模態研究的案例
基于Nastran軟件的飛行器舵系統模態研究
摘 要：本文基于Nastran軟件的模態計算方法，研究了飛行器舵系統模態敏感因素，可以指導舵系統結構剛度設計，舵面剛度和舵軸剛度變化對舵系統旋轉頻率和彎曲頻率均有影響，其中對舵系統彎曲頻率影響相對較大；舵機剛度和搖臂剛度變化主要對舵系統旋轉頻率有影響，對彎曲頻率影響很??；舵軸軸承支撐剛度變化主要對舵系統彎曲頻率有影響，對旋轉頻率影響很小。
關鍵詞：Nastran；飛行器；舵系統；模態
1 引言
舵系統是飛行器控制系統的重要執行機構[1]，與以往傳統的飛行器結構相比，新型飛行器舵尺寸與質量占比越來越大，舵自身模態對整體結構姿態的影響較大，控制系統設計不準確，可能會導致產品飛行時失控[2]；同時，舵系統具有強非線性，飛行時，在氣動力作用下，舵系統低頻頻率可能會與飛行器彈性頻率耦合，導致飛行器失穩，當舵系統旋轉頻率和彎曲頻率靠近時可能會導致飛行器發生顫振破壞。
目前舵系統動力學特性主要是靠模態試驗驗證，缺少在舵系統設計完成之后即對模型進行動力學建模和分析評估[3]。舵系統涉及多個結構的配合并且有較多間隙，上述對舵系統動力學特性有較大影響；舵系統模態試驗不能考察系統各環節對舵系統整體動態特性的影響，而且工程實際中存在舵系統試驗模態值偏低及一致性較差的問題[4]。因此，有必要基于仿真計算方法對飛行器舵系統模態敏感因素進行研究，以便指導舵系統結構設計，滿足舵系統模態要求。
本文基于Nastran軟件的模態計算方法，開展理論分析及仿真計算研究，工程應用價值明顯。以某飛行器舵系統為研究對象，其主要由空氣舵（舵面和舵軸）、舵機和傳動機構組成，傳動機構包括舵軸支撐軸承、搖臂和銷軸等結構。舵系統工作模式是舵機將電能轉換為機械能產生直線運動，通過傳動機構帶動舵面偏轉。
展開 基于HyperMesh的某商用車白車身模態研究
[3] 王海龍.某型汽車排氣系統模態分析和懸掛位置的優化[D].成都:西南交通大學,2015.
[4] 王仁杰.某輕型客車排氣系統振動傳遞路徑分析[J].柴油機設計與制造,2018,24(1):30-33,40.
[5] 鞠道杰,徐延海,朱鵬興,等.商用車白車身焊點模擬對模態分析的影響研究[J].廣西大學學報(自然科學版),2018,43(3):916-925.
[6] 邢建,高志彬,張明,等.某商用車白車身仿真模態與試驗對標[J].汽車實用技術,2019,44(14):135-136,140.
[7] 許少楠,王香廷,顧鴃,等.某商用車白車身模態分析及結構優化[J].汽車實用技術,2017,42(2):178-181.
[8] 謝小平,韓旭,陳國棟,等.某商用車駕駛室白車身模態分析[J].湖南大學學報(自然科學版),2010,37(5):24-30.
[9] 陳海潮.重型商用車駕駛室模態分析與拓撲優化研究[D].長春:吉林大學,2009.
[10] 莫崇衛.某商用車座椅振動特性分析與優化[D].湘潭:湘潭大學,2017.
文章來源：設計研究
展開 『分享』主動電磁軸承轉子系統振動模態的分析研究
摘要：概要介紹了電磁軸承支承下多質點柔性轉子振動模態計算分析方法，對一套低溫制氧高速透平膨脹機的電
磁軸承轉子系統的振動模態進行了分析，闡述了電磁軸承轉子系統振動模態與傳統油膜軸承轉子系統振動模態的
不同之處，指出了振動模態分析對電磁軸承系統傳感器安裝位置設計的重要性，及傳感器安裝位置的設計原則。
關鍵詞：電磁軸承轉子系統；轉子動力學；臨界轉速；振動模態；傳感器
主動電磁軸承轉子系統振動模態的分析研究.pdf
基于模態提升發動機NVH優化研究
圖3 相干性結果
圖4 缸體扭轉模態圖
通過試驗計算可知，如圖4所示，第一個模態775.9 Hz，為缸體的一階扭轉模態；如圖5所示，第二個模態775.9 Hz，為缸體的一階彎曲模態，第三個模態為1093.6 Hz，為缸體的局部模態。如表4所示，通過和仿真結果對比可知，仿真和試驗結果一致性較好。
圖5 缸體彎曲模態圖
表4 缸體模態結果統計（單位：Hz)
表3 軸承座模態統計結果（單位：Hz)
圖6 軸承座頻率函數曲線
3.缸體軸承座頻響函數測試
本次采用頻響函數測試的方式進行。測試結果如圖6所示，發動機從前到后軸承座模態頻率依次為1089 Hz、1105 Hz、1103 Hz、1114 Hz和1016 Hz，見表5。通過和仿真結果對比可知，仿真和試驗結果一致性較好。
綜上分析，此發動機缸體前三階模態及軸承座模態較低，均不滿足要求，被激勵產生振動噪聲的風險較大。
發動機缸體優化及分析
通過前面分析可知發動機缸體模態頻率較低，此發動機缸體開模已經完成，如果重新進行設計優化，時間和價格成本均較高，所以本次優化采用局部優化的方式進行，主要在缸體下方增加加強板，同時對主軸承座進行了局部加強。優化后的缸體再次進行仿真和模態測試，仿真結果如圖7所示，一階扭轉模態提升至683Hz，試驗結果，一階扭轉模態提升至690.8 Hz，試驗結果與仿真結果一致。優化前后缸體模態測試結果見表6。
展開 
Ansys 案例研究 | 電路板的模態分析
在分析設置中，將“最大模式查找”選項設置為6（計算6階模態）
固定圍板
8.先完成模態分析，并檢查每個模態形狀的頻率（由于篇幅原因，只展示前三節模式形狀）
第1階模態
第2階模態
第3階模態
9.結果解讀與評估：
風險頻率帶確認：PCB 在 130Hz - 250Hz 區間內存在密集模態。若設備外部激勵（如風扇、電機）頻率落在此范圍內，極易引發共振。
首階頻率評估：137.13Hz 為首階固有頻率。許多環境振動譜在此頻段有較高能量，必須進行加固設計以提升此值（業界常以>200Hz為穩健設計目標）
關鍵改進區域：
針對（1階模態）一階彎曲（137.13Hz），增加長邊中部的支撐或考慮在位移最大處添加局部加強筋。
針對（3階模態）一階彎曲（167.47Hz），避免 PCB 大面積懸空，確保其下方有殼體或骨架作為支撐
驗證方向：此仿真結果為后續諧響應分析提供了精確的輸入頻率，可用于預測在特定振動載荷下的實際應力與位移響應。
總結
針對該航空電子設備電路盒在振動測試中出現的失效問題，通過有限元模態分析，系統性地識別其動態特性弱點。核心目標是提取 PCB 固有頻率與振型，定位共振風險，為可靠性改進提供量化依據，模態分析是揭示 PCB 動態軟肋的關鍵工具。通過標準化的“建模?分析?識別?優化”流程，可將 PCB 的振動可靠性從被動驗證轉為主動設計，顯著提升產品在嚴苛環境下的服役壽命與穩定性。
展開 自動駕駛多模態融合感知詳解（研究現狀及挑戰）
挑戰與機遇
近年來，用于自動駕駛感知任務的多模態融合方法取得了快速進展，從更高級的特征表示到更復雜的深度學習模型。然而，還有一些懸而未決的問題?？偨Y為以下幾個方面：
錯位和信息丟失
相機和 LiDAR 的內在和外在差異很大。兩種模式中的數據都需要在新的坐標系下重新組織。傳統的早期和深度融合方法利用外部校準矩陣將所有LiDAR點直接投影到相應的像素。
然而，這種逐像素對齊不夠準確。因此，我們可以看到，除了這種嚴格的對應關系之外，一些利用周圍信息作為補充會產生更好的性能。此外，在輸入和特征空間的轉換過程中還存在一些其他的信息丟失。
通常，降維操作的投影不可避免地會導致大量信息丟失，例如將 3D LiDAR 點云映射到BEV 圖像中。因此，通過將兩種模態數據映射為另一種專為融合而設計的高維表示，未來的工作可以有效地利用原始數據，同時減少信息丟失。
更合理的融合操作
當前的研究工作使用直觀的方法來融合跨模態數據，例如連接和元素乘法。這些簡單的操作可能無法融合分布差異較大的數據，因此難以彌合兩種模態之間的語義差距。
一些工作試圖使用更精細的級聯結構來融合數據并提高性能。在未來的研究中，雙線性映射等機制可以融合具有不同特征的特征。
多源信息權衡
現有的方法缺乏對來自多個維度和來源的信息的有效利用。他們中的大多數都專注于前視圖中的單幀多模態數據。結果，其他有意義的信息沒有得到充分利用，例如語義、空間和場景上下文信息。
在自動駕駛場景中，許多具有顯式語義信息的下游任務可能會極大地提高目標檢測任務的性能。例如，車道檢測可以直觀地為檢測車道之間的車輛提供額外幫助，語義分割結果可以提高目標檢測性能。
展開 基于模態分析的網格收斂尺寸的研究與確定 ￥10
摘要：針對車載導航的模態分析，以其中單個零件的網格尺寸作用變量，而其余零件的網格尺寸不變，然后進行模態分析，通過對計算結果的比較，確定模型最終的網格收斂尺寸，解決計算精度與計算時間成本這一矛盾。
關鍵字：模態分析；網格尺寸；收斂；固有頻率；車載導航
一、前言
由于公司產品做的最多的是動力學分析，動力學分析需要基于模態特征值上進行計算的，所以我們以最有代表性的模態分析作為網格收斂尺寸研究課題的分析類型。
相對于靜力分析而言，動力學分析的模態求解過程所需要的CPU計算時間更長，我們一般會通過控制網格的尺寸來調整計算時間成本，即粗化網格。但是如果網格太粗，則網格模型必會忽略或簡化結構上的細節，從而影響計算的精度。
面對計算精度與計算時間成本這一矛盾，則需要對模型的網格收斂尺寸、計算耗時等數據進行研究。
二、計算模型
計算模型采用某一車載導航屏模型，零件包括觸摸屏玻璃、前后面板、SECC支架，另外TFT顯示屏簡化為只包含質量的點。
三、網格尺寸控制
導航產品的前后面板為PC+ABS注塑件，結構特征多且比較復雜，為了盡可能詳盡地模擬結構的細節，如圓角、肋骨、凹凸臺、小圓孔等），縮小網格模型與原幾何模型的差距，因此網格不能過于粗糙。此外，根據模型的整體尺寸，最終確定模型的網格研究尺寸為1mm、2mm、3mm、4mm。這四種網格尺寸中，以所有零件的網格尺寸都為3mm的計算結果作為不變量，而其中單一個零件的網格尺寸作為變量，變量值即為1mm、2mm、3mm、4mm。
部分網格模型圖如下：
四、模型建立及求解的軟件
建立三維有限元模型，用Lanzos方法求解特征值。
展開 有限元理論基礎及Abaqus內部實現方式研究系列44：聲學分析（3）-濕模態
==第44篇：濕模態分析==
2.1.1 濕模態概念
一個結構體在真空中的振動和在周圍流體介質中的振動有時差異巨大，必須分開考慮，此時有干濕模態之分，以下干濕模態概念選之：結構振動問題中的干模態和濕模態 - 知乎 (zhihu.com)
模態分析是結構動力學問題中最為普遍的一個問題，大家對這個概念也非常熟悉，它是結構的固有特性，在不考慮阻尼的影響下，只與結構的剛度和質量有直接關系。
本文所涉及的問題是有關干、濕模態的計算，屬于模態問題中經常遇到的問題。通常我們所計算的模態其實是干模態，主要是由于結構放置在空氣中而空氣這一流體對結構的影響幾乎可以忽略不計，所以基本上可以默認為就是干模態。
但是嚴格意義上講，受流體附帶阻尼及剛度的影響，這類的模態仍然是濕模態。所謂濕模態是考慮流體對結構的作用，也就是在通用的振動方程中加入了有關流體的附加質量及剛度矩陣（Kx、Mx），這塊相互作用對結構的模態存在一定的影響，尤其是涉及諸如油、水等液體的作用。舉例來講，司馬光砸缸的那口缸，在加水和不加水的情況下，砸缸的聲音肯定是不一樣的，一個明顯清脆寬廣，一個就顯得沉悶。再比如我們車載的油箱結構，在加滿汽油和未加滿汽油的情況下，兩者的模態肯定是不一樣的。另外還有諸如潛艇、船舶、油罐車等結構。所以，對于受到液體作用顯著的結構，我們在計算的時候需要研究其濕模態。
2.1.2 濕模態分析方法
當結構體內部或者外部和流體接觸時，結構受到流體的壓力作用而發生變形，而變形又會反過來對流體邊界有影響，形成一個流體壓力->結構變形->流體壓力變化的典型流固耦合系統。流固耦合的體系相當龐大，我們只討論流體載荷對一個振動結構的耦合作用。
有兩種可能的情況:
（1）一種可能是結構變形導致流體壓縮或膨脹，影響流體對結構的壓力，典型例子是船體或者浮動平臺越來越長后，會影響船體周圍的波浪形式。
展開 自動駕駛行業觀察 | 自動駕駛多模態融合感知詳解（研究現狀及挑戰）
簡介
多模態融合是感知自動駕駛系統的重要任務。本文將詳細闡述基于多模態的自動駕駛感知方法。包括LiDAR 和相機在內的解決對象檢測和語義分割任務。
從融合階段的角度，從數據級、特征級、對象級、不對稱融合對現有的方案進行分類。此外，本文提出了本領域的挑戰性問題并就潛在的研究機會進行開放式討論。
多模態融合感知的背景
單模態數據的感知存在固有的缺陷，相機數據主要在前視圖的較低位置捕獲。在更復雜的場景中，物體可能會被遮擋，給物體檢測和語義分割帶來嚴峻挑戰。
此外，受限于機械結構，激光雷達在不同距離處具有不同的分辨率，并且容易受到大霧和大雨等極端天氣的影響。
因此LiDAR 和相機的互補性使得組合感知方面具有更好的性能。感知任務包括目標檢測、語義分割、深度補全和預測等。我們主要關注前兩個任務。
數據格式
相機提供了豐富的紋理信息的RGB圖像。具體來說，對于每個圖像像素為 (u, v)，它有一個多通道特征向量 F(u,v) = {R, G, B, ...}，通常包含相機捕獲的紅色、藍色、綠色通道或其他手動設計的特征作為灰度通道。
然而，由于深度信息有限，單目相機難以提取，因此在 3D 空間中直接檢測物體相對具有挑戰性。因此，許多方案使用雙目或立體相機系統通過空間和時間空間來利用附加信息進行 3D 對象檢測，例如深度估計、光流等。
激光雷達使用激光系統掃描環境并生成點云。一般來說，大多數激光雷達的原始數據都是四元數，如(x, y, z, r)，其中r代表每個點的反射率。
不同的紋理導致不同的反射率，然而，點的四元數表示存在冗余或速度缺陷。因此，許多研究人員嘗試將點云轉換為體素或 2D 投影，然后再將其饋送到下游模塊。
展開 研究｜電動汽車兩擋自動變速器模態及振動響應仿真分析
模態分析
為了驗證模型的準確性與合理性，本文將不同仿真分析軟件求解得到的模態階次及振型進行對比。求解結果見表2。
通過固有頻率我們可以看出，兩者基本吻合。
基于Actran薄膜模態法進行車輛風噪對流壓力和聲波壓力的分離研究
同濟大學汽車學院和汽車風動中心合作，基于薄膜模態分解理論，將駕駛室模型前側窗對流壓力波動和聲壓波動進行了分離，通過風洞試驗對計算結果進行了驗證。同時，與采用波數分解算法計算的結果進行了對比，根據計算過程和結果綜合分析了兩種方法的的優缺點，凸顯了薄膜模態分解方法在分離對流和聲壓波動問題上具有更大的普適性。
研究背景
汽車高速行駛時，側窗上的總壓力波動包括對流壓力波動和聲壓波動，它們具有不同的產生機制、傳輸特性和效率。為了了解通過側窗傳遞空氣動力噪聲的機理，并準確計算車內空氣動力噪聲，有必要將這兩種壓力波動分開。
薄膜模態是一組與薄空氣層聲波波長有關的數值模態，利用它可以構造一組歸一化的正交基，用于分離和計算對流和聲壓波動。薄膜模態分解的基本原理包括三個步驟：薄膜模態提取、壓力分解和壓力重建。模態提取是將空氣層采用離散的方式，構造歸一化的聲波特征向量；壓力分解是將壓力擴展成薄膜模態與參與因子乘積的形式，從而能夠描述壓力的貢獻；壓力重建是將對流和聲壓波動分別投影到薄膜模態上，分別求出其對應的頻率的參與因子，從而完成兩種壓力波動的分離。薄膜模態分解的具體流程如下所示。
圖1 薄膜模態分解流程
研究內容
為了研究風噪聲傳播特性和機理，同濟大學制作了一個全尺寸的駕駛室模型，在左前車窗上安裝了一塊真正的車窗玻璃。車身的其余部分覆蓋了厚厚的油泥，以獲得較大的聲傳播損失，如圖2所示。為了分離側窗上的對流壓力波動和聲壓波動，將頻域中兩個分量的混合壓力數據投影到提取薄膜模態的正交基上，以獲得相應的參與因子。根據這兩種壓力波動的特點，利用薄膜模態和參與因子在頻域中進行分離和重構。
展開 
『轉貼』VED支承轉子的模態頻率及穩定性研究
作者：宣海軍，吳榮仁，童水光(浙江大學 化工機械研究所，浙江 杭州 310027)
摘要:為了研究兩端粘彈性橡膠阻尼器(VED)支承單盤轉子系統的動力學特性，建立了輪盤位于1/3軸跨處的轉子系統有限單元模型。通過求解轉子系統的復特征根問題，獲得轉子系統的模態振型。分析模態頻率和阻尼比隨轉速的變化規律，討論阻尼器支承剛度、損耗因子和質量參數對模態頻率和阻尼比的影響。結果表明，轉子系統的阻尼器支承剛度和損耗因子分別存在一個最優值，使得工作轉速遠離模態頻率，并提高了轉子系統的穩定性;質量參數對一階模態阻尼比的影響較小;當質量參數超出某有效區間時，系統將失去對高階模態響應的衰減作用。
關鍵詞:粘彈性橡膠阻尼器;轉子動力學;模態頻率;穩定性
展開 北航馮林課題組《Lab on a chip》封面文章：基于多模態聲驅微氣泡的多功能微對象操控研究
近日，北京航空航天大學機械工程學院仿生與微納研究所馮林副教授等研發了一種基于聲驅微氣泡的模態可切換的多功能微操控系統，該系統能夠在微流控芯片內實現可控且高效的微對象運輸、三維旋轉和公轉等操控模式（圖一）。
圖一基于聲驅振蕩微氣泡陣列的多模態操控系統示意圖
通過采用面投影微立體光刻3D打印技術（nanoArch S140，摩方精密），研究團隊設計制造了一種帶有底面微孔陣列（直徑100μm、深度100μm）的微流控芯片。由于液體存在表面張力，當液體通入微流道并流過底面微孔時，可以形成具有近似尺寸的微型氣泡。當超聲發生裝置所形成的超聲信號傳遞到微流道中，可以激勵微型氣泡膜振蕩形成聲微流。
圖二聲驅微氣泡的理論模態與有限元仿真結果
基于所設計結構內氣泡界面的相對靈活性，該裝置可以在僅調節驅動頻率而不改變壓電換能器數量與氣泡陣列設計的情況下切換微型氣泡的振蕩模式，進而實現對單獨或群體生物樣本的多功能操控（圖三）。由于聲場的驅動特性，該裝置可以有效操控幾微米到幾百微米的不同生物樣本，包括微顆粒、細胞、綠眼蟲、螺旋藻等。此外，利用平面外旋轉模式的運動特點，研究團隊實現了對細胞樣本的三維重建，從而實現多視角的形態學復現與基本參數的測量估計。該系統所提出的聲學操控方式具有多功能性、可控性、高效性以及良好的生物兼容性，在進一步促進細胞研究和治療等應用層面具有很大潛力。
圖三不同控制模態下微對象的運動及定量分析
該項研究成果獲得國家重點研發計劃(No. 2019YFB1309700)及北京新星科技計劃項目(No.
展開 知識圖譜：技術成熟度飛速躍升，與產業互聯結合更加緊密
知識抽取
2020 年以來，更多知識抽取的研究工作被用來支撐更加復雜的應用場景。多學科多領域交叉研究成為一個新的特點。小樣本學習在業界逐漸為人所關注。整體來看呈現以下趨勢：
（1）多模態（Multimodal）。
多模態并非 2020 年提出的新概念，但是 2020 年對于多模態的研究熱度較往年相比提升了很多。
目前 NLP 領域多模態研究主要集中在跨語言和視覺的模態研究上，且多模態知識圖譜也逐步成為一個新的趨勢。多模態研究包括多模態信息對齊，多模態文本生成，多模態推理，多模態表示，基于語言的視覺導航等。
多模態研究的基礎是模態融合和語義對齊，現在有很多工作研究從圖片或文本中提取出結構化的知識，進行語義對齊。
目前多模態的相關研究還處于起步階段，什么場景使用以及如何使用還需要進一步探索。
（2）任務復雜化（Task complexity）。
2020 年以來，知識抽取任務更貼合實際應用場景，復雜化的知識抽取任務向我們提出了新的挑戰。
關系抽取任務已不滿足于抽取封閉的三元組關系，而更貼合實際情況，出現了很多復雜關系和開放關系的抽取任務。例如，2020 LIC 比賽中關系抽取賽題相比 2019 年增加了復雜關系抽??；部分關系抽取工作從句子級別向篇章級別和多文本抽取過渡；很多研究開始探索如何利用深度學習模型自動發現實體間的新型關系，實現開放關系抽取等。
對于常規的信息抽取任務，已經逐步往語義理解上轉變，并基于此衍生出很多閱讀理解和知識推理的任務 。
在實體融合和指代消解等任務上的研究，場景也更為復雜，逐步向深層次語義理解和知識推理演變。
（3）零次學習（zero-shot learning）和小樣本學習（few-shot learning）。
展開 聯方型網殼結構 ANSYS 參數化建模與自動出圖 ￥14.9
可擴展研究方向
基于本模型的參數化特性，用戶可在此基礎上進一步開發：
聯方型網殼結構模態特性與頻率分布規律研究；
參數變化（矢高、環數、徑數）對動力性能的影響分析；
屈曲與穩定性分析；
動態荷載與地震響應模擬；
網殼結構優化與輕量化設計；
與 Python 或 MATLAB 聯動，實現自動批量分析與可視化報告生成。
該模型腳本結構清晰，便于嵌入更高層次的分析與自動化研究。
1.7. 模型文件清單
Lamella-TypeLatticeShellStructure.mac —— 參數化建模、模態分析與自動出圖命令流文件。
輔助教學視頻與—演示腳本運行及結構振型結果。
運行方式：在 ANSYS APDL 中直接加載命令流文件，修改參數后執行，即可生成模型、計算結果并自動繪圖。
1.8. 案例總結
聯方型網殼結構以其受力合理、構造簡潔而廣泛應用于體育館、展館及大型屋蓋工程。傳統的建模方式往往耗時且易出錯，而本案例通過 ANSYS APDL 參數化編程，將幾何建模、求解與出圖過程高度集成，實現了“修改參數即可建模、運行即可出圖”的自動化分析流程。
該模型不僅是一個快速生成結構模型的小工具，也可作為學習參數化編程、空間結構分析與模態可視化技術的實例模板。對于希望在 ANSYS 中實現自動化建模與分析的工程師而言，本案例提供了一個結構清晰、功能完善且可持續擴展的優秀基礎。
展開 