多自由度系统的随机振动

分类: 構造解析 | 综合版 2026-04-06
CAE visualization for multi dof random theory - technical simulation diagram
多自由度系のランダム振動

理论与物理

多自由度系统的随机振动

🧑‍🎓

老师,多自由度系统的随机振动如何处理?


🎓

多自由度系统中模态间的相关性(交叉模态项)很重要。响应PSD为:


$$ S_{xx}(f) = \sum_i \sum_j H_i(f) H_j^*(f) \phi_i(x) \phi_j(x) S_{FF}(f) $$

若模态充分分离,则SRSS合成已足够。对于密集模态,则需要CQC(完全二次组合)。


多点输入

🎓

多个支撑点具有相关性的随机输入:


$$ [S_{out}(f)] = [H(f)] [S_{in}(f)] [H(f)]^H $$

$[S_{in}]$ 是交叉谱矩阵。对角线=自PSD,非对角线=交叉PSD。


总结

🎓

要点:


  • 交叉模态项 — 密集模态时重要。使用CQC合成
  • 交叉谱矩阵 — 描述多点输入的相关性
  • SRSS vs. CQC — 模态分离时用SRSS,密集时用CQC
  • FEM的PSD分析自动包含交叉模态项

Coffee Break 闲谈

多自由度随机振动的基础理论

多自由度(MDOF)随机振动,通过模态叠加法分解为各固有模态,求得各模态坐标下的随机响应后进行叠加。考虑模态间相关性(交叉PSD)的方法有SRSS(平方和的平方根)法和CQC(完全二次组合)法,当固有频率接近时(比率<10%)必须使用CQC。该方法由E.L. Wilson等人在1970年代于加州大学伯克利分校完成公式化。

各项的物理意义
  • 惯性项(质量项):$\rho \ddot{u}$,即“质量×加速度”。您是否有过急刹车时身体被向前甩出的经历?那种“被带走的感觉”正是惯性力。物体越重越难启动,一旦启动也越难停止。建筑物在地震中摇晃,也是因为地面突然移动而建筑物的质量“被落下”。静力分析中此项设为零,那是基于“缓慢施力故加速度可忽略”的假设。对于冲击载荷或振动问题,此项绝对不能省略。
  • 刚度项(弹性恢复力):$Ku$ 和 $\nabla \cdot \sigma$。拉弹簧时会感觉到“想要恢复的力”吧?那就是胡克定律 $F=kx$,也是刚度项的本质。那么提问——用相同的力拉铁棒和橡皮筋,哪个伸得更长?当然是橡皮筋。这种“不易伸长”的特性就是杨氏模量 $E$,它决定了刚度。常见的误解是:“刚度高=强度高”。刚度是“不易变形的程度”,强度是“不易破坏的程度”,这是两个不同的概念。
  • 外力项(载荷项):体积力 $f_b$(如重力)和表面力 $f_s$(如压力、接触力)。可以这样理解——桥上卡车的重量是“作用于整个内部的力”(体积力),轮胎压路面的力是“仅作用于表面的力”(表面力)。风压、水压、螺栓预紧力……这些都是外力。这里容易犯的错误是:弄错载荷的方向。本想施加“拉伸”却变成了“压缩”——听起来像笑话,但在3D空间中坐标系发生旋转时,这种情况确实会发生。
  • 阻尼项:瑞利阻尼 $C\dot{u} = (\alpha M + \beta K)\dot{u}$。试着弹一下吉他的弦。声音会一直持续吗?不,会逐渐变小。这是因为振动能量通过空气阻力或弦的内部摩擦转化成了热能。汽车的减震器也是同样的原理——故意吸收振动能量以提高乘坐舒适性。如果阻尼为零会怎样?建筑物在地震后会一直摇晃不停。实际上不会这样,因此设置适当的阻尼非常重要。
假设条件与适用范围
  • 连续体假设:将材料视为连续介质,忽略微观不均匀性
  • 小变形假设(线性分析时):变形相对于初始尺寸足够小,应力-应变关系为线性
  • 各向同性材料(除非特别指定):材料特性不依赖于方向(各向异性材料需要另行定义张量)
  • 准静态假设(静力分析时):忽略惯性力·阻尼力,仅考虑外力与内力的平衡
  • 不适用的情形:大变形·大旋转问题需要几何非线性。塑性·蠕变等非线性材料行为需要扩展本构关系
量纲分析与单位制
变量SI单位注意事项·换算备忘
位移 $u$m(米)输入为mm时,载荷·弹性模量也需统一为MPa/N系
应力 $\sigma$Pa(帕斯卡)= N/m²MPa = 10⁶ Pa。与屈服应力比较时注意单位制不一致
应变 $\varepsilon$无量纲(m/m)注意工程应变与对数应变的区别(大变形时)
弹性模量 $E$Pa钢:约210 GPa,铝:约70 GPa。注意温度依赖性
密度 $\rho$kg/m³mm系中为tonne/mm³(钢为 = 10⁻⁹ tonne/mm³)
力 $F$N(牛顿)mm系用N,m系也用N统一

数值解法与实现

FEM中的多自由度PSD

🎓

Nastran的SOL 111 + RANDOM自动计算所有模态的自项+交叉项。


多点输入:

```

RANDPS, 1, 1, 1, 100, 0.0 $ 输入1的自PSD

RANDPS, 1, 2, 1, 101, 0.5 $ 输入1-2的交叉PSD

RANDPS, 2, 2, 1, 102, 0.0 $ 输入2的自PSD

```


若相关性未知,则用完全相关+不相关两种工况评估范围。


总结

🎓
  • FEM自动计算交叉模态项
  • 多点输入用RANDPS定义交叉PSD
  • 相关性未知时用两种工况(完全相关+不相关)评估

  • Coffee Break 闲谈

    使用交叉PSD矩阵的解法

    MDOF随机振动的精确解法是,从输入交叉功率谱密度矩阵S_FF(ω)和频率响应函数矩阵H(ω)计算输出交叉PSD矩阵S_XX(ω)=H(ω)S_FF(ω)H*(ω)^T,并通过频率积分求得响应方差。当存在多个输入点时(例如:4点悬架),此公式化是必须的。可以使用Python的scipy库中的signal.coherence或结合numpy.fft进行数值实现。

    线性单元(一阶单元)

    节点间线性插值。计算成本低,但应力精度低。注意剪切锁定(可通过减缩积分或B-bar法缓解)。

    二次单元(带中间节点)

    可以表现曲线变形。应力精度大幅提高,但自由度约增加2~3倍。推荐:应力评估很重要时。

    完全积分 vs 减缩积分

    完全积分:有过约束(锁定)风险。减缩积分:有沙漏模式(零能量模式)风险。根据情况选择。

    自适应网格

    基于误差指标(如ZZ估计量)的自动细化。有效提高应力集中区域的精度。有h法(单元细分)和p法(增加阶次)两种。

    牛顿-拉弗森法

    非线性分析的标准方法。每次迭代更新切线刚度矩阵。在收敛半径内具有二次收敛性,但计算成本高。

    修正牛顿-拉弗森法

    切线刚度矩阵使用初始值或每隔几次迭代更新。每次迭代成本低,但收敛速度为线性。

    收敛判定准则

    力残差范数: $||R|| / ||F_{ext}|| < \epsilon$(通常 $\epsilon = 10^{-3}$〜$10^{-6}$)。位移增量范数: $||\Delta u|| / ||u|| < \epsilon$。能量范数: $\Delta u \cdot R < \epsilon$

    载荷增量法

    不一次性施加全部载荷,而是分小步增加。弧长法(Riks法)可以越过载荷-位移关系的极值点进行追踪。

    直接法 vs 迭代法的比喻

    直接法是“用笔算精确解联立方程”的方法——可靠但大规模问题耗时过长。迭代法是“反复猜测逼近正确答案”的方法——最初是粗略的答案,但每次迭代精度都会提高。就像查字典时,从第一页开始按顺序找(直接法)不如先估计位置翻开,再前后调整(迭代法)更高效,原理相同。

    网格阶次与精度的关系

    一阶单元是“用直尺近似曲线”——用直线折线表现,因此精度有限。二阶单元是“柔性曲线”——可以表现曲线变化,即使网格密度相同,精度也显著提高。但是,每个单元的计算成本增加,因此需要根据总体的成本效益来判断。

    实践指南

    实务检查清单

    🎓
    • [ ] 模态数量是否覆盖了关注频带
    • [ ] 密集模态是否自动计算了CQC
    • [ ] 多点输入的交叉PSD是否已定义
    • [ ] 所有输出点的RMS响应是否已计算
    • [ ] 3σ响应是否在容许值以内

    • Coffee Break 闲谈

      在汽车底盘上的实际应用

      汽车行业将路面输入作为多个轮胎(4点输入)的随机载荷处理,进行底盘的疲劳耐久评估。福特公司在1990年代基于比利时Pave测试路面的PSD数据,制定了道路模拟试验台(LST)试验标准。分析中使用MSC Nastran的随机振动SOL 111求解最大10,000自由度模型,并通过应力RMS值,用雨流计数法评估疲劳损伤量。

      分析流程的比喻

      分析流程其实和烹饪非常相似。首先是采购食材(准备CAD模型),进行预处理(网格生成),开火烹饪(求解器执行),最后装盘(后处理可视化)。这里有个重要的问题——烹饪中最容易失败的工序是哪里?其实是“预处理”。如果网格质量差,无论使用多么优秀的求解器,结果都会一团糟。

      初学者容易陷入的陷阱

      您确认了网格收敛性吗?是否认为“计算能运行=结果正确”?这其实是CAE初学者最容易掉入的陷阱。求解器一定会对给定的网格返回“一个像样的答案”。但如果网格太粗糙,这个答案就会与现实有很大偏差。至少用三种网格密度确认结果是否稳定——如果忽略这一点,就会陷入“因为是计算机给出的答案所以应该正确”的危险想法。

      边界条件的思考方式

      边界条件的设置,与考试的“出题”是一样的。如果题目出错了呢?无论计算多么精确,答案都是错的。“这个面真的是完全固定的吗?”“这个载荷真的是均匀分布的吗?”——正确建模现实的约束条件,其实是整个分析中最重要的步骤。

      软件比较

      工具

      🎓
      • Nastran SOL 111 + RANDOM — 行业标准。多点输入RANDPS
      • Abaqus RANDOM RESPONSE — 支持CORRELATION
      • Ansys PSD Analysis — Workbench的GUI

      • 选型指南

        🎓
        • 航天Nastran(NASA标准)
        • 通用 → 手头已有的求解器(全部支持)

        • Coffee Break 闲谈

          各求解器的MDOF支持比较

          MDOF 随机振动主要求解器比较:Ansys Mechanical支持大规模模型的GPU并行化(使用RTX 4090可达传统速度8倍),MSC Nastran拥有50多年经验和丰富的NASA验证案例,Abaqus不支持随机振动(用瞬态隐式法+时程分析替代),SIMcenter Nastran可与DAKOTA联动进行概率设计优化。在HPC环境中,Nastran和AnSys Mechanical具有几乎同等的扩展性能。

          选型时最重要的三个问题

          • “要解决什么问题”:多自由度系统随机振动所需的物理模型·单元类型是否支持。例如,流体方面是否有LES支持,结构方面接触·大变形的支持能力有差异。
          • “谁来使用”:新手团队适合GUI完善的工具,有经验者适合脚本驱动的灵活工具。类似于汽车的AT车(GUI)和MT车(脚本)的区别。
          • “未来扩展到什么程度”:考虑到未来的分析规模扩大(HPC支持)、向其他部门扩展、与其他工具的联动,这样的选择有助于长期的成本削减。

          尖端技术

          前沿研究

          🎓
          • 非高斯随机振动 — 包含高阶统计量(峰度)的PSD分析
          • 非平稳随机 — 随时间变化的PSD
          • 概率结构优化 — 带随机振动响应约束的拓扑优化

          • Coffee Break 闲谈

            非线性MDOF的等效线性化

            对于包含橡胶衬套或摩擦阻尼器的非线性MDOF随机振动,等效线性化法(Equivalent Linearization, EL法)有效。1954年由Bogoliubov提出的随机EL法,用等效线性刚度和等效阻尼替换非线性恢复力,通过迭代计算收敛。Simulia研究团队在2018年发表的论文中报告,在汽车悬架非线性模型中,将响应RMS的误差控制在5%以内。

            故障排除

            故障

            🎓
            • RMS过大 → 检查密集模态的相关性。确认阻尼
            • 多点输入异常 → 检查交叉PSD的符号和相位
            • PSD分析的所有故障都归结于FRF的质量

            • Coffee Break 闲谈

              模态截断导致的低估

              1997年发射的NASA卡西尼号探测器在振动分析中使用了200个以上模态,但在截断为150个模态的初期模型中,特定频带的响应被低估了18%。多自由度随机分析中,MIL-STD-810G也推荐包含目标频率2倍以内的固有值。

              当觉得“分析结果不符”时

              1. 首先深呼吸——慌张地随机更改设置,会使问题更加复杂
              2. 创建最小可重现案例
              関連シミュレーター

              この分野のインタラクティブシミュレーターで理論を体感しよう

              シミュレーター一覧

              関連する分野

              熱解析製造プロセス解析V&V・品質保証
              この記事の評価
              ご回答ありがとうございます!
              参考に
              なった
              もっと
              詳しく
              誤りを
              報告
              参考になった
              0
              もっと詳しく
              0
              誤りを報告
              0
              Written by NovaSolver Contributors
              Anonymous Engineers & AI — サイトマップ
              关于作者