Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Bmfciu 76e PDF
Bmfciu 76e PDF
"ESTIMACIÓN DE RIGIDECES Y
AMORTIGUAMIENTOS DE UN EDIFICIO EN
MOVIMIENTO DE VARIOS PISOS UTILIZANDO
MODOS DE VIBRAR"
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
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.
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
i
3.3.1. Obtención de las Ecuaciones de Estado…………………………………………..18
3.3.2. Evaluación de una Función Objetivo……………………………………………..20
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
BIBLIOGRAFÍA 62
iii
ÍNDICE DE FIGURAS
iv
ÍNDICE DE TABLAS
v
Tabla 4.10 Estimación de los parámetros para el modelo de 4 GDL con
perturbación de 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…………………………………………………………...39
Tabla 4.11 Estimación de los parámetros para el modelo de 4 GDL con
perturbación de un 10% y 15% en forma aleatoria……………………….41
Tabla 4.12 Estimación de los parámetros para el modelo de 4 GDL con
perturbación de un 20% en forma aleatoria……………………………….41
Tabla 4.13 Estimación de los parámetros para el modelo de 4 GDL
utilizando el modo en forma lineal………………………………………..43
Tabla 4.14 Estimación de los parámetros para el modelo de 10 GDL
utilizando el primer modo de vibrar………………………………………47
Tabla 4.15 Estimación de los parámetros para el modelo de 10 GDL
utilizando el segundo modo de vibrar…………………………………….48
Tabla 4.16 Estimación de los parámetros para el modelo de 10 GDL
con perturbación en forma positiva para el primer modo de vibrar………50
Tabla 4.17 Estimación de los parámetros para el modelo de 10 GDL
con perturbación en forma negativa para el primer modo de vibrar……...50
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…………………………….52
Tabla 4.19 Estimación de los parámetros para el modelo de 10 GDL
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
Tabla 4.20 Estimación de los parámetros para el modelo de 10 GDL con
perturbación de un 10%, 15% y 20% en forma aleatoria…………………53
Tabla 4.21 Estimación de los parámetros para el modelo de 10 GDL
utilizando el modo en forma lineal………………………………………..54
vi
ÍNDICE DE GRÁFICOS
vii
Gráfico 4.9 Representación de la Rigidez para el primer modo de vibrar
perturbado en un 15% en forma positiva para los grados de
libertad 1 y 3 y en un 15% en forma negativa para los grados de
libertad 2 y 4 para el modelo de 4 GDL…………………………………..38
Gráfico 4.10 Representación del Coeficiente de Amortiguamiento para el
primer modo de vibrar perturbado en un 15% en forma positiva
para los grados de libertad 1 y 3 y en un 15% en forma negativa
para los grados de libertad 2 y 4 para el modelo de 4 GDL……………....38
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 4 GDL…………………………………..40
Gráfico 4.12 Representación del Coeficiente de Amortiguamiento 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 4 GDL……………....40
Gráfico 4.13 Representación de la Rigidez para el primer modo de vibrar
perturbado en un 20% en forma Aleatoria para el modelo de 4 GDL…….42
Gráfico 4.14 Representación del Coeficiente de Amortiguamiento para el
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
para el modelo de 4 GDL…………………………………………………44
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
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
Capítulo I Introducción
1.2 Objetivos
1.2.1 Objetivo General:
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
2.1 Introducción
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).
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.
5
Capítulo II Desarrollo de Ecuaciones para Sistema de Varios GDL
Por lo tanto la expresión anterior indica que la respuesta será la combinación lineal de los
modos naturales de vibración.
6
Capítulo II Desarrollo de Ecuaciones para Sistema de Varios GDL
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
n T C n n T Kn 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 nn)
7
Capítulo II Desarrollo de Ecuaciones para Sistema de Varios GDL
Considerando:
12 = k 1/ m 1
1 = c 1 / (2 m 11)
P1 (t) = 1T p(t)
8
Capítulo II Desarrollo de Ecuaciones para Sistema de Varios GDL
Despejando q2(t):
2 T Mu(t)
q 2 (t)
2 T M2
Obteniéndose así el dato de salida q2(t).
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
Considerando:
22 = k 2/ m 2
2 = c 2 / (2 m 22)
P2 (t) = 2T p(t)
9
CAPÍTULO III
3.1 Introducción
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)
zi = H xi + vi (3.1)
Donde:
11
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
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
12
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
Nuevamente, para obtener la mejor estimación de xk+1 designado por x̂ k+1 se minimiza la función
t
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
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
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
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
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
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
dx/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
15
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
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
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
o Algoritmo de prediccción
(k 1) t
x̂ (k+1/k) = x̂ (k/k) +
kt
ˆ / k), t)dt
f (x(t (3.36)
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)
a) b)
Figura 3.1: Modelos estructurales.
a) Estructura de “n” grados de libertad.
b) Modelo al cual se le aplicará el FKE.
FUENTE: ELABORACIÓN PROPIA.
17
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
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:
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 M1
siendo
M: matriz de masa del edificio.
u(t): desplazamiento total de la estructura, calculado por el método Runge-Kutta (Anexo C ).
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
18
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
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]
0 (3.45)
x 1 0 1 x1
x x P
x 4 x 2 1
2 3 M1
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
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
19
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
(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.
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
Capítulo III Problema de Identificación de Parámetros en el Dominio del Tiempo
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
4.1 Introducción
Masa: 1.0 kg
Rigidez: 327.37 kg/cm
Coeficiente de
amortiguamiento: 0.2
Masa: 1.0 kg
Rigidez: 327.37 kg/cm
Coeficiente de
amortiguamiento: 0.2
Masa: 1.0 kg
Rigidez: 327.37 kg/cm
Coeficiente de
amortiguamiento: 0.2
22
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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 estimación del error se calculará para todos los análisis de la siguiente manera:
(Parámetro(encontrado) Valor(real))100
%Error
Valor(real)
23
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
4.2.1 Evaluación del primer modo de vibrar sin perturbación para el estudio de los
parámetros del modelo de 4 GDL:
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
24
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
4.2.2 Evaluación del segundo modo de vibrar sin perturbación para el estudio de los
parámetros del modelo de 4 GDL:
1
1
0
1
Tabla 4.2.- Estimación de los parámetros para el modelo de 4 GDL utilizando el segundo modo
de vibrar.
25
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
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.
FUENTE: ELABORACIÓN PROPIA.
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
Número de iteraciones globales
GRÁFICO 4.2: Representación del Coeficiente de amortiguamiento para el segundo modo de vibrar para el
modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA.
26
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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:
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.
FUENTE: ELABORACIÓN PROPIA.
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.
27
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Figura 4.3: Perturbación del primer modo de vibrar en forma negativa para el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
Por lo tanto el primer modo de vibrar perturbado en 10%, 15% y 20% queda de la siguiente
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
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
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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.
FUENTE: ELABORACIÓN PROPIA
Por lo tanto el primer modo de vibrar perturbado en 10%, 15% y 20% queda de la siguiente
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
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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.
30
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
115
105
100
95
90
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Número de iteraciones globales
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.
FUENTE: ELABORACIÓN PROPIA.
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
Número de iteraciones globales
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.
FUENTE: ELABORACIÓN PROPIA
31
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Tabla 4.6.- Estimación de los parámetros para el modelo de 4 GDL con perturbación de un 15%
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.
32
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
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
Número de iteraciones globales
GRÁFICO 4.5: Representación de la Rigidez para el primer modo de vibrar perturbado en un 15% 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 para
el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA.
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
Número de iteraciones globales
GRÁFICO 4.6: Representación del Coeficiente de Amortiguamiento para el primer modo de vibrar
perturbado en un 15% 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 para el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
33
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Tabla 4.7.- Estimación de los parámetros para el modelo de 4 GDL con perturbación de un 20%
en forma positiva para los grados de libertad 2 y 4 y en un 20% en forma negativa para los grados
de libertad 1 y 3.
34
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
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
Número de iteraciones globales
GRÁFICO 4.7: Representación de la Rigidez para el primer modo de vibrar perturbado en un 20% en forma
positiva para los grados de libertad 2 y 4 y en un 20% en forma negativa para los grados de libertad 1 y 3 para
el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
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
Número de iteraciones globales
GRÁFICO 4.8: Representación del Coeficiente de Amortiguamiento para el primer modo de vibrar
perturbado en un 20% en forma positiva para los grados de libertad 2 y 4 y en un 20% en forma negativa
para los grados de libertad 1 y 3 para el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
35
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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:
Tabla 4.8.- Estimación de los parámetros para el modelo de 4 GDL con perturbación de un 10%
en forma positiva para los grados de libertad 1 y 3 y en un 10% en forma negativa para los grados
de libertad 2 y 4.
36
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Tabla 4.9.- Estimación de los parámetros para el modelo de 4 GDL con perturbación de un 15%
en forma positiva para los grados de libertad 1 y 3 y en un 15% en forma negativa para los grados
de libertad 2 y 4.
37
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
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
Número de iteraciones globales
GRÁFICO 4.9: Representación de la Rigidez para el primer modo de vibrar perturbado en un 15% en forma
positiva para los grados de libertad 1 y 3 y en un 15% en forma negativa para los grados de libertad 2 y 4 para
el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
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
Número de iteraciones globales
GRÁFICO 4.10: Representación del Coeficiente de Amortiguamiento para el primer modo de vibrar
perturbado en un 15% en forma positiva para los grados de libertad 1 y 3 y en un 15% en forma negativa
para los grados de libertad 2 y 4 para el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
38
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Tabla 4.10.- Estimación de los parámetros para el modelo de 4 GDL con perturbación de 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.
39
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
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
Número de iteraciones globales
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.
FUENTE: ELABORACIÓN PROPIA
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
Número de iteraciones globales
GRÁFICO 4.12: Representación del Coeficiente de Amortiguamiento 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.
FUENTE: ELABORACIÓN PROPIA
40
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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
Tabla 4.11.- Estimación de los parámetros para el modelo de 4 GDL con perturbación de un 10%
y 15% en forma aleatoria.
Tabla 4.12.- Estimación de los parámetros para el modelo de 4 GDL con perturbación de un 20%
en forma aleatoria.
41
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
120
80
60
40
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Número de iteraciones globales
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.
FUENTE: ELABORACIÓN PROPIA
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
Número de iteraciones globales
GRÁFICO 4.14: Representación del Coeficiente de Amortiguamiento para el primer modo de vibrar
perturbado en un 20% en forma Aleatoria para el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
42
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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.
Valor real teórico Parámetro encontrado Error (%)
Iteración Global
(Número) K1 C1 K1 C1
(kg/mm) (kgf-seg/mm) (kg/mm) (kgf-seg/mm) K1 C1
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
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
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
Número de iteraciones globales
GRÁFICO 4.15: Representación de la Rigidez para el modo en forma Lineal para el modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
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
Número de iteraciones globales
GRÁFICO 4.16: Representación del Coeficiente de Amortiguamiento para el modo en forma Lineal para el
modelo de 4GDL.
FUENTE: ELABORACIÓN PROPIA
44
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
45
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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
46
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
4.3.1 Evaluación del primer modo de vibrar sin perturbación para el estudio de los
parámetros del modelo de 10 GDL:
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
Tabla 4.14.- Estimación de los parámetros para el modelo de 10 GDL utilizando el primer modo
de vibrar.
4.3.2 Evaluación del Segundo modo de vibrar sin perturbación para el estudio de los
parámetros del modelo de 10 GDL:
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
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Tabla 4.15.- Estimación de los parámetros para el modelo de 10 GDL utilizando el segundo modo
de vibrar.
Valor real teórico Parámetro encontrado Error (%)
Iteración Global
(Número) K2 C2 K2 C2
(kg/mm) (kgf-seg/mm) (kg/mm) (kgf-seg/mm) K2 C2
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
Los valores obtenidos de los parámetros del modelo se representan en los siguientes gráficos:
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
Número de iteraciones globales
GRÁFICO 4.17: Representación de la Rigidez para el Segundo modo de vibrar para el modelo de 10GDL.
FUENTE: ELABORACIÓN PROPIA
48
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Coeficiente de Amortiguamiento
2
(kgf-seg/mm)
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Número de iteraciones globales
GRÁFICO 4.18: Representación del Coeficiente de Amortiguamiento para el Segundo modo de vibrar para el
modelo de 10GDL
FUENTE: ELABORACIÓN PROPIA
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:
49
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Tabla 4.16.- Estimación de los parámetros para el modelo de 10 GDL con perturbación en forma
positiva para el primer modo de vibrar.
Tabla 4.17.- Estimación de los parámetros para el modelo de 10 GDL con perturbación en forma
negativa para el primer modo de vibrar.
50
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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.
10
Figura 4.6: Grados de libertad que se perturbarán para el primer modo de vibrar para el modelo de 10 GDL.
FUENTE: ELABORACIÓN PROPIA.
51
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
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.
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.
Tabla 4.19.- Estimación de los parámetros para el modelo de 10 GDL 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
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
4.3.3.5 Primer modo de vibrar perturbado en forma aleatoria para el modelo de diez grados
de libertad.
Tabla 4.20.- Estimación de los parámetros para el modelo de 10 GDL con perturbación de un
10%, 15% y 20% en forma aleatoria.
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
Capítulo IV Aplicación Numérica del Método a Modelos de Varios Grados de Libertad
Tabla 4.21.- Estimación de los parámetros para el modelo de 10 GDL utilizando el modo en
forma lineal.
Valor real teórico Parámetro encontrado Error (%)
Iteración Global
(Número) K1 C1 K1 C1
(kg/mm) (kgf-seg/mm) (kg/mm) (kgf-seg/mm) K1 C1
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
5.1 Introducción
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)
n
luego se calcula
{}3 = [D] {}2
56
CapítuloV Método de Obtención del Primer y Segundo Modo de Vibrar
Los pasos a seguir para la obtención del segundo modo de vibrar son los siguientes:
57
CapítuloV Método de Obtención del Primer y Segundo Modo de Vibrar
se tiene:
1 1
2 2
2
= [D]
3 3
n n
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.
58
CapítuloV Método de Obtención del Primer y Segundo Modo de Vibrar
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
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.
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).
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.
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
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.
La vibración libre de un sistema de varios grados de libertad está definida por la solución
de la ecuación
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
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.
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.
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
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}
67
ANEXO C
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.
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
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
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
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
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”.
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
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
Anexo D Desarrollo de Programas
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.2.2.1 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
Anexo D Desarrollo de Programas
( 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)]
1
u ( t) M P( t)
f ( t y ) F y G( t )
73
Anexo D Desarrollo de Programas
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
for j 1 nfilas
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 ndesplazamiento
T n
q
n 1
1T M
Siendo g el vector T , el cual programado queda:
1 M1
T
M
g
MG
con MG igual a:
T
MG M
74
Anexo D Desarrollo de Programas
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
Anexo D Desarrollo de Programas
76
Anexo D Desarrollo de Programas
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.
77
Anexo D Desarrollo de Programas
2- Calcular
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
Anexo D Desarrollo de Programas
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!
For j = 1 To NumeroVariable
Pf(i, j) = Pf(i, j) + TT1 * Fi(i, j) / Fac
Next j, i
Next K1
79
Anexo D Desarrollo de Programas
For i = 1 To NumeroVariable
For L = 1 To NumeroVariable
kk = 0
For j = 1 To NumeroVariable
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
For i = 1 To NumeroVariable
For L = 1 To NumeroVariable
kk = 0
For j = 1 To NumeroVariable
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
For i = 1 To NumeroFunc
RR(i) = X(i)
Predicción del vector de
Next i
parámetros X. Método
Ubasal Runge Kutta de cuarto
orden.
For i = 1 To NumeroFunc
GG(1, i) = Ff(i)
Next i
UG = U2
For i = 1 To NumeroFunc
RR(i) = X(i) + GG(1, i) * deltaT / 2
Next i
80
Anexo D Desarrollo de Programas
Ubasal
For i = 1 To NumeroFunc
GG(2, i) = Ff(i)
Next i
UG = U2
For i = 1 To NumeroFunc
RR(i) = X(i) + GG(2, i) * deltaT / 2
Next i
Ubasal
For i = 1 To NumeroFunc
GG(3, i) = Ff(i)
Next i Continuación
Runge Kutta de
cuarto orden.
UG = U3
For i = 1 To NumeroFunc
RR(i) = X(i) + GG(3, i) * deltaT / 2
Next i
Ubasal
For i = 1 To NumeroFunc
GG(4, i) = Ff(i)
Next i
For i = 1 To NumeroFunc
X(i) = X(i) + (deltaT * (GG(1, i) + 2 * GG(2, i) + 2 * GG(3, i) + GG(4, i))) / 6
Next i
81
Anexo D Desarrollo de Programas
For i = 1 To ValorObservado
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
For j = 1 To ValorObservado
K(i, L) = K1 + P(i, j) * Pr(j, L)
K1 = K(i, L)
Next j
Next L
Next i
For i = 1 To ValorObservado
Rs(i) = Desp(num) - X(i)
Next i
For i = 1 To NumeroVariable
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
For i = 1 To NumeroVariable
X(i) = X(i) + Ga(i)
Next i
82
Anexo D Desarrollo de Programas
For i = 1 To ValorObservado
For j = 1 To ValorObservado
Kc(i, j) = U1(i, j) - K(i, j)
Next j
Next i
For i = 1 To NumeroVariable
For L = 1 To NumeroVariable
kk = 0
For j = 1 To NumeroVariable
P1(i, L) = kk + Kc(i, j) * P(j, L)
kk = P1(i, L)
Next j
Next L, i
For i = 1 To NumeroVariable
For j = 1 To NumeroVariable
P(i, j) = P1(i, j)
Next j, i
D1 = 0
O2 = 0
For i = 1 To ValorObservado
D1 = D1 + (Desp(num) - X(i)) ^ 2
O2 = O2 + Desp(num) ^ 2
Next i
83
Anexo D Desarrollo de Programas
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
Anexo D Desarrollo de Programas
For i = 1 To NumeroVariable
For j = 1 To NumeroVariable
P(i, j) = Pesow * P(i, j)
Next j, i
X(1) = 0
X(2) = 0
Loop
MsgBox "listo"
End Sub
85
Anexo D Desarrollo de Programas
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”
End With
End With
86
Anexo D Desarrollo de Programas
- Esquema Mathcad
Datos iniciales
M, K, C, p(t), to, tf, t
Señales
Entrada y Salida
P q(t)
desplazamiento1 Carga1
Archivo tipo csv Archivo tipo csv
Donde:
M: Matriz de masas
K: Matriz de rigidez
C: Matriz de amortiguamiento
87
Anexo D Desarrollo de Programas
Condiciones iniciales
xo , Po
Cálculo Matriz
(k+1, k) = I + t [MJ] + …+ (tNN [MJ])/ NN!
NO Criterio de SI
k=k+1 Convergencia FIN
88
ANEXO E
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.
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
90
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
91
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
1
1
1
94
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
2
1
3 0
=
4 1
95
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
96
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
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
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
98
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
99
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
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
2
3 0.802
4 1
1
5 0.802
6 = 0.445
0
7
8 0.445
0.802
9
1
10
1 = - 0.445
103
Anexo E Obtención del Primer y Segundo Modo de Vibrar a través del Método de Stodola
0.445
0.802
1
1
0.802
2 = 0.445
0
0.445
0.802
1
104