Implementierung des Poly-reference Least Square Complex Frequency (p-LSCF) Algorithmus zur Operational Modal Analysis (OMA)

In der Operational Modal Analysis (OMA) werden die modalen Parameter (Eigenfrequenz, Dämpfungsmaß und Eigenform) einer Struktur aus experimentell bestimmten Messdaten identifiziert. Besonderheit der OMA ist, dass die Anregung der Struktur nicht gemessen wird und somit unbekannt ist. Unter der Voraussetzung der Strukturerregung durch weißes Rauschen, enthält die spektrale Leistungsdichte der gemessenen Systemantwort die vollständige Information über die modalen Parameter. Die Poly-reference Least Squares Complex Frequency Methode (p-LSCF) ist der aktuelle Industriestandard der OMA-Methoden im Frequenzbereich. ... mehrIn einem ersten Least-Square-Schritt wird auf Basis des parametrischen Modells das Stabilisierungsdiagramm konstruiert, um die stabilen Pole der Struktur zu identifizieren. In einem zweiten Least-Square-Schritt werden die Eigenformen bestimmt. Diese Methode kann auch nah benachbarte Eigenmoden identifizieren und liefert klare, leicht zu interpretierende Stabilisierungsdiagramme. Im Rahmen dieser Bachelorarbeit wurde das p-LSCF-Verfahren als vollautomatisches Programm in MATLAB implementiert und anhand mehrerer Datensätze verifiziert.

Operational Modal Analysis (OMA) identifies the modal parameters (natural frequency, damping ratio and eigenform) of a structure from experimentally determined measured data. The special feature of the OMA is that the excitation of the structure is not measured and is thus unknown. Given the structure excitation by white noise, the power spectral density of the measured system response contains the complete information on the modal parameters. The poly-reference least squares complex frequency method (p-LSCF) is the current industry standard of OMA methods in the frequency domain. ... mehrIn a first least squares step, the stabilization diagram is constructed based on the parametric model to identify the stable poles of the structure. The eigenforms are determined in a second least-square step. This method can also identify closely spaced eigenmodes and provides clear, easily interpretable stabilization diagrams. Within the scope of this Bachelor thesis, the p-LSCF method was implemented as a fully automated program in MATLAB and verified by several data sets.