模態試驗是獲得結構真實動力學模型的重要途徑，其目的是在目標頻率段中測得結構的模態參數（固有頻率、阻尼和振型等）。不適當的傳感器配置位置不僅會影響參數識別的精度，而且當試驗中傳感器的數量有限時，會使識別出的模態振型失去正交性。因此，根據有限元模型對傳感器的布置位置進行優化評估極有必要。NTS.LAB Link的預試驗模塊中包含的傳感器優化布置算法有：有效獨立法、QR法、MinMAC逐步遞增法、逐步遞減法。其中，遞增和遞減算法可以選擇以傳感器數為目標，也可以選擇以最小非對角元MAC值為目標。

（1）有效獨立法（Effective Independence, EI）是最常用的傳感器配置方法之一，通過構造信息矩陣來確定有效自由度作為測量自由度，從而使目標模態振型之間盡可能的線性獨立。其中模態坐標估計誤差協方差最小Fisher信息矩陣定義為：

進而得到等冪矩陣

取E矩陣對角上較大的s個測量自由度，或用迭代的方法確定測量自由度，可得到獨立性良好的測量模態。

（2）QR分解法通過QR分解獲得模態坐標的最佳估計，該方法得到的測試自由度數等于所關心的模態階數，也是試驗測試過程中能采用傳感器的最小數。據矩陣分析原理，列主元QR分解是選擇矩陣較大范數子集的一個有效方法。可通過有限元分析得到的模態振型矩陣的QR分解得到。由中所有自由度的振型按行排列，又列主元QR分解得列向量組子集，故進行的列主元QR分解：

其中，T為置換矩陣，則中對應于R中前m列的行向量組成的子集即為所選，對應的自由度為初始自由度。

（3）QR-MinMAC法：為達到指定自由度數，以QR分解得到的自由度作為初始自由度，采用MinMAC迭代的原理，即從剩余自由度中不斷的選擇使MAC最大非對角元最小的自由度添加到候選自由度中，直到達到要求的數目為止。

（4） 逐步遞減法方法以QR分解得到的自由度作為初始自由度，根據MinMAC原理逐步累積得到一組候選自由度，再利用EI方法的原理進行逐步減縮，最終得到一組合適的測量自由度。

在傳感器優化布置完成后，可通過在選擇的測點上進行激勵加載和響應計算，模擬出試驗過程和信號輸出結果。當所依據的有限元模型的動力學參數較為準確時，通過虛擬測試模塊得到的響應信號與激勵信號之間的關系具有一定的參考價值。原理圖如下。

圖1 虛擬測試原理圖

漢航NTS.LAB Link軟件的相關性分析模塊包含傳感器優化配置、虛擬測試分析。其中傳感器優化配置是虛擬測試分析的前提條件。

（1）傳感器優化配置

NTS.LAB Link傳感器優化配置的步驟包括優化配置算法選擇、傳感器候選未知選擇、模態數據集選擇和優化目標選擇，如圖2和圖3所示。

圖2 候選位置選擇和顯示

圖3 傳感器配置結果與MAC值顯示

（2）虛擬測試分析

NTS.LAB Link支持相位分離和相位共振（地面共振GVT）兩種虛擬試驗模式，支持正弦、步進正弦、掃頻、隨機、猝發隨機、脈沖和外部文件輸入等類型信號的激勵，支持位移、速度和加速度類型信號的響應，如圖4和圖5所示。

圖4 掃頻激勵與響應

圖5 猝發隨機激勵與響應

傳感器優化布置，是指在使用最少測試自由度條件下，能夠測得關心階次下的結構模態，使測得的各階模態在振型上具有較好的區分度。常見的使用場景有：

（1）外場試驗測試的硬件條件有限，如：測試通道不足或測試結構較輕不適合大量布置傳感器；

（2）對于結構（如橋梁等）的健康監測，使用合理的少量傳感器和測試通道數，可有效減低成本和在線處理數據量。

虛擬測試，是指在有基本準確的有限元模型的前提下，采用NTS.LAB Link軟件中的虛擬測試功能可在不進行實測的情況下：

（1）預分析不同載荷信號激勵下的結構響應情況；

（2）查看不同激勵信號下結構各部位的響應幅值情況；

（3）載入真實載荷信號激勵可得到結構在該載荷下的響應。

如需了解更多產品信息與應用詳情，歡迎您與我們聯系。

點擊下方藍色字體“閱讀原文”，了解更多信息。