See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/326191313

ANÁLISIS MODAL OPERACIONAL EN EL DOMINIO DE LA FRECUENCIA: UNA

REVISIÓN DEL ESTADO DEL ARTE

Conference Paper · November 2016

CITATIONS READS

0 1,963

2 authors:

Elsa M. Cárdenas Luis U. Medina U.

Simon Bolívar University Universidad Austral de Chile
33 PUBLICATIONS 218 CITATIONS 27 PUBLICATIONS 76 CITATIONS

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Drag reduction on an unmanned airplane View project

Modeling of Wings and Airplanes in Dynamic Ground Effect View project

All content following this page was uploaded by Luis U. Medina U. on 04 July 2018.

The user has requested enhancement of the downloaded file.

 ANÁLISIS MODAL OPERACIONAL EN EL DOMINIO DE LA FRECUENCIA: UNA
REVISIÓN DEL ESTADO DEL ARTE

Elsa Cárdenas1 y Luis Medina2*

1
Departamento de Tecnología Industrial. Universidad Simón Bolívar. Camurí Grande,
Venezuela.
*elsacardenas@usb.ve
2
Departamento de Mecánica. Universidad Simón Bolívar. Caracas, Venezuela.
*lmedina@usb.ve

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.

Palabras claves: Análisis Modal Operacional, Sistemas de Identificación Estocásticos, Peak

Picking, Máxima Verosimilitud, Descomposición en el Dominio de la Frecuencia

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

SECRETARÍA DE LAS JORNADAS.

Coordinación de Investigación .Edif. Física Aplicada. Piso 2. Facultad de Ingeniería.
Universidad Central de Venezuela. Ciudad Universitaria de Caracas. 1053
Telf.: +58 212-605 1644 | http://www.ing.ucv.ve
domain model, and some techniques used to obtain the modal parameters of a mechanical system,
including Peak Picking (PP) technique which gets accurate estimations for well-separated modes.
However, the frequency estimates accuracy is limited by the frequency resolution of the spectral
density estimate. Then it is discussed about the improve technique name frequency domain
decomposition, which offer the same benefits of Peak Picking (PP) technique, and in addition this
also presents high accuracy in the estimation of close modes. Finally, it is described the
maximum likelihood identification technique, optimization technique that estimates the
parameters of a model by minimizing an error norm. Previously published works that have used
these methods experimentally, have been analyzed with the aim to identify the correct uses of the
technique depending of its application in the field of the engineering, so its main advantages and
disadvantages.

Keywords: Operational Modal Analysis, Stochastics System Identification, Peak Picking,

Maximum Likelihood, Frequency Domain Decomposition

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)

Donde K, C y M representan las matrices de rigidez, amortiguación y masa respectivamente. El

vector x corresponde al vector desplazamiento y F(t) es la fuerza de excitación del sistema.
Esta ecuación representa una muy buena representación de la dinámica de una estructura
vibrante. No obstante, tiene las limitaciones propias de un sistema lineal (o linealizado) y además
SECRETARÍA DE LAS JORNADAS.
Coordinación de Investigación .Edif. Física Aplicada. Piso 2. Facultad de Ingeniería.
Universidad Central de Venezuela. Ciudad Universitaria de Caracas. 1053
Telf.: +58 212-605 1644 | http://www.ing.ucv.ve
se encuentra descrita en un tiempo continuo, mientras que, en la práctica, las mediciones son
tomadas en un tiempo discreto y podría además existir algún ruido a la entrada, actuando en
conjunto con la fuerza de excitación, o incluso en la propia respuesta del sistema.

La excitación de una estructura puede ser medida en función de desplazamientos, velocidades y

aceleraciones, así los desplazamientos de una estructura pueden ser expresados como una
combinación de formas modales [3] como (2).

{𝑥(𝑡)} = {𝜑1 }𝑦1 (𝑡) + {𝜑2 }𝑦2 (𝑡) + ⋯ . +{𝜑𝑛 }𝑦𝑛 (𝑡) (2)

Donde y(t) representa la coordenada normalizada y φ corresponde a los autovectores o formas

modales. Diversos métodos de identificación formulan modelos en el dominio de la frecuencia;
éstos son obtenidos aplicando la transformada Z a los modelos de tiempo discreto. Así, la
ecuación (2) en el dominio de la frecuencia puede ser reescrita como

{𝑋(𝜔)} = {𝜑1 }𝑦1 (𝜔) + {𝜑2 }𝑦2 (𝜔) + ⋯ . +{𝜑𝑛 }𝑦𝑛 (𝜔) (3)

En coordenadas normalizadas, para 𝑌𝑗 (𝑤) = 𝐻𝑗 (𝑤)𝑃𝑗 (𝑤), siendo H la función de respuesta en

frecuencia y P(ω) la transformada de Fourier de la fuerza de excitación p(t). De esta forma, el jth
modo puede ser escrito como
1
𝐻𝑗 (𝜔) = (4)
𝑘𝑗 −𝜔2 𝑀𝑗 +𝑖𝜔𝐶𝑗

Métodos basados en el espectro del dominio de la frecuencia

El espectro de frecuencias de la repuesta de un sistema mecánico representa tantos picos como
grados de libertad posea el sistema. Las frecuencias modales son determinadas observando los
picos de las funciones de respuesta en frecuencia, por sus siglas en inglés (FRF).

Entre los métodos de identificación planteados en el dominio del espectro de frecuencias se

cuentan:

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

SECRETARÍA DE LAS JORNADAS.

Coordinación de Investigación .Edif. Física Aplicada. Piso 2. Facultad de Ingeniería.
Universidad Central de Venezuela. Ciudad Universitaria de Caracas. 1053
Telf.: +58 212-605 1644 | http://www.ing.ucv.ve
 coherencia obtenida para dos registros simultáneos de señales de salida cuyos valores son
próximos a la unidad para las frecuencias naturales de la estructura, lo que ayuda a decidir
qué frecuencias se consideran como naturales.
Las principales ventajas que ofrece el método de Peak Peaking es su facilidad para ser
usado y la rapidez con la que pueden ser estimados los parámetros modales. Sin embargo,
el amortiguamiento no puede ser estimado.

La respuesta en forma compleja de aceleración, en el dominio de la frecuencia, es descrita

por Felber [3] como

𝑋̈(𝜔) = 𝜔2 [𝐴1𝑖 𝐻1 (𝜔) + 𝐴2𝑖 𝐻2 (𝜔) + ⋯ + 𝐴𝑛𝑖 𝐻𝑛 (𝜔) ] (5)

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).

𝑋̈(𝑎)(𝜔𝑗) 𝜑𝑗𝑎 𝜔𝑗 2 𝐻𝑗(𝑤𝑗) 𝑃𝑗(𝜔𝑗) 𝜑𝑗𝑎

= = (6)
𝑋̈(𝑏)(𝜔𝑗) 𝜑𝑗𝑏 𝜔𝑗 2 𝐻𝑗(𝜔𝑗) 𝑃𝑗(𝜔𝑗) 𝜑𝑗𝑏

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)

𝐺𝑖𝑖 (𝜔) = 𝑋̈𝑖(𝜔) 𝑋̈ ∗ 𝑖(𝜔) (7)

Donde 𝑋̈ ∗ 𝑖(𝜔) corresponde a la conjugada de 𝑋̈𝑖(𝜔) . De esta forma la gráfica Densidad

Espectral de frecuencia, por sus siglas en ingles (PSD), en función de la frecuencia,
muestra picos localizados para las frecuencias iguales a las frecuencias amortiguadas
(𝜔𝑑 ), que para casos de bajo amortiguamiento corresponden, aproximadamente, a los
valores de frecuencias naturales del sistema.

2. Descomposición en el Dominio de la Frecuencia (FDD): Es una extensión de la técnica de

aproximación clásica en el dominio de la frecuencia o técnica Peak Picking (PP). Esta
técnica parte de la descomposición en valores singulares, de la matriz espectral, así la
matriz espectral es descompuesta en un set de funciones auto espectrales. Cada una de las
cuales corresponde a un grado de libertad del sistema. Para sistemas en los que la
excitación es ruido blanco, la estructura se encuentra ligeramente amortiguada y las
formas modales de los modos cercanos son geométricamente ortogonales, el resultado
obtenido de este método es exacto. Aún cuando estas suposiciones no sean satisfechas, la
descomposición da resultados significativamente más aproximados que los obtenidos
haciendo uso de la técnica PP. Brincker [5] describe el desarrollo teórico de la
descomposición en el dominio de la frecuencia, partiendo desde la relación entre la
entrada desconocida x(t) y las respuestas medidas y(t) para obtener la matriz de respuesta
espectral Gyy(jω) (8).

SECRETARÍA DE LAS JORNADAS.

Coordinación de Investigación .Edif. Física Aplicada. Piso 2. Facultad de Ingeniería.
Universidad Central de Venezuela. Ciudad Universitaria de Caracas. 1053
Telf.: +58 212-605 1644 | http://www.ing.ucv.ve
 ̅(𝑗𝜔) 𝐺𝑥𝑥 𝐻(𝑗𝜔) 𝑇
𝐺𝑦𝑦 = 𝐻 (8)

Donde Gxx(jw) representa la matriz de densidad espectral a la entrada, de dimensión (r x r),

siendo r el número de entradas, 𝐻 ̅ y 𝐻 𝑇 la compleja conjugada y la transpuesta
respectivamente, de la matriz de función de respuesta en frecuencia. A una cierta
frecuencia ω, solo un limitado números de modos (uno o dos) contribuirán
significativamente, lo que permite que este conjunto de modos sea denotado por Sub(ω)
que constituye una descomposición modal de la matriz de densidades espectrales. Para el
caso de estructuras ligeramente amortiguadas, la respuesta de densidad espectral puede ser
aproximada a

𝑑𝑘 𝜙𝑘 𝜙𝑇 ̅̅̅̅
𝑑𝑘 𝜙 ̅ 𝑘𝜙
̅𝑇
𝐺𝑦𝑦(𝑗𝜔) = ∑𝑘∈𝑆𝑢𝑏(𝜔) + ̅𝑘 (9)
𝑗𝜔−𝜆𝑘 𝑗𝜔−𝜆

Siendo dk un escalar constante 𝑑𝑘 = 𝛾 𝑇 𝜙𝑘 𝜙 𝑇 , con términos γ y Φ que constituyen el

vector de participación modal y el vector de forma modal respectivamente.

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

SECRETARÍA DE LAS JORNADAS.

Coordinación de Investigación .Edif. Física Aplicada. Piso 2. Facultad de Ingeniería.
Universidad Central de Venezuela. Ciudad Universitaria de Caracas. 1053
Telf.: +58 212-605 1644 | http://www.ing.ucv.ve
mostrados se obtuvo información acerca del uso más acertado de las técnicas a emplear, teniendo
en cuenta el tipo de sistema mecánico y su nivel de aproximación a los resultados reales. Además
se identificaron las ventajas y desventajas más relevantes del empleo de estas técnicas en función
de la respuesta esperada.

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.

Otros autores mencionan la técnica mejorada de descomposición en el dominio de la frecuencia,

para el empleo de esta técnica se hace un ajuste de regresión lineal a las curvas para determinar
las relaciones de amortiguación, que han demostrado ser extremadamente fiable y precisa.
Incluso, para modos débilmente excitados, modos muy próximos entre sí, gran número de canales
y gran cantidad de datos [8,9]. Su principal desventaja es que el algoritmo no funciona
correctamente si ningún pico distinguido se encuentra en algunos de los conjuntos de datos.
Svend et al [9] estudiaron los parámetros estáticos y dinámicos de un álabe de una turbina de
viento haciendo uso de técnicas bajo el dominio de la frecuencia, tales como descomposición en
el dominio de la frecuencia y efectuando mejoras en la descomposición en el dominio de la
frecuencia, por sus siglas en inglés (EFDD)

Guillaume [6] en su investigación muestra el uso de un algoritmo robusto de Máxima

Verosimilitud, en el dominio de la frecuencia enfocado a la estimación de parámetros modales de
una aeronave en vuelo, que se ve afectada por el fenómeno de flutter en vuelo. En comparación
con métodos como el estimador de exponencial complejo de mínimos cuadrados (LSCE) y un
solucionador de mínimos cuadrados (LSFD). Para esto fue aplicado el algoritmo a las mediciones
de flutter obtenidas en vuelo, mediciones de una simple-entrada y una simple-salida, consistentes
de tres ráfagas de barrido sinusoidal, la función de respuesta en frecuencia fue obtenida del
promedio de las ráfagas, asumiendo además que no existe ruido a la entrada. De los resultados y

SECRETARÍA DE LAS JORNADAS.

Coordinación de Investigación .Edif. Física Aplicada. Piso 2. Facultad de Ingeniería.
Universidad Central de Venezuela. Ciudad Universitaria de Caracas. 1053
Telf.: +58 212-605 1644 | http://www.ing.ucv.ve
discusiones ofrecidas por este trabajo se desprende que el estimador robusto de máxima
verosimilitud es capaz de manejar problemas bastante complejos en el campo del análisis modal
experimental, especialmente para vuelo de pruebas (flutter). Los resultados de esta investigación
muestran niveles de confianza de 99% para estimaciones de frecuencia y amortiguación y la
comparación de sus resultados concluyen que el estimador ML es superior al enfoque LSFD -
LSCE para modelar el flutter en vuelo de un avión.

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.

Tabla 1.Ventajas y Desventajas de los métodos en estudio.

Métodos Ventajas
Es fácil de usar y obtiene No ofrece buenas aproximaciones
resultados en poco tiempo
Peak Picking
Es fácil de usar y obtiene
resultados en poco tiempo
Descomposición en el Ofrece buenas aproximaciones
Dominio de la aun con modos cercanos
Frecuencia No es sensible al ruido a la
entrada
Con un algoritmo robusto pueden
ser obtenidos los parámetros
Máxima Verosimilitud
modales con gran aproximación
Desventajas
cuando los modos se encuentran
muy cercanos entre sí.
Se asume el sistema ligeramente
amortiguado
Los modos cercanos deben ser
geométricamente ortogonales entre
sí para que los resultados den una
buena aproximación.
Se asume el sistema ligeramente
amortiguado
Requiere una gran demanda
computacional
No es adecuado para manejar
grandes cantidades de datos

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

SECRETARÍA DE LAS JORNADAS.

Coordinación de Investigación .Edif. Física Aplicada. Piso 2. Facultad de Ingeniería.
Universidad Central de Venezuela. Ciudad Universitaria de Caracas. 1053
Telf.: +58 212-605 1644 | http://www.ing.ucv.ve
primaria. De hecho el método de identificación basado en transmisibilidad estima primero
funciones de transmisibilidad entre las respuestas y la respuesta de referencia bajo a una
condición de carga, estimando el mismo conjunto de función de transmisibilidad bajo una
segunda condición de carga y combinándolas con las funciones de transmisibilidad obtenidas
bajo la primera condición de carga, pueden ser estimadas las funciones inversa de los polos. Con
esto, los polos correctos del sistema pueden ser fácilmente identificados, realizando una
estimación paramétrica de manera similar a la respuesta en frecuencia determinística.
Posteriormente, tanto la amortiguación a la frecuencia de resonancia, como las relaciones de
amortiguamiento de cada modo en el rango de frecuencias de interés pueden ser obtenidos. Los
autores, en su investigación, han simulado una viga sometida a fuerzas verticales a diferentes
locaciones, demostrando que pueden ser identificados los polos correctos del sistema, partiendo
únicamente de las medidas de transmisibilidad. Reportan resultados precisos, sin embargo, debe
acotarse que, como limitación más relevante para este método propuesto, es necesario que
diferentes condiciones de carga puedan ser obtenidas durante el experimento

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

SECRETARÍA DE LAS JORNADAS.

Coordinación de Investigación .Edif. Física Aplicada. Piso 2. Facultad de Ingeniería.
Universidad Central de Venezuela. Ciudad Universitaria de Caracas. 1053
Telf.: +58 212-605 1644 | http://www.ing.ucv.ve
 Conference (IMAC). Kissimmee, Florida, EE.UU.
[5] Brincker R; Zhang L., & Andersen P. (2007). “Modal Identification from ambient Responses
using Frequency Domain Decomposition”. En las memorias de International Modal Analysis
Conference (IMAC), San Antonio, Texas, EE.UU. 625-630
[6] Guillaume, P. Verboven P. & Vanlanduits S. (1998). “Frequency-Domain Maximum
Likelihood identification of modal parameters with confidence intervals”. En las memorias
de ISMA 23, Noise vibration engineering. Leuven, Belgica.
[7] Verboven, P. (2002). “Frequency Domain System Identification for Modal Analysis”. Vrije
Universiteit Brusser. Tesis doctoral. Bruselas, Belgica.
[8] Mehdi, B. (2002). Operational Modal Analysis – Another Way of Doing Modal Testing.
Sound and Vibration. 36(8). 22-27
[9] Gade, S., Møller, N.B., Herlufsen, H., & Konstantin-Hansen, H. (2006). “Frequency Domain
Techniques for Operational Modal Analysis”. En las memorias de IMAC XXIV: A
Conference & Exposition on Structural Dynamics. Saint Louis, Missouri, EE.UU.
[10] Devriendt, C., & Guillaume, P. (2008). “Identification of Modal Parameters from
Transmissibility Measurements”. Journal of Sound and Vibration. 314. 343-356.

SECRETARÍA DE LAS JORNADAS.

Coordinación de Investigación .Edif. Física Aplicada. Piso 2. Facultad de Ingeniería.
Universidad Central de Venezuela. Ciudad Universitaria de Caracas. 1053
Telf.: +58 212-605 1644 | http://www.ing.ucv.ve

View publication stats