Implementación de la Técnica de Análisis Modal

Operacional en un Eje de Transmisión de Potencia de

un Banco de Ensayos

H. Sáncheza , F. Novaa , O. Gonzáleza

a Escuela de Ingenierı́a Mecánica, Universidad Industrial de Santander, Carrera 27 Calle 9,
Bucaramanga, Colombia

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

El Análisis Modal Operacional (OMA) ha sido un método ampliamente em-

pleado para la caracterización modal de estructuras. Las fuerzas de excitación
empleadas para este proceso son ambientales, tales como corrientes de viento,

Email address: hgsanche@uis.edu.co (H. Sánchez)

Preprint submitted to Journal of Sound and Vibration 6 de enero de 2018

tráfico, oleajes, micro sismos, etc. Los estudios realizados han reportado apli-
caciones del OMA en la caracterización de puentes [1, 2, 3], edificios [4, 5, 6],
modelos a escala de estructuras civiles [7] e incluso ha sido empleado para la
caracterización modal de cohetes espaciales [8].
El OMA también ha sido la base de algunos estudios orientados a la inspec-
ción y determinación del nivel de daño que puede tener una estructura. Ejemplos
de ello son: el trabajo presentado por S. Rahmatalla et al. [9], donde utilizan el
método para validar la predictibiidad de un modelo FEM implementado para
identificar las áreas de alta tensión o estrés de un puente; y el publicado por
Z. Wójcicki et al, [10], que hace uso del método para caracterizar el compor-
tamiento dinámico de los cimientos de un molino de bolas. La información es
empleada para el ajuste del modelo FEM de la estructura.
En la literatura también se puede evidenciar la versatilidad del método en
aplicaciones sobre grandes estructuras. Ası́ lo demuestran los trabajos publica-
dos por Peeters et al [11] y Cigada et al [12], quienes se enfocan en aplicar el
OMA como parte de la estrategia para monitorizar el estado de los estadios
objeto de estudio y garantizar la seguridad de los espectadores que asisten a los
partidos.
Pero el OMA no solo ha sido aplicado a la caracterización modal de estructu-
ras civiles, también se han registrado aplicaciones en otros tipos de estructuras
como el estator de un generador hidroeléctrico [13], en máquinas de corte com-
binado [14], en buques de carga [15], e incluso en la caracterización de ruedas
de vehı́culos [16]. Los resultados anteriores refuerzan la versatilidad del méto-
do y abren la puerta a las aplicaciones que éste puede tener en otros tipos de
elementos. Es por esto que, el presente trabajo reporta el desarrollo de una me-
todologı́a, basada en el OMA, para la caracterización del eje de una máquina
rotativa en operación.

2. Análisis Modal Operacional

El análisis modal que se puede llamar “tradicional”, emplea la información
extraı́da de manera experimental (señales de entrada y de salida), en forma de las
funciones de respuesta en frecuencia (FRF), para caracterizar un componente
o estructura. Este es el conocido Análisis Modal Experimental (EMA). Las
señales de entrada, o fuerzas de excitación del sistema, son generadas de forma
controlada. Tanto la excitación como la respuesta del sistema son medidas y
tratadas para obtener la FRF (H(ω)), según la Ecuación (1).

|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)
−∞

La PSD se puede obtener a partir de:

Syi yj (ω) = yi (ω)yj∗ (ω) (3)

donde y(t) es la señal en el tiempo, y(ω) la señal en el dominio de la frecuencia
y Syy la densidad del autoespectro en potencia. Finamente, la PSD teniendo
en cuenta espectros cruzados y autoespectros puede ser escrita de la siguiente
forma, ver Ecuación (4):
 
Sy1 y1 Sy1 y2 · · · Sy1 yn
 Sy2 y1 Sy2 y2 · · · Sy2 yn 
(4)
 
 .. .. .. .. 
 . . . . 
Sym y1 Sym y2 · · · Sym yn
El método PP se fundamenta en que, en la vecindad de una resonancia la
contribución de un modo de vibración predomina, y considera que el aporte de
los otros modos es despreciable. Es decir que, un modelo de múltiples grados de
libertad puede ser tratado como modelos de un grado de libertad independien-
tes, y de esta forma obtener los parámetros modales del sistema. Las frecuencias
naturales coinciden con los picos identificados en la PSD, y el valor del amorti-
guamiento ξn es calculado a partir de, Ecuación (5):
ω2 − ω1
ξn = (5)
2ωn
donde ω1 y ω2 corresponden a frecuencias a lado y lado de la frecuencia
natural ωn .
Existen otros métodos de extracción de los parámetros modales a través del
OMA. Por un lado están los métodos basados en el dominio de la frecuencia, al

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

La metodologı́a empleada para el desarrollo de la presente investigación inicia

con la caracterización modal del eje mediante la aplicación del Análisis Modal
Experimental en condición de suspensión libre, esto con e objeto de tener infor-
mación inicial de las frecuencias naturales y modos de vibrar del rotor. De igual
forma, se realiza la caracterización de los apoyos, elementos cuyas frecuencias
naturales y modos de vibrar no se verán afectados de forma importante cuando
el sistema esté en operación. Para ésta caracterización también se emplea el
EMA.
Una vez caracterizados los componentes principales del sistema se procede
a aplicar el OMA al eje en operación. Para ello, se adquiere la información de
vibraciones mediante acelerómetros ubicados en los apoyos mientras el eje se
encuentra a velocidad de régimen. Uno de los sensores se empleará como sensor
de referencia.
Con la información adquirida se calculan las PSDs. Se visualizan los resulta-
dos correspondientes al promedio normalizado respecto el sensor de referencia,
es decir la Densidad Espectral de Potencia Normalizada (NPSD). En esta gráfi-
ca se identifican las frecuencias de vibración y se calculan los amortiguamientos
asociados. El cálculo y evaluación de las funciones de coherencia validan los
diferentes picos energéticos presentes.
Finalmente, para la aplicación de la metodologı́a y la verificación de su com-
portamiento, se han implementado 2 casos de estudio. El primero se enfoca en
un eje simplemente apoyado en sus extremos y en condiciones de operación. El
segundo caso, es un eje simplemente apoyado en sus extremos y en un estado
de falla que infiere un nivel de ruido en el procesamiento de datos, además este
tiene un disco acoplado para desbalancear al eje.

4. Casos de estudio I. Eje soportado en sus extremos

Para la reproducción de este escenario de operación se emplea el banco de

ensayos de la Figura 1. El sistema está constituido por el eje, rodamientos en
sus extremos y el acople al motor. De cara a una mejor identificación de las
frecuencias, el banco está alineado y balanceado.

4
 Figura 1: Banco de ensayos, caso de estudio I

4.1. Frecuencias naturales del eje con condición libre - libre

En la Tabla 1 se presentan los resultados del análisis modal teórico y expe-
rimental realizado sobre el eje, en condición libre - libre.

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

Cuadro 1: Frecuencias naturales del eje aplicando EMA

4.2. Frecuencias naturales del eje soportado sobre los apoyos

La técnica del EMA es aplicada al eje soportado en sus apoyos para analizar
la influencia de estos en la respuesta dinámica del eje. En la Figura 2 se observa
la ejecución de este ensayo.

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.

Figura 3: EMA aplicado al eje soportado en los apoyos

4.3. Análisis modal de los apoyos

El soporte de este eje consta de una base metálica y una chumacera unidas
entre sı́ por medio de tornillos, ver Figura 4.

6
 Figura 4: Apoyo caracterizado

En la Figura 5 se muestra la ejecución del análisis modal experimental en el

sistema de soporte del eje. Los valores de las frecuencias naturales obtenidas de
este proceso se muestran en la Tabla 2.

Figura 5: Análisis Modal Experimental del apoyo en condición libre - libre

Natural frequency
Modes
(Hz)
1 408.5
2 563.3
3 611.3
4 817.9
5 1634.8

Cuadro 2: Frecuencias de la estructura soporte, obtenidas del EMA

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.

Figura 6: Power spectral density normalized fo the shaft

Figura 7: Correlation function of the NPSD

Cálculo de la frecuencias naturales: Se puede observar que los primeros picos

de la Figura 6, cuyos valores de frecuencias están en un intervalo aproximado
de 100 Hz a 370 Hz, tienen una coherencia por encima del 90 %, al igual que las
frecuencias de 474,1 Hz, 770,8 Hz y 830 Hz, ver Figura 7
Ası́ pues, y dada la metodologı́a explicada, en la Tabla 3 se exponen los
resultados de las dos primeras frecuencias naturales para el eje, ya que son los
dos primeros picos de mayor amplitud en la ANPSD, ver Figura 6. La coherencia
registrada es de 0.9969 y 0.9839 para los dos picos respectivamente, como se
aprecia en la Figura 7

8
 Natural frequency
Modes
(Hz)
1 118.4
2 355.6

Cuadro 3: Frecuencias naturales del eje obtenidas aplicando OMA

Cálculo del coeficiente de amortiguamiento: En el presente trabajo se utiliza

el método de ancho de banda, registrados por Mendes y Oliverira [25]. El método
relaciona la frecuencia predominante en la NPSD con sus frecuencias vecinas
según la Ecuación (5). En la Figura 8, se aprecia la aplicación de este método
para la primera frecuencia natural obtenida de la NPSD del caso I.

Figura 8: Determinación del coeficiente de amortiguamiento

Los resultados del amortiguamiento calculados para los dos primeros modos
del eje se presentan en la Tabla 4:

Modes Damping (ξ)

1 0.211 %
2 0.028 %

Cuadro 4: Relaciones de amortiguamiento del eje, obtenidas aplicando OMA

5. Casos de estudio II. Eje soportado en sus extremos y un disco

Este caso tiene como objeto validar la efectividad de la metodologı́a imple-

mentada en el caso I. En la Figura 9 se muestra el banco de ensayos configurado
para este caso. El sistema está constituido por el eje, un disco de balanceo aco-
plado al eje, un motor con variador de frecuencia y dos apoyos que presentan
desgaste y holguras.

9
 Figura 9: Banco de ensayos, caso de estudio II

5.1. Frecuencias naturales del eje con condición libre - libre

De igual forma que en el caso I, se implementó un modelo en elementos
finitos del eje. Los valores del modelo se contrastaron con los obtenidos a partir
del EMA. Los resultados se pueden apreciar en la Tabla 5.

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

Cuadro 5: Frecuencias naturales del eje aplicando EMA

5.2. Aplicación del OMA al eje en operación

Se realizó la adquisición de datos por medio de dos acelerómetros ubicados
en posición radial y horizontal en los soportes del eje, como se aprecia en la
Figura 9. En la Figura 10 se presenta la NPSD para el segundo caso de estudio.
Y, en la Figura 11 se presenta el cálculo del amortiguamiento del eje.

10
 Figura 10: Power spectral density normalized fo the shaft

Figura 11: Determinación del coeficiente de amortiguamiento

Cálculo de frecuencias naturales: Se identifica la frecuencia de 645,3 Hz como

la frecuencia natural asociada al primer modo de vibración del eje del caso II,
puesto que es el pico con mayor amplitud del NPSD, ver Figura 10. La NPSD
no registra ningún otro pico de amplitud importante que permita deducir la
presencia de otra frecuencia natural.
Cálculo del coeficiente de amortiguamiento: Empleando el mismo método
del caso I, en la Figura 11 se aprecia la aplicación del método de ancho de
banda para la frecuencia natural asociada al primer modo de vibración del eje.
El resultado se registra en la Tabla 6

Mode Damping (ξ)

1 0.15 %

Cuadro 6: Relaciones de amortiguamiento del eje, obtenidas aplicando OMA

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.

Figura 12: Frecuencias naturales caso I

La Figura 13 reafirma lo dicho anteriormente. En el rango de 400 Hz a 650

Hz, se evidencia la influencia de los apoyos en el análisis del eje, puesto que,
son aproximadamente frecuencias naturales del apoyo y que la técnica OMA
pudo detectar. La frecuencia de 830 Hz detectada en el NPSD corresponde a
una frecuencia natural del apoyo. Además, los picos de 474,1 Hz, 770,6 Hz y 830
Hz tienen una coherencia por encima del 90 %, validando esta afirmación.

12
 Figura 13: Frecuencias naturales caso I

Coeficientes de amortiguamiento: Para la comparación de los coeficientes de

amortiguamiento calculados a través del método de ancho de banda, se tomaron
como valores de referencia los coeficientes de amortiguamiento calculados por el
Análisis Modal Experimental (EMA). La comparación de los valores obtenidos
se presenta en la Tabla 7

Modes OMA ( %) EMA ( %) Error ( %)

1 0.2111 0.214 1.36
2 0.0281 0.033 14.8

Cuadro 7: Comparación de los coeficientes de amortiguamientos calculados de forma experi-

mental. EMA vs OMA

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

Cuadro 8: Comparación de los coeficientes de amortiguamientos calculados de forma experi-

mental. EMA vs OMA

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.

[24] K A Petsounis and S D Fass. Parametric time-domain methods for iden-

tification of vibrating structures - a critical comparasion and assessment.
Mechanical Systems and Signal Processing, 15(6):1031–1060, 2001.
[25] Paulo Mendes and Sérgio Oliveira. Análise dinâmica de estruturas Utili-
zação integrada de modelos de identificação modal e modelos de elementos
finitos. jan 2008.

16