ANÁLISIS MODAL

OPERACIONAL DE UNA
ESTRUCTURA MARÍTIMA.
 OBJETIVOS:
 Validar la eficacia del método EFDD comparando
con los resultados obtenidos utilizando el software
LabVIEW
 Obtener el análisis modal de una estructura
marítima en operación con EFDD, LabVIEW y
elementos finitos.

2
DESCRIPCI
ÓN DE LA
ESTRUCTU
RA.

3
 DESCRIPCIÓN DE LA ESTRUCTURA.
◉ Ferry tipo Catamarán. ◉ Matrícula:
◉ Tipo City Cat 29. Casco de aluminio. ◉ Señal distintiva: PS6878
◉ Astillero: Rodrigues Cantieri Navali do Brasil / ETP ◉ IMO: 9271808
Engenharia Ltda.
◉ DWT: 125
◉ Eslora: 29,20
◉ Lugar de construcción: Niteroi, Brasil.
◉ Manga: 9,60
◉ Calado: 1,65
◉ Casco nº: 52
◉ Sociedad clasificadora: RINA
◉ Dos motores diésel MTU 16V2000M70; 16
cilindros (130 x 150); 2.100 rpm; Motoren und
◉ Matrícula: Turbinen Union GmbH, Friedrichshafen,
Alemania.
◉ Señal distintiva: PS6878
◉ 2.100 KW.
◉ IMO: 9271808
◉ Velocidad: 25,00 nudos.

4
DESCRIPCIÓN Y ANÁLISIS
CRÍTICO DEL SISTEMA DE
MONITORIZACIÓN

5
 DESCRIPCIÓN Y ANÁLISIS CRÍTICO DEL SISTEMA DE MONITORIZACIÓN
Los siguientes equipos fueron utilizados:
◉ Laptop
◉ Sistema de adquisición de Datos de 20 canales
de la National Instruments;
◉ Diversos Acelerómetros del Fabricante PCB y
Measurement Especialties
◉ 6 Sensores Magnéticos
Dos sensores ubicados en cubierta principal popa
sección 0 a babor y estribor, y dos sensores ubicados
en proa en la sección 25 en babor y estribor.
Los defectos estructurales identificables son la falta
de rigidez y/o masa de la estructura en la cubierta
principal en la embarcación.

6
IDENTIFICACIÓN MODAL Y
DETECCIÓN DE DAÑOS.

7
 FDD vs EFDD
FDD
La técnica del FDD
(Descomposición en el Dominio
de la Frecuencia) utiliza la
Descomposición de Valores
Singulares (SVD) que es aplicado
a la matriz G (f) y formada por las
PSD’s calculadas para todos los
sensores.
EFDD
Esta técnica de identificación
modal es una versión mejorada
del método FDD y su principal
ventaja es la posibilidad de
estimar con mayor precisión las
frecuencias naturales además de
identificar las tasas de
amortiguamiento.
8
IDENTIFICACIÓN MODAL Y DETECCIÓN DE DAÑOS.

9
 IDENTIFICACIÓN MODAL Y DETECCIÓN DE DAÑOS.
1.
El primer ensayo del algoritmo fue utilizando
señales teóricas que simulaban un decaimiento
exponencial en función de una frecuencia natural y
de un amortiguamiento conocido como se muestra
en la tabla siguiente:
2.
Para la validación del método EFDD Las señales
fueron agrupadas de dos en dos, simulando una
adquisición de datos ya conocidos con 6 canales
como se puede ver en la siguiente tabla.
10
 IDENTIFICACIÓN MODAL Y DETECCIÓN DE DAÑOS.
La siguiente figura muestra algunas de las señales compuestas
(Señal 1, 2 y 3).

11
 IDENTIFICACIÓN MODAL Y DETECCIÓN DE DAÑOS.

Inicialmente, las señales fueron

analizadas usando un software que posee
EFDD como uno de los métodos de
identificación.
Para facilitar la comparación, los
parámetros de control fueron
considerados siempre iguales. Así, para la
estimación de la matriz de densidad
espectral a través del Periodograma de
Welch, los parámetros utilizados están en
la Tabla siguiente:

12
 IDENTIFICACIÓN MODAL Y DETECCIÓN DE DAÑOS.
Obteniendo la siguiente grafica de valores singulares en función
de la frecuencia:

13
 IDENTIFICACIÓN MODAL Y DETECCIÓN DE DAÑOS.
El porcentaje de error entre la señal generada y lo obtenido
mediante el método EFDD es como se indica en la tabla siguiente:

14
CONCLUSION
CONCLUSIO
NES
LALALA

16