Introduccin al Anlisis Modal

Operacional

Jornada sobre Comportamiento Estructural y Monitorizacin de Estructuras

Viernes 20 Mayo 2016, Universidad de Mlaga

Dr. Rafael Castro Triguero

Ingeniero de Caminos, Canales y Puertos
Profesor Contratado Dr. Universidad de Crdoba
Grupo Investigacin Mecnica de Slidos y Estructuras
 INDICE

1. Definicin Anlisis Modal Operacional

2. Modelos Experimentales
3. Mtodos de Identificacin de Sistemas
4. Actualizacin de Modelos
5. Deteccin de Dao Estructural
 ANLISIS MODAL

Finalidad Obtener:
Frecuencias naturales.
Factores de
amortiguamiento.
Formas modales.
 ANLISIS MODAL

Finalidad Obtener:
Frecuencias naturales.
Formas modales.
Factores de
amortiguamiento.
 ANLISIS MODAL

Para qu sirve? Conocer:

Comportamiento dinmico
 ANLISIS MODAL

Para qu sirve? Conocer:

Comportamiento dinmico Y evitar
 ANLISIS MODAL

Para qu sirve? Conocer:

Comportamiento dinmico Deteccin de dao
 ANLISIS MODAL

Para qu sirve? Conocer:

Comportamiento dinmico Monitorizacin
preventiva
Diferencias entre Anlisis Modal
EXPERIMENTAL y OPERACIONAL

Martillo de
impacto
Anlisis Modal
Excitacin
Experimental
forzada
(EMA)
Excitador modal
ANLISIS
MODAL
Anlisis Modal
Estructura en
Operacional Ruido blanco
servicio
(OMA)
 Estructura en servicio.
Fuentes de excitacin

Fuentes de
excitacin
ambiental

Maquinaria
Viento Oleaje Trfico Etc.
propia
 Estructura en servicio.
Fuentes de excitacin

Fuentes de
excitacin
ambiental

Maquinaria
Viento Oleaje Trfico Etc.
propia
 Estructura en servicio.
Fuentes de excitacin

Fuentes de
excitacin
ambiental

Maquinaria
Viento Oleaje Trfico Etc.
propia
 Estructura en servicio.
Fuentes de excitacin

Fuentes de
excitacin
ambiental

Maquinaria
Viento Oleaje Trfico Etc.
propia
 Estructura en servicio.
Fuentes de excitacin

Fuentes de
excitacin
ambiental

La propia
Viento Oleaje Trfico Etc.
maquinaria
 EMPLEO

Estructuras no convenientes de excitar artificialmente:

Tamao.
Forma.
Localizacin.
Aparicin de no linealidades por un nivel de respuesta
elevado al aplicar excitacin artificial.
 Cubierta polideportiva,
C.A.R. de Cartuja, Sevilla
Estructura metlica.
Forma de paraboloide hiperblico.
Dimensiones 46x24x12 m.
Pasarela peatonal,
Montoro (Crdoba)
Pasarela peatonal,
Montoro (Crdoba)
Pasarela peatonal,
Montoro (Crdoba)
Pasarela peatonal,
Montoro (Crdoba)
Pasarela peatonal,
Montoro (Crdoba)
Pasarela peatonal,
Montoro (Crdoba)
Puente Eduardo Torroja,
Posadas (Crdoba)
Puente Eduardo Torroja,
Posadas (Crdoba)
Puente Eduardo Torroja,
Posadas (Crdoba)
 Puente Eduardo Torroja,
Posadas (Crdoba)

Modos obtenidos
mediante FEM
 Puente Eduardo Torroja,
Posadas (Crdoba)

Modos obtenidos
experimentalmente
Puente Eduardo Torroja,
Posadas (Crdoba)
Puente Eduardo Torroja,
Posadas (Crdoba)
Puente sobre ro Guadalquivir
Palma del Ro (Crdoba)
Puente sobre ro Guadalquivir
Palma del Ro (Crdoba)
Puente sobre ro Guadalquivir
Palma del Ro (Crdoba)
Puente sobre ro Guadalquivir
Palma del Ro (Crdoba)

Modelo
FEM
Puente sobre ro Guadalquivir
Palma del Ro (Crdoba)
Puente sobre ro Guadalquivir
Palma del Ro (Crdoba)
Silo (almacenaje de grano)
Alhama de Murcia, Murcia
Silo (almacenaje de grano)
Alhama de Murcia, Murcia
 Puente del Jaln
Villanueva del Jaln, Zaragoza
 Puente del Jaln
Villanueva del Jaln, Zaragoza
 Ventajas OMA

Menor tiempo de preparacin del ensayo.

Ms barato (no son necesarios equipos excitadores).
No se interrumpe el funcionamiento normal de la
estructura.
Respuesta representativa de las condiciones reales de
utilizacin de la estructura.
No se aplican cargas artificiales, que pudieran afectar
a la estructura.
 Inconvenientes OMA

Respuestas pequeas, normalmente mezcladas con

ruido (Seal/Ruido).
Excitacin desconocida, complica el anlisis.
Necesidad de equipos muy sensibles.
Necesario un anlisis de datos cuidadoso.
No cubre toda la banda de frecuencias.
Escalado de los modos de vibracin (masa).
Modelos Experimentales

Jornada sobre Comportamiento Estructural y Monitorizacin de Estructuras

Viernes 20 Mayo 2016, Universidad de Mlaga

Dr. Rafael Castro Triguero

Ingeniero de Caminos, Canales y Puertos
Profesor Contratado Dr. Universidad de Crdoba
Grupo Investigacin Mecnica de Slidos y Estructuras
 Modelos experimentales

Los mtodos de identificacin de parmetros modales, estn

basados en modelos experimentales:

Modelos de los sistemas dinmicos ensayados:

se ajustan a los datos registrados.
se extraen estimaciones de parmetros modales.
 Modelos experimentales
Modelo de Elementos Finitos (FEM)

Ecuacin que representa un sistema dinmico complejo:

M Matriz de masas Vector aceleracin

C Matriz de amortiguamiento Vector velocidad
K Matriz de rigidez Vector desplazamiento
Vector fuerzas aplicadas

Vector de menor dimensin de las fuerzas aplicadas (ni < n2)

Matriz compuesta por unos y ceros (n2 x ni)
 Modelos experimentales
Modelo de Espacio de Estados

MEF sistema de ecuaciones diferenciales de segundo orden

Puede transformarse en ED de primer orden
Modelo de Espacio de Estado

Modelo en tiempo
continuo

Ac Matriz de estado
x(t) Vector de estado
Bc Matriz de entrada
y(t) Vector de salidas
Cc Matriz de salida
u(t) Vector de entradas
Dc Matriz de transmisin directa
 Modelos experimentales
Modelo de Espacio de Estados
Obtencin de parmetros modales

Matriz de estado Ac

Relacin entre la frecuencia y la amortiguacin modal:

 Modelos experimentales
Modelo de Espacio de Estados

Componentes modales observables:

Adems:

Seales analgicas Seales digitales Convertidor A/D

Modelo de Espacio de Estado

estocstico en tiempo discreto
 Modelos experimentales
Modelo de Espacio de Estados

Los vectores y se asumen cero en los procesos de realizacin

estocstica, con las siguientes matrices de correlacin:
 Modelos experimentales
Modelo de Espacio de Estados

Obtencin de parmetros modales:

Autovectores de A = Autovectores de Ac
Relacin entre autovalores A y autovalores Ac:

Matriz C = Cc
Componentes modales observables:
(igual tiempo continuo)
 Modelos experimentales
Funcin de transferencia

Aplicando la transformada de Laplace a la ED 2 orden (MEF), y

condiciones iniciales nulas:

Relacin las transformadas de Laplace de las entradas y salidas:

 Modelos experimentales
Funcin de transferencia

Cada elemento de H(s) Funcin valores complejos

Puede representarse por dos superficies definidas en

plano s o Laplace
Partes real e imaginaria
Valor absoluto y ngulo de fase
Polos:
 Modelos experimentales
Modelo modal

La H(s) puede definirse como suma de las contribuciones de los

modos del sistema dinmico:

con

Vector columna que contiene las n2 componentes del modo k

 Modelos experimentales
Espectro y espectro medio de salida

Proceso estocstico que representa entradas desconocidas, puede ser:

Matriz de correlacin.
Matriz con espectro de entrada (transformada de Laplace de las correlaciones
de entrada).
Relacin entre matriz espectro de salida y matriz espectro de entrada:

Si entrada = ruido blanco (Syy slo depende de H() y una matriz cte.
(ruido blanco matriz de entrada)):
 Modelos experimentales
Espectro y espectro medio de salida

Teniendo en cuenta la descomposicin modal de H(), el espectro de

salida quedara:

Se obtienen 4 polos con la descomposicin modal (k, -k, k* y -k*):

Obliga a utilizar modelos 2 veces el orden del modelo de H()
Se evita usando el espectro medio:
Mtodos de Identificacin de
Sistemas

Jornada sobre Comportamiento Estructural y Monitorizacin de Estructuras

Viernes 20 Mayo 2016, Universidad de Mlaga

Dr. Rafael Castro Triguero

Ingeniero de Caminos, Canales y Puertos
Profesor Contratado Dr. Universidad de Crdoba
Grupo Investigacin Mecnica de Slidos y Estructuras
 Clasificacin mtodos de
identificacin mediante OMA
ANLISIS MODAL
OPERACIONAL

Dominio de la
Dominio del tiempo
frecuencia

Auto-regressive moving
average (ARMA) o
No paramtricos Paramtricos State-Space models
Auto-regressive
average (AR)

Maximum Likelihood Stochastic subspace Deterministic Subspace The instumental

Peak Picking (PP)
(ML) identification (SSI) Identification variable method (IV)

Poly-least squares
Covariance-driven Eigensystem
Frequency Domain complex frequency Polyreference time
stochastic subspace Realization Algorithm
Decomposition (FDD) domain mehod (p- domain (PTD)
identification (SSI-COV) (ERA)
LSCF)

Complex mode Data driven stochastic

Natural Excitation
indication function subspace identification
Technique (NExT)
(CMIF) (SSI-DATA)
 Mtodos en el dominio de la
frecuencia

Ms simples

No paramtricos Primeros en utilizarse

Basados en la DFT
Dominio de la frecuencia

Mtodo lineal de
Ms sofisticado
mnimos cuadrados (LS)
Paramtricos
Basado en una funcin de Estimador de mxima
coste verosimilitud (IV)

Algoritmos de realizacin
(Espacio de Estados)
Mtodos en el dominio de la
frecuencia

Peak Picking (PP)

Frequency Domain
No paramtricos
Decomposition (FDD)

Complex Mode Indication

Function (CMIF)
 Dominio de la frecuencia No paramtricos
Peak Picking (PP)
Mtodo ms simple.
Se aplica a auto-espectros y espectros cruzados de las
respuestas operacionales.
Seleccionando picos en los espectros, se pueden obtener
estimaciones de las frecuencias y formas modales.
La precisin depende de la resolucin en frecuencias utilizada.
 Dominio de la frecuencia No paramtricos
Frequency Domain Decomposition (FDD)
Mtodo ligeramente ms sofisticado.
Permite:
Separacin de modos estrechamente espaciados.
Identificacin de amortiguamientos modales.
Interpreta espectro de salida estimado con el mtodo de Welch.
Mtodos en el dominio de la
frecuencia

Frequency domain
Maximum Likelihood
identification (ML)
Paramtricos
Poly-least squares
complex frequency
domain mehod (p-LSCF)
 Dominio de la frecuencia Paramtricos
Frequency-domain maximum likelihood
identification (ML)
Mtodo basado en la optimizacin que
estima los parmetros modales
minimizando una funcin de coste
cuadrtica ponderada adecuadamente
con la incertidumbre en los datos
experimentales.
El mtodo da lugar a ecuaciones no
lineales en los parmetros desconocidos.
Esto requiere un procedimiento iterativo
con problemas como:
Convergencia no garantizada,
Mnimos locales,
Sensibilidad a los valores iniciales,
Alta carga computacional.
 Dominio de la frecuencia Paramtricos
Poly-least squares complex frequency
domain mehod (p-LSCF)
Comercialmente conocido como PolyMax.
Desarrollado para identificacin de parmetros modales a partir
de FRFs, basado en un ajuste por mnimos cuadrados.
Produce estimaciones de polos globales y vectores de
participacin modal.
 Dominio de la frecuencia Paramtricos
Poly-least squares complex frequency
domain mehod (p-LSCF)
Ventajas:
Diagramas fciles de interpretar.
Identificacin de polos muy estable y factores de participacin.
Se aplica a casos de difcil identificacin:
Sistemas de orden superior.
Sistemas altamente amortiguados con gran superposicin modal.
 Mtodos en el dominio del tiempo

Son una aproximacin

paramtrica.
Espacio de estados
(State-Space)
Utilizado comnmente en
Ingeniera Civil.
Dominio del tiempo
Correlaciones (o
covarianzas) de salida.
Auto-Regressive Moving
Pueden ser identificado
Average (ARMA) o Auto-
desde:
Regressive (AR)
Directamente de la serie
temporal.
 Mtodos en el dominio del tiempo

Covariance Driven
Stochastic Subspace
Identification (SSI-COV)
Stochastic Space
Identification (SSI)
Data Driven Stochastic
(Slo salida) Subspace Identification
(SSI-DATA)
Espacio de estados
(State-Space)
Eigensystem Realization
Algorithm (ERA)
Deterministic Space
Identification
Natural Excitation
(Entrada-Salida) Technique (NExT)
Dominio del tiempo Espacio de Estados Determinsticos
Eigensystem Realization Algorithm (ERA)

Serie de datos
temporales

Matriz de Hankel
generalizada

Descomposicin en
valores singulares

Matriz de la
realizacin del
sistema
Resolucin del
problema de
autovalores.
Extraccin de las
propiedades del
sistema
Actualizacin de Modelos

Jornada sobre Comportamiento Estructural y Monitorizacin de Estructuras

Viernes 20 Mayo 2016, Universidad de Mlaga

Dr. Rafael Castro Triguero

Ingeniero de Caminos, Canales y Puertos
Profesor Contratado Dr. Universidad de Crdoba
Grupo Investigacin Mecnica de Slidos y Estructuras
Actualizacin de Modelos
Actualizacin de Modelos
 Actualizacin de Modelos
Construccin modelo FEM:
[M] = matriz de masas
[K] = matriz de rigidez
[C] = matriz de amortiguamiento

[M], [K] y [C] o FRFs

A menudo se considera [C]=0

Se obtienen:
Autovalores
Autovectores
 Actualizacin de Modelos
Ensayo experimental FRFs

Aplicando tcnicas de identificacin

de parmetros modales, se obtiene
experimentalmente:
 Actualizacin de Modelos
Malla medida Grupo nodos FEM

Punto medido Nodo FEM

DOF de FEM > DOF medidos

Tcnicas de correlacin
Mod. analtico Coincidencias
Mod. experimental DOF a DOF

Solucin:
Reducir DOF de FEM
Expandir DOF medidos
 Model matching
DOF de FEM DOF medidos
FEM requiere una malla fina, para
tener predicciones precisas.
En la prctica no es siempre
posible:
Algunos nodos FEM estn internos
en la estructura, difcil acceso.
Difcil medir DOF rotacionales.
En OMA, no es necesario una malla
fina de puntos medidos.
El nmero y localizacin de DOF
deben coincidir.

Primera fase: correspondencia DOF

 Actualizacin de Modelos
Verificacin del modelo.

Comparacin entre parmetros

modales analticos y parmetros
modales experimentales:
Buena correlacin: fin proceso de
actualizacin (FEM OK).
Mala correlacin: corregir FEM.
 Correlation
Comparacin visual de las formas modales
Se comparan las representaciones de las formas
modales analticas y experimentales.
A menudo se complica por la falta de medicin de
puntos experimentales.
Criterio de garanta modal (MAC):
Factor de correlacin para cada par de modos analtico y
experimental:

Vara entre 0 y 1.
MAC=1 Indica buena correlacin.
MAC=0 No hay correlacin
MAC(i,j)>0.8 Si la diagonal muestra esta condicin, se
puede considerar buena correlacin.
 Actualizacin de Modelos
Seleccin de parmetros a actualizar

Es un punto crucial del proceso de

actualizacin de modelos.

Tipos parmetros de actualizacin:

1. Elementos individuales
 Selection of updating parameters
Validez y fiabilidad del modelo
actualizado
La seleccin de parmetros a actualizar, es una fase crucial en el proceso de
correccin.
S1: Todos los posibles modelos matemticos
del comportamiento dinmico de la
estructura.
S2: Todos los modelos FEM.
S3: Todos los modelos FEM, que se
correlacionan bien con los datos
experimentales.
S4: Grupo de modelos que derivan del modelo
FEM original. Una mala correlacin, S4 no
tendr espacio comn con S3.
M_opt: Modelo cualquiera
F_opt: Modelo FEM cualquiera.
M_o: Modelo FEM original.
M_u: Modelo actualizado.
 Actualizacin de Modelos
A menudo incompatibilidad de los
datos obtenidos con tcnicas
experimentales a partir de FEM,
razones:
1. DOF medidos, no coinciden con
DOF del FEM.
2. Grupo de datos experimentales
incompletos.
3. Mediciones contaminadas con
ruido. Aceptable errores de:
3% frecuencias de resonancia
10% componentes formas modales
30% masas y rigideces modales
4. Amortiguamiento no incluido de
manera precisa en el FEM.
Deteccin de Dao Estructural

Jornada sobre Comportamiento Estructural y Monitorizacin de Estructuras

Viernes 20 Mayo 2016, Universidad de Mlaga

Dr. Rafael Castro Triguero

Ingeniero de Caminos, Canales y Puertos
Profesor Contratado Dr. Universidad de Crdoba
Grupo Investigacin Mecnica de Slidos y Estructuras
 Introduccin
Primeros mtodos de deteccin de dao:
Inspeccin visual.
Mtodos experimentales localizados:
Met. acsticos o ultrasonidos.
Met. basados en campos magnticos.

Problema Necesidad de conocer la localizacin del dao.

 Introduccin

Dcada 70-80 Aparecen tcnicas alternativas, basadas en las

caractersticas dinmicas de las estructuras.
Frecuencias naturales
Sistema Caracterizado por
Amortiguamiento
dinmico parmetros modales
Modos de vibracin
Cambio parmetros Alerta de Fractura
Dao
modales Grieta
Niveles de identificacin de dao:
Nivel 1: Determinacin de la existencia del
dao.
Nivel 2: Localizacin geomtrica del dao.
Nivel 3: Cuantificacin de la severidad del
dao.
Nivel 4: Prediccin de la vida en servicio
restante de la estructura.
Clasificacin mtodos de
deteccin de dao
Deteccin de dao

Basados en cambios Actualizacin de

Estadsticos
parmetros modales modelos

Frecuencia

Formas modales

Curvatura formas
modales

Flexibilidad

Algoritmos de
optimizacin
 Mtodos basados en cambios
de parmetros modales
Mtodos basados en la frecuencia:
Medicin fcil de realizar, en puntos accesibles.
No se contamina fcilmente del ruido experimental.

Forward Problem:
Pertenece a la categora Nivel 1 de identificacin de dao.
Consiste en calcular cambios de frecuencias, a partir de un tipo de dao
conocido.
Se modela el dao matemticamente, y se comparan las frecuencias
obtenidas, con las medidas experimentalmente para determinar el dao.
 Mtodos basados en cambios
de parmetros modales
Mtodos basados en los modos de vibracin:

Comparacin directa de las formas modales (mtodos tradicionales):

Modal Assurance Criterion (MAC):

Mide la similitud entre dos modos.
Valores 1: combinacin perfecta.
Valor pequeo Indica posible dao
Valores 0: no hay similitud.
Tcnica ms slida que la basada en cambios en la frecuencia.
 Mtodos basados en cambios
de parmetros modales
Mtodos basados en los modos de vibracin:

Anlisis formas modales, usando mtodos modernos de

procesamiento de seal: log10 ()
=
Mtodo dimensin fractal: log10 ( ) + log10 ()
Calcula la dimensin fractal localizada directamente de la forma modal.
Localizacin y tamao del dao, se obtienen del pico de la curva FD.
Mtodo transformada de Wavelet:
Tratan los datos de las formas modales como una seal en el dominio espacial.
Utilizan la transformada de Wavelet para detectar irregularidades en la seal a
causa del dao.
 Mtodos basados en cambios
de parmetros modales
Mtodos basados en la curvatura de los modos de vibracin:

Mtodo tradicional del cambio de la curvatura modal:

Cambios en la curvatura de los modos, se localizan en la regin daada.
Los cambios son ms pronunciados que en los desplazamientos de los
modos.
+1 + 1 2
=
2
 Mtodos basados en cambios
de parmetros modales
Mtodos basados en la curvatura de los modos de vibracin:

Mtodos modernos procesamiento seal, usando curvatura modal:

Utiliza una tcnica de aislamiento de huecos para localizar el dao por
ajuste de una curva polinmica cbica, en la curvatura de la forma modal.
= 0 + 1 + 2 2 + 3 3
 Mtodos basados en cambios
de parmetros modales
Mtodos basados en la curvatura de los modos de vibracin:

Mtodos basados en la energa de deformacin modal:

Utiliza el cambio de la energa de deformacin modal, para detectar dao.
En vigas y placas, la energa de deformacin global se relaciona con la
curvatura de las formas modales.
 Mtodos basados en cambios
de parmetros modales
Mtodos basados en la flexibilidad modal:

Detectan el dao a travs del cambio en la flexibilidad modal.

La curvatura de la superficie con carga uniforme, es sensible a la presencia
de daos.
Vlido, incluso con mediciones incompletas o ruidosas

= [][]1
Mtodos basados en algoritmos de optimizacin:

Existen numerosos mtodos que formulan formas de identificacin de

dao, como un problema de optimizacin.
Usan mltiples parmetros modales como funcin objetivo.
Tipos de mtodos:
Mtodos basados en redes neuronales.
Mtodos basados en algoritmos genticos.
 Mtodos basados en la
actualizacin de modelos
Modelos de actualizacin: proporcionan una fuente de algoritmos de
identificacin de daos.

Estado inicial, necesario modelo numrico bien correlacionado.

Aspectos a tener en cuenta en un modelo numrico:

Los datos medidos, elegidos para ser comparados por el modelo.
Precisin del modelo inicial.
Tamao y complejidad del modelo.
Nmero de parmetros de actualizacin.
No unicidad del modelo resultante en la adecuacin de los datos medidos.
 Mtodos estadsticos
El dao se detecta por la desviacin en los datos medidos en relacin con los
datos medidos en condiciones normales de funcionamiento.
Una estructura no daada, posee una distribucin con una media y una
varianza asociada.
Estructura daada: cambios en la media, varianza, o en ambas.

Inconveniente: necesario disponer de datos pasados.

Se utilizan los patrones estadsticos, para detectar la ubicacin y

cuantificacin de daos.