47978053ace1e3f5f4e8134cedd1ef41.png

3c003a2a8c33f7c4c33912124473f842.png

引言

今天来聊聊结构动力学中的时域分析。

时域分析是结构动力学中的最直接,也是相对容易理解的一种分析类型,无论系统是线性的还是非线性的,稳态的还是非稳态的,确定的还是随机的,都可以进行时域分析。

dc28ad3440dda63dc48aca17e34a4e40.png

单自由度系统

考虑一个单自由度二阶系统:

fa708a7d7b8205271424809060a0d906.png

叠加法

首先介绍一种基于叠加的方法,当看到“叠加”时,基本就可以认定该方法仅适用于线性问题。

考虑一个无阻尼单自由度系统在t0时刻受到单位大小的脉冲作用

5c7787c7dc32635773e8d016c6208dd2.png

其t时刻的响应为单位脉冲响应函数

adbbca44bcea8c85eb72b5d603220855.png

当激励持续作用时,在τ时刻,可以看做系统受到p(τ)dτ脉冲激励

ac33b354a9c731cfc9f1a0a97faaf451.png

因此,τ时刻的激励,对系统在t时刻响应的“贡献”为

61ac143c1bb64cf3e65a3e43510604c5.png

对现行系统进行不同激励下的“叠加”,则响应为

1fe1fe17d4914cf453904f1eb3592609.png

这就是著名的无阻尼系统Duhamel积分,它是一个卷积积分。关于卷积的特点,我们有机会在以后的文章中进行讨论。

考虑有阻尼时,只需要将单位激励脉冲函数稍作修改即可。

以上分析假设初始条件均为0,当考虑有初始位移和速度时,响应还需要加上初始条件对自由振动响应的影响。

解的形式已经给定,之后通过数值积分就可以得到系统不同时刻的响应。

叠加法可以很方便的从时域转到频域(即分别对输入和脉冲响应函数做傅立叶变换)

ab2409da1b86308afbb744df72ff99f5.png

其中,H为复频响应函数。

直接积分法

叠加法只能处理线性问题,而实际的问题绝大多数都是非线性的;因此,在实际的应用中,更多采用的是直接积分法;并且它还有其他诸多好处。

直接计分法将整个分析时间历程分为一系列时间间隔,或称为“时间步”,每个时间步的响应作为下个时间步的初始条件。分析过程中,所有参数均可随时间变化,适用于一般性的非线性问题。值得注意的是,积分时间步长由结构固有频率、载荷特征以及感兴趣的结果决定,如Newmark算法中的积分时间步长一般取

c4dbc350b38cd828c83407dda9d38068.png

其中,fm为感兴趣的最高频率

c0200ea95d6e92e2b48ab418762ca52f.png

事实上,在实际应用中,不管系统是否线性,大多采用直接积分法进行时域分析。总体而言,直接积分法可分为显示方法和隐式方法:

  • 显示方法:当前步分析的响应只与上一步(或几步)的响应有关,迭代方程可显示表达,直接求解;

  • 隐式方法:当前分析的响应不仅与上一步(或几步)的响应有关,还与当前步有关,迭代方程只能隐式表达,需要通过迭代求解;

  • 简单而言,显示方法的自变量和变量在迭代方程的两侧,可直接求解;隐式方法的自变量和变量“相互影响”,不能直接求解,需要迭代求解;如牛顿法和后退欧拉法等;

11e86b8eb96e973361bdf47b16f80750.png

此外:

  • 隐式方法可以转为显式方法;

  • 隐式方法需要迭代,时间步内存在收敛问题,在保证收敛的情况下,可适当增大时间步长;

  • 显式方法在时间步内不存在收敛问题,但时间步长需取得相对较小,否则解会不稳定或误差较大;

  • 通常显式方法需要更多的时间子步,但两者耗费计算资源的估计则需具体问题具体分析;

  • 在结构动力学的有限元分析中,对于线性或弱非线性问题,通常采用显式方法,典型算法有Newmark和HHT等。

算例

考虑一个单自由度MCK系统,在冲击载荷作用下,系统的脉冲响应为

4665cff2cb994144b5d26a4a57d78802.gif

当系统受到持续载荷时,其载荷和响应为

4b5e6a5603cff166e9b961e53eef4c9c.gif

最后

本文介绍了单自由度系统时域分析的方法,多自由度系统和分布式参数系统(连续体)将在下文介绍。

-- 完 --

bb90dc42004809ab9fd479e55b124b39.png

7ecf1f6cfd9188189114174d8620fee6.png

Logo

北京人形旗下天工造物具身智能开源社区,聚焦具身天工与慧思开物两大平台

更多推荐