Hz)
(Hz)
1 127.0 130.2 2.52
2 349.5 359.9 2.98
3 683.4 701.9 2.70
4 1125.9 1156.4 2.70
5
Figura 2: EMA aplicado al eje soportado en los apoyos
Para el presente caso, las frecuencias naturales obtenidas para los cuatro
primeros modos de vibración aumentan debido a la rigidez que los apoyos apor-
tan al eje, esto en relación con las medidas en condición libre - libre del eje.
Las frecuencias identificadas son de 156.75 Hz, 475.82 Hz, 844.96 Hz y 1185.32
Hz. La Figura 3 registra las frecuencias naturales del eje bajo los dos casos: eje
apoyado en sus rodamientos vs eje suspendido.
6
Figura 4: Apoyo caracterizado
Natural frequency
Modes
(Hz)
1 408.5
2 563.3
3 611.3
4 817.9
5 1634.8
7
4.4. Aplicación del OMA al eje en operación
A continuación, en la Figura 6 se muestra el NPSD del primer caso de estudio.
Este resultado se obtiene normalizando las PSDs generadas por la señal en los
dos apoyos del eje y tomando uno de ellos como referencia. En la Figura 7, se
presenta la función de coherencia.
8
Natural frequency
Modes
(Hz)
1 118.4
2 355.6
Los resultados del amortiguamiento calculados para los dos primeros modos
del eje se presentan en la Tabla 4:
9
Figura 9: Banco de ensayos, caso de estudio II
Natural frequency
Natural frequency
Modes numerical model Error ( %)
EMA (Hz)
(Hz)
1 684.5 698.6 2.06
2 1870.5 1910.2 2.12
3 3622.1 3686.9 1.79
4 5893.6 6006 1.90
10
Figura 10: Power spectral density normalized fo the shaft
11
6. Análisis de resultados
Con los resultados obtenidos del modelo numérico, los ensayos EMA (en el
eje libre, eje apoyado y soporte para el caso I) y el OMA, se verifica el compor-
tamiento del método OMA para la determinación de las frecuencias naturales
del eje en operación.
6.1. Caso I
Frecuencias naturales: En la Figura 12 se puede apreciar la capacidad del
algoritmo para registrar las 4 primeras frecuencias naturales del eje, teniendo
en cuenta que se analizó la información en un ancho de banda de 10 Hz a 1200
Hz. No obstante la metodologı́a implementada puede identificar las 2 primeras
frecuencias naturales con un error del 6,77 % y 1,74 % respectivamente.
Por otra parte, en la Figura 12 se aprecia que dentro del NPSD se detectan
frecuencias que no corresponden a los modos de vibración del eje. Estas frecuen-
cias pertenecen a los elementos adyacentes del eje en el banco de ensayos. Esto
se concluye al realizar el ensayo del EMA al eje, apoyado en sus rodamientos.
Algunas de las frecuencias que difieren con respecto a las frecuencias naturales
registradas por el EMA (ver Figura 2) corresponden a las frecuencias naturales
del apoyo.
12
Figura 13: Frecuencias naturales caso I
6.2. Caso II
Frecuencias naturales: El valor de frecuencia obtenido por el NPSD tiene un
porcentaje de error del 7,6 % con respecto al valor obtenido en el EMA al eje, en
condición libre-libre. Se admite este pico como el valor de la frecuencia natural
del primer modo de vibración del eje, puesto que tiene un porcentaje de error
aceptable dadas las condiciones de operación del banco.
Para este caso no se vio la necesidad de analizar la influencia de los elementos
adyacentes al eje en su respuesta modal. Se encuentran pocos picos energéticos
en el NPSD (ver Figura 10) facilitando la interpretación de la primera frecuencia
natural del eje. El pico de 3381 Hz que se identifica en el NPSD, se asocia al
estado de falla del apoyo en la posición 2 que a un modo de vibración.
Coeficientes de amortiguamiento: Al igual que en el caso I, se comparó el va-
lor del coeficiente de amortiguamiento obtenido en el OMA, a través del método
de ancho de banda, con el obtenido en el EMA, tomando este último como valor
teórico. La comparación se presenta en la Tabla 8.
13
Modes OMA ( %) EMA ( %) Error ( %)
1 0.15 0.13 15.4
7. Conclusiones
Se implementó una metodologı́a basada en OMA para la caracterización
modal de un elemento de máquina en operación.
Se empleó el Peak Picking como método de determinación de las frecuen-
cias naturales y coeficientes de amortiguamiento de un eje en estado de
operación.
Se establecieron las dos primeras frecuencias naturales y coeficientes de
amortiguamiento para el primer caso y la primera frecuencia natural y co-
eficiente de amortiguamiento para el segundo caso de forma satisfactoria.
Se demostró la efectividad del algoritmo para detectar contundentemente
la primera frecuencia natural de un eje en estado de operación, simple-
mente apoyado ya sea en un admisible estado de operación (caso I) o en
estado de falla (caso II).
References
[1] C Gentile and N Gallino. Ambient vibration testing and structural evalua-
tion of an historic suspension footbridge. Advances in Engineering Software,
39(4):356–366, 2008.
[2] M Cacho-Pérez, N Frechilla, and A Lorenzana. Estimación de parámetros
modales de estructuras civiles a partir de la función de respuesta en frecuen-
cia. Revista Internacional de Métodos Numéricos para Cálculo y Diseño en
Ingenierı́a, 33(3):197–203, 2017.
[3] A Brandt, M Berardengo, S Manzoni, and A Cigada. Scaling of mode
shapes from operational modal analysis using harmonic forces. Journal of
Sound and Vibration, 407(Supplement C):128–143, 2017.
[4] Hyo Seon Park and Byung Kwan Oh. Real-time structural health monito-
ring of a supertall building under construction based on visual modal identi-
fication strategy. Automation in Construction, 85(Supplement C):273–289,
2018.
[5] Farshad Mirshafiei, Mehrdad Mirshafiei, and Ghyslaine McClure. A new
three-dimensional seismic assessment method (3D-SAM) for buildings ba-
sed on experimental modal analysis. Computers & Structures, 180(Supple-
ment C):125–137, 2017.
14
[6] G Acunzo, N Fiorini, F Mori, and D Spina. Modal mass estimation from
ambient vibrations measurement: A method for civil buildings. Mechanical
Systems and Signal Processing, 98(Supplement C):580–593, 2018.
[7] T Wang, O Celik, F N Catbas, and L M Zhang. A frequency and spatial
domain decomposition method for operational strain modal analysis and
its application. Engineering Structures, 114(Supplement C):104–112, 2016.
[8] A De Vivo, C Brutti, and J L Leofanti. Modal shape identification of
large structure exposed to wind excitation by operational modal analysis
technique. Mechanical Systems and Signal Processing, 39(1):195–206, 2013.
[9] Salam Rahmatalla, Kyle Hudson, Ye Liu, and Hee-Chang Eun. Finite
element modal analysis and vibration-waveforms in health inspection of
old bridges. Finite elements in analysis and design, 78:40–46, 2014.
[10] Zbigniew Wójcicki, Jacek Grosel, Wojciech Sawicki, Krzysztof Majcher,
and Wojciech Pakos. Experimental (OMA) and Numerical (FEM) Modal
Analysis of Ball Mill Foundations. Procedia Engineering, 111(Supplement
C):858–863, 2015.
[11] Bart Peeters, Herman Van der Auweraer, Frederik Vanhollebeke, and Pa-
trick Guillaume. Operational Modal Analysis for Estimating the Dynamic
Properties of a Stadium Structure during a Football Game. Shock and
Vibration, vol. 14(no. 4):283–303, 2007.
[12] A Cigada, A Caprioli, M Redaelli, and M Vanali. Vibration Testing at
Meazza Stadium: Reliability of Operational Modal Analysis to Health
Monitoring Purposes. Journal of Performance of Constructed Facilities,
22(4):228–237, aug 2008.
[13] François Lafleur, Marc Thomas, and Viet Hung vu. Case study of Opera-
tional Modal Analysis (OMA) of a large hydroelectric generator. oct 2011.
[14] Reza Ebrahimi, Mohsen Esfahanian, and Saeed Ziaei-Rad. Vibration mo-
deling and modification of cutting platform in a harvest combine by means
of operational modal analysis (OMA). Measurement, 46(10):3959–3967,
2013.
[15] Esben Orlowitz and Anders Brandt. Operational Modal Analysis for Dy-
namic Characterization of a Ro-Lo Ship, volume 58. dec 2014.
[16] Sakthivel Palanivelu, K V Narasimha Rao, and Krishna Kumar Ramarath-
nam. Determination of rolling tyre modal parameters using Finite Element
techniques and Operational Modal Analysis. Mechanical Systems and Sig-
nal Processing, 64-65(Supplement C):385–402, 2015.
[17] Yongchao Yang and Satish Nagarajaiah. Output-only modal identification
with limited sensors using sparse component analysis. Journal of Sound
and Vibration, 332(19):4741–4765, 2013.
15
[18] Ge-Wei Chen, Piotr Omenzetter, and Sherif Beskhyroun. Operational mo-
dal analysis of an eleven-span concrete bridge subjected to weak ambient
excitations. Engineering Structures, 151(Supplement C):839–860, 2017.
[19] Thien-Phu Le and Pierre Argoul. Modal identification using the frequency-
scale domain decomposition technique of ambient vibration responses.
Journal of Sound and Vibration, 384(Supplement C):325–338, 2016.
[20] Thien-Phu Le and Pierre Argoul. Distinction between harmonic and struc-
tural components in ambient excitation tests using the time–frequency do-
main decomposition technique. Mechanical Systems and Signal Processing,
52-53(Supplement C):29–45, 2015.
[21] Sevim Barış, Altunişik Ahmet Can, and Bayraktar Alemdar. Earthqua-
ke Behavior of Berke Arch Dam Using Ambient Vibration Test Results.
Journal of Performance of Constructed Facilities, 26(6):780–792, dec 2012.
[22] Virote Boonyapinyo and Tharach Janesupasaeree. Data-driven stochastic
subspace identification of flutter derivatives of bridge decks. Journal of
Wind Engineering and Industrial Aerodynamics, 98(12):784–799, 2010.
[23] Thomas G Carne and George H James. The inception of OMA in the
development of modal testing technology for wind turbines. Mechanical
Systems and Signal Processing, 24(5):1213–1226, 2010.
16