OMA

- Se asume que la fuerza tiene una función de densidad de probabilidad distribuida gaussiana.
- Si la señal es ergódica (la mayoría de los procesos físicos son ergódicos), el promedio de
ensamble involucrado en la determinación de la media y CF (Función de correlación) puede
ser sustituido por el promedio de tiempo.
- Suponiendo ergodicidad, la señal puede analizarse estimando el tiempo invariante, significa
un valor cuadrado medio, la función de densidad de probabilidad y la función de
autocorrelación. En consecuencia, la respuesta de un sistema lineal invariante en el tiempo
excitado aleatoriamente, mostrará un decaimiento libre equivalente a una descomposición
libre después de un impacto de martillo. Esto es fundamental en el procedimiento de
identificación de OMA.

Para obtener estimaciones válidas de parámetros modales utilizando OMA, las siguientes
suposiciones deben ser respetadas:

1) Se supone que la fuerza se distribuye de manera gaussiana.

2) La respuesta del sistema se supone que es ergódica.
3) Se supone que el sistema es lineal e invariante en el tiempo.
4) La amortiguación es suficientemente débil para que se obtenga una disminución
relativa de la CF (Función de correlación).
5) Las formas de modo son geométricamente ortogonales.

OMA sirve para señales en el tiempo, en frecuencia o ambas.

¡Ocuparemos señales en el tiempo!

Cuando se trata de las técnicas del dominio del tiempo, el paso inicial es calcular la CF (Función de
Correlación), que se usa como entrada para las técnicas del dominio del tiempo.

Cuando se trata de técnicas de dominio de frecuencia, el primer paso es calcular la función de

densidad espectral (SD), que se usa como entrada para las técnicas de dominio de frecuencia.

VALOR MEDIO Y VALOR MEDIO CUADRADO:

El valor medio de una señal x es por definición:

Ec 1.

donde E [x] es el valor esperado de x (es el promedio ponderado por la probabilidad de todos los
valores posibles) y p (x) (Función densidad de probabilidad) de x. A menudo, PDF no es
sabido para la señal, sin embargo, el valor medio se puede estimar como:

Ec 2.
donde T es el tiempo total de medición. Del mismo modo, el valor cuadrado medio puede ser
calculado como:

Ec 3.

Numéricamente se calculan así:

Ec 4.

Debido a la estacionariedad, el valor medio y el cuadrado medio no varían. Cálculo

del valor cuadrado medio se aplica al calcular la función de correlación.

FUNCION DE AUTOCORRELLACIÓN:

La función de autocorrelación de una señal aleatoria x (t) es el valor promedio de

Ec 5.

donde Rxx(𝜏) es la función de autocorrelación de la señal x (t), 𝜏 el tiempo de retraso.

Para una sola señal aleatoria, la función de correlación estará perfectamente correlacionada

( ) en el desfase de tiempo cero y teóricamente tienen correlación cero

para cualquier valor mayor de 𝜏.

Para una medición, el nivel de correlación para cada intervalo de tiempo discreto k, (𝜏 =
k∆t), se puede calcular como:

Ec 6.

donde N es el número total de puntos de datos. La sumatoria está limitada a N - k

por no exceder la longitud total de medición.
FUNCION DE CORRELACIÓN CRUZADA:

La correlación entre señales múltiples también se puede calcular, a esto se refiere la función de
correlación cruzada,

Ec 7.

donde Rxy (𝜏) y Ryx (𝜏) se pueden calcular usando la ecuación 6, si M puntos de medición
(canales de medición) se utilizan, entonces uno necesita calcular M × M
funciones de correlación.

Las funciones de auto correlación y cruzada calculadas a partir de la respuesta estructural

se usa como la única entrada para muchas de las técnicas de dominio de tiempo de OMA;
entre ellos están la técnica del dominio del tiempo de Ibrahim.

Para un sistema amortiguado, que se excita al azar, la función de correlación

de la respuesta del sistema se convierte en una descomposición libre. Esto es equivalente a la
respuesta de un sistema excitado por un impacto de martillo.

CÁLCULO DIRECTO DE LA MATRIZ DE FUNCIONES DE CORRELACIÓN:

La matriz de función de correlación (funciones de auto correlación y cruzada) puede

también calcularse directamente recogiendo todas las señales medidas en un vector de respuesta.

Ec 8.

donde y (t) es el vector de respuesta de M puntos de medición. Con el vector de respuesta

totalmente definido Ec8, el cálculo de la matriz CF es muy similar a la ecuación (5);
sin embargo, ahora está operando en el vector de respuesta definido.

Ec 9.

donde R (𝜏) es la matriz CF. Dado que las respuestas individuales se arreglan como
se ha definido en la ecuación (8), el cálculo realizado en la ecuación (9) es un producto externo, es
decir el tamaño de R (𝜏) se convierte en M × M. Los elementos diagonales de la matriz CF son las
funciones de autocorrelación, y los elementos fuera de diagonal son funciones de correlación
cruzada. La matriz CF se puede calcular usando la ecuación (6).

Ec 10.
Recolectando la ecuación del vector de respuesta (8) en cada tiempo discreto,
la matriz de respuesta se puede definir:

Ec 11.

La matriz de función de correlación puede obtenerse por multiplicación directa de matrices:

Ec12.

El enfoque de las técnicas del dominio del tiempo es adaptar un modelo matemático al
CF.
Debido a que el CF se deriva de la señal completa, en general es más fácil obtener estimaciones sin
sesgo usando las técnicas del dominio del tiempo.
Sin embargo, es difícil controlar los parámetros modales identificados, y los modos de ruido o modos
no físicos se encuentran a menudo entre las salidas de los algoritmos, y le corresponde al usuario
determinar cuáles de ellos son de naturaleza física.

La técnica del dominio del tiempo de Ibrahim se selecciona porque: (i) es fácil de implementar,
(ii) capacidad para tratar múltiples salidas, (iii) todos los parámetros modales son
extraídos y (iv) su estimación libre de sesgo si la linealidad y el supuesto invariante en el tiempo se
cumplen.

La idea principal de las técnicas del dominio del tiempo es adaptar un modelo matemático a
la función de correlación. En la situación donde no hay ruido, la función de correlación contiene
todas las informaciones físicas de la estructura lineal invariante en el tiempo
que fueron excitadas al azar; aquí la calidad de los parámetros modales estimados son
determinados por la calidad del ajuste, es decir, la calidad del modelo utilizado.
Los pasos se describen en mayor detalle a continuación:

a) obtener medidas de respuesta estructural usando acelerómetros, desplazamiento

sensores u otros transductores. Es importante: (i) obtener una buena respuesta estructural,
(ii) obedecer el criterio de muestreo de Nyquist (fs≥2fmax), (iii) tener
mediciones largas, y (iv) tener puntos de medición múltiples. Cuanto más puntos se miden
y que estén bien distribuidos en toda la estructura, las mediciones serán mejores.
b) calcular y graficar la función de correlación. Con la función de correlación trazada
hay dos características importantes que uno tiene que buscar: (i)
El alto nivel de ruido se mostrará en el primer intervalo de tiempo, descartando el primer
intervalo podría ser una ventaja. (ii) una medición corta dará como resultado un dominante
cola, la aplicación de una ventana obligará a la cola a cero y, a menudo se estabilizará
los algoritmos. El tipo de ventana y la eliminación del primer retraso también dependen
en el nivel de amortiguación en el sistema si, p. se analiza un sistema altamente
amortiguado, se observará una caída pronunciada y la eliminación de la primera demora no
es tan crucial.
c) la función de correlación se introduce en el algoritmo de dominio de tiempo de Ibrahim.
La técnica identificará tantos parámetros modales como la cantidad de
funciones de correlación alimentadas en el algoritmo. Si la señal es ruido, o
existen fuerzas contaminadas o armónicas, la necesidad de sobredimensionar se vuelve
crucial, en consecuencia, se necesita una mayor cantidad de mediciones.
d) la señal medida se alimenta en la identificación estocástica del subespacio impulsada por
datos y la función de correlación se establece dentro del algoritmo. El
sobredimensionamiento necesario se determina generalmente basado en un diagrama de
estabilización que muestra el orden del modelo. Los modos físicos y las componentes
armónicas serán relativamente constantes, mientras que los modos de ruido fluctuarán en
frecuencia.
e) el vector de participación modal se calcula para validar los parámetros modales estimados.
Con base en el vector de participación modal y los parámetros modales estimados se
calculan los FC. El ajuste se considera razonable si las FC estimadas son similares a las
obtenidas de las mediciones.
El factor de participación modal se calcula cuando hay un factor para cada modo; un alto
factor de participación modal indica un modo físico.
TÉCNICA DE IBRAHIM

La idea de la técnica del dominio del tiempo de Ibrahim es que la respuesta del sistema libre se
puede formular como una combinación lineal de formas de modo y decaimientos
exponenciales.

Ec 13.

donde R (t) es el vector de función de correlación, denota los vectores propios (modo
de vibrar), 𝜆i los valores propios (polos de tiempo continuo), μi los valores propios discretos
(polos de tiempo discretos) y ci son las amplitudes modales iniciales, y define el decaimiento
libre en el tiempo cero.

La función de correlación R (t) está dispuesta para obtener una matriz de Hankel (matriz que
tiene diagonales sesgadas constantes) y dividida en una matriz Hankel superior H1 y una matriz
inferior H2.

Ec 14.

donde n es la cantidad de retardos de la función de correlación. La ecuación (14) representa

un problema para un solo sistema de entrada. H1 se puede definir como

Ec 15.

dónde tiene los modos de vibrar y los polos de tiempo discretos, respectivamente.

Ec 16.
 La matriz H2 de Hankel inferior de la ecuación (14) está H1 retrasada con dos retardos de
tiempo; creando una matriz diagonal con los valores propios discretos al cuadrado [μn]^2, H2
puede ser establecido.

Ec 17.

puede separarse tanto en la ecuación (15) como en la ecuación (17) para obtener

Ec 18.

La ecuación anterior se puede reordenar para obtener

Ec 19.

que define la matriz del sistema A.

Si n - 3 es mayor que 2M, donde M es el número de canales en el

decaimiento, entonces el sistema lineal de ecuaciones se sobredetermina.

Al multiplicar la ecuación (19) desde la derecha con 𝐻1 𝑇 , normalmente se obtiene una

matriz clasificada 𝐻1 𝐻1 𝑇 . Multiplicando la ecuación con (𝐻1 𝐻1 𝑇 ) -1, A se estima
de acuerdo a

Ec 20.}

donde las 𝑇11 y 𝑇21 indicadas son matrices de Toeplitz en bloque (matrices de diagonal constante).
Se puede obtener otra estimación multiplicando desde la derecha con 𝐻2 𝑇 así uno obtiene

Ec 21.

La formulación tradicional del dominio del tiempo Ibrahim es salida múltiple de entrada única
(SIMO), pero Lla formulación puede extenderse a múltiples entradas de salida múltiple
(MIMO) sumando las contribuciones de las desintegraciones M en el bloque Toeplitz:

Ec 22.
La estimación de las matrices del sistema para el caso MIMO se obtiene

Ec 23.

Para el caso SIMO y MIMO, las estimaciones de la matriz del sistema pueden mejorarse calculando
el valor promedio de las estimaciones, A = (A1 +A2) / 2, que también se conoce como estimación
imparcial. Tomando el valor propio descomposición de A, se obtienen los autovalores y valores
propios discretos. De eq. (13) la relación entre los polos de tiempo discretos y continuos son

por lo tanto, los parámetros modales finales se obtienen como

ec 24.

Parámetros que influyen en el OMA:

La influencia en los siguientes parámetros ha sido probada:

1. Longitud de la simulación, que aquí también incluye la excitación a través de armónicos barridos
2. Frecuencia de muestreo
3. Ruido de señal
4. Fuerzas armónicas

Los parámetros modales estimados también dependen de los parámetros de procesamiento

tales como: longitud de la función de correlación, tipo de ventana, solapamiento, promediado y
banda de frecuencia utilizada para las técnicas de dominio de frecuencia.

Ventajas de ITD (Ibrahim Time Domain):

-Obtiene los parámetros modales en un análisis único.

-Se puede usar la respuesta de aceleración, velocidad o desplazamiento.

-El uso de la transformada de Fourier no es necesario y las dificultades como la fuga

se evitan.

-La excitación de entrada no necesita ser medida. Sin embargo, se debe tener cuidado
al adquirir las respuestas. Estos últimos deben medirse después de que la fuerza de excitación inicial
se elimina.