Professional Documents
Culture Documents
net/publication/326191313
CITATIONS READS
0 1,963
2 authors:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Luis U. Medina U. on 04 July 2018.
RESUMEN
Este artículo presenta una revisión argumentada del estado del arte del Análisis Modal
Operacional. Bajo la denominación genérica de Análisis Modal Operacional se encuentran
agrupadas una diversidad de técnicas de identificación de sistemas, cuyo denominador común, e
interés fundamental, es la identificación de los parámetros modales mediante el procesamiento de
medición únicamente de la respuesta del sistema analizado bajo condiciones de operación del
mismo. Se presenta una recopilación de información que incluye los métodos utilizados para
identificar sistemas estocásticos bajo el dominio de la frecuencia, se muestra una breve
descripción teórica del modelo bajo el dominio de la frecuencia, así como algunas de las técnicas
empleadas para obtener los parámetros modales de un sistema mecánico, entre ellos se
mencionan las técnicas; Peak Picking, PP, técnica que proporciona estimaciones razonables, si
los modos se encuentran bien separados. Sin embargo, la precisión de la estimación de la
frecuencia modal se limita a la resolución del espectro de frecuencias. Seguidamente se discute
acerca de la técnica mejorada bajo la denominación Descomposición en el Dominio de la
Frecuencia, la cual ofrece las mismas ventajas de la técnica PP, además presenta excelentes
aproximaciones en la estimación de parámetros modales cuando se tienen modos cercanos. Por
último, se describe la técnica de Máxima Verosimilitud, técnica de optimización que estima los
parámetros de un modelo minimizando un error normado. Investigaciones realizadas por diversos
autores, que han empleado estos métodos experimentalmente, han sido analizadas con la
finalidad de identificar el uso adecuado de la técnica dependiendo de su aplicación en la
ingeniería, así como sus principales ventajas y desventajas.
ABSTRACT
This paper presents an argued review of the state-of-the-art of Operational Modal Analysis. This
term is used to group a variety of system identification techniques; whose main interest is the
identification of modal parameters on response of data only when this is analyzed in operational
conditions. It is presented a compilation of information that includes frequency domain
stochastics system identification methods, it is shown a brief theoretical description of frequency
INTRODUCCIÓN
Tradicionalmente, los parámetros modales de un sistema son obtenidos de las funciones de
respuesta en frecuencia (FRF), que relacionan la salida (respuesta) con la entrada (excitación).
[1]. Sin embargo, existen muchos sistemas en los que se dificulta o hasta se hace imposible medir
la excitación, por lo que es necesario partir únicamente de la respuesta del sistema a esa
excitación desconocida para obtener los parámetros modales. Con la finalidad de resolver este
tipo de inconveniente, han sido desarrolladas técnicas, en las que el conocimiento determinístico
de la entrada es reemplazado por la hipótesis de que la entrada es un proceso estocástico.
Entonces se habla de sistemas de identificación estocásticos. En general, estas técnicas han sido
agrupadas bajo el denominador común de Análisis Modal Operacional [2].
El problema más común en el empleo de estos métodos es que en ocasiones la entrada contiene,
adicional a la suposición de ruido blanco, una componente de frecuencia dominante que no puede
ser separada de las frecuencias propias del sistema y que, de no tener el cuidado, pueden ser
erróneamente identificadas como frecuencias propias del sistema a identificar.
Modelos
Uno de los primeros pasos a seguir en la identificación de sistemas es formular un modelo. Existe
una gran cantidad de modelos propuestos para distintas áreas de estudio. Si partimos de un
sistema mecánico linealizado, representado por un modelo discreto, y compuesto por masas o
inercias conectadas a través de resortes y amortiguadores viscosos equivalentes, la conocida
ecuación de movimiento corresponderá a
̇ [𝑀]𝑥̈ = 𝐹(𝑡)
[𝐾]𝑥 + [𝐶]𝑥 + (1)
{𝑥(𝑡)} = {𝜑1 }𝑦1 (𝑡) + {𝜑2 }𝑦2 (𝑡) + ⋯ . +{𝜑𝑛 }𝑦𝑛 (𝑡) (2)
{𝑋(𝜔)} = {𝜑1 }𝑦1 (𝜔) + {𝜑2 }𝑦2 (𝜔) + ⋯ . +{𝜑𝑛 }𝑦𝑛 (𝜔) (3)
1. El Método Peak Picking (PP): Este método proporciona la aproximación más simple y
rápida a la estimación de parámetros modales de una estructura vibrante sujeta a cargas
ambientales, Este método solo puede ser usado bajo condiciones de bajo amortiguamiento
(menos del 5% de amortiguamiento crítico) y modos bien separados. De esta manera, la
respuesta a la frecuencia natural es dominada por la correspondiente forma modal y el
pico en el espectro de frecuencias puede ser utilizado para identificar frecuencias
naturales [3], las cuales son determinadas de la observación de los picos de la función
densidad espectral promediada y normalizada. Esta función se obtiene básicamente
convirtiendo las medidas de aceleraciones al dominio de la frecuencia mediante la
transformada de Fourier discreta (DFT) [4]. Otro método es utilizar la función de
Donde 𝐴𝑗𝑖= 𝜑𝑗𝑖 𝑃(𝑤), si son obtenidos dos registros de aceleraciones simultáneamente en
locaciones a y b, la relación modal del jth modo para las locaciones es descrita como (6).
Las frecuencias naturales del sistema pueden ser obtenidas haciendo uso del gráfico de la
densidad espectral de potencia en función de la frecuencia, que es definida como (7)
𝑑𝑘 𝜙𝑘 𝜙𝑇 ̅̅̅̅
𝑑𝑘 𝜙 ̅ 𝑘𝜙
̅𝑇
𝐺𝑦𝑦(𝑗𝜔) = ∑𝑘∈𝑆𝑢𝑏(𝜔) + ̅𝑘 (9)
𝑗𝜔−𝜆𝑘 𝑗𝜔−𝜆
3. Identificación por Máxima Verosimilitud, por sus siglas en ingles (ML): Este método
estima la matriz de espectro parametrizada como un todo, a diferencia de los métodos
expuestos anteriormente que consideran un modo a la vez. La identificación por máxima
verosimilitud es un método de optimización que estima los parámetros de un modelo
minimizando un error normado [2].
Las aproximaciones más usadas obtienen primero los polos y los factores de participación
modal haciendo uso del estimador de exponencial complejo de mínimos cuadrados, por
sus siglas en ingles (LSCE). Los resultados obtenidos son usados para construir una tabla
que luego permita separar los polos físicos de los matemáticos, las formas modales son
obtenidas haciendo uso de un solucionador de mínimos cuadrados, por sus siglas en ingles
(LSFD). Los principales inconvenientes de este método son la alta demanda
computacional que requiere y que además no es adecuado para manejar grandes
cantidades de datos [6, 7].
El método resulta en ecuaciones de los parámetros desconocidos que son no lineales, por
lo que se requiere de un procedimiento iterativo. Durante los últimos años los algoritmos
han sido modificados para mantener los requerimientos de memoria lo más bajo posible.
Usando parametrización y técnicas de procesamiento de señales el tiempo de computación
requerido puede ser reducido. Esto hace del método de máxima verosimilitud un método
robusto para estimar parámetros modales de estructuras de una gran cantidad de data con
ruido.
METODOLOGÍA
Para el análisis de las técnicas empleadas en la identificación de sistemas vibrantes operados bajo
el dominio de la frecuencia, se estudiaron investigaciones previas en el área, donde los autores
han llevado a cabo estudios experimentales de los cuales han sido obtenidos datos que han sido
procesados usando diferentes técnicas. De la comparación y análisis de estos resultados
RESULTADOS Y DISCUSIÓN
Diferentes autores han validado el empleo de las técnicas desarrolladas bajo el dominio de la
frecuencia, Brincker et al [5] muestran en su investigación el uso de un algoritmo de
identificación basado en la descomposición en el dominio de la frecuencia. Estos autores
simularon un edificio de dos plantas haciendo uso de un sistema de parámetros agrupados de 6
grados de libertad, con dos conjuntos de modos cercanos. La respuesta fue simulada usando un
modelo ARMA, contemplando ruido blanco. La respuesta fue analizada haciendo uso de la
técnica de descomposición en el dominio de la frecuencia. La serie de tiempo, o respuesta del
sistema, fue simulada para tener una longitud de 1000 puntos de datos, considerando tres casos,
no ruido, 10% de ruido y 20% de ruido añadido. Sus resultados muestran que para la estimación
de frecuencias naturales una aproximación muy cercana al resultado exacto de al menos el 97%
para el caso de no ruido, mientras para los casos de ruido añadido una aproximación alrededor del
95%, mientras que para la estimación de relaciones de amortiguamiento la aproximación con el
valor exacto es de 96% para el caso sin ruido y de 95% para ambos casos de ruido añadido. Los
resultados aproximados obtenidos con el uso de esta técnica indican que es capaz de estimar
modos cercanos con alto grado de aproximación, además, los resultados del trabajo sugieren que
la técnica no es sensible al ruido.
Del análisis de las investigaciones de autores que han empleado experimentalmente estas
técnicas, pueden reconocerse las ventajas y desventajas de ellas. Esto se muestra en la tabla 1.
Devriendt and Guillame [10] plantean en su artículo una importante limitante común en el uso de
estas técnicas, y es la suposición de que las fuerzas de excitación no medidas del sistema en
operación, están dadas por secuencias de ruido blanco. Estos autores plantean que en algunos
sistemas mecánicos, tales como los que contienen partes rotantes (carros, turbinas, molinos de
viento, etc.), las cargas son frecuentemente más complejas, pudiendo incluso existir componentes
armónicas superpuestas en la respuesta, en cuyos casos, los procedimientos ofrecidos en el
análisis modal operacional no podrían ser aplicados. En respuesta a este problema, los autores
proponen un método en el que no existe ningún tipo de hipótesis acerca de la naturaleza de las
fuerzas de excitación, haciendo uso de la función de transmisibilidad. Las transmisibilidades son
obtenidas de la relación de dos respuestas del espectro 𝑇𝑖𝑗(𝑠) = 𝑋𝑖(𝑠) ⁄𝑋𝑗(𝑠).
Dado que la técnica de transmisibilidad usa un algoritmo de identificación estocástica, puede ser
considerada como la contraparte estocástica de la función de respuesta en frecuencia conducida
por algoritmos determinísticos. En ambos casos, la función espectral es usada como data
CONCLUSIONES
El análisis Modal Operacional (OMA) ha sido ampliamente usado en la identificación de
sistemas debido a que permite estimar bajo las condiciones propias de operación de un equipo,
sus parámetros modales, existen un gran número de técnicas basadas en OMA, que permiten
identificar sistemas bajo estas condiciones. Del análisis del estado del arte de algunas de estas
técnicas puede concluirse que no existe una técnica o método que pueda definirse más acertada
que otra. Es necesario hacer un análisis del sistema en estudio, tomando en cuenta como puntos
principales: las características propias y complejidad del mismo en cuanto a grados de libertad,
nivel de amortiguación, la ortogonalidad entre los modos, cantidad de datos analizar, ruido a la
entrada, y el tiempo estimado de respuesta. Estas consideraciones podrán orientar a establecer
que técnica es conveniente utilizar para cada caso en estudio.
Para casos en los que las cargas de excitación son más complejas, los procedimientos ofrecidos
en el análisis modal operacional clásico no podrían ser aplicados. Sin embargo, han sido
desarrolladas modificaciones en algoritmos empleados en análisis modal operacional, mostrando
una buena correlación de resultados, sin la necesidad de emplear la hipótesis de ruido blanco
como fuerza de excitación.
REFERENCIAS
[1] Rodríguez, M. (2005). “Análisis. Modal Operacional: Teoría y Práctica”. Trabajo Especial
de Grado. Escuela Superior de Ingenieros. Sevilla, España.
[2] Peeters, B., & Roeck G. (2001) Stochastic System Identification for Operational Modal
Analysis: a Review. Journal of Dynamic Systems, Measurement, and Control. 123 (4) 659-
667.
[3] Felber, A. (1993). “Development of a Hybrid Bridge Evaluation System”. Tesis doctoral.
University of British Columbia, Vancouver, Canada
[4] Andersen, P. Breanker, R. Peteers, B. & De Roeck. (1999). “Comparison of System Methods
Using ambient Bridge Test Dates” En las memorias de 17th International Modal Analysis