Bmfciu 76e PDF

Universidad Austral de Chile
Facultad de Ciencias de la Ingeniería

Escuela de Ingeniería Civil en Obras Civiles
"ESTIMACIÓN DE RIGIDECES Y
AMORTIGUAMIENTOS DE UN EDIFICIO EN
MOVIMIENTO DE VARIOS PISOS UTILIZANDO
MODOS DE VIBRAR"
Tesis para optar al Título de:

Ingeniero Civil en Obras Civiles
Profesor Patrocinante:
Sr. José Soto Miranda
Ingeniero Civil. M.Sc. Eng. Civil
Mención Ingeniería Sísmica
Profesor Copatrocinante:
Sr. Jorge Morales Vilugrón
Ingeniero Electrónico. M. MBA
Profesor Informante:
Sr. Julio Lopetegui Torres.
Ingeniero Civil,
Doctor en Ingeniería
CAROL XIMENA URIBE DÍAZ

VALDIVIA - CHILE
2008
Agradezco a Dios por cuidarme, darme fuerzas durante todos estos años de estudio y por estar
conmigo en cada paso que doy.
A mis padres Saúl y Mónica por su amor incondicional, comprensión y apoyo en todo momento.
A mis hermanos Andrés, Alejandro, Ignacio y Pamela, por su ánimo, apoyo y alegría.
A mi abuelita María Luisa que desde el cielo me cuidas, gracias por el gran amor que siempre
me entregaste.
Agradezco al profesor José Soto, por su gran ayuda y disposición para atender cada una de mis
dudas durante todo el período de este trabajo. Al profesor Jorge Morales por su disponibilidad y
paciencia conmigo.
Mamá, Papá y Hermanos

Este gran logro es tanto mío como de ustedes
Los quiero
ÍNDICE GENERAL
ÍNDICE GENERAL………………………………………………………………………………..i
ÍNDICE DE FIGURAS…………………………………………………………………………...iv
ÍNDICE DE TABLAS……………………………………………………………………………..v
ÍNDICE DE GRÁFICOS………………………………………………………………………...vii
ÍNDICE DE ANEXOS…………………………………………………………………………....ix
RESUMEN………………………………………………………………………………………...x
SUMMARY…...…………………………………………………………………………………...x
CAPÍTULO I: INTRODUCCIÓN
1.1. Planteamiento del Problema……………………………………………………………….1
1.2. Objetivos…………………………………………………………………………………...2
1.3. Metodología………………………………………………………………………………..3
CAPÍTULO II: DESARROLLO DE ECUACIONES PARA SISTEMA DE

VARIOS GDL
2.1. Introducción………………………………………………………………………………..4
2.2 Problema Dinámico…………………………………………………………..……………4
2.3. Sistema de varios grados de libertad……………………………………………………….5
2.3.1. Análisis de resultados para el primer modo………………………………………..7
2.3.2. Análisis de resultados para el segundo modo……………………………………...8
CAPÍTULO III: PROBLEMA DE IDENTIFICACIÓN DE PARÁMETROS

EN EL DOMINIO DEL TIEMPO
3.1. Introducción………………………………………………………………………………10
3.2. Aspectos Generales del Filtro de Kalman………………………………………………...10
3.2.1. Filtro de Kalman Discreto en Sistemas Lineales………………………………… 11
3.2.2. Filtro de Kalman Extendido………………………………………………………15
3.3. Aplicación del Filtro de Kalman a un Modelo de Varios Grados de Libertad

Sometido a una Fuerza Externa p(t)………………………………………………………17
i
3.3.1. Obtención de las Ecuaciones de Estado…………………………………………..18
3.3.2. Evaluación de una Función Objetivo……………………………………………..20
CAPÍTULO IV: APLICACIÓN NUMÉRICA DEL MÉTODO A MODELOS

DE VARIOS GRADOS DE LIBERTAD
4.1. Introducción………………………………………………………………………………22
4.2. Análisis de un Sistema de cuatro grados de libertad (4GDL)…………………………….22
4.2.1 Evaluación del primer modo de vibrar sin perturbación para
el estudio de los parámetros del modelo de 4 GDL……………………................24
4.2.2 Evaluación del segundo modo de vibrar sin perturbación
para el estudio de los parámetros del modelo de 4 GDL…………………………25
4.2.3 Estudio de la influencia del primer modo de vibar en los
parámetros de rigidez y amortiguamiento para el modelo de 4 GDL…………….27
4.2.3.1 Primer modo perturbado en forma positiva para el
modelo de 4 GDL…………………………………………………………27
4.2.3.2 Primer modo perturbado en forma negativa para el
Modelo de 4 GDL ………………………………………………………...28
4.2.3.3 Perturbación en forma positiva para los GDL par y negativa
para los GDL impar para el modelo de cuatro grados de libertad………...29
4.2.3.4 Perturbación en forma positiva para los GDL impar y negativa
para los GDL par para el modelo de cuatro grados de libertad…………...36
4.2.3.5 Primer modo de vibrar perturbado en forma aleatoria para el
modelo de cuatro grados de libertad……………………………………....41
4.2.3.6 Evaluación utilizando el primer modo de vibrar en forma lineal
para el modelo de cuatro grados de libertad………………………………43
4.3. Análisis de un sistema de diez grados de libertad (10 GDL)……………………………..45
4.3.1. Evaluación del primer modo de vibrar sin perturbación para
el estudio de los parámetros del modelo de 10 GDL……………………………..47
4.3.2 Evaluación del segundo modo de vibrar sin perturbación
para el estudio de los parámetros del modelo de 4 GDL…………………………47
4.3.3 Estudio de la influencia del primer modo de vibar en los
parámetros de rigidez y amortiguamiento para el modelo de 10 GDL…………...49
4.3.3.1 Primer modo perturbado en forma positiva para el
modelo de 10 GDL……………………………………………………….49
4.3.3.2 Primer modo perturbado en forma negativa para el
modelo de 10 GDL………………………………………………………..50
ii
4.3.3.3 Perturbación en forma positiva para los GDL par y negativa
para los GDL impar para el modelo de diez grados de libertad…………..51
4.3.3.4 Perturbación en forma positiva para los GDL impar y negativa
para los GDL par para el modelo de diez grados de libertad…………......52
4.3.3.5 Primer modo de vibrar perturbado en forma aleatoria para el
modelo de diez grados de libertad…………………………………….......53
4.3.3.6 Evaluación utilizando el primer modo de vibrar en forma lineal
para el modelo de diez grados de libertad………………………………...53
CAPÍTULO V: MÉTODO DE OBTENCIÓN DEL PRIMER Y SEGUNDO

MODO DE VIBRAR
5.1 Introducción………………………………………………………………………………55
5.2 Iteración matricial. Método de Stodola…………………………………………………...55
5.2.1 Obtención del primer modo de vibrar…………………………………………….55
5.2.2 Obtención del segundo modo de vibrar…………………………………………..57
5.3 Obtención del primer modo utilizando la deformada de la estructura……………………58
CAPÍTULO VI: CONCLUSIONES 60
BIBLIOGRAFÍA 62
ANEXO A. FRECUENCIAS NATURALES Y MODOS DE VIBRAR 64
ANEXO B. DESARROLLO DE MATRICES Y VALORES INICIALES 66
ANEXO C. MÉTODO RUNGE-KUTTA DE CUARTO ORDEN 68
ANEXO D. DESARROLLO DE PROGRAMAS 70
ANEXO E. OBTENCIÓN DEL PRIMER Y SEGUNDO MODO DE

VIBRAR A TRAVÉS DEL MÉTODO DE STODOLA 89
iii
ÍNDICE DE FIGURAS
CAPÍTULO II: DESARROLLO DE ECUACIONES PARA SISTEMA DE

VARIOS GDL
Figura 2.1 a) Problema dinámico clásico. b) Problema dinámico inverso…………….4
Figura 2.2 Edificios de varios pisos……………………………………………………5
CAPÍTULO III: PROBLEMA DE IDENTIFICACIÓN DE PARÁMETROS

EN EL DOMINIO DEL TIEMPO
Figura 3.1 Modelos estructurales……………………………………………………..17
a) Estructura de “n” grados de libertad.
b) Modelo al cual se le aplicará el FKE

Figura 4.1 Modelo de 4 GDL…………………………………………………………22
Figura 4.2 Perturbación del primer modo de vibrar en forma positiva
para el modelo de 4 GDL…………………………………………………27
Figura 4.3 Perturbación del primer modo de vibrar en forma negativa
Figura 4.4 Grados de libertad que se perturbarán para el primer modo
de vibrar para el modelo de 4 GDL……………………………………….29
Figura 4.5 Modelo de 10 GDL………………………………………………………..45
Figura 4.6 Grados de libertad que se perturbarán para el primer modo
de vibrar para el modelo de 10 GDL……………………………………...51
ANEXO D. DESARROLLO DE PROGRAMAS

Figura D.1 Presentación programa desarrollado en Visual Basic…………………….76
Figura D.2 Esquema general del programa desarrollado en Mathcad………………...87
Figura D.3 Esquema general del programa desarrollado en
Visual Basic……………………………………………………………….88
iv
ÍNDICE DE TABLAS

Tabla 4.1 Estimación de los parámetros para el modelo de 4 GDL
utilizando el primer modo de vibrar……………………………………...24
utilizando el segundo modo de vibrar…………………………………….25
con perturbación en forma positiva para el primer modo de vibrar………27
Tabla 4.4 Estimación de los parámetros para el modelo de 4 GDL con
perturbación en forma negativa para el primer modo de vibrar…………..28
perturbación de un 10% en forma positiva para los grados de
libertad 2 y 4 y un10% en forma negativa para los grados
de libertad 1 y 3…………………………………………………………..29
libertad 2 y 4 y en un 15% en forma negativa para los grados
de libertad 1 y 3…………………………………………………………...32
de libertad 1 y 3…………………………………………………………...34
de libertad 2 y 4…………………………………………………………...36
de libertad 2 y 4…………………………………………………………...37
v
de libertad 2 y 4…………………………………………………………...39
perturbación de un 10% y 15% en forma aleatoria……………………….41
perturbación de un 20% en forma aleatoria……………………………….41
utilizando el modo en forma lineal………………………………………..43
utilizando el primer modo de vibrar………………………………………47
utilizando el segundo modo de vibrar…………………………………….48
con perturbación en forma positiva para el primer modo de vibrar………50
con perturbación en forma negativa para el primer modo de vibrar……...50
con perturbación de un 10%, 15% y 20% en forma positiva para
los grados de libertad 2,4,6,8,10 y en un 10%, 15% y 20% en forma
negativa para los grados de libertad 1,3,5,7,9…………………………….52
con perturbación de un 10%, 15% y 20% en forma negativa para
los grados de libertad 2,4,6,8,10 y en un 10%, 15% y 20% en forma
positiva para los grados de libertad 1,3,5,7,9……………………………..52
perturbación de un 10%, 15% y 20% en forma aleatoria…………………53
utilizando el modo en forma lineal………………………………………..54
vi
ÍNDICE DE GRÁFICOS

Gráfico 4.1 Representación de la Rigidez para el segundo modo de vibrar
Gráfico 4.2 Representación del Coeficiente de amortiguamiento para el
segundo modo de vibrar para el modelo de 4 GDL………………………26
Gráfico 4.3 Representación de la Rigidez para el primer modo de vibrar
perturbado en un 10% en forma positiva para los grados de
libertad 2 y 4 y en un 10% en forma negativa para los grados de
libertad 1 y 3 para el modelo de 4 GDL…………………………………..31
Gráfico 4.4 Representación del Coeficiente de Amortiguamiento para el
primer modo de vibrar perturbado en un 10% en forma positiva
para los grados de libertad 2 y 4 y en un 10% en forma negativa
para los grados de libertad 1 y 3 para el modelo de 4 GDL……………....31
vii
perturbado en un 20% en forma Aleatoria para el modelo de 4 GDL…….42
primer modo de vibrar perturbado en un 20% en forma
Aleatoria para el modelo de 4 GDL………………………………………42
Gráfico 4.15 Representación de la Rigidez para el modo en forma lineal
Gráfico 4.16 Representación del Coeficiente de Amortiguamiento para el modo
en forma lineal para el modelo de 4 GDL………………………………...44
Gráfico 4.17 Representación de la Rigidez para el segundo modo de vibrar
Para el modelo de 10 GDL………………………………………………..48
Gráfico 4.18 Representación del Coeficiente de Amortiguamiento para el segundo
Modo de vibrar para el modelo de 10 GDL………………………………49
viii
ÍNDICE DE ANEXOS
ANEXO A. FRECUENCIAS NATURALES Y MODOS DE VIBRAR

A.1 General……………………………………………………………………………64
A.2 Modos y Frecuencias Naturales…………………………………………………..64
ANEXO B. DESARROLLO DE MATRICES Y VALORES INICIALES

B.1 General……………………………………………………………………………66
B.2 Desarrollo de las matrices y valores iniciales asignados…………………………66
ANEXO C. MÉTODO RUNGE-KUTTA DE CUARTO ORDEN

C.1 General……………………………………………………………………………68
C.2 Runge-Kutta cuarto orden………………………………………………………...68
ANEXO D. DESARROLLO DE PROGRAMAS

D.1 General……………………………………………………………………………70
D.2 Lenguaje Mathcad………………………………………………………………...70
D.2.1 Cálculo de los Datos de Entrada………………………………………….70
D.2.1.1 Modos de Vibrar y Frecuencias Naturales………………………70
D.2.1.2 Fuerza Pn (t) ……………………………………………………..71
D.2.2 Cálculo de los Datos de Salida……………………………………………72

D.2.2.1 Desplazamiento qn……………………………………………….72
D.3 Lenguaje Visual Basic…………………………………………………………….76
D.4 Esquema general del programa…………………………………………………...87
ANEXO E. OBTENCIÓN DEL PRIMER Y SEGUNDO MODO DE

VIBRAR A TRAVÉS DEL MÉTODO DE STODOLA
E.1 General……………………………………………………………………………89
E.2 Obtención del Primer modo de vibrar…………………………………………….89
E.2.1 Modelo de 4 GDL………………………………………………………...89
E.2.2 Modelo de 10 GDL……………………………………………………….90
E.3 Obtención del Segundo modo de vibrar………………………………………….93
E.3.1 Modelo de 4 GDL………………………………………………………...93
E.3.2 Modelo de 10 GDL……………………………………………………….93
ix
RESUMEN
Este trabajo de tesis tiene como objetivo principal identificar rigidez y amortiguamiento
en un edificio de varios grados de libertad utilizando modos de vibrar, a través de la aplicación de
la teoría del Filtro de Kalman Extendido.
Se estudia un modelo plano de cuatro y diez grados de libertad.
Para tal efecto se desarrollan dos programas, uno en lenguaje Mathcad que entrega los
datos de entrada y salida y otro en lenguaje Visual Basic en que se desarrolló el filtro de Kalman
Extendido. Para estudiar la sensibilidad del método se perturbó el primer modo de vibrar,
permitiendo variaciones en los datos de entrada y salida.
Se obtuvieron errores muy bajos para el primer modo de vibrar para los parámetros de
rigidez y amortiguamiento, no así para el segundo modo de vibrar. En este último los errores
mayores se presentaron en la determinación del amortiguamiento para el modelo de cuatro grados
de libertad.
SUMMARY
This thesis has as principal aim identify stiffness and damping in a building of several
degrees of freedom using vibration mode shapes, by means of the application of the theory of
Extended Kalman Filter.
A plane model of four and ten degrees of freedom is studied.
For this purpose two programs are developed, one in language Mathcad that delivers the
information of input and output and another one in Visual Basic language, in which the Extended
Kalman Filter is developed. In order to study the sensibility of the method the first vibration
mode shape was disturbed, allowing variations in the information of input and output.
Very Small mistakes were obtained for the first vibration mode shape for the parameters
of stiffness and damping, but this is not true for the second. In the latter the biggest mistakes
appeared for the determination of the damping for the model of four degrees of freedom.
x
CAPÍTULO I
INTRODUCCIÓN
1.1 Planteamiento del Problema
El problema de identificación de parámetros en sistemas dinámicos es de gran interés y de

actualidad en la ingeniería Estructural. El hecho de poder conocer las características modales de
una estructura como rigideces y amortiguamiento es fundamental para determinar el
comportamiento dinámico que una estructura pueda tener frente a las distintas solicitaciones
sísmicas.
Para solucionar el problema, se recurre a la teoría de Identificación de parámetros a través del
algoritmo del Filtro de Kalman Extendido.
Salgado (1989) estudió un sistema de dos grados de libertad (2 GDL) para determinar los
parámetros dinámicos del modelo (rigideces y amortiguamientos), para solicitación basal del tipo
sinusoidal. Gran parte del trabajo apunta al estudio de la convergencia de los parámetros.
Por otra parte Soto (2000) aplica el problema de identificación de parámetros para determinar
las propiedades de la goma como componente principal de aisladores sísmicos. Se utilizan
distintos modelos matemáticos (lineales y no lineales) para representar su comportamiento
utilizando datos experimentales.
Otro de los estudios es el desarrollado por Mimica (2007), quién determinó frecuencias y
amortiguamientos para estructuras en movimientos utilizando sólo registros de respuesta. El
análisis se realizó en el dominio de las frecuencias, utilizando la transformada de Fourier.
Para estudiar estructuras de varios pisos o varios grados de libertad dinámicos, se presenta el
problema que hay que determinar muchos parámetros, haciendo ineficiente aplicar directamente
la teoría de identificación de parámetros.
Por lo anterior se plantea en este trabajo de tesis, determinar rigideces y amortiguamientos de
un edificio de varios grados de libertad, utilizando los modos de vibrar del sistema.
Esto es, al utilizar los modos de vibrar del edificio, estos desacoplan el sistema de ecuaciones
dinámicas, y se obtienen varias ecuaciones desacopladas equivalente de un grado de libertad
(1 GDL), con lo cual se puede aplicar directamente el problema de identificación de parámetros.
1
Capítulo I Introducción
1.2 Objetivos
1.2.1 Objetivo General:
Identificar rigideces y amortiguamientos en un edificio de varios pisos utilizando modos

de vibrar, a través de la aplicación de la teoría del filtro de Kalman.
1.2.2 Objetivos Específicos:
o Definir los parámetros dinámicos haciendo uso del primer y segundo modo de la
estructura.
o Determinar el error que se produce en la determinación de los parámetros
correspondiente al primer modo una vez que se perturba dicho modo.
o Implementar mediante un programa computacional el desarrollo del problema de
identificación de parámetros.
2
Capítulo I Introducción
1.3 Metodología
Para llevar a cabo este estudio, se define un modelo estructural tipo pórtico, de varios niveles
con masas concentradas a nivel de piso. Definida la solicitación de entrada y las propiedades
dinámicas de la estructura, se procede a determinar la respuesta del sistema, en términos de
desplazamiento por piso y los modos de vibrar de la estructura.
Una vez obtenidos estos resultados, se procede a desacoplar las ecuaciones de equilibrio
dinámico del sistema, tomando como referencia solo las ecuaciones generalizadas
correspondientes al primer y segundo modo, con sus respectivos datos de entrada (E) y salida (S).
Con la información anterior se procede a hacer uso del problema de identificación de
parámetros mediante el filtro de Kalman, para las ecuaciones desacopladas correspondientes al
primer y segundo modo con el fin de determinar las rigideces y amortiguamientos de ambos
modos.
3
CAPÍTULO II
DESARROLLO DE ECUACIONES PARA SISTEMA DE VARIOS GDL
2.1 Introducción
En el presente capítulo se resume brevemente el problema dinámico clásico y el problema

dinámico inverso, siendo este último el que se ocupará para el estudio de esta tesis. La primera
parte apunta a explicar el problema clásico de dinámica de estructuras, en que conocida la
excitación y las propiedades de la estructura (masa, rigidez y amortiguamiento), calcular la
respuesta del sistema dinámico. La otra parte es conocida la excitación y la respuesta de un
sistema determinar la estimación de los parámetros. Luego se analizarán las ecuaciones que se
ocuparan para el estudio de este trabajo, expresándolas en forma general. Posteriormente dichas
ecuaciones se analizaran para el primer y segundo modo de vibrar.
2.2 Problema Dinámico
Uno de los problemas fundamentales de la dinámica estructural es: conocida la excitación y

las propiedades de la estructura (masas, rigideces y amortiguamientos), determinar la respuesta de
la misma ante la excitación dada. Para su solución existen procedimientos bien establecidos los
cuales son tratados en numerosos textos. El problema fundamental de la teoría de la
identificación es: conocidas las señales que representan la excitación y la respuesta de un sistema
(contaminadas con ruido), determinar la mejor estimación de los parámetros dinámicos del
mismo. Los problemas anteriores son ilustrados en la figura 2.1 a) y b).
Datos: M, K, C, p(t) Datos: p(t), u(desplazamiento)

Incógnitas: u (desplazamiento) Incógnitas: M, K, C
a) b)
Figura 2.1: Modelos dinámicos.
a) Problema dinámico clásico.
b) Problema dinámico inverso.
FUENTE: ELABORACIÓN PROPIA.
4
Capítulo II Desarrollo de Ecuaciones para Sistema de Varios GDL
Generalmente en este último caso la masa se considera como dato, ya que es un parámetro
que se conoce con relativa exactitud, cosa que no sucede con las rigideces y los
amortiguamientos, siendo estos últimos donde las incertidumbres son mayores. (Salgado, 1989).
2.3 Sistema de varios grados de libertad.
Para entender la teoría en la que nos basaremos, partiremos de una estructura de n grados
de libertad, con fuerza externa p(t) , como se muestra en la figura 2.2.
Figura 2.2: Edificios de varios pisos.

Las ecuaciones de movimiento en forma matricial son:
{FI} + {FD} + {FR} = {P}
M u (t) + C u (t) + K u(t) = p(t) (2.1)

Donde:
u(t) = (u1, …, uN)T
M = diag (m1,…, mn) Matriz simétrica. (Bruschi, 2002).
La solución a la ecuación (2.1) puede ser descrita matemáticamente por:

n
u(t) = 
i 1
qi(t) i (2.2)
u(t) = 1 q1(t) + 2 q2(t) +……+ n qn(t) (2.3)

donde:
i: indica la forma o modo de vibrar “i” de la estructura.

qi(t): representa la variación del desplazamiento con el tiempo.
5
Por lo tanto la expresión anterior indica que la respuesta será la combinación lineal de los
modos naturales de vibración.
Ahora si a la ecuación (2.3) la premultiplicamos por nTM y teniendo en cuenta las

condiciones de ortogonalidad de los modos, cuando n  r (ambas son frecuencias naturales):
nTMr = 0 (2.4)
nTKr = 0
(Chopra, 2000 )
Se llega a:
nT M u(t) = 0+ 0 +……+ nT M n qn(t) (2.5)
Despejando qn(t) se tiene:

n T M u(t)
q n (t)  (2.6)
n T Mn
Desarrollando la ecuación (2.6) se tiene para el modo “n”:
 M11 M12  M1n   u(t)1 

  
1 M 21 M 22  M 2n   u(t) 2 
q n (t)  T
 n M n
  n1  n  n 
2 n 
       
(2.7)
  
 M n1 Mn2  M nn   u(t) n 
multiplicando las matrices de la expresión (2.7) y definiendo los siguientes términos:
a: n1 M11 + n2 M21 + …+ nn Mn1

b: n1 M12 + n2 M22 + …+ nn Mn2
c: n1 M1n + n2 M2n + …+ nn Mnn
se tiene para el modo n:

 u(t)1 
 
1  u(t) 2 
q n (t)  T  a b c   (2.8)
 n M n  
 
 u(t) n 
1
q n (t)  T  au(t)1  bu(t) 2   cu(t) n  (2.9)
n Mn
6
La ecuación de movimiento inicial queda:
nT M n q (t) + nT C n q (t) + nT K n q(t) = nT p(t) (2.10)
nT M n = M
nT C n = C
nT K n = K
La ecuación anterior se puede escribir como:
 n T C n n T Kn n T p(t)
q(t) 
 q(t)
  q(t) 
M M M
Pn
q n (t)  2 n n q n (t)  n 2q n (t) 
 (2.11)
M
donde:
n2 = k n / m n
n = c n / (2 m nn)
Pn (t) = nT p(t)
La ecuación (2.11) es análoga a la de un vibrador de un grado de libertad. Entonces

ocupando el primer o segundo modo de vibrar y haciendo uso de la teoría del filtro de Kalman
Extendido obtenemos la rigidez y amortiguamiento para cada modo.
2.3.1 Análisis de resultados para el primer modo:

Entonces para el primer modo n=1, consideraremos n = 1
Partiendo de la ecuación (2.1):

M u (t) + C u (t) + K u(t) = p(t)
Cuya solución a la ecuación anterior es:
u(t) = 1 q1(t) + 2 q2(t) +……+ n qn(t)
7
Multiplicando a ambos lados por [1T M] se tiene:

1T M u(t) = 1T M 1 q1(t) + 0 +……+ 0
Despejando q1(t):
1T Mu(t)
q1 (t) 
1T M1
Obteniéndose así el dato de salida q1(t).
1T M 1 = M Masa Generalizada

1T Mu(t)
 q1 (t) 
M
Ahora reemplazando en la ecuación (2.1) se tiene:
Mq
1 (t) Cq 1 (t) Kq1 (t)
   p(t)
1T 1T 1T
Cq 1 (t) Kq1 (t) 1T p(t)
q1 (t) 
   
M M M
Ecuación similar a la de un vibrador de un grado de libertad.
Considerando:
12 = k 1/ m 1
1 = c 1 / (2 m 11)
P1 (t) = 1T p(t)
Por lo tanto la ecuación anterior se puede escribir de la siguiente manera:

1T p(t)
q1 (t)  211q 1 (t)  12 q1 (t) 

M
2.3.2 Análisis de resultados para el segundo modo:

n=2
Partiendo de la ecuación (2.1):
M u (t) + C u (t) + K u(t) = p(t)
Solución a la ecuación anterior es:

u(t) = 1 q1(t) + 2 q2(t) +……+ n qn(t)
Multiplicando a ambos lados por [2T M] se tiene:
2T M u(t) = 0 + 2T M 2 q2(t) + ……+ 0
8
Despejando q2(t):
2 T Mu(t)
q 2 (t) 
2 T M2
Obteniéndose así el dato de salida q2(t).
2T M 2 = M Masa Generalizada
2 T Mu(t)
 q 2 (t) 
M
Ahora reemplazando en la ecuación (2.1) se tiene:
Mq
2 (t) Cq 2 (t) Kq 2 (t)
   p(t)
2 T 2 T 2 T
Cq 2 (t) Kq 2 (t) 2 T p(t)

q 2 (t) 
   
M M M
Ecuación similar a la de un vibrador de un grado de libertad.
Considerando:
22 = k 2/ m 2
2 = c 2 / (2 m 22)
P2 (t) = 2T p(t)
Por lo tanto la ecuación se puede escribir de la siguiente manera:

2 T p(t)
q 2 (t)  22 2 q 2 (t)  2 2 q 2 (t) 

2 T M2
9
CAPÍTULO III
PROBLEMA DE IDENTIFICACIÓN DE PARÁMETROS EN EL DOMINIO DEL

TIEMPO
3.1 Introducción
El problema de identificación de parámetros en sistemas dinámicos es de gran interés y de

actualidad en la Ingeniería Estructural. El objetivo de la identificación es hacer la mejor
estimación de los parámetros del modelo, dada las señales de entrada y salida.
Por esto para identificar los parámetros del modelo, se utiliza la metodología del Filtro de
Kalman.
En este capítulo se presentan los aspectos teóricos de la teoría del filtro de Kalman,
definiendo los aspectos generales de éste, así como se profundiza la teoría del filtro de Kalman
discreto para sistemas lineales y su extensión a sistemas dinámicos no lineales (Filtro de Kalman
Extendido). Se aplica dicha teoría a un modelo de varios GDL. En el anexo D se desarrolla el
programa en lenguaje Visual Basic del filtro de Kalman Extendido
3.2 Aspectos Generales del Filtro de Kalman
Cuando Rodolfo Kalman introdujo formalmente el Filtro de Kalman en 1960, el algoritmo

fue bien recibido. La computadora digital ya había progresado lo suficiente y existían muchas
necesidades importantes y el algoritmo fue aparentemente sencillo dentro de su forma. Los
ingenieros lo reconocieron pronto, sin embargo, pensaron que la aplicación práctica del algoritmo
iba a requerir una atención cuidadosa a los modelos estadísticos adecuados y precisión numérica.
Con éstas consideraciones por delante, ellos desarrollaron subsecuentemente miles de maneras de
usar el Filtro ya sea en la navegación, topografía, vehículos de transporte (aviones, naves
espaciales, misiles), geología, oceanografía, Dinámica de fluidos, industrias del
Acero/Papel/Energía, estimación demográfica, planeación de recursos hidráulicos, predicción
sísmica, comportamiento humano y aplicaciones biomédicas, entre otras. El filtro de Kalman es
un filtro digital de emisión y recepción múltiple que puede estimar en forma óptima, en tiempo
real, los estados de un sistema. Estos estados son todas las variables que necesita para describir
completamente el comportamiento del sistema como una función del tiempo.
Las estimaciones son estadísticamente óptimas en el sentido que ellos minimizan la
estimación del error medio cuadrático.
El estado es un vector, en que la estimación del estado es una matriz de covarianza. Cada
término de la diagonal de la matriz es una variable escalar.
10
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
Las medidas múltiples (cada estimación en un tiempo) son también vectores que tienen un
algoritmo recursivo de un proceso secuencial dentro de un tiempo. Este intervalo que repite el
algoritmo iterativo de sí mismo para cada medida nueva del vector, usa sólo los valores
provenientes de un ciclo previo. Este procedimiento se distingue de algoritmos de procesamiento
por partes el cual debe guardar todas las mediciones anteriores.
Comenzando con un estado estimado predecido y su covarianza, el filtro calcula las
ponderaciones que van a ser usados; cuando se combine esta estimado con la primera medida del
vector se obtiene un dato actualizado o mejor estimado. Si la medida de la covarianza del ruido es
mucho mejor que lo que predijo la estimación del estado, las ponderaciones de las medidas van a
ser más altos y la estimación del estado mas bajo.
Las estimaciones del estado actualizado y sus covarianzas asociadas forman las emisiones
del Filtro de Kalman.
Finalmente, para prepararse para la siguiente medición del vector, el filtro debe proyectar
la estimación del estado actualizado y su covarianza asociada al tiempo de la siguiente medición.
Dicho de otro modo, podemos decir que el filtro de Kalman es un conjunto de ecuaciones
matemáticas que proveen una solución recursiva eficiente del método de mínimos cuadrados.
Esta solución permite calcular un estimador lineal y óptimo del estado de un proceso en cada
momento del tiempo con base en la información disponible en el tiempo t-1, y actualizar; con la
información adicional disponible en el momento t, dichas estimaciones.
Entre los usos particulares se encuentra la modelación de componentes no observables y
parámetros que cambian en el tiempo. Así el filtro es un procedimiento matemático que opera por
medio de un mecanismo de predicción y corrección. (Solera, 2003)
3.2.1 Filtro de Kalman Discreto en Sistemas Lineales.
Considerando un sistema dinámico lineal representado por el vector de estado x, en que

algunas de las variables pueden ser observables ó medibles y que están contaminadas con ruido.
En la práctica no todas las variables de estado pueden ser medidas; por lo tanto se debe introducir
una ecuación adicional descrita por el vector de salida z de la forma (Salgado, 1989)
zi = H xi + vi (3.1)
Donde:
zi: vector de observaciones ó salida de tamaño (j x 1) en el instante ti

H: [I | 0] matriz de relación estado-mediciones de tamaño (j x n)
11
Con: I: matriz unitaria de tamaño (j x j)

0: matriz nula de tamaño (j x (n-j))
xi: vector de estado del sistema de tamaño (n x 1) en el instante ti
vi: vector de ruido en las mediciones ó vector de errores aleatorios, supuesto como ruido
gaussiano de tamaño (j x 1), independiente de xi y que está caracterizado estadísticamente de la
siguiente forma:
E{vi} = 0, media cero para todo i
Cov{vi} = E{vi vit} = Ri = 2 I, de tamaño (j x j), covarianza del ruido en el instante i
Por otro lado el estado del sistema dinámico en tiempo discreto queda descrito por la ecuación de
la forma:
xi+1 = (i+1 , i) xi (3.2)
en que (i+1 , i) es la matriz de transición del sistema de tamaño (n x n)
Si han transcurrido k instantes de tiempo, entonces se puede escribir:
zk = H xk + vk
Dado que: xk = (k , 1) x1 , xk = (k , 2) x2 , xk = (k , 3) x3, etc.
y adicionalmente: (tj , ti) (ti , t1) = (tj , t1), (t,t) = I, y (t1 , to) = (to , t1)
entonces se puede plantear la relación matricial compuesta:
 z1   H(1, k )   v1 
 z   H(2, k )  v 
 2    2
 z 3   H(3, k )   v3 
   xk    (3.3)
 ..   ..   .. 
 ..   ..   .. 
     
 z k   H(k , k )   v k 
Sea:
 z1   H(1, k )   v1 
z   H(2, k )  v 
 2    2
z   H(3, k )  v 
Zk =  3  Hk =   Vk =  3  xtk = (x1 x2 .. xn)k
 ..   ..   .. 
 ..   ..   .. 
     
 z k   H(k , k )   v k 
entonces, en forma mas compacta se puede escribir

Zk = Hk xk + Vk (3.4)
La mejor estimación de xk, definido por x̂ k en términos de mínimos cuadrados, se minimiza la
forma cuadrática
J = { Zk - Hk x̂ }t Rk-1 { Zk - Hk x̂ } (3.5)
Con respecto a x̂ , esto es
J = -2 Hkt Rk-1{ Zk - Hk x̂ } = 0 (3.6)
 x̂
12
donde Rk es una matriz cuadrada simétrica definida positiva.

Si existe la matriz inversa {Hkt Rk-1Hk}-1, entonces se resuelve para x̂ k, y se tiene
x̂ k = {Hkt Rk-1Hk}-1 Hkt Rk-1 Zk (3.7)
Si se hace una nueva medida, correspondiente al instante tk+1 se tiene la ecuación adicional
zk+1 = H xk+1 + vk+1 (3.8)
Adjuntando esta nueva medida con la ecuación (3.4) que contiene k medidas da
Zk Hk (k , k+1) Vk
= xk+1 + (3.9)
zk+1 H vk+1
en que xk+1 = (k+1 , k) xk ó (k+1 , k) xk+1 = xk ; finalmente (k , k+1) xk+1 = xk
Nuevamente, para obtener la mejor estimación de xk+1 designado por x̂ k+1 se minimiza la función
t
Zk Hk (k, k+1) Rk-1 0 Zk Hk (k, k+1)

JJ = - x̂ k+1 x x - x̂ k+1 (3.10)
-1
zk+1 H 0 R k+1 zk+1 H
desarrollando se obtiene:
JJ={ Zk - Hk (k, k+1) x̂ k+1}t Rk-1{Zk - Hk (k, k+1) x̂ k+1}+{ zk+1 - H x̂ k+1}t R-1k+1{ zk+1- H x̂ k+1 }
(3.11)
Haciendo (k+1, k) =  y (k, k+1) = -1, la ecuación (3.11) queda de la siguiente forma:
JJ = || Zk - Hk -1 x̂ k+1 ||2 + || zk+1 - H x̂ k+1 ||2 (3.12)
Rk-1 R-1k+1
Considerando la nueva estimación x̂ k+1 como  x̂ k mas el cambio  x̂ k+1 producido por la adición
de un nuevo dato, se tiene:
x̂ k+1 =  x̂ k +  x̂ k+1 (3.13)
Reemplazando la ecuación (3.13) en ecuación (3.12), se tiene
JJ = || Zk - Hk { x̂ k + -1 x̂ k+1} ||2 + || zk+1 – H { x̂ k +  x̂ k+1} ||2 (3.14)
Rk-1 R-1k+1
Una vez que se desarrolla la ecuación (3.14), se minimiza JJ con respecto a  x̂ k+1 y se despeja el
valor de  x̂ k+1 quedando:
 x̂ k+1 = {-t Hkt Rk-1Hk-1 + Ht R-1k+1H }-1 Ht R-1k+1{ zk+1 – H  x̂ k } (3.15)
13
donde se definen las matrices:

Pk = {Hkt Rk-1Hk}-1 (3.16)
Pk+1 = {-t Pk -1 + Ht Rk+1 H}-1 (3.17)
se obtiene:
 x̂ k+1 = Pk+1 Ht R-1k+1{zk+1 – H  x̂ k} (3.18)
Luego, la ecuación de estimación para el cálculo de x̂ k+1 y la de la covarianza del error Pk+1 es
respectivamente
x̂ k+1 =  x̂ k + Kk+1 {zk+1 – H  x̂ k} (3.19)
Pk+1 =  Pk t -  Pk t Ht {H  Pk t Ht + Rk+1}-1 H  Pk t (3.20)
donde
Kk+1 = Pk+1 Ht Rk+1-1 =  Pk t Ht{H  Pk t Ht + Rk+1}-1 (3.21)
Las condiciones iniciales que se necesitan en el problema son xo y Po
Asumiendo que la matriz Rk+1 = 2I, las ecuaciones anteriores se pueden sintetizar de la siguiente
forma, y se denomina Filtro de Kalman
x̂ k+1/k+1 = x̂ k+1/k + Kk+1{ zk+1 - ẑ k+1/k } (3.22)
en que
x̂ k+1/k+1 = estimación de xk+1 con base en k+1 mediciones
x̂ k+1/k =  x̂ k/k predicción de xk+1 con base en k mediciones
ẑ k+1/k = H x̂ k+1/k predicción de la salida zk+1 con base en k mediciones
Pk+1/k =  Pk/k t predicción de Pk+1 con base en k mediciones
Kk+1 = Pk+1/k Ht{H Pk+1/k Ht + 2I }-1 es la ganancia de Kalman
Pk+1/k+1 = Pk+1/k - Kk+1 H Pk+1/k = {I - Kk+1 H} Pk+1/k
estimación de Pk+1 con base en k+1 mediciones
Nota: El desarrollo teórico de la teoría del filtro de Kalman es presentado en profundidad por
Soto (2000).
14
3.2.2 Filtro de Kalman Extendido.
La razón del nombre Filtro de Kalman Extendido reside en que se emplea el filtro de
Kalman lineal pero su uso se extiende a problemas no lineales, es decir los problemas son no
lineales y deben ser linearizados (aproximados), antes de que la teoría lineal del filtro pueda ser
aplicada. (Salgado, 1989)
Para calcular la respuesta de un sistema nolineal en el tiempo, se recomienda linealizar las
ecuaciones del problema, utilizando como aproximación la serie de Taylor. (Soto, 2000).
Suponiendo que nuestro sistema no lineal es descrito por la siguiente ecuación diferencial
vectorial:
dx/dt = f(x , t) (3.23)
Y al suponer que se genera una trayectoria de referencia x que satisfaga la ecuación diferencial
d x /dt = f( x , t) con la condición inicial = x o (3.24)
Se define las desviaciones de la variable de estado como
x = x – x (3.25)
que satisface la ecuación diferencial
dx/dt = f(x , t) – f( x , t) (3.26)
Asumiendo que f(x , t) se puede expandir en serie de Taylor en torno a un valor de referencia x
se tiene
fi(x , t)
f(x , t) = f( x , t) + (x - x ) + términos de orden superior (3.27)
xj x
Si la desviación (x - x ) es pequeña, se puede truncar de la serie los términos de orden superior en

(x - x ), entonces la ecuación anterior puede ser escrita como:
fi(x , t) fi(x , t)
f(x , t) - f( x , t)  (x - x ) = x (3.28)
xj x xj x
La ecuación (3.28) señala que f(x , t) - f( x , t) es proporcional a (x - x ).

La matriz Jacobiana del sistema se define por
fi(x , t)
MJ( x , t) =
xj x (3.29)
reemplazando (3.28) en (3.26) se tiene la llamada ecuación de perturbación ó variacional

dx/dt = MJ( x , t) x (3.30)
La solución de la ecuación (3.30) en tiempo discreto es de la forma

xk+1 = (k+1, k; x k) xk (3.31)
15
en que (k+1, k; x k) es la matriz de transición de estado evaluada en x k y puede ser calculada

aproximadamente de la siguiente forma
(k+1, k; x k)  I + T MJ( x tk , tk) (3.32)
para T pequeño.
Si se considera ahora la ecuación de mediciones en tiempo discreto
zk = H xk + vk (3.33)
y se define
z k = H x k , la observación de referencia
y zk = zk - z k las variaciones en la salida
entonces
zk = H (xk - x k) + vk (3.34)
luego las variaciones en la salida están dadas por
zk = H xk + vk (3.35)
Finalmente, las ecuaciones (3.31) y (3.35) representan las desviaciones del sistema
linealizado a las cuales se les puede aplicar el filtro lineal de Kalman. Por lo tanto, en vez de
vectores de estado y observaciones, se trabaja con desviaciones del sistema linealizado. La
diferencia entre el filtro de Kalman y el filtro de Kalman Extendido está en sustituir xk y zk por
xk y zk respectivamente. El resto del proceso es el mismo. (Soto, 2000)
El problema ahora sería escoger la trayectoria de referencia. Según Salgado (1989), la libertad
para escoger la trayectoria de referencia inicial es tan amplia que podria provocar que las
desviaciones iniciales fueran muy grandes, y se violaría la hipótesis de linearidad de la ecuación
(3.29). Por lo tanto, para solucionar el problema anterior se debe de seguir el siguiente
procedimiento:
1- En t= 0 (ó k= 0) se lineariza la ecuación (3.30) con respecto a x̂ o = x̂ (k/k), resultando
 x̂ o = 0, y se obtienen las ecuaciones (3.31) y (3.35).
2- Al aplicar el filtro de Kalman sobre estas ecuaciones, resulta
 x̂ (1/0) = 0  x̂ (1/1)  0
y por lo tanto x̂ (1/1) =  x̂ (1/1) + x (1)
3- Al relinearizar la ecuación (3.30) en k=1 con respecto a x̂ (1/1) , resulta  x̂ (1/1) = 0 y se
obtiene x̂ (2/2) mediante el uso del filtro de Kalman.
4- Se procede a obtener  x̂ (k/k) y x̂ (k/k) para los instantes de tiempo restantes,
concluyendo que
 x̂ (t/k) = 0 tk < t < tk+1 para toda k
y por lo tanto, entre dos observaciones sucesivas, la mejor estimación del estado es la
trayectoria de referencia.
16
Por lo tanto, la técnica de filtrado descrita, consiste en los siguientes algoritmos:
o Algoritmo de prediccción
(k 1) t
x̂ (k+1/k) = x̂ (k/k) + 
kt
ˆ / k), t)dt
f (x(t (3.36)
P(k+1/k) = (k+1,k; x̂ (k/k)) P(k/k) t(k+1,k; x̂ (k/k)) (3.37)
o Algoritmo de filtrado
x̂ (k+1/k+1) = x̂ (k+1/k) + K[k+1; x̂ (k+1/k)]{z(k+1) - ẑ (k+1/k)} (3.38)
P(k+1/k+1) = {I – K[k+1; x̂ (k+1/k)] H } P(k+1/k) (3.39)
donde la matriz de ganancia de Kalman es
K[k+1; x̂ (k+1/k)] = P(k+1/k) Ht {H P(k+1/k) Ht + R}-1 (3.40)
3.3 Aplicación del Filtro de Kalman a un modelo de varios grados de libertad sometido
a una fuerza externa p(t)
Para el estudio de los modelos de varios grados de libertad aplicaremos la superposición

modal, como se vio en el Capítulo II, haciendo uso de ambos modos de vibrar, de tal manera de
obtener así una estructura de un grado de libertad, al que por medio de la aplicación del Filtro de
Kalman Extendido (FKE) identificaremos la rigidez y amortiguamiento de la estructura. (Ver
figura 3.1)
a) b)
Figura 3.1: Modelos estructurales.
a) Estructura de “n” grados de libertad.
b) Modelo al cual se le aplicará el FKE.
17
Para poder aplicar el filtro de Kalman Extendido, es necesario conocer tanto las señales de
entrada y salida del sistema. Para el estudio que se llevará a cabo, las señales de entrada la
constituyen solamente la fuerza P1 , que para este caso, mediante la superposición modal y
ocupando el primer modo de vibrar, la fuerza P1 queda definida por la siguiente expresión:
P1 = 1T p(t) (3.41)
Las señales de salida están constituidas por las respuestas (en desplazamiento) del nivel
(q1) como se aprecia en la figura 3.1 b), para el primer modo de vibrar. El desplazamiento q1 se
define de la siguiente forma:
1T M u(t)
q1 (t)  (3.42)
1T M1
siendo
M: matriz de masa del edificio.
u(t): desplazamiento total de la estructura, calculado por el método Runge-Kutta (Anexo C ).
3.3.1 Obtención de las ecuaciones de estado
La ecuación de equilibrio dinámico del sistema como se vio en el punto 2.2 es:
M u (t) + C u (t) + K u(t) = p(t)
entonces aplicando la superposición modal:
Cq 1 (t) Kq1 (t) 1T p(t)
q1 (t) 
   (expresión para el primer modo de vibrar)
M M M
Despejando q 1(t) de la ecuación anterior se tiene:
C1q 1 (t) K1q1 (t) 1T p(t)

q1 (t)  
  
M1 M1 M1
siendo P1 =1T p(t)
en notacion vectorial-matricial se tiene:

 q 1 (t)   0 1  q1 (t)   0 
    (3.43)
 q1 (t)    K1 / M1 C1 / M1  q 1 (t)   P1 / M1 
Al elegir como variables de estado:

x1 = q1(t)
x2 = q 1(t)
18
se tiene:
 0 
 x 1   0 1   x1   
       P1 
 x 2   K1 / M1 C1 / M1   x 2   M  (3.44)
 1
El vector de parámetros a estimar
xt = [q1 , q 1 , K1 / M1 , C1 / M1 ]
xt = [x1 , x2 , x3 , x4]
por lo tanto la ecuación (3.44) se transforma en:
 0  (3.45)
 x 1   0 1   x1   
 x     x  P
 x 4   x 2   1 
 2  3  M1 
La ecuación (3.45) queda en forma de estado:
 x 1   x2 
 x    x x  x x  P / M  (3.46)
 2   3 1 4 2 1 1
 x 3   0 
   
 x 4   0 
La ecuación diferencial no lineal (3.46) es la equivalente a la ecuación (3.23), por lo tanto,

a los parámetros cinemáticos (desplazamientos y velocidades) se les ha adicionado los parámetros
de rigidez y amortiguamiento de la estructura, pasando así, de un problema de estimación simple,
a uno de estimación e identificación en conjunto.
El vector de observación z del sistema queda de la forma:
 x1 
x 
 z   1 0 0 0  x 2    v
3 (3.47)
 
x
 4
donde:
[z] : vector de observación
[v] : vector de error en las mediciones
La ecuación (3.47) es la correspondiente a la ecuación (3.33) que se vio en el capítulo

anterior. Por lo tanto conocidas las señales de entrada y de salida, al introducir las ecuaciones
19
(3.46) y (3.47), es posible mediante el filtro extendido de Kalman identificar los parámetros
dinámicos del sistema estructural.
Para el segundo modo el procedimiento es el mismo que para el primer modo.
3.3.2 Evaluación de una función Objetivo
Debido a la gran cantidad de cálculos que se realizan en el algoritmo del Filtro de Kalman
Extendido, además de que los valores asignados a las condiciones iniciales son arbitrarios y que
el número de datos de la muestra es finito, es difícil decir, si los parámetros estimados son
estables y convergentes hacia los exactos, por lo tanto, es necesario establecer, la exactitud de los
parámetros estimados, en términos de estabilidad y convergencia. Con el fin de evaluar lo
anterior se propone como procedimiento usar el filtro de Kalman Extendido con Iteración Global.
(Hoshiya et al, 1984).
En cada Iteración global se adopta una función peso “W”, y una función objetivo “Fo” para medir
la calidad de las estimaciones, y que debe ser menor que una tolerancia dada.
A continuación se describen las expresiones empleadas para el cálculo de la función
objetivo.

 q(k) ˆ i
2
i  z(k)
 (k)  i 1

k = 1,2,….s
 q(k)
i 1
2
i
1 s
   (k) 
s k 1
s
FO   ((k)  )
k 1
2
donde:
s = número de puntos de muestreo u observaciones en cada instante de tiempo.
 = tamaño del vector de observación
q(k) = vector medido en el instante de tiempo k.
ẑ (k) = vector de estimaciones en el instante de tiempo k
(k) = representa la media cuadrática normalizada de la diferencia entre las observaciones y
estimaciones en el instante k
 = representa el promedio de (k)
Fo = función objetivo que debe ser menor que una tolerancia dada. Representa la dispersión del
valor del cuadrado medio de cada  del valor central .
20
W = Función de peso (normalmente se adopta W=20). Esta función se usa en cada iteración
global, y tiene como objetivo multiplicar la matriz de covarianza del error Po, con el fin de lograr
una matriz de covarianza inicial grande, lo que ayudaría a una rápida convergencia de los
parámetros.
21
CAPÍTULO IV
APLICACIÓN NÚMERICA DEL MÉTODO A MODELOS DE VARIOS GRADOS DE

LIBERTAD
4.1 Introducción
En este capítulo se estudiará numéricamente los resultados mediante dos modelos, de

cuatro y diez grados de libertad.
A partir de los resultados de datos de entrada y salida, se estimarán los parámetros del
modelo utilizando el algoritmo del Filtro de Kalman Extendido.
Primeramente se analizará el primer y segundo modo de vibrar. Posteriormente el primer
modo se perturbará multiplicando el modo por un porcentaje (10%, 15%, 20%). Se considerarán
varios casos tales como el modo perturbado en un porcentaje en forma positiva, en forma
negativa, ambos casos juntos, aleatoriamente y utilizando el modo en forma lineal.
4.2 Análisis de un sistema de cuatro grados de libertad (4 GDL)
Se analizará un modelo de cuatro grados de libertad como se describe en la figura siguiente:
p(t) Masa: 1.0 kg

Rigidez: 327.37 kg/cm
Coeficiente de
amortiguamiento: 0.2
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Figura 4.1: Modelo de 4 GDL.

22
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Los parámetros iniciales para ambos programas se indican en el anexo D.
La matriz de masa, rigidez y amortiguamiento son las siguientes:

Matriz de masa:
1 0 0 0
0 1 0 0 
M
0 0 1 0
 
0 0 0 1
Matriz de rigidez:
 654.740 327.370 0 0 
 327.370 654.740 327.370 0 
K 
 0 327.370 654.740 327.370 
 
 0 0 327.370 327.370 
Matriz de amortiguamiento:
0.2 0 0 0 
 0 0.2 0 0 
C
 0 0 0.2 0 
 
 0 0 0 0.2 
La matriz modal de la estructura es:
 0.347 1 1.532 1.879


0.653 1 0.532 2.879 

 0.879 0 1.347 2.532
 1 
 1 1 1 
En el anexo A se explica la teoría de cómo se determina la matriz modal. Esta se programó en

mathcad como se desarrolla en el anexo D.
La estimación del error se calculará para todos los análisis de la siguiente manera:
(Parámetro(encontrado)  Valor(real))100
%Error 
Valor(real)
23
4.2.1 Evaluación del primer modo de vibrar sin perturbación para el estudio de los
parámetros del modelo de 4 GDL:
De acuerdo a la matriz modal el primer modo de vibrar es el siguiente:
 0.347
0.653
  
 0.879
 1 
 
Para la obtención de los parámetros de rigidez y amortiguamiento, los valores iniciales asignados
a los parámetros al igual que el desarrollo de las matrices usadas en el programa en lenguaje
Visual Basic se mencionan en el anexo B.
Tabla 4.1.- Estimación de los parámetros para el modelo de 4 GDL utilizando el primer modo de
vibrar
Valor real teórico Parámetro encontrado Error (%)

Iteración Global
(Número) C1 K1 C1
K1 (kg/mm) (kgf-seg/mm) (kg/mm) (kgf-seg/mm) K1 C1
0 91.586 0.464 1 1 -98.9081301 115.5172414
1 91.586 0.464 91.719 0.712 0.145218702 53.44827586
24
4.2.2 Evaluación del segundo modo de vibrar sin perturbación para el estudio de los
De acuerdo a la matriz modal el segundo modo de vibrar es el siguiente:
 1 
1
   
0
1
 
Tabla 4.2.- Estimación de los parámetros para el modelo de 4 GDL utilizando el segundo modo
de vibrar.

Iteración Global
(Número) K2 C2 K2 C2
(kg/mm) (kgf-seg/mm) (kg/mm) (kgf-seg/mm) K2 C2
0 982.11 0.6 1 1 -99.8981784 66.66666667
1 982.11 0.6 889.650558 37.332505 -9.41436723 6122.084167
2 982.11 0.6 1008.459851 3.157415 2.682983678 426.2358333
3 982.11 0.6 986.221908 1.359287 0.418681003 126.5478333
4 982.11 0.6 984.498592 1.342223 0.243210231 123.7038333
5 982.11 0.6 983.734403 1.3511 0.165399293 125.1833333
6 982.11 0.6 983.156464 1.375879 0.106552626 129.3131667
7 982.11 0.6 982.711757 1.366774 0.061271853 127.7956667
8 982.11 0.6 982.171905 1.391499 0.006303265 131.9165
90 982.11 0.6 982.29516 1.43277 0.018853285 138.795
10 982.11 0.6 982.620218 1.400962 0.051951207 133.4936667
11 982.11 0.6 982.152608 1.39977 0.004338414 133.295
12 982.11 0.6 982.233049 1.439537 0.012529045 139.9228333
13 982.11 0.6 982.60617 1.458623 0.050520817 143.1038333
14 982.11 0.6 982.732224 1.388047 0.063355836 131.3411667
15 982.11 0.6 982.194146 1.389768 0.008567879 131.628
16 982.11 0.6 982.206687 1.38901 0.009844824 131.5016667
17 982.11 0.6 982.198083 1.380928 0.008968751 130.1546667
18 982.11 0.6 982.191611 1.379401 0.008309762 129.9001667
19 982.11 0.6 982.190429 1.379164 0.008189409 129.8606667
20 982.11 0.6 982.190221 1.379123 0.00816823 129.8538333
21 982.11 0.6 982.190183 1.379117 0.00816436 129.8528333
22 982.11 0.6 982.190177 1.379116 0.008163749 129.8526667
23 982.11 0.6 982.190176 1.379116 0.008163648 129.8526667
24 982.11 0.6 982.190176 1.379116 0.008163648 129.8526667
25
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
Rigidez para el segundo modo

1020
Programa Valor Exacto
1000
980
Rigidez (kgf/mm)
960
940
920
900
880
860
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Número de iteraciones globales
GRÁFICO 4.1: Representación de la Rigidez para el segundo modo de vibrar para el modelo de 4GDL.
Coeficiente de Amortiguamiento para el segundo modo

40
35
Coeficiente Amortiguamiento
30
25
(kgf-seg/mm)
20
15
10
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
GRÁFICO 4.2: Representación del Coeficiente de amortiguamiento para el segundo modo de vibrar para el
modelo de 4GDL.
26
4.2.3 Estudio de la influencia del primer modo de vibrar en los parámetros de rigidez y
amortiguamiento para el modelo de 4 GDL:
4.2.3.1 Primer modo perturbado en forma positiva para el modelo de 4 GDL

El primer modo de vibrar se perturbará en un 10%, 15% y 20% en forma positiva como se
indica en la figura 4.2.
4 4
1 % 1
13 % 1
3
% 1
2
12
11 % 1
1
Figura 4.2: Perturbación del primer modo de vibrar en forma positiva para el modelo de 4GDL.
Por lo tanto el primer modo de vibrar perturbado en 10%, 15% y 20% queda de la siguiente
manera:
 0.382  0.399  0.417
0.718 0.751 0.783
10%   15%   20%  
 0.967  1.011  1.055
 1.1   1.15   1.2 
     
Tabla 4.3.- Estimación de los parámetros para el modelo de 4 GDL con perturbación en forma
positiva para el primer modo de vibrar.
Porcentaje de Valor real teórico Parámetro encontrado Error (%)

Iteración Global
perturbación (Número) K1 C1 K1 C1
10% 0 110.818 0.561 1 1 -99.0976195 78.25311943

1 110.818 0.561 111.002 0.893 0.166038008 59.18003565
0 121.135 0.614 1 1 -99.1744748 62.86644951
15%
1 121.135 0.614 121.345 0.986 0.1733603 60.58631922
0 131.882 0.668 1 1 -99.2417464 49.7005988
20%
1 131.882 0.668 132.129 1.086 0.187288637 62.5748503
27
4.2.3.2 Primer modo perturbado en forma negativa para el modelo de 4 GDL

El primer modo de vibrar se perturbará en un 10%, 15% y 20% en forma negativa como
se indica en la figura 4.3.
Primer Modo sin

perturbación
Primer Modo Perturbado
Figura 4.3: Perturbación del primer modo de vibrar en forma negativa para el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
manera:
 0.313  0.295  0.278
0.587 0.555 0.522
10%   15%   20%  
 0.791  0.747  0.704
 0.9   0.85   0.8 
     
negativa para el primer modo de vibrar.

Iteración Global
perturbación
10% 0 74.163 0.376 1 1 -98.6516187 165.9574468

1 74.163 0.376 74.262 0.571 0.133489746 51.86170213
0 66.161 0.335 1 1 -98.4885355 198.5074627
15%
1 66.161 0.335 66.241 0.503 0.120917157 50.14925373
20% 0 58.652 0.297 1 1 -98.2950283 236.7003367

1 58.652 0.297 58.705 0.438 0.0903635 47.47474747
28
4.2.3.3 Perturbación en forma positiva para los GDL par y negativa para los GDL impar
para el modelo de cuatro grados de libertad.
El primer modo de vibrar se perturbará en un 10%, 15% y 20% en forma negativa para los
grados de libertad 1 y 3 y en forma positiva para los grados de libertad 2 y 4. Como se indica en
la figura 4.4.
Figura 4.4: Grados de libertad que se perturbarán para el primer modo de vibrar para el modelo de 4GDL.
manera:
 0.312  0.295  0.278
0.718 0.751 0.784
10%   15%   20%  
 0.791  0.747  0.703
 1.1   1.15   1.2 
     
29
Tabla 4.5.- Estimación de los parámetros para el modelo de 4 GDL con perturbación de un 10%
en forma positiva para los grados de libertad 2 y 4 y un 10% en forma negativa para los grados de
libertad 1 y 3.

Iteración Global
perturbación (Número) K1 C1 C1
(kg/mm) (kgf-seg/mm) K1 (kg/mm) (kgf-seg/mm) K1 C1
0 118.771 0.49 1 1 -99.15804363 104.0816327
1 118.771 0.49 100.859812 1.482381 -15.08043883 202.5267347
2 118.771 0.49 100.426653 1.389024 -15.44513981 183.4742857
3 118.771 0.49 100.332301 1.351632 -15.52458007 175.8432653
4 118.771 0.49 100.327 1.340474 -15.52904328 173.5661224
5 118.771 0.49 100.330418 1.337407 -15.52616548 172.9402041
10%
6 118.771 0.49 100.332071 1.336128 -15.52477372 172.6791837
7 118.771 0.49 100.332768 1.335517 -15.52418688 172.5544898
8 118.771 0.49 100.333082 1.335222 -15.52392251 172.4942857
9 118.771 0.49 100.333229 1.33508 -15.52379874 172.4653061
10 118.771 0.49 100.3333 1.335012 -15.52373896 172.4514286
11 118.771 0.49 100.333333 1.33498 -15.52371118 172.444898
12 118.771 0.49 100.33335 1.334964 -15.52369686 172.4416327
13 118.771 0.49 100.333357 1.334957 -15.52369097 172.4402041
14 118.771 0.49 100.333361 1.334953 -15.5236876 172.4393878
15 118.771 0.49 100.333363 1.334951 -15.52368592 172.4389796
16 118.771 0.49 100.333364 1.33495 -15.52368507 172.4387755
17 118.771 0.49 100.333364 1.33495 -15.52368507 172.4387755
18 118.771 0.49 100.333364 1.33495 -15.52368507 172.4387755
30
Rigidez para el primer modo perturbado en un 10%

125
120
115
Rigidez (kgf/mm) 110
105
100
95
90
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
GRÁFICO 4.3: Representación de la Rigidez para el primer modo de vibrar perturbado en un 10% en forma
positiva para los grados de libertad 2 y 4 y en un 10% en forma negativa para los grados de libertad 1 y 3 para
el modelo de 4GDL.
Coeficiente de Amortiguamiento para el primer modo perturbado

1.6 en un 10%
Coeficiente de Amortiguamiento
1.4
1.2
(kgf-seg/mm)
0.8
0.6
0.4
0.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
GRÁFICO 4.4: Representación del Coeficiente de Amortiguamiento para el primer modo de vibrar
perturbado en un 10% en forma positiva para los grados de libertad 2 y 4 y en un 10% en forma negativa
para los grados de libertad 1 y 3 para el modelo de 4GDL.
31
en forma positiva para los grados de libertad 2 y 4 y en un 15% en forma negativa para los grados
de libertad 1 y 3.

Iteración Global
0 149.734 0.506 1 1 -99.33214901 97.6284585
1 149.734 0.506 106.300985 1.87867 -29.00678203 271.2786561
2 149.734 0.506 105.59111 1.77241 -29.48087275 250.2786561
3 149.734 0.506 105.45799 1.744008 -29.56977707 244.6656126
4 149.734 0.506 105.462255 1.753523 -29.56692869 246.5460474
5 149.734 0.506 105.464926 1.764749 -29.56514486 248.7646245
6 149.734 0.506 105.462084 1.770535 -29.56704289 249.9081028
15% 7 149.734 0.506 105.459601 1.773333 -29.56870116 250.4610672

8 149.734 0.506 105.458175 1.774708 -29.56965352 250.7328063
9 149.734 0.506 105.457437 1.77539 -29.57014639 250.8675889
10 149.734 0.506 105.457065 1.77573 -29.57039483 250.9347826
11 149.734 0.506 105.456879 1.775899 -29.57051905 250.9681818
12 149.734 0.506 105.456787 1.775984 -29.5705805 250.9849802
13 149.734 0.506 105.45674 1.776026 -29.57061189 250.9932806
14 149.734 0.506 105.456717 1.776047 -29.57062725 250.9974308
15 149.734 0.506 105.456706 1.776057 -29.57063459 250.9994071
16 149.734 0.506 105.4567 1.776063 -29.5706386 251.0005929
17 149.734 0.506 105.456697 1.776065 -29.5706406 251.0009881
18 149.734 0.506 105.456696 1.776066 -29.57064127 251.0011858
19 149.734 0.506 105.456695 1.776067 -29.57064194 251.0013834
20 149.734 0.506 105.456695 1.776067 -29.57064194 251.0013834
21 149.734 0.506 105.456695 1.776068 -29.57064194 251.001581
22 149.734 0.506 105.456695 1.776068 -29.57064194 251.001581
23 149.734 0.506 105.456695 1.776068 -29.57064194 251.001581
32

160
140
Rigidez (kgf/mm)
120
100
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
el modelo de 4GDL.

2 en un 15%
1.8
1.6
1.4
(kgf-seg/mm)
1.2
1
0.8
0.6
0.4
0.2
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23
33
de libertad 1 y 3.

Iteración Global
0 191.369 0.525 1 1 -99.15804363 104.0816327
1 191.369 0.525 112.357788 2.28972 -15.08043883 202.5267347
2 191.369 0.525 111.305402 2.17271 -15.44513981 183.4742857
3 191.369 0.525 111.120836 2.150037 -15.52458007 175.8432653
4 191.369 0.525 111.144582 2.181291 -15.52904328 173.5661224
5 191.369 0.525 111.151762 2.212248 -15.52616548 172.9402041
6 191.369 0.525 111.143214 2.228605 -15.52477372 172.6791837
7 191.369 0.525 111.135544 2.236751 -15.52418688 172.5544898
20%
8 191.369 0.525 111.13097 2.240891 -15.52392251 172.4942857
9 191.369 0.525 111.128509 2.243025 -15.52379874 172.4653061
10 191.369 0.525 111.127222 2.244129 -15.52373896 172.4514286
11 191.369 0.525 111.126554 2.244701 -15.52371118 172.444898
12 191.369 0.525 111.126207 2.244998 -15.52369686 172.4416327
13 191.369 0.525 111.126028 2.245152 -15.52369097 172.4402041
14 191.369 0.525 111.125934 2.245232 -15.5236876 172.4393878
15 191.369 0.525 111.125886 2.245273 -15.52368592 172.4389796
16 191.369 0.525 111.125861 2.245295 -15.52368507 172.4387755
17 191.369 0.525 111.125848 2.245306 -15.52368507 172.4387755
18 191.369 0.525 111.125841 2.245312 -15.52368507 172.4387755
19 191.369 0.525 111.125838 2.245315 -41.93111842 327.6790476
20 191.369 0.525 111.125836 2.245316 -41.93111946 327.6792381
21 191.369 0.525 111.125835 2.245317 -41.93111998 327.6794286
22 191.369 0.525 111.125834 2.245318 -41.93112051 327.679619
23 191.369 0.525 111.125834 2.245318 -41.93112051 327.679619
24 191.369 0.525 111.125834 2.245318 -41.93112051 327.679619
34

220
200
180
140
120
100
80
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
el modelo de 4GDL.

3 en un 20%
2.5
2
(kgf-seg/mm)
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
35
4.2.3.4 Perturbación en forma positiva para los GDL impar y negativa para los GDL par
para el modelo de cuatro grados de libertad.
El primer modo de vibrar se perturbará en un 10%, 15% y 20% en forma positiva para los
grados de libertad 1 y 3 y en forma negativa para los grados de libertad 2 y 4. De acuerdo a la
figura anterior 4.4.
Por lo tanto el primer modo de vibrar perturbado en 10%, 15% y 20% queda de la
siguiente manera:
 0.382  0.399  0.417

0.587 0.555 0.522
10%   15%   20%  
 0.967  1.011  1.055
 0.9   0.85   0.8 
     
de libertad 2 y 4.

Iteración Global
perturbación
10% 0 110.271 0.447 1 1 -99.09314326 123.7136465

1 110.271 0.447 84.698 -0.0335 -23.19104751 -107.4944072
36
de libertad 2 y 4.

Iteración Global
0 136.642 0.442 1 1 -99.26816059 126.2443439
1 136.642 0.442 81.943818 -0.427082 -40.03028498 -196.6248869
2 136.642 0.442 81.997321 -0.452295 -39.99112937 -202.3291855
3 136.642 0.442 82.037109 -0.533967 -39.96201095 -220.8070136
4 136.642 0.442 82.058855 -0.577577 -39.94609637 -230.6735294
5 136.642 0.442 82.071352 -0.59508 -39.93695057 -234.6334842
6 136.642 0.442 82.076942 -0.602004 -39.93285959 -236.2
7 136.642 0.442 82.079241 -0.604753 -39.93117709 -236.8219457
15%
8 136.642 0.442 82.080164 -0.605846 -39.9305016 -237.0692308
9 136.642 0.442 82.080531 -0.60628 -39.93023302 -237.1674208
10 136.642 0.442 82.080677 -0.606453 -39.93012617 -237.2065611
11 136.642 0.442 82.080735 -0.606521 -39.93008372 -237.2219457
12 136.642 0.442 82.080758 -0.606549 -39.93006689 -237.2282805
13 136.642 0.442 82.080767 -0.606559 -39.9300603 -237.230543
14 136.642 0.442 82.080771 -0.606564 -39.93005738 -237.2316742
15 136.642 0.442 82.080772 -0.606565 -39.93005664 -237.2319005
16 136.642 0.442 82.080773 -0.606566 -39.93005591 -237.2321267
17 136.642 0.442 82.080773 -0.606566 -39.93005591 -237.2321267
18 136.642 0.442 82.080773 -0.606566 -39.93005591 -237.2321267
19 136.642 0.442 82.080773 -0.606566 -39.93005591 -237.2321267
20 136.642 0.442 82.080773 -0.606566 -39.93005591 -237.2321267
21 136.642 0.442 82.080773 -0.606566 -39.93005591 -237.2321267
22 136.642 0.442 82.080773 -0.606567 -39.93005591 -237.2323529
23 136.642 0.442 82.080773 -0.606567 -39.93005591 -237.2323529
24 136.642 0.442 82.080773 -0.606567 -39.93005591 -237.2323529
37

160
140
Rigidez (kgf/mm)
120
100
80
60
40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
el modelo de 4GDL.

0.8 en un 15%
0.6
0.4
0.2
(kgf-seg/mm)
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
-0.2
-0.4
-0.6
-0.8
38
de libertad 2 y 4.

Iteración Global
0 174.825 0.44 1 1 -99.42799943 127.2727273
1 174.825 0.44 79.63546 -0.839289 -54.44847133 -290.7475
2 174.825 0.44 79.632545 -0.846845 -54.45013871 -292.4647727
3 174.825 0.44 79.689162 -0.922431 -54.41775375 -309.6434091
4 174.825 0.44 79.71265 -0.959897 -54.4043186 -318.1584091
5 174.825 0.44 79.723615 -0.974374 -54.39804662 -321.4486364
20% 6 174.825 0.44 79.728144 -0.979909 -54.39545603 -322.7065909
7 174.825 0.44 79.729921 -0.982032 -54.39443958 -323.1890909
8 174.825 0.44 79.730607 -0.982847 -54.39404719 -323.3743182
9 174.825 0.44 79.73087 -0.98316 -54.39389675 -323.4454545
10 174.825 0.44 79.730971 -0.98328 -54.39383898 -323.4727273
11 174.825 0.44 79.73101 -0.983326 -54.39381667 -323.4831818
12 174.825 0.44 79.731025 -0.983344 -54.39380809 -323.4872727
13 174.825 0.44 79.731031 -0.98335 -54.39380466 -323.4886364
14 174.825 0.44 79.731033 -0.983353 -54.39380352 -323.4893182
15 174.825 0.44 79.731034 -0.983354 -54.39380295 -323.4895455
16 174.825 0.44 79.731034 -0.983354 -54.39380295 -323.4895455
17 174.825 0.44 79.731034 -0.983355 -54.39380295 -323.4897727
18 174.825 0.44 79.731034 -0.983355 -54.39380295 -323.4897727
19 174.825 0.44 79.731034 -0.983355 -54.39380295 -323.4897727
39

200
180
160
Rigidez (kgf/mm)
140
120
100
80
60
40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
GRÁFICO 4.11: Representación de la Rigidez para el primer modo de vibrar perturbado en un 20% en
forma positiva para los grados de libertad 1 y 3 y en un 20% en forma negativa para los grados de libertad 2 y
4 para el modelo de 4GDL.

0.8 en un 20%
0.6
0.4
0.2
(kgf-seg/mm)
0
-0.2 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-0.4
-0.6
-0.8
-1
40
4.2.3.5 Primer modo de vibrar perturbado en forma aleatoria para el modelo de cuatro
grados de libertad.
El primer modo perturbado en forma aleatoria en un 10%, 15% y 20% queda de la siguiente
manera:
 0.382  0.399  0.417
0.587 0.555 0.522
10%   15%   20%  
 0.791  0.747  0.704
 0.9   0.85   0.8 
     
y 15% en forma aleatoria.

Iteración Global
10% 0 90.364 0.419 1 1 -98.89336461 138.6634845

1 90.364 0.419 80.869 0.252 -10.50750299 -39.85680191
0 96.158 0.401 1 1 -98.96004493 149.3765586
15%
1 96.158 0.401 76.261 0.0257 -20.69198611 -93.59102244
en forma aleatoria.

Iteración Global
0 105.839 0.385 1 1 -99.0551687 159.7402597
1 105.839 0.385 72.135757 -0.201757 -31.84387891 -152.4044156
2 105.839 0.385 72.141045 -0.243861 -31.83888264 -163.3405195
3 105.839 0.385 72.169493 -0.318309 -31.81200408 -182.6776623
4 105.839 0.385 72.18938 -0.359838 -31.79321422 -193.4644156
5 105.839 0.385 72.201634 -0.376835 -31.78163626 -197.8792208
6 105.839 0.385 72.207251 -0.383647 -31.77632914 -199.6485714
20% 7 105.839 0.385 72.209594 -0.386383 -31.7741154 -200.3592208
8 105.839 0.385 72.210545 -0.387482 -31.77321687 -200.6446753
9 105.839 0.385 72.210928 -0.387924 -31.772855 -200.7594805
10 105.839 0.385 72.211083 -0.388101 -31.77270855 -200.8054545
11 105.839 0.385 72.211144 -0.388172 -31.77265091 -200.8238961
12 105.839 0.385 72.211169 -0.388201 -31.77262729 -200.8314286
13 105.839 0.385 72.211179 -0.388213 -31.77261784 -200.8345455
14 105.839 0.385 72.211183 -0.388217 -31.77261406 -200.8355844
15 105.839 0.385 72.211185 -0.388219 -31.77261218 -200.8361039
16 105.839 0.385 72.211185 -0.38822 -31.77261218 -200.8363636
17 105.839 0.385 72.211186 -0.38822 -31.77261123 -200.8363636
18 105.839 0.385 72.211186 -0.38822 -31.77261123 -200.8363636
19 105.839 0.385 72.211186 -0.38822 -31.77261123 -200.8363636
41

140
120
80
60
40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
GRÁFICO 4.13: Representación de la Rigidez para el primer modo de vibrar perturbado en un 20% en
forma Aleatoria para el modelo de 4GDL.

0.6 en un 20%
0.4
0.2
(kgf-seg/mm)
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
-0.2
-0.4
-0.6
perturbado en un 20% en forma Aleatoria para el modelo de 4GDL.
42
4.2.3.6 Evaluación utilizando el primer modo de vibrar en forma lineal para el modelo de
cuatro grados de libertad.
El modo lineal es el siguiente:
 0.25
0.5 
Lineal  
 0.75
 1 
 
Tabla 4.13.- Estimación de los parámetros para el modelo de 4 GDL utilizando el modo en forma
lineal.
Iteración Global
0 81.843 0.375 1 1 -98.77814841 166.6666667
1 81.843 0.375 78.84675 1.390126 -3.660972838 270.7002667
2 81.843 0.375 78.323837 1.333331 -4.299894921 255.5549333
3 81.843 0.375 78.232164 1.323132 -4.411905722 252.8352
4 81.843 0.375 78.230694 1.333992 -4.413701844 255.7312
5 81.843 0.375 78.229193 1.34305 -4.415535843 258.1466667
6 81.843 0.375 78.226028 1.347647 -4.419403003 259.3725333
7 81.843 0.375 78.223871 1.349899 -4.422038537 259.9730667
8 81.843 0.375 78.222695 1.351016 -4.423475435 260.2709333
9 81.843 0.375 78.222093 1.351575 -4.424210989 260.42
10 81.843 0.375 78.22179 1.351854 -4.42458121 260.4944
11 81.843 0.375 78.221638 1.351995 -4.424766932 260.532
12 81.843 0.375 78.221561 1.352065 -4.424861014 260.5506667
13 81.843 0.375 78.221523 1.3521 -4.424907445 260.56
14 81.843 0.375 78.221504 1.352118 -4.42493066 260.5648
15 81.843 0.375 78.221494 1.352127 -4.424942878 260.5672
16 81.843 0.375 78.221489 1.352131 -4.424948988 260.5682667
17 81.843 0.375 78.221487 1.352134 -4.424951431 260.5690667
18 81.843 0.375 78.221486 1.352135 -4.424952653 260.5693333
19 81.843 0.375 78.221485 1.352135 -4.424953875 260.5693333
20 81.843 0.375 78.221485 1.352136 -4.424953875 260.5696
21 81.843 0.375 78.221485 1.352136 -4.424953875 260.5696
43
Rigidez para el modo en forma lineal

120
100
Rigidez (kgf/mm)
80
60
40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
GRÁFICO 4.15: Representación de la Rigidez para el modo en forma Lineal para el modelo de 4GDL.
Coeficiente de Amortiguamiento para el modo en forma lineal

1.6
1.4
1.2
(kgf-seg/mm)
0.8
0.6
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
GRÁFICO 4.16: Representación del Coeficiente de Amortiguamiento para el modo en forma Lineal para el
modelo de 4GDL.
44
4.3 Análisis de un sistema de diez grados de libertad (10 GDL)

Se analizará un modelo de diez grados de libertad como se describe en la figura siguiente:
p(t) Masa: 1.0 kg

Coeficiente de
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Masa: 1.0 kg
Coeficiente de
Figura 4.5: Modelo de 10 GDL.

La matriz de masa, rigidez y amortiguamiento son las siguientes:

Matriz de masa:
1 0 0 0 0 0 0 0 0 0
 
0 1 0 0 0 0 0 0 0 0

0 0 1 0 0 0 0 0 0 0
0 0 0 1 0 0 0 0 0 0
 
0 0 0 0 1 0 0 0 0 0
M  
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 1 0 0 0

 
0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 1 0
 
0 0 0 0 0 0 0 0 0 1
45
Matriz de rigidez:
 654.74 327.37 0 0 0 0 0 0 0 0 
 
 327.37 654.74 327.37 0 0 0 0 0 0 0

 0 327.37 654.74 327.37 0 0 0 0 0 0 
 0 0 327.37 654.74 327.37 0 0 0 0 0 
 
 0 0 0 327.37 654.74 327.37 0 0 0 0 
K 
 0 0 0 0 327.37 654.74 327.37 0 0 0 
 0 0 0 0 0 327.37 654.74 327.37 0 0

 
 0 0 0 0 0 0 327.37 654.74 327.37 0 
 0 0 0 0 0 0 0 327.37 654.74 327.37
 
 0 0 0 0 0 0 0 0 327.37 327.37 
Matriz de amortiguamiento:
 0.2 0 0 0 0 0 0 0 0 0 
 
0 0.2 0 0 0 0 0 0 0 0

0 0 0.2 0 0 0 0 0 0 0 
0 0 0 0.2 0 0 0 0 0 0 
 
0 0 0 0 0.2 0 0 0 0 0 
C  
0 0 0 0 0 0.2 0 0 0 0 
0 0 0 0 0 0 0.2 0 0 0

 
0 0 0 0 0 0 0 0.2 0 0 
0 0 0 0 0 0 0 0 0.2 0 
 
0 0 0 0 0 0 0 0 0 0.2 
La matriz modal de la estructura es:
 0.149 0.445 0.731 1 1.247 1.466 1.652 1.802 1.911 1.978

 
 0.296 0.802 1.071 1 0.555 0.219 1.207 2.247 3.158 3.78

 0.435 1 0.84 0 1 1.433 0.77 1 3.308 5.246
 0.565 1 0.16 1 1 0.433 1.77 1 2.308 6.246 
 
 0.682 0.802 0.605 1 0.555 1.369 0.523 2.247 0.506 6.691
  15 
 0.784 0.445 1.047 1.248  10 1.247 0.638 1.388 1.802 1.472 6.541

 0.868 0 0.93 1 0 1.273 1.537 7.264  10
 15
2.938 5.811

 
 0.933 0.445 0.317 1 1.247 0.828 0.265 1.802 3.383 4.564 
 0.978 0.802 0.466 0 0.555 1.149 1.731 2.247 2.652 2.911
 
 1 1 1 1 1 1 1 1 1 1 
En el anexo A se explica la teoría de cómo se determinó la matriz modal. Esta se

programó en mathcad como se desarrolla en el anexo D.
La obtención del error se calculará para todos los análisis de la siguiente manera:
(Parámetro(encontrado)  Valor(real))100
%Error 
Valor(real)
46
4.3.1 Evaluación del primer modo de vibrar sin perturbación para el estudio de los
De acuerdo a la matriz modal el primer modo de vibrar es el siguiente:
 0.149
 
 0.296
 0.435
 0.565
 
 0.682

 0.784
 0.868
 
 0.933
 0.978
 
 1 
Para la obtención de los parámetros de rigidez y amortiguamiento, los valores iniciales

asignados a los parámetros al igual que el desarrollo de las matrices usadas en el programa en
lenguaje Visual Basic se mencionan en el anexo B.
Tabla 4.14.- Estimación de los parámetros para el modelo de 10 GDL utilizando el primer modo
de vibrar.

Iteración Global
0 38.602 1.056 1 1 -97.40946065 -5.303030303
1 38.602 1.056 38.564 1.121 -0.098440495 6.15530303
4.3.2 Evaluación del Segundo modo de vibrar sin perturbación para el estudio de los
De acuerdo a la matriz modal el segundo modo de vibrar es el siguiente:
 0.445
 
 0.802
 1 
 1 
 
 0.802
 
 0.445
 0 
 
 0.445 
 0.802 
 
 1 
47
Tabla 4.15.- Estimación de los parámetros para el modelo de 10 GDL utilizando el segundo modo
de vibrar.
Iteración Global
0 358.154 1.105 1 1 -99.7207905 -9.502262443
1 358.154 1.105 361.091966 2.163718 0.820308024 95.81158371
2 358.154 1.105 358.848984 1.793383 0.194046137 62.29710407
3 358.154 1.105 358.220829 1.443035 0.018659292 30.59140271
4 358.154 1.105 358.226838 1.358612 0.020337062 22.95131222
5 358.154 1.105 358.237608 1.342566 0.023344148 21.49918552
6 358.154 1.105 358.240628 1.339577 0.024187361 21.22868778
7 358.154 1.105 358.241306 1.33903 0.024376665 21.17918552
8 358.154 1.105 358.241445 1.33893 0.024415475 21.17013575
9 358.154 1.105 358.241472 1.338912 0.024423014 21.16850679
10 358.154 1.105 358.241477 1.338909 0.02442441 21.16823529
11 358.154 1.105 358.241478 1.338908 0.024424689 21.1681448
12 358.154 1.105 358.241478 1.338908 0.024424689 21.1681448
13 358.154 1.105 358.241478 1.338908 0.024424689 21.1681448
Rigidez para el segundo modo

361.5
361 Programa Valor Exacto
360.5
360
Rigidez (kgf/mm)
359.5
359
358.5
358
357.5
357
356.5
1 2 3 4 5 6 7 8 9 10 11 12 13
GRÁFICO 4.17: Representación de la Rigidez para el Segundo modo de vibrar para el modelo de 10GDL.
48
Coeficiente de Amortiguamiento para el segundo modo

2.5
2
(kgf-seg/mm)
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12 13
GRÁFICO 4.18: Representación del Coeficiente de Amortiguamiento para el Segundo modo de vibrar para el
modelo de 10GDL
4.3.3 Estudio de la influencia del primer modo de vibrar en los parámetros de rigidez y
amortiguamiento para el modelo de 10 GDL:
4.3.3.1 Primer modo perturbado en forma positiva para el modelo de 10 GDL

El primer modo de vibrar se perturbará en un 10%, 15% y 20% en forma positiva.
manera:
 0.164  0.172  0.179

     
 0.325  0.34   0.355
 0.479  0.5   0.522
 0.621  0.65   0.678
     
0.75  0.784  0.818
10%   15%   20% 
 0.862  0.902  0.941
 0.955  0.999  1.042
     
 1.027  1.074  1.12 
 1.075  1.124  1.173
     
 1.1   1.15   1.2 
49
positiva para el primer modo de vibrar.

Iteración Global
10% 0 49.697 1.277 1 1 -97.9878061 -21.69146437

1 49.697 1.277 46.63778 1.364904 -6.155743807 6.883633516
15% 0 51.069 1.397 1 1 -98.04186493 -28.41803865

1 51.069 1.397 51.01948 1.481683 -0.096966849 6.061775233
0 55.585 1.52 1 1 -98.20095349 -34.21052632
20%
1 55.585 1.52 55.511689 1.624594 -0.131889898 6.881184211
4.3.3.2 Primer modo perturbado en forma negativa para el modelo de 10 GDL

El primer modo de vibrar se perturbará en un 10%, 15% y 20% en forma negativa.
manera:
 0.135  0.127  0.12 

     
 0.266  0.251  0.236
 0.392  0.37   0.348
 0.508  0.48   0.452
     
 0.614  0.58   0.546
10%  15%  20% 
 0.706  0.666  0.627
 0.782  0.738  0.695
     
 0.84   0.793  0.747
 0.88   0.831  0.782
     
 0.9   0.85   0.8 
negativa para el primer modo de vibrar.

Iteración Global
10% 0 31.283 0.856 1 1 -96.80337564 16.82242991

1 31.283 0.856 31.269808 0.898292 -0.042169869 4.940654206
15% 0 27.884 0.763 1 1 -96.41371396 31.06159895

1 27.884 0.763 27.862431 0.807895 -0.077352604 5.884010485
0 24.713 0.676 1 1 -95.95354672 47.92899408
20%
1 24.713 0.676 24.706124 0.708833 -0.027823413 4.856952663
50
4.3.3.3 Perturbación en forma positiva para los GDL par y negativa para los GDL impar
para el modelo de diez grados de libertad.
El primer modo se perturbará en un 10%, 15% y 20% en forma positiva para los grados de
libertad 2, 4, 6, 8 y 10 y en forma negativa para los grados de libertad 1, 3, 5, 7 y 9. Los grados de
libertad son los indicados en la figura 4.6.
 0.135  0.127  0.12 

     
 0.325  0.34   0.355
 0.392  0.37   0.348
 0.621  0.65   0.678
     
 0.614  0.58   0.546
10%  15%  20% 
 0.862  0.902  0.941
 0.782  0.738  0.695
     
 1.027  1.074  1.12 
 0.88   0.831  0.782
     
 1.1   1.15   1.2 
10
Figura 4.6: Grados de libertad que se perturbarán para el primer modo de vibrar para el modelo de 10 GDL.
51
Tabla 4.18.- Estimación de los parámetros para el modelo de 10 GDL con perturbación de un
10%, 15% y 20% en forma positiva para los grados de libertad 2, 4, 6, 8, 10 y en un 10%, 15% y
20% en forma negativa para los grados de libertad 1, 3, 5, 7, 9.

Iteración Global
10% 0 101.237 1.087 1 1 -99.01221885 -8.003679853

1 101.237 1.087 34.938087 4.275561 -65.48881634 293.3358786
15% 0 180.048 1.11 1 1 -99.44459255 -9.90990991

1 180.048 1.11 33.434985 5.910582 -81.42996034 432.4848649
0 288.784 1.139 1 1 -99.65372043 -12.20368745
20%
1 288.784 1.139 32.055425 7.618852 -88.89986114 568.9071115
4.3.3.4 Perturbación en forma positiva para los GDL impar y negativa para los GDL par
para el modelo de diez grados de libertad.
El primer modo se perturbará en un 10%, 15% y 20% en forma positiva para los grados de
libertad 1, 3, 5, 7 , 9 y en forma negativa para los grados de libertad 2, 4, 6, 8 y 10, según se
indica en la figura 4.6.
 0.164  0.172  0.179

     
 0.266  0.251  0.236
 0.479  0.5   0.522
 0.508  0.48   0.452
     
 0.75   0.784  0.818
10%  15%  20% 
 0.706  0.666  0.627
 0.955  0.999  1.042
     
 0.84   0.793  0.747
 1.075  1.124  1.173
     
 0.9   0.85   0.8 
10%, 15% y 20% en forma negativa para los grados de libertad 2, 4, 6, 8, 10 y en un 10%, 15% y
20% en forma positiva para los grados de libertad 1, 3, 5, 7, 9.

Iteración Global
10% 0 99.876 1.046 1 1 -98.99875846 -4.397705545

1 99.876 1.046 43.279713 -2.040547 -56.66655353 -295.0809751
15% 2 177.607 1.049 1 1 -99.43695913 -4.671115348

3 177.607 1.049 46.154332 -3.684861 -74.0132247 -451.2736892
4 285.558 1.057 1 1 -99.64980845 -5.392620624
20%
5 285.558 1.057 49.478828 -5.419836 -82.67293229 -612.7564806
52
4.3.3.5 Primer modo de vibrar perturbado en forma aleatoria para el modelo de diez grados
de libertad.
 0.164  0.172  0.179

     
 0.266  0.251  0.236
 0.392  0.37   0.348
 0.621  0.65   0.678
     
 0.75   0.784  0.818
10%  15%  20% 
 0.706  0.666  0.627
 0.782  0.738  0.695
     
 1.027  1.074  1.12 
 1.075  1.124  1.173
     
 1.1   1.15   1.2 
10%, 15% y 20% en forma aleatoria.

Iteración Global
10% 0 63.158 1.146 1 1 -98.41666931 -12.7399651

1 63.158 1.146 38.871942 3.409316 -38.45286108 197.4970332
0 92.162 1.199 1 1 -98.9149541 -16.5971643
15%
1 92.162 1.199 39.306115 4.627515 -57.35106117 285.9478732
20% 0 131.472 1.257 1 1 -99.23938177 -20.44550517

1 131.472 1.257 39.914475 5.905055 -69.64032265 369.7736675
4.3.3.6 Evaluación utilizando el primer modo de vibrar en forma lineal para el modelo de
diez grados de libertad.
El modo de vibrar Lineal es el siguiente:
 0.1 
 
 0.2 
 0.3 
 0.4 
 
0.5
   
 0.6 
 0.7 
 
 0.8 
 0.9 
 
1
53
Tabla 4.21.- Estimación de los parámetros para el modelo de 10 GDL utilizando el modo en
forma lineal.
Iteración Global
0 32.737 0.77 1 1 -96.94535235 29.87012987
1 32.737 0.77 22.902 5.0229 -30.0424596 552.3246753
54
CAPÍTULO V
MÉTODO DE OBTENCIÓN DEL PRIMER Y SEGUNDO MODO DE VIBRAR
5.1 Introducción
El determinar las propiedades normales de vibración de una estructura de varios grados de

libertad consiste en encontrar las formas modales y las frecuencias correspondientes. Según el
estudio realizado en la presente tesis, luego del análisis realizado, los resultados entregados por el
primer modo de vibrar son los más cercanos a los valores exactos, no así para el segundo modo
de vibrar donde los errores encontrados para el amortiguamiento son muy altos. Por esto es que
en este capítulo se entrega la forma de obtener el primer y segundo modo de vibrar, teniendo
como único dato la matriz de masa del modelo en estudio. Para el desarrollo que se hace en el
anexo E, se consideró una rigidez igual a la unidad para cada nivel.
5.2 Iteración matricial. Método de Stodola
5.2.1 Obtención del primer modo de vibrar
Como en algunas estructuras resulta más simple obtener directamente la matriz de

flexibilidad de un análisis estructural, en estos casos no es necesario obtener la matriz de rigidez
por inversión de la matriz de flexibilidad sino que se puede formular el problema de la
determinación de los modos en términos de la matriz de flexibilidad directamente
{} = 2 [F] [M] {} (5.1)
El procedimiento conocido como el método de Stodola, para el cálculo de los modos y
frecuencias normales de una estructura, es un procedimiento iterativo que consiste en elegir
arbitrariamente una forma modal cualquiera y reemplazarla en el segundo miembro de la
ecuación (5.1) para obtener una versión corregida de esta forma. En seguida se reemplaza esta
nueva forma obtenida en el segundo miembro de la ecuación (5.1) para volver a corregirla.
Procediendo iterativamente de esta manera, la forma modal corregida va convergiendo hacia la
forma del primer modo, cualquiera que sea la forma inicial elegida.
El producto de la matriz de flexibilidad con la matriz de masas se denomina matriz
dinámica. El proceso iterativo se efectúa con la expresión:
{(r+1)} = 2 [D] {(r)} (5.2)
(Pontificia Universidad Católica, 1974)
55
CapítuloV Método de Obtención del Primer y Segundo Modo de Vibrar
Para los dos modelos en estudio, la obtención del primer modo de vibrar se encuentra
desarrollado en el anexo E.
Para ambos modelos, debido a que la matriz de rigidez no es conocida, se considerará una
rigidez igual a uno, para cada grado de libertad. La matriz de masas es la que se indicó en el
punto 4.2. Por lo tanto siguiendo iterativamente la ecuación (5.2) se llega al primer modo de
vibrar.
(Pontificia Universidad Católica, 1974)
Para un mejor entendimiento, a continuación se describen los pasos a seguir para el

método antes mencionado:
1) Cálculo de la matriz dinámica:

[D] = [F] [M] (5.3)
donde
[F] = [K-1]: Matriz de flexibilidad
[M]: Matriz de masas del sistema
2) Darse una forma inicial parecida al primer modo de vibrar:

Según la ecuación (5.3), este modo viene a ser {(r)}, por lo tanto para un sistema de n grados
de libertad se tiene:
r=1
 1 
 
 2 
   3 
1

 
n 
3) Calcular el nuevo modo de vibrar:

 1 
 
 2 
2 1
{} = [D] {} = [D]  3 

 
n 
luego se calcula
{}3 = [D] {}2
Así se continua iterando hasta que {(r+1)}  {(r)}
56
5.2.2 Obtención del segundo modo de vibrar

Para poder aplicar el método de Stodola a la obtención del segundo modo de vibrar, es
necesario escoger una forma inicial a la cual se le suprima completamente la contribución del
primer modo, además, esta eliminación debe efectuarse en cada ciclo de la operación para evitar
la aparición de un primer modo debido a los errores numéricos y cuya importancia relativa crezca
rápidamente en la iteración. Resulta evidente entonces que las formas modales deberán calcularse
secuencialmente pues para poder eliminarlos de la solución es necesario conocerlos previamente.
Además, para que la eliminación resulte satisfactoriamente, es necesario calcular los modos
anteriores con bastante presición, en general mayor que la corriente en problemas de ingeniería.
La manera más simple de eliminar la contribución del primer modo en una forma
cualquiera se consigue imponiendo a esta la condición de que sea ortogonal con el primer modo,
ecuación (5.4). De esta manera, para el cálculo de la segunda forma modal, las componentes del
vector elegido deben ser tales que satisfagan la condición de ortogonalidad mencionada.
{}mT [M] {}r = 0 (5.4)

donde
Los subíndices m, r: indican que se trata de dos modos diferentes, {}m y {}r respectivamente.
El superíndice T: representa la operación de trasposición de la matriz columna o vector de la
forma modal de orden m, lo que la trasforma en una matriz fila.
Desarrollando la ecuación (5.4) se tiene:
 M11 M12 M13  M1n   1r 

 M 2n  2r 
 M 21 M 22 M 23 
 
1m 2m 3m ... nm  M 31 M 32 M 33  M 3n   3r  = 0 (5.5)
 
        
 
 M n1 Mn2 M n3  M nn   nr 
En el anexo E se muestra el desarrollo de la obtención del segundo modo de vibrar, en donde la

condición de ortogonalidad entre una forma cualquiera y el primer modo está dada por la
ecuación (5.4). (Pontificia Universidad Católica, 1974)
Los pasos a seguir para la obtención del segundo modo de vibrar son los siguientes:
1) Despejar 1r a partir de la ecuación (5.5).

De la ecuación (5.5), {}m representa el primer modo de vibrar, desarrollando esta ecuación se
tiene:
57
 M11 M12 M13  M1n   1r 

 M 23  M 2n  2r 
 M 21 M 22
 
1m 2m 3m ... nm  M 31 M 32 M 33  M 3n   3r  = 0 (5.6)
 
        
 
 M n1 Mn2 M n3  M nn   nr 
por lo tanto de la ecuación (5.6), se obtiene 1r
2) Desarrollar la siguiente ecuación:

{} = 2 [F] [M] {} (5.7)
ó
{} = 2 [D] {}
Siendo:
 1 
 2
  
{}=  3 

 
n 
se tiene:
 1   1 
 2  2
     
2
   =  [D]
3 3
 
 
   
n  n 
Así obtenemos 2, 3,…, n.
3) En cada una de las ecuaciones obtenidas en 2) reemplazamos en el lado derecho de cada

igualdad, 1 por lo que se obtuvo en 1) (1r)
4) Obtener la nueva matriz dinámica que opera sobre las últimas componentes de la forma
modal.
Esta matriz tiene la propiedad de eliminar automáticamente toda presencia de un primer modo
que pueda haber en la forma modal escogida.
5) Desarrollar las iteraciones.

Para desarrollar las iteraciones se puede usar una forma cualquiera que se estime parecida al
segundo modo. El procedimiento es el mismo que para la obtención del primer modo de vibrar.
58
5.3 Obtención del primer modo utilizando la deformada de la estructura

Otra forma que se desarrolló para la obtención del primer modo de vibrar, fue la
aplicación de una fuerza unitaria a la estructura, de tal manera de obtener los desplazamientos.
Para el estudio se consideró una rigidez unitaria para cada nivel.
Entonces para una fuerza unitaria F, se puede obtener los desplazamientos según la siguiente
ecuación:
F=K (5.8)
Se calcula la deformada de la estructura producida por una carga unitaria. Finalmente se
analiza la deformada para obtener el primer modo normalizado.
Al desarrollar la ecuación (5.8), los resultados arrojaron el primer modo en forma lineal, y
debido a los análisis realizados en el capítulo IV, los errores obtenidos para la rigidez y
amortiguamiento fueron muy elevados, para ambos modelos, por esto este método no se utilizará
para la obtención del primer modo de vibrar.
59
CAPÍTULO VI
CONCLUSIONES
Una vez que se realiza la superposición modal, calculando los datos de entrada y salida para los
dos modelos estudiados de cuatro y diez GDL y posteriormente utilizando la teoría de
identificación de parámetros aplicando el algoritmo del filtro de Kalman Extendido podemos
concluir:
- En forma general de todos los estudios que se hicieron para ambos modos de vibrar, al
igual que al perturbar el primer modo, se observa del análisis que los errores que se
producen para el amortiguamiento son mayores que para la rigidez, por lo que se generan
mayores problemas al determinar el amortiguamiento. Esto es debido a que el
amortiguamiento es un parámetro relativamente pequeño comparado con la rigidez. Por
otro lado en la ecuación de equilibrio dinámico el amortiguamiento va multiplicado por la
velocidad, lo que provoca la inestabilidad numérica, debido a los problemas de
variaciones que se provocan en la velocidad.
- Al estudiar el primer modo de vibrar, sin perturbarlo, se determina con gran exactitud la
rigidez, teniendo un error aproximadamente 0.1% y -0.1% para el modelo de cuatro y diez
GDL respectivamente. Para la determinación del amortiguamiento, el error es mucho
mayor, el cual es del orden del 53% para el modelo de cuatro GDL y solo de un 6% para
el modelo de 10 GDL.
Como se observa para GDL elevados se obtiene menor error en la determinación del
amortiguamiento.
- Al estudiar el segundo modo de vibrar se obtuvo un error de un 0.0% para ambos modelos
en la determinación de la rigidez, sin embargo, el error fue mucho mas elevado en la
determinación del amortiguamiento encontrándose un error del 129% para cuatro GDL y
de 21% para 10 GDL.
Al igual que para el primer modo de vibrar se observa que se obtienen menores errores en
el modelo de 10 GDL al momento de determinar el amortiguamiento.
60
Capítulo VI Conclusiones
- Al perturbar el primer modo los menores errores se encontraron al distorsionarlo en forma

positiva cada grado de libertad, al igual que perturbado en forma negativa, para ambos
modelos en estudio. Sin embargo, los mayores errores se provocaron con el modo
perturbado alternadamente cada grado de libertad en forma positiva y negativa,
encontrándose errores de hasta un 327% para el amortiguamiento en el modelo de cuatro
grados de libertad y errores de hasta -612% para el amortiguamiento en el modelo de diez
grados de libertad.
- Finalmente podemos decir que los parámetros de rigidez y amortiguamiento se

encontraron con mayor exactitud al ocupar el primer modo de vibrar siendo más preciso la
determinación de la rigidez.
- Por otro lado la convergencia a la rigidez y amortiguamiento dependen exclusivamente de

los valores iniciales asignados al vector de parámetros y a la matriz de covarianza del
error, al igual que el incremento de tiempo ocupado, el cual debe de ser pequeño para
lograr la convergencia.
61
BIBLIOGRAFÍA
ARROLLO, A.; A. BERNUI. 2002. Análisis del método numérico de Runge-Kutta. Revista de la
Facultad de Ciencias, UNI. 6(1): 3-8.
BRUSCHI, A. 2002. Introducción al diseño sísmico (Disponible en:

http://www.ceia.uns.edu.ar/cursos/Sismico/SESION-02.pdf. Consultado el: 5 de Marzo de 2008).
CAMPBELL, S. L.; R. HABERMAN. 1998. Introducción a las ecuaciones diferenciales con

problemas de valor de frontera. México, McGraw-Hill. 738p.
CHAPRA, S. C.; R. P. CANALE. 1999. Métodos numéricos para ingenieros.(3ª edición).

México, McGraw-Hill. 982p.
CHOPRA, A.K. 2000. Dynamics of Structures; Theory and Applications to Earthquake

Engineering (2da edición), Prentice Hall Earthquake Spectra. 844 p.
CLOUGH, R.; J. PENZIEN. 1975. Dynamics of Structures. New York, Mc Graw – Hill. 634 p.
HOSHIYA, M.; S. ETSURO. 1984. Structural Identification by Extended Kalman Filter. Journal
of Engineering Mechanics. 110(12): 1757-1770.
MATHCAD. 2007. El estándar internacional para los cálculos de ingeniería. (Disponible en:
http://www.mathcad.com. Consultado el: 5 de Mayo de 2008).
MIMICA, F. 2007. Estimación de períodos y amortiguamientos para estructuras en movimiento

utilizando registros de respuesta. Tesis Ing. Civil en Obras Civiles. Universidad Austral de Chile.
Fac. Ingeniería. 84p.
MOLINA, R. 2007. Bases del Filtro de Kalman. (Disponible en:

http://decsai.ugr.es/vip/doctorado/pvd/T7bn.pdf. Consultado el: 6 de Marzo de 2008).
PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE. ESCUELA DE INGENIERIA. 1974,

jun. Dinámica de Estructuras; Programa de Especialización en Ingeniería.
62
SALGADO, A. 1989. Identificación de Rigideces y Amortiguamientos en Estructuras en
Movimiento. Tesis Mag. En Ingeniería. México, Univ. Nacional Autónoma de México, Fac. de
Ing. 51p.
SOLERA, A. 2003. El Filtro de Kalman. (Disponible en: www.bccr.fi.cr/ndie/Documentos/DIE-

02-2003-NT- FILTRO%20DE%20KALMAN.pdf. Consultado el: 6 de Marzo de 2008).
SOTO, J. 2000. Desarrollo de Modelos Matemáticos para la Representación del Comportamiento

de Probetas y Aisladores Sísmicos de Goma. Tesis Mag. En Cs. De la Ing. Con mención en Ing.
Sísmica, Univ. De Chile, Fac. de Cs. Físicas y Matemáticas. 209p.
VIDAL, M. 2008. Análisis y diseño de estructuras con disipadores de energía metálicos en base a
criterios de dessempeño. Tesis Ing. Civil en Obras Civiles. Universidad Austral de Chile. Fac.
Ingeniería.
VISUAL BASIC. 2008. Programando en el medio ambiente de Visual Basic. (Disponible en:
http://www.emagister.com/manual/emag_users/solicitudes/index.cfm).
63
ANEXO A
FRECUENCIAS NATURALES Y MODOS DE VIBRAR
A.1 General
Para las estructuras de varios niveles estudiadas en esta tesis, se hace necesario calcular
los modos de vibración. Por esto en esta sección se explica la forma de cómo se determinan las
frecuencias naturales y modos de vibrar. Esta teoría fue la base para la programación que se hizo
en lenguaje mathcad, explicada paso a paso en el anexo D.
A.2 Modos y Frecuencias Naturales
La vibración libre de un sistema de varios grados de libertad está definida por la solución
de la ecuación
M u (t) + K u(t) = {0} (A.1)
La vibración libre de un sistema no amortiguado en uno de sus modos de vibración natural

puede describirse matemáticamente por:
{u(t)} = {qn(t)} {n} (A.2)
donde n, forma de la deformada o amplitud relativa de movimiento, no varía con el tiempo, y la
variación del desplazamiento con el tiempo es descrita por una función armónica:
qn(t) = An cosnt + Bn sennt (A.3)
donde An y Bn son constants de integración que pueden ser calculadas a partir de las condiciones
iniciales. Combinando las ecuaciones (A.2) y (A.3) se tiene:
u(t) = n (An cosnt + Bn sennt) (A.4)
donde n y n son desconocidos. Sustituyendo esta forma de u(t) en la ecuación (A.1) da:
([K] – [M] n2) {U} = 0 (A.5)
ó
({n}[K] - n2{n}[M]) { qn } = 0 (A.6)
Esta expresión es una representación de la ecuación de eigenvalores; la cual tiene una solución no
trivial sólo si el determinante de los coeficientes es igual a cero, es decir las frecuencias naturales
n (escalar) y los modos n (vector) deben satisfacer la siguiente ecuación:
([K] - n2 [M]) {n } = 0 (A.7)
| [K] - n2 [M] | = 0 (A.8)
64
Anexo A Frecuencias Naturales y Modos de Vibrar
El desarrollo del determinante conduce a un polimonio de grado n en (n)2, las raíces del
cual son los eigenvalores. Sustituyendo éstos en la ecuación de eigenvalores (ecuación A.7) se
obtienen los eigenvalores para cada modo. A partir de los eigenvalores se obtienen los periodos
naturales correspondientes.
65
ANEXO B
DESARROLLO DE MATRICES Y VALORES INICIALES
B.1 General
Según se explica en el capítulo III, para el desarrollo del Filtro de Kalman hay ciertas
matrices que se requieren, al igual que parámetros iniciales que se deben asignar. Es por esto que
en este anexo se presenta el desarrollo de matrices, al igual que los valores iniciales asignados a
los parámetros utilizados en el Filtro de Kalman Extendido.
B.2 Desarrollo de las matrices y valores iniciales asignados:
Las matrices aplicadas para el modelo en estudio son las siguientes:
o Matriz Jacobiana:
Como se vio en el capitulo III, la ecuación (3.45) en forma de estado:
 x 1   x2 
 x    x x  x x  P / M 
 2   3 1 4 2 1 1
 x 3   0 
   
 x 4   0 
donde el subíndice “1” de P1 / M1 indica que se esta trabajando con el primer modo de vibrar.
Las funciones que se consideran para el cálculo de la matriz Jacobiana son:

f1 = x2
f2 = - x3x1 – x4x2 + P1 / M1
f3 = 0
f4 = 0
por lo tanto la matriz jacobiana queda expresada de la siguiente manera:
 f1 f1 f1 f1 
 x x 2 x 3 x 4 
 1 
 f 2 f 2 f 2 f 2 
 x x 2 x 3 x 4 
MJ =  
1
 f 3 f 3 f 3 f 3 
 
 x1 x 2 x 3 x 4 
 f 4 f 4 f 4 f 4 
 
 x1 x 2 x 3 x 4 
66
Anexo B Desarrollo de Matrices y Valores Iniciales
desarrollando las derivadas parciales, la matriz finalmente queda:
 0 1 0 0 
x x 4  x1  x 2 
MJ =  3
 0 0 0 0 
 
 0 0 0 0 
o Matriz H:
H = {1 0 0 0}
Los valores que se utilizaron inicialmente son:
o Modelo de cuatro grados de libertad:

Valores iniciales de los parámetros:
x3 = 1
x4 = 1
- Matriz covarianza del ruido:
Ro = R(i,j) = 0.01 si i = j
=0 si i  j
- Mariz covarianza inicial del error de las estimaciones

Po = P(i,j) = 0.01 si i = j
=0 si i  j
- Función peso W = 20
o Modelo de diez grados de libertad:

Valores iniciales de los parámetros:
x3 = 1
x4 = 1
- Matriz covarianza del ruido:
Ro = R(i,j) = 0.01 si i = j
=0 si i  j
- Matriz covarianza inicial del error de las estimaciones

Po = P(i,j) = 0.01 si i = j
=0 si i  j
- Función peso W = 20
67
ANEXO C
MÉTODO RUNGE - KUTTA DE CUARTO ORDEN
C.1 General
Dada una ecuación diferencial, existen varios caminos para comenzar a analizarla.
Muchos paquetes numéricos modernos para resolver ecuaciones no sólo varían automáticamente
el tamaño del paso sino también cambian el orden e incluso el tipo de método que se usa. Sin
embargo, entre los métodos más populares de propósito general usados están los métodos Runge-
Kutta. Éstos son métodos de un paso y por lo mismo pueden variar el tamaño del un paso a otro
para controlar mejor los errores. (CAMPBELL, 1998)
En este anexo se presenta el método Runge - Kutta de cuarto orden, el que se eligió para
la resolución de la ecuación diferencial que se presenta en el Filtro de Kalman Extendido y para
la obtención del desplazamiento (Dato de Salida) para los modelos en estudio.
C.2 Runge – Kutta cuarto orden
En los métodos del tipo Runge-Kutta el número de veces que es necesario evaluar la
ecuación diferencial es igual al orden del método, lo cual repercute directamente sobre su
velocidad. Sin embargo a medida que aumenta el orden del método, este tiene una mayor
exactitud para un paso de integración dado, por lo que será posible utilizar un paso de integración
mayor para un grado de exactitud deseado.
El método Runge – Kutta de cuarto orden, es el utilizado con más frecuencia en la
simulación de los sistemas dinámicos.
Dada la ecuación diferencial:
dy
 f (t, y) (C.1)
dt
Todos los métodos de Runge-Kutta pueden denotarse en la forma generalizada (CHAPRA et
al.,1999):
yi+1 = yi + (ti , yi ,t) t (C.2)
Donde  es conocida como función de incremento, la cual puede interpretarse como una
pendiente representativa sobre el intervalo. La constante t corresponde al tamaño del intervalo.
En el caso de Runge - Kutta de cuarto orden, la función de incremento toma la siguiente forma
(CHAPRA et al., 1999):
1
(ti , yi ,t) =  k1  2k2  2k3  k4  (C.3)
6
68
Anexo C Método Runge - Kutta de Cuarto Orden
Los términos ki. son definidas de la siguiente manera:
k1 = f (yn , tn) (C.4)

 1 1 
k2 = f  y n  k1 , t n  t  (C.5)
 2 2 
 1 1 
k3 = f  y n  k 2 , t n  t  (C.6)
 2 2 
k4 = f  y n  k 3 , t n  t  (C.7)
Así el siguiente valor (yi+1) es determinado por el presente valor (yi) más el producto del tamaño
del intervalo (t) y por la función de incremento.
69
ANEXO D
DESARROLLO DE PROGRAMAS
D.1 General
El desarrollo de ambos programas tanto en lenguaje Mathcad como en lenguaje Visual

Basic, se presentan en este anexo, indicando cada parte de la subrutina que se programó. La teoría
es la indicada en el anexo A, al igual que los capítulos II y III.
Del lenguaje en mathcad salen los archivos de entrada y salida, por lo tanto igual se
indicará la forma en que salen estos, creando un archivo plano de salida en cada uno, cuyos datos
serán leídos por el programa en lenguaje Visual Basic (Filtro de Kalman Extendido).
D.2 Lenguaje Mathcad

Para la obtención de la fuerza externa ( Pn (t)) y el desplazamiento (qn), calculándose este
último por el método Runge – Kutta, se hace necesario definir los siguientes parámetros:
Fuerza solicitante: p(t) = 200 sen( t)
Tiempo de análisis: Tiempo inicial to = 0 seg
Tiempo final =tf 1 seg
Intervalo de tiempo: t = 0.005
D.2.1 Cálculo de los Datos de Entrada
D.2.1.1 Modos de Vibrar y Frecuencias Naturales

Para el cálculo de las frecuencias naturales se debe de tener en cuenta:
nfilas: representa los grados de libertad de los modelos que se estudien.
Comandos usados:
eigenvals ( ): comando del mathcad que permite calcular los valores propios.
eigenvec ( ): comando del mathcad que permite calcular los vectores propios.
sort : comando que permite ordenar el vector de frecuencias naturales de menor a mayor.
  ValoresPropios  eigenvals M  1
K 
for i  1  nfilas
o i  ValoresPropios
i
  sort  o 

70
Anexo D Desarrollo de Programas
Para el cálculo de la matriz modal se tiene:
Comandos usados:
order ( ): permite enumerar el vector de frecuencias del valor 1 a nfilas, es decir, a la menor
frecuencia asigna el valor “1” hasta llegar a la mayor frecuencia, cuyo valor será de “nfilas”.
Matriz  ValoresPropios  eigenvals M  1 

K
VectoresPropios  eigenvecs M  1
K 
for i  1  nfilas
o i  ValoresPropios
i
unint  o
orden  order  unint 
orden
for j  1  nfilas
orden j  j
o  VectoresPropios
o
for k  1  nfilas
for m  1  nfilas
o k  m
k  m 
o nfilas m


D.2.1.2 Fuerza Pn (t)
Una vez que se obtienen los modos de vibrar se puede calcular para los análisis de los
modelos que se presentaron en el capítulo IV, el dato de Entrada representado por la fuerza Pn (t).
Según la figura 2.2, la fuerza externa estará aplicada en el último grado de libertad.
El cálculo del vector de la fuerza solicitante es:
P( t )  for i  1  ( nfilas  1)
Pg  0
i
Pg  p ( t)
nfilas
Pg
Ocupando el modo de vibrar “”, el cual se ingresa después de haber calculado la matriz modal
se tiene:
T
P1( t )    P( t)
71
Finalmente con el vector ya calculado, el dato de entrada queda representado de la siguiente

manera:
cargaPt  t 0
1
hh  t
a( t)  P1( t )
tf  t
1
for i  1  1
t
t  hh  ( i)
i 1
Fseno
i 2
a t  i
Fseno t
i 1 i
Fseno
Fseno
En este caso se crea un archivo plano de salida para que posteriormente sea utilizado para la
programación del Filtro de Kalman Extendido (FKE).
C:\...\carga1.csv
cargaPt
Nota: todos los archivos creados están en una misma carpeta en donde se encuentra el programa
del FKE en lenguaje Visual Basic.
D.2.2 Cálculo de los Datos de Salida
D.2.2.1 Desplazamiento qn
En esta parte se calculan los datos de salida representado por los desplazamientos reales
de los modelos en estudio; para tal efecto se emplea el método de Runge-Kutta de cuarto orden,
visto en el anexo C.
Las condiciones iniciales se considerarán iguales a cero tanto para los desplazamientos como para
las velocidades, esta queda representada por el vector “yo”, cuya dimensión es de “2nfilas x 1”.
72
- Calculo de las matrices que forman la función f(t,y)

1)
 [0] [I] 
F=  1 1 
 [M] [K] [M] [C]
La matriz F programada queda de la siguiente forma:

F  for i  1  nfilas
F 0
i j
F  identity ( rows ( K) )
i  nfilas j i j
 ( M )  K i  j
1
F
nfilas i  j
F
nfilas i  nfilas j

 M
1 
C i j
2)
 0 
G(t) =  1 
[M u(t)]
El vector G(t) queda expresado:
1
u ( t)  M  P( t)
Con P(t) calculado según el punto D.2.1.2

Finalmente G(t) queda expresada de la siguiente manera:
G( t)  for i  1  2 nfilas
Bg 0
2 nfilas 1
Bg  u ( t)
2 nfilas nfilas
Bg
Por lo tanto la función a programar por el método Runge – Kutta es:
f ( t  y )  F y  G( t )
73
Los desplazamientos para cada grado de libertad es el siguiente:
desplazamiento  t  to
1
y  yo
1
tf  t
1
for j  1  1
t
t  t  t j
j 1 1
f ( t  y )  F y  G( t)
k  t f t  y
1  j j
 t
k
1
k  t f  t   y 
2  j 2 j 2
 k 
t 2
k  t f  t  y  
3  j 2 j 2
4 j
k  t f t  t  y  k
j 
3
1
y
j 1
y 
j 6
1
 k  2k  2k  k
2 3 
4
y
tf  t
1
for i  1 
t
YY
i 1  j
 y  i 1 j
YY
Una vez que se obtienen los desplazamientos para cada grado de libertad, el vector “q”
finalmente queda:
nfilas
 g ndesplazamiento 
T n
q 
n 1
1T M
Siendo g el vector T , el cual programado queda:
1 M1
T
 M
g 
MG
con MG igual a:
T
MG    M  
74
Ya teniendo el dato de Salida, se crea un archivo plano, así dependiendo del modo con el cual se
trabaje, en el archivo llamado “desplazamiento1” se cambiaran automáticamente los valores.
...\desplazamiento1.csv
75
D.3 Lenguaje Visual Basic

Una vez que se obtienen los datos de entrada y salida, se procede a calcular las rigideces y
amortiguamientos haciendo uso de la teoría del filtro de Kalman e implementándolo en lenguaje
Visual Basic.
El programa funciona en tres pasos, los cuales están representados por tres botones,
denominados en Visual Basic por “command”, como se aprecian en la figura D2, los cuales están
indicados según el orden en que se ejecutan por los números 1,2 y 3.
Figura D.1: Presentación programa desarrollado en Visual Basic .

FUENTE: ELABORACIÓN PROPIA. PROGRAMA, 2008.
76
A continuación se indican los principales cálculos del programa realizados en Visual Basic.
1- Cargar Datos
En este comando se cargan los datos obtenidos desde el mathcad, los cuales se encuentran en un
archivo tipo csv. El cual permanece en el mismo directorio del programa.
Private Sub Command3_Click()
Open "desplazamiento1.csv" For Input As #1

i=0
While Not EOF(1) En esta parte se leen los
i=i+1 valores almacenados en el
archivo
Input #1, Desp(i) desplazamiento1.csv, los
que se cargan a la
Grid1.TextMatrix(i, 0) = i
columna 1 de la grilla
Grid1.TextMatrix(i, 1) = Format(Desp(i), "###.####00")
Wend
Close
Open "carga1.csv" For Input As #1

i=0
Se leen los valores
While Not EOF(1) almacenados en el
i=i+1 archivo carga1.csv, los
que se cargan a la
Input #1, Carg(i) columna 2 de la grilla
Grid1.TextMatrix(i, 2) = Format(Carg(i), "###.####00")
Wend
Close
Open "masa generalizada.csv" For Input As #1

Se lee el archivo
Input #1, MG masa
Close generalizada.csv,
y se carga a la
Label1 = MG variable MG
End Sub
77
2- Calcular
En este commmand está programado el filtro de Kalman Extendido
tf = 1
deltaT = 0.005
NumeroFunc = 2
NumeroVariable = 4 Se definen los
ValorObservado = 1 datos iniciales
NumeroDatos = 200
Iter = NumeroDatos - 1
Pesow = 20
Tolerancia = 0.01
For i = 1 To NumeroFunc
U1(i, i) = 1
Next i
For i = 1 To NumeroVariable
For j = 1 To NumeroVariable
Se cargan las
If i = j Then matrices U1, P,
R según los
P(i, j) = 1000
valores iniciales
Else asignados
P(i, j) = 0
End If
Next j
Next i
For i = 1 To ValorObservado
R(i, i) = 0.01
Next i
78
X(1) = 0
Se asignan los valores
X(2) = 0 iniciales a los
X(3) = 1 parámetros del modelo
matemático
X(4) = 1
Ct = 0
Do
Ct = Ct + 1
NN = 6 'numero de términos para calcular phi
For num = 1 To NumeroDatos - 1
Mj(1, 1) = 0
Mj(1, 2) = 1
Mj(1, 3) = 0
Mj(1, 4) = 0 Se ingresan los valores
de la matriz jacobiana,
cuyo desarrollo se
Mj(2, 1) = -X(3) explica en el anexo B
Mj(2, 2) = -X(4)
Mj(2, 3) = -X(1)
Mj(2, 4) = -X(2)
For K1 = 1 To NN
Matriz
Fac = Fac * K1
TT1 = deltaT ^ K1 Cálculo de la matriz
[(k+1,k)] = [I] + deltaT[MJ] +
For i = 1 To NumeroVariable …+deltaTNN[MJ] / NN!
Pf(i, j) = Pf(i, j) + TT1 * Fi(i, j) / Fac
Next j, i
Next K1
79
For L = 1 To NumeroVariable
kk = 0
P1(i, L) = kk + Pf(i, j) * P(j, L)
kk = P1(i, L)
Next j
Next L, i Predicción de la Matriz
de Covarianza
[P] = [] [P] []T
kk = 0
P(i, L) = kk + P1(i, j) * Pf(L, j)
kk = P(i, L)
Next j
Next L, i
U = Carg(num - 1)
U3 = Carg(num)
U2 = (U + U3) / 2
UG = U
RR(i) = X(i)
Predicción del vector de
Next i
parámetros X. Método
Ubasal Runge Kutta de cuarto
orden.
GG(1, i) = Ff(i)
Next i
UG = U2
RR(i) = X(i) + GG(1, i) * deltaT / 2
Next i
80
Ubasal
GG(2, i) = Ff(i)
Next i
UG = U2
RR(i) = X(i) + GG(2, i) * deltaT / 2
Next i
Ubasal
GG(3, i) = Ff(i)
Next i Continuación
Runge Kutta de
cuarto orden.
UG = U3
RR(i) = X(i) + GG(3, i) * deltaT / 2
Next i
Ubasal
GG(4, i) = Ff(i)
Next i
X(i) = X(i) + (deltaT * (GG(1, i) + 2 * GG(2, i) + 2 * GG(3, i) + GG(4, i))) / 6
Next i
81
For j = 1 To ValorObservado
Pr(i, j) = P(i, j) + R(i, j)
Next j, i
Invertir
Cálculo de la ganancia
For i = 1 To NumeroVariable de Kalman, K
For L = 1 To ValorObservado
K1 = 0
K(i, L) = K1 + P(i, j) * Pr(j, L)
K1 = K(i, L)
Next j
Next L
Next i
Rs(i) = Desp(num) - X(i)
Next i
kk = 0
For j = 1 To ValorObservado Nueva estimación de
Ga(i) = kk + K(i, j) * Rs(j) Estado [X]
kk = Ga(i)
Next j
Next i
X(i) = X(i) + Ga(i)
Next i
82
Kc(i, j) = U1(i, j) - K(i, j)
Next j
Next i
For i = (ValorObservado + 1) To NumeroVariable

Kc(i, j) = -K(i, j)
Next j
Next i
For i = (ValorObservado + 1) To NumeroVariable

Kc(i, i) = 1 Cálculo de la nueva
Next i matriz de covarianza
[P]
kk = 0
P1(i, L) = kk + Kc(i, j) * P(j, L)
kk = P1(i, L)
Next j
Next L, i
P(i, j) = P1(i, j)
Next j, i
D1 = 0
O2 = 0
D1 = D1 + (Desp(num) - X(i)) ^ 2
O2 = O2 + Desp(num) ^ 2
Next i
83
If O2 <> 0 Then
Z(num) = D1 / O2
End If
Next num
B=0
Fo = 0
For q = 1 To Iter
B = B + Z(q)
Next q
B = B / Int(Iter)
For q = 1 To Iter
Cálculo Función
Fo = Fo + ((Z(q) - B) ^ 2) Objetivo Fo
Next q
Fo = Sqr(Fo)
Cn = X(4) * MG
Kn = X(3) * MG
M1.AddItem obras
Carga a la grilla
Fila = M1.Rows - 2 “M1” los resultados
M1.Row = Fila obtenidos con 6
decimales cada
M1.Col = 0 variable. La función
M1.Text = Ct Objetivo con tres
enteros, la rigidez y
M1.Col = 1 el amortiguamiento
M1.Text = Format(Fo, "###.######") con cuatro enteros.
M1.Col = 2
M1.Text = Format(Kn, "####.######")
M1.Col = 3
M1.Text = Format(Cn, "####.######")
84
If Fo <= Tol Or Ct = 400 Then

Condición de término
Exit Do
End If
P(i, j) = Pesow * P(i, j)
Next j, i
X(1) = 0
X(2) = 0
Loop
MsgBox "listo"
End Sub
Del programa las principales variables ocupadas son:
NumeroVariable : Indica el número de variables del vector estado.

ValorObservado: Se refiere al numero de datos de salida observados.
NumeroFunc: Número de ecuaciones diferenciales del modelo, definidas en la subrutina ubasal
tf : Tiempo total del análisis
deltaT : Incremento de tiempo (t)
NumeroDatos : Cantidad de datos de entrada y salida
Pesow : Valor función peso (W)
Tolerancia : Valor Tolerancia de la función Objetivo
Carg(i): Dato de entrada
Desp(i): Dato de salida
PF(i,j): Matriz de transición de estado
MJ(i,j): Matriz Jacobiana
85
3- Exportar a Excel
En esta parte se exportan al archivo Excel, llamado “resultado.xls” el número de datos deseados,
el cual se ingresa en un textbox en la parte inferior indicado con el número “4”
Dim objExcel As Excel.Application Definición de una

variable tipo
aplicación Excel y
Dim xLibro As Excel.Workbook de una variable tipo
Dim Fila As Integer Libro Excel
For Fila = 1 To Val(Text1.Text)

M1.Row = Fila
M1.Col = 0
.Cells(Fila, 1) = M1.Text
M1.Col = 1 Se recorre la grilla la
cantidad de filas
.Cells(Fila, 2) = M1.Text ingresadas por el
M1.Col = 2 usuario en el textbox
(indicado con el
.Cells(Fila, 3) = M1.Text número 4 en la
M1.Col = 3 figura D2), las que
se escriben en las
.Cells(Fila, 4) = M1.Text columnas 1,2 y 3 de
Next Fila la hoja Excel
llamada “resultados”
End With
End With
86
D.4 Esquema general del programa

El esquema general desarrollado en Mathcad y Visual Basic son los siguiente:
- Esquema Mathcad
Datos iniciales
M, K, C, p(t), to, tf, t
Cálculo matriz modal
Ingresar modo a utilizar 
Señales
Entrada y Salida
P q(t)
desplazamiento1 Carga1
Archivo tipo csv Archivo tipo csv
Figura D.2: Esquema general del programa desarrollado en Mathcad .

Donde:
M: Matriz de masas
K: Matriz de rigidez
C: Matriz de amortiguamiento
87
- Esquema Visual Basic

Archivos
Desplazamientos1 y Carga1
Condiciones iniciales
xo , Po
Definir Matriz Jacobiana

MJ
Cálculo Matriz 
 (k+1, k) = I + t [MJ] + …+ (tNN [MJ])/ NN!
Predicción Matriz Covarianza

P(k+1/k) =  P T
Cálculo ganancia de Kalman

K(k+1; x̂ (k+1/k))
Nueva Estimación de Estado

x̂ (k+1/k+1)
Cálculo nueva Matriz de Covarianza

P(k+1/ k+1)
NO Criterio de SI
k=k+1 Convergencia FIN
Figura D.3: Esquema general del programa desarrollado en Visual Basic .

88
ANEXO E
OBTENCIÓN DEL PRIMER Y SEGUNDO MODO DE VIBRAR A TRAVÉS DEL

MÉTODO DE STODOLA
E.1 General
La base de esta tesis es el estudio del primer y segundo modo de vibrar. Por esto se hace
necesario indicar de qué manera podemos obtener dichos modos. Es por esto que se expuso en el
capítulo V el método de Stodola, indicando los pasos a seguir para la obtención de ambos modos
de vibrar.
En este anexo se presenta el desarrollo numérico del método de Stodola para la obtención
del primer y segundo modo de vibrar para los dos modelos en estudio, de cuatro y diez GDL.
E.2 Obtención del Primer modo de vibrar
E.2.1 Modelo de 4 GDL

1  1 1 1 1 1 0 0 0
2 1 2 2 2  0 1 0 0 
 r    
3
 F    M   
1 2 3 3 0 0 1 0
     
4 1 2 3 4 0 0 0 1
Teniendo la matriz de masa, calculamos la matriz dinámica la que es:

1 1 1 1
1 2 2 2 
[D]   F[M]  
1 2 3 3
 
1 2 3 4
{}r+1 = [D] {}r

 1  10   1 
 2  19  1.9 
{}r+1 = [D]   =   =  
 3   26   2.6 
     
 4   30   3 
 1   8.5   1 
1.9   16  1.882 
{}r+1 =[D]   =   = 
 2.6   21.6   2.541
     
 3   24.6   2.894 
89
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
 1   8.317   1 
1.882  15.634   1.88 
{} =[D] 
r+1  =  = 
 2.541  21.069   2.533
     
 2.894   23.963  2.881
 1   8.294   1 
 1.88  15.588  1.879 
{} =[D] 
r+1 =  = 
 2.533  21.002   2.532 
     
 2.881  23.883  2.88 
 1   8.291   1 
1.879  15.582  1.879 
{}r+1 =[D]   =  = 
 2.532   20.994   2.532 
     
 2.88   23.874   2.88 
Por lo tanto el primer modo es finalmente:

0.347 
 0.652 
1   
 0.879 
 
 1 

1 1 1 1 1 1 1 1 1 1 1
2 1 2 2 2 2 2 2 2 2 2 
  
3 1 2 3 3 3 3 3 3 3 3
   
4 1 2 3 4 4 4 4 4 4 4
5 1 2 3 4 5 5 5 5 5 5
 r      F   
6 1 2 3 4 5 6 6 6 6 6
7 1 2 3 4 5 6 7 7 7 7
   
8 1 2 3 4 5 6 7 8 8 8
9 1 2 3 4 5 6 7 8 9 9
   
10  1 2 3 4 5 6 7 8 9 10 
90
1 0 0 0 0 0 0 0 0 0
0 1 0 0 0 0 0 0 0 0 

0 0 1 0 0 0 0 0 0 0
 
0 0 0 1 0 0 0 0 0 0
0 0 0 0 1 0 0 0 0 0
M   
0 0 0 0 0 1 0 0 0 0
0 0 0 0 0 0 1 0 0 0
 
0 0 0 0 0 0 0 1 0 0
0 0 0 0 0 0 0 0 1 0
 
 0 0 0 0 0 0 0 0 0 1 
La matriz dinámica es la siguiente:

1 1 1 1 1 1 1 1 1 1
1 2 2 2 2 2 2 2 2 2 

1 2 3 3 3 3 3 3 3 3
 
1 2 3 4 4 4 4 4 4 4
1 2 3 4 5 5 5 5 5 5
 D   F M    
1 2 3 4 5 6 6 6 6 6
1 2 3 4 5 6 7 7 7 7
 
1 2 3 4 5 6 7 8 8 8
1 2 3 4 5 6 7 8 9 9
 
1 2 3 4 5 6 7 8 9 10 
{}r+1 = [D] {}r

 1   55   1 
 2  109  1.982 
     
 3   161   2.927 
     
 4   210   3.818 
 5   255   4.636 
{}r+1 = [D]   =   = 
 6   295   5.364 
 7   329   5.982 
     
 8   356   6.473 
 9   375   6.818 
     
10   385   7 
91
 1   46   1 
1.982   91  1.978 
     
 2.927  134.018   2.913
     
 3.818  174.109   3.785 
 4.636   210.382   4.574 
{}r+1 = [D]   =  = 
 5.364   242.019   5.261
 5.982   268.292   5.832 
     
 6.473   288.583  6.274 
 6.818   302.401  6.574 
     
 7   309.401  6.726 
 1   44.917   1 
1.978   88.834  1.978 
     
 2.913 130.773   2.911
     
 3.785  169.799  3.780 
 4.574   205.04   4.565
{}r+1 = [D]   =  = 
 5.261  235.707   5.248 
 5.832   261.113  5.813 
     
 6.274   280.687   6.249 
 6.574   293.987   6.545 
     
 6.726   300.713   6.695 
 1   44.784   1 
1.978   88.568  1.978 
     
 2.911 130.374   2.911
     
3.780  169.269   3.780 
 4.565  204.384   4.564 
{}r+1 = [D]  =  = 
 5.248   234.934   5.246 
 5.813   260.236   5.811
     
 6.249   279.725   6.246 
 6.545   292.965   6.542 
     
 6.695   299.66   6.691
92
Por lo tanto el primer modo es finalmente:

0.149 
0.296 
 
 0.435
 
 0.565
0.682 
1   
0.784 
 0.868
 
 0.933
 0.978
 
 1 
E3 Obtención del Segundo modo de vibrar

1 1 1 1 1 0 0 0
1 2 2 2  0 1 0 0 
  
F    
M 
1 2 3 3 0 0 1 0
   
1 2 3 4 0 0 0 1
la matriz dinámica es:

1 1 1 1
1 2 2 2 
[D]   F[M]  
1 2 3 3
 
1 2 3 4
Siguiendo los pasos que se indicaron en el capítulo V, se tiene:
1) reemplazando los datos en la ecuación: {}mT [M] {}n = 0 tenemos
 1
 1 0 0 0    
0  2
1 0 0   = 0
 0.347 0.652 0.879 1   
0 0 1 0   3 
0  
 0 0 1   4 
 
de donde obtenemos
1 = -1.879 2 – 2.533 3 – 2.882 4
93
2) de la ecuación (5.7) se tiene:

{} = 2 [D] {}
 1   1
  1 1 1 1   
 2   2

  2 1 2 2 2   
  
 3 = 1 2 3 3  3

     
 4  1 2 3 4  4
   
de donde se obtiene lo siguiente:
2 = 2 (1 + 22 + 23 + 24)
3 = 2 (1 + 22 + 33 + 34)
4 = 2 (1 + 22 + 33 + 44)
3) Reemplazando 1 obtenida en el paso 1) en las ecuaciones 2, 3 y 4, resulta:
2 = 2 (0.121 2 – 0.533 3 – 0.882 4)
3 = 2 (0.121 2 + 0.467 3 + 0.118 4)
4 = 2 (0.121 2 + 0.467 3 + 1.118 4)
4) De las ecuaciones desarrolladas en 3) se obtiene la nueva matriz dinámica, estas es:
 0.121 0.533 0.882 

D1   0.121 0.467 0.118 
 0.121 0.467 1.118 
 
5) Desarrollo de las iteraciones:

Utilizando inicialmente la siguiente forma modal
 1 
   1 
1 
 
94
se tiene en cada iteración
 2 
   1   1.536   1 
 3 D 1  =  0.464  =  0.302 
  = 1   1.464   0.953 
 4      
 
 2 
   1   1.123   1 
 3 = D 0.302  =  0.132  =  0.118 
   0.953   1.085   0.967 
 4      
 
 2 
 
 3  1   1.037   1 

  = D 0.118  =  0.048  =  0.046 
 4  0.967   1.015   0.979 
       
 2 
   1   1.009   1 
 3  = D 0.046  =  0.016  =  0.016 
   0.979   0.995   0.986 
 4      
 
 2   1 
   1   0.999   
 3  = D 0.016  =   3
   2.82  10 3  = 2.823  10 

 0.986     
 4    0.989   0.99 
 
Aproximando los valores se tiene
 2 
   1 
 3 0 
  =  
 4 1 
 
Ahora reemplazando los valores obtenidos anteriormente en 1 en el paso 1) tenemos

1 = -1.879 (-1) – 2.533 (0) – 2.882 (1) = -1.003  -1
95
Finalmente el segundo modo de vibrar es
 1 
 
1
2 =  
0 
 
1 
1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0
1 2 2 2 2 2 2 2 2 2  0 1 0 0 0 0 0 0 0 0 
 
1 2 3 3 3 3 3 3 3 3 0 0 1 0 0 0 0 0 0 0
   
1 2 3 4 4 4 4 4 4 4 0 0 0 1 0 0 0 0 0 0
1 2 3 4 5 5 5 5 5 5 0 0 0 0 1 0 0 0 0 0
 F    M   
1 2 3 4 5 6 6 6 6 6 0 0 0 0 0 1 0 0 0 0
1 2 3 4 5 6 7 7 7 7 0 0 0 0 0 0 1 0 0 0
   
1 2 3 4 5 6 7 8 8 8 0 0 0 0 0 0 0 1 0 0
1 2 3 4 5 6 7 8 9 9 0 0 0 0 0 0 0 0 1 0
   
1 2 3 4 5 6 7 8 9 10   0 0 0 0 0 0 0 0 0 1 
La matriz dinámica es la siguiente:

1 1 1 1 1 1 1 1 1 1
1 2 2 2 2 2 2 2 2 2 

1 2 3 3 3 3 3 3 3 3
 
1 2 3 4 4 4 4 4 4 4
1 2 3 4 5 5 5 5 5 5
 D   F M    
1 2 3 4 5 6 6 6 6 6
1 2 3 4 5 6 7 7 7 7
 
1 2 3 4 5 6 7 8 8 8
1 2 3 4 5 6 7 8 9 9
 
1 2 3 4 5 6 7 8 9 10 
96
1) reemplazando los datos en la ecuación: {}mT [M] {}n = 0 tenemos

 1 
 
 2 
 
 3 
 
 4 
 
 5 
( 0.149 0.296 0.435 0.565 0.682 0.784 0.868 0.933 0.978 1 ) ( M )   =0
6
 
 7 
 
 8 
 
 9 
 
 10 
 
de donde obtenemos
1 = -1.987 2–2.919 3–3.792 4–4.577 5–5.262 6–5.826 7–6.262 8–6.564 9– 6.711 10
2) de la ecuación (5.7) se tiene:

{} = 2 [D] {}
 1 
   1 
 2   
  1 1 1 1 1 1 1 1 1 1   2 
 3    
1 2 2 2 2 2 2 2 2 2  3 
  
 
4 1 2 3 3 3 3 3 3 3 3  
     4 
1 2 3 4 4 4 4 4 4 4  
 5  5 
  
2 1 2 3 4 5 5 5 5 5 5   
 6  =     
1 2 3 4 5 6 6 6 6 6  6 
 7  
  1 2 3 4 5 6 7 7 7 7   7

 8    
1 2 3 4 5 6 7 8 8 8  
  8
 9  1 2 3 4 5 6 7 8 9 9   
    9 
1 2 3 4 5 6 7 8 9 10  
 
 10 
   10 
 
97
de donde se obtiene lo siguiente:

2 = 2 (1 + 22 + 23 + 24 + 25 + 26 + 27 + 28 + 29 + 210)
3 = 2 (1 + 22 + 33 + 34 + 35 + 36 + 37 + 38 + 39 + 310)
4 = 2 (1 + 22 + 33 + 44 + 45 + 46 + 47 + 48 + 49 + 410)
5 = 2 (1 + 22 + 33 + 44 + 55 + 56 + 57 + 58 + 59 + 510)
6 = 2 (1 + 22 + 33 + 44 + 55 + 66 + 67 + 68 + 69 + 610)
7 = 2 (1 + 22 + 33 + 44 + 55 + 66 + 77 + 78 + 79 + 710)
8 = 2 (1 + 22 + 33 + 44 + 55 + 66 + 77 + 88 + 89 + 810)
9 = 2 (1 + 22 + 33 + 44 + 55 + 66 + 77 + 88 + 99 + 910)
10 = 2 (1 + 22 + 33 + 44 + 55 + 66 + 77 + 88 + 99 + 1010)
3) reemplazando 1 obtenida en el paso 1) en las ecuaciones 2, 3 … 10, resulta:
2=2(0.0132 – 0.9193 – 1.7924 – 2.5775 – 3.2626 – 3.8267 – 4.2628 – 4.5649– 4.71110)

3=2(0.0132 + 0.0813 – 0.7924 – 1.5775 – 2.2626 – 2.8267 – 3.2628 – 3.5649– 3.71110)
4=2(0.0132 + 0.0813 +0.2084 – 0.5775 – 1.2626 – 1.8267 – 2.2628 – 2.5649– 2.71110)
5=2(0.0132 + 0.0813 +0.2084 + 0.4235 – 0.2626 – 0.8267 – 1.2628 – 1.5649– 1.71110)
6=2(0.0132 + 0.0813 +0.2084 + 0.4235 + 0.7386 + 0.1747 – 0.2628 – 0.5649– 0.71110)
7=2(0.0132 + 0.0813 +0.2084 + 0.4235 + 0.7386 + 1.1747 + 0.7388 +0.4369+ 0.28910)
8=2(0.0132 + 0.0813 +0.2084 + 0.4235 + 0.7386 + .1747 + 1.7388 + 1.4369+ 1.28910)
9=2(0.0132 + 0.0813 +0.2084 + 0.4235 + 0.7386 + 1.1747 +1.7388 + 2.4369+ 2.28910)
10=2(0.0132 + 0.0813 +0.2084 + 0.4235 + 0.7386 + 1.1747 + 1.7388+2.4369+ 3.28910)
98
4) De las ecuaciones desarrolladas en 3) se obtiene la nueva matriz dinámica, estas es:
 0.013 0.919 1.792 2.577 3.262 3.826 4.262 4.564 4.711 

 
 0.013 0.081 0.792 1.577 2.262 2.826 3.262 3.564 3.711

 0.013 0.081 0.208 0.577 1.262 1.826 2.262 2.564 2.711 
 0.013 0.081 0.208 0.423 0.262 0.826 1.262 1.564 1.711

 
D1   0.013 0.081 0.208 0.423 0.738 0.174 0.262 0.564 0.711 
 0.013 0.081 0.208 0.423 0.738 1.174 0.738 0.436 0.289 
 
 0.013 0.081 0.208 0.423 0.738 1.174 1.738 1.436 1.289 
 0.013 0.081 0.208 0.423 0.738 1.174 1.738 2.436 2.289 
 
 0.013 0.081 0.208 0.423 0.738 1.174 1.738 2.436 3.289 
5) Desarrollo de las iteraciones:

Utilizando inicialmente la siguiente forma modal
 1 
 
 1 
 1 
 1 
 
   1 
1 
 
1 
1 
 
1 
se tiene en cada iteración

 2 
 
 3   1   8.826   1 
     
   1   8.826
  1

 4   1   7.826   0.887 
   1   5.826   0.66 
 5       
  = D   1  =  2.826  =  0.32 
 6  1   1.174   0.133 
       
7
  1   4.174   0.473 
 8  1   6.174   0.7 
       
 9  1   7.174   0.813 
 
 10 
 
99
 2 
 
 3   1   4.309   0.852 
     
   1
  5.057   1 
 4   0.887   4.805   0.95 
   0.66   3.666   0.725 
 5  =  =   =
 
  D 0.32   1.867   0.369 
6
   0.133   0.252   0.05 
       
 7   0.473   2.238   0.442 
 8   0.7   3.751   0.742 
       
 9   0.813   4.564   0.902 
 
 10 
 
 2 
 
 3   0.852   4.029   0.816 
     
   1
  4.937
  1

 4   0.95   4.845   0.981 
       0.77 
 5  
0.725
 
3.803
  
  D 0.369   2.036    0.412 
 6  =  = =
  0.05   0.1   0.02 
     
 7   0.442   2.186   0.443 
 8   0.742   3.83   0.776 
       
 9   0.902   4.732   0.959 
 
 10 
 
100
 2 
 
 3   0.816   4.03   0.807 
     
  1 4.995   1 
 4     
 0.981   4.96   0.993 
   
 5   0.77   3.944   0.789
     
   
  6  = D 0.412  =  2.158  =  0.432 
   0.02   0.04 
7      8.104  10 3 
   
 8   0.443   2.218  0.444
 0.776   3.953   
   0.791 
 9     
 0.959   4.912   
   0.983 
 10 
 
 2 
   0.807   4.034   0.803 
 3       
 1  5.022  1 
   
 4   0.993   5.01   0.998 
     4.005   
 0.789   0.797 
 5  
  = D 0.432  =  2.211  =  0.44 
 6     0.016   
3 3
   8.104  10     3.097  10 
 7    2.234   
 8   0.444   4.008   0.445

   0.791     0.798 
 9     4.991   
 0.983   0.994 
  
 10 
 
101
 2 
 
 3   0.803   4.047   0.803 
     
    1    5.042    1 
 4   0.998   5.037   0.999 
       
 5    0.797    4.034    0.8 
  D 0.44   2.234   0.443 
 6  =   =   =  
   3  3 3
7
 3.097  10   6.366  10   1.263  10 
       
 8   0.445   2.243   0.445 
   0.798   4.035   0.8 
 9       
   0.994   5.029   0.997 
 10 
 
 2 
 
   0.803   4.044   0.802 
3      
   1   5.043   1 
 4   0.999   5.042   1 
       
 5   0.8   4.041   0.801 
  D 0.443   2.241   0.444 
 = 
6
=   =  
   3  3 4
 1.263  10   2.261  10   4.483  10 
 7       
 8  0.445 2.244 0.445
     
   0.8   4.041   0.801 
 9       
   0.997   5.038   0.999 
 10 
 
102
 2 
 
 3   0.802   4.047   0.802 
       
  1    5.047    1 
 4 
   1   5.046   1 
 5       
 0.801   4.046   0.802 
 
  6  = D 0.444  =  2.244  =  0.445 
       
 4  4 4
 7   4.483  10   9.623  10   1.907  10 
 8       
0.445 2.246
       0.445 
 9   0.801   4.046   0.802 
       
 0.999   5.045   1 
 10 
 
Aproximando los valores se tiene
 2 
 
  3   0.802 
   
  4   1 
   1 
  5   0.802 
   
  6  =  0.445 
   0 
7
   
 8   0.445 
    0.802 
 9   
    1 
 10 
 
Ahora reemplazando los valores obtenidos anteriormente en 1 en el paso 1) tenemos
1 = -1.987(-0.802) – 2.919(-1) – 3.792(-1) – 4.577(-0.802) – 5.262(-0.445) – 5.826(0) – 6.262

(0.445)–6.564 (0.802) – 6.711(1)
1 = - 0.445
103
Finalmente el segundo modo de vibrar es
 0.445 
 
  0.802 
 1 
 
 1 
 0.802 
2 =  0.445 
 
 0 
 
 0.445 
 0.802 
 
 1 
104

Bmfciu 76e PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Bmfciu 76e PDF

Cargado por

Copyright:

Formatos disponibles

Universidad Austral de Chile

Facultad de Ciencias de la Ingeniería

Tesis para optar al Título de:

CAROL XIMENA URIBE DÍAZ

Mamá, Papá y Hermanos

CAPÍTULO II: DESARROLLO DE ECUACIONES PARA SISTEMA DE

CAPÍTULO III: PROBLEMA DE IDENTIFICACIÓN DE PARÁMETROS

3.3. Aplicación del Filtro de Kalman a un Modelo de Varios Grados de Libertad

CAPÍTULO IV: APLICACIÓN NUMÉRICA DEL MÉTODO A MODELOS

CAPÍTULO V: MÉTODO DE OBTENCIÓN DEL PRIMER Y SEGUNDO

CAPÍTULO VI: CONCLUSIONES 60

ANEXO A. FRECUENCIAS NATURALES Y MODOS DE VIBRAR 64

ANEXO B. DESARROLLO DE MATRICES Y VALORES INICIALES 66

ANEXO C. MÉTODO RUNGE-KUTTA DE CUARTO ORDEN 68

ANEXO D. DESARROLLO DE PROGRAMAS 70

ANEXO E. OBTENCIÓN DEL PRIMER Y SEGUNDO MODO DE

CAPÍTULO II: DESARROLLO DE ECUACIONES PARA SISTEMA DE

CAPÍTULO III: PROBLEMA DE IDENTIFICACIÓN DE PARÁMETROS

CAPÍTULO IV: APLICACIÓN NUMÉRICA DEL MÉTODO A MODELOS

ANEXO D. DESARROLLO DE PROGRAMAS

CAPÍTULO IV: APLICACIÓN NUMÉRICA DEL MÉTODO A MODELOS

CAPÍTULO IV: APLICACIÓN NUMÉRICA DEL MÉTODO A MODELOS

ANEXO A. FRECUENCIAS NATURALES Y MODOS DE VIBRAR

ANEXO B. DESARROLLO DE MATRICES Y VALORES INICIALES

ANEXO C. MÉTODO RUNGE-KUTTA DE CUARTO ORDEN

ANEXO D. DESARROLLO DE PROGRAMAS

D.2.2 Cálculo de los Datos de Salida……………………………………………72

ANEXO E. OBTENCIÓN DEL PRIMER Y SEGUNDO MODO DE

1.1 Planteamiento del Problema

El problema de identificación de parámetros en sistemas dinámicos es de gran interés y de

Identificar rigideces y amortiguamientos en un edificio de varios pisos utilizando modos

1.2.2 Objetivos Específicos:

DESARROLLO DE ECUACIONES PARA SISTEMA DE VARIOS GDL

En el presente capítulo se resume brevemente el problema dinámico clásico y el problema

2.2 Problema Dinámico

Uno de los problemas fundamentales de la dinámica estructural es: conocida la excitación y

Datos: M, K, C, p(t) Datos: p(t), u(desplazamiento)

2.3 Sistema de varios grados de libertad.

Figura 2.2: Edificios de varios pisos.

Las ecuaciones de movimiento en forma matricial son:

{FI} + {FD} + {FR} = {P}

M u (t) + C u (t) + K u(t) = p(t) (2.1)

La solución a la ecuación (2.1) puede ser descrita matemáticamente por:

u(t) = 1 q1(t) + 2 q2(t) +……+ n qn(t) (2.3)

i: indica la forma o modo de vibrar “i” de la estructura.

Ahora si a la ecuación (2.3) la premultiplicamos por nTM y teniendo en cuenta las

Despejando qn(t) se tiene:

Desarrollando la ecuación (2.6) se tiene para el modo “n”:

 M11 M12  M1n   u(t)1 

multiplicando las matrices de la expresión (2.7) y definiendo los siguientes términos:

a: n1 M11 + n2 M21 + …+ nn Mn1

se tiene para el modo n:

La ecuación de movimiento inicial queda:

La ecuación anterior se puede escribir como:

Pn (t) = nT p(t)

La ecuación (2.11) es análoga a la de un vibrador de un grado de libertad. Entonces

2.3.1 Análisis de resultados para el primer modo:

Partiendo de la ecuación (2.1):

Multiplicando a ambos lados por [1T M] se tiene:

1T M 1 = M Masa Generalizada

Por lo tanto la ecuación anterior se puede escribir de la siguiente manera:

2.3.2 Análisis de resultados para el segundo modo:

M u (t) + C u (t) + K u(t) = p(t)