基于LMS Virtual Lab的汽车模态相关性分析与优化.docx

基于LMS Virtual Lab的汽车模态相关性分析与优化.docx

《基于LMS Virtual Lab的汽车模态相关性分析与优化.docx》由会员分享，可在线阅读，更多相关《基于LMS Virtual Lab的汽车模态相关性分析与优化.docx（10页珍藏版）》请在冰豆网上搜索。

基于LMSVirtualLab的汽车模态相关性分析与优化

基于LMSVirtual.Lab的汽车模态相关性分析与优化

作者：

张松波周建文

摘要：

借助于Virtual.Lab中的Correlation模块，CAE工程师可以完成分析/试验模型的相关性分析并能根据结果对模型进行修正，从而得到更为准确的有限元模型。

本文介绍了相关性的实现方法及其基本理论，并完成了某车型车门模型的相关性分析和模型修正。

结果表明使用LMSVirtual.Lab中的Correlation模块，能够快速准确的完成分析/试验模型的相关性分析及模型修正工作，且具有很强的工程实用意义。

关键词：

模态置信度准则相关性分析模型修正

1概述

在现代汽车设计中，CAE分析的优势日益显现，分析结果的快速获得，使汽车设计的周期大大缩短，在设计初期分析取代大量的试验，使设计成本大大降低。

然而，固然有限元模型在处理复杂结构上具有明显的优势，但仅凭工程师的经验欲建立一个与试验结果相一致的有限元模型是比较难的，尤其当结构比较复杂时。

没有一个正确的数学模型，进行后续的响应分析或对原设计做出相应修改也就没什么意义了。

结构模态在结构设计中起到很重要的作用，它是结构设计的一个目标。

进行结构模态分析，了解和掌握其动力学特性，是进行结构减振设计的前提条件。

模态分析可以通过模态试验和模态计算两种途径实现。

在满足一定试验可靠度的前提下，模态试验的结果可作为验证模态计算结果正确性的标准，这种验证通过两者的相关性分析实现。

试验/分析相关性分析即定义为：

不断识别和减少测试和仿真分析误差达到满意水平的迭代过程。

它是分析过程，特别是整车分析过程中一个重要组成部分。

相关性分析在可接受的范围内时，才能使用该仿真模型为后续的产品设计开发提供支持。

2试验/分析模型相关分析及相关准则

试验/分析模型相关分析是用来判断试验/分析模型在一定准则上的相符程度的。

目前依据判断准则的不同可分为频率相关分析、频率及振型相关分析、交叉正交性分析和频响函数相关分析。

下面将对各种相关分析做一些讨论。

（1）频率相关分析

固有频率通常是动力学分析中最基本的参数，而且比模态向量更容易准确测量（仅限于低阶固有频率，高阶固有频率比低阶固有频率更容易受有限元模型离散程度的影响）。

测量频率ωt与计算频率ωA之间的相关程序常以下面的百分数表示：

但是，在某些频率非常靠近的情况下，仅靠频率比较就很难判断测量与计算模态之间的对应关系。

（2）频率及振型相关

将固有频率作为状态变量的同时，引入振型作为状态变量，可以加大修正过程中选择修正变量的灵活性，提高模型修正的准确性。

对于衡量振型相关，一般采用MAC（ModalAssuranceCriteria）矩阵。

ψij是MAC矩阵中的元素，每个元素代表了两个振型间夹角余弦。

其中，Φi和Φj分别是第i阶和第j阶振型向量，MAC矩阵中的各元素可以表示计算模态与试验模态的相关程度，MAC阵的非对角元素越小，各阶模态的区别就越明显，对角线元素越接近1，试验模态和计算模态的符合程度就越高。

（3）交叉正交相关分析

在振型向量的相关分析中，尽管使用MAC是标准做法，但MAC并不是正交检验。

正交检验通常指的是模态向量对质量矩阵的正交性。

交叉正交性检验是一种判断计算模态向量与试验模态向量相关程度的简单方法，两组振型之间的交叉正交性定义为

式（3）矩阵中的每个元素代表了分析振型ΦA与试验振型ΦX的相关程度。

当试验模态向量与分析模态向量对分析质量矩阵正交时，对角元素将全为1，而非对角元素的值为0。

此种方法简单，但在大多数情况下，由于分析模型与试验模型的自由度是不一致的，需要做质量矩阵的缩减或模态向量的扩展。

用扩展模态来进行正交检验，其计算量及误差将随有限元模型的自由度的增加而变得相当大；如果采用质量矩阵缩减，将带来不同的缩减技术将导致不同的正交性误差的问题。

（4）频响函数相关分析

这里主要介绍频率响应模型的正交性和频率响应函数模型置信准则SAC。

频率响应模型的正交性由下式给出：

上式表示计算模型的动刚度矩阵的测试得到的频率响应函数矩阵的乘积应该为单位矩阵。

而频率响应函数模式置信准则SAC是对计算得到的频率响应和测试响应进行相关分析。

SAC可以表示为

其中Heij（ωk）是j点激励、i点响应的频响函数在ωk处的值。

显然，SAC等于1表示两者是线性相关的，等于零表示两者线性无关。

3相关性计算

本文以图1所示的车门有限元模型和试验模型来说明如何进行有限元模态与试验模态的相关性计算及优化。

图1车门有限元模型与试验模型

首先，将试验模型作为参考模型，使车门有限元模型与之相关联。

在工程实际中的相关性分析中，试验模型与有限元模型在空间和几何上出现不协调的现象是经常会遇到的（如图2所示），这曾给工程师在模型的处理上带来了一定的困惑，而使用LMSVirtual.Lab的Correlation模块可以通过对齐、缩放、映射使模型在几何上匹配起来，很容易的处理几何上不谐调的两个模型（如图3所示）。

第二步，有限元模态结果缩减。

一般而言，计算模型的自由度总数远大于试验模型的自由度总数。

要解决这个问题，或者是按照模型减缩原则，将有限元模型减缩到试验模型的自由度上，或者是将试验模型的振型扩展到有限元的自由度上。

在数学上模型的减缩和扩展在求解过程中是一致的，但是将试验模型的振型扩展到有限元的自由度上会增加问题的复杂性，因此，工程实际中经常采用自由度缩减，将有限元模型所见到试验模型的自由度上，产生所谓实验分析模型（TestAnalysisModal，简称TAM），在TAM中保留的自由度与试验中传感器的一致。

在LMSVirtual.Lab中主要采用Guyan缩减，将传感器所在的自由度作为正自由度予以保留，得到TAM模型（如图4所示）。

图4TAM模型

第三步，模态置信度计算。

LMSVirtual.Lab中提供基于模态的相关性分析算法（Modal-BasedCorrelation）和基于传函的相关性分析算法（FRF-BasedCorrelation），本次分析中采用最常用的Modal-BasedCorrelation法完成了车门的模态相关性计算。

MAC矩阵是评价模态向量空间交角的一个很好的工具，由式

（2）可知，MAC值应介于0～1之间。

由于有限元模态与试验模态不可能完全满足正交性，目前还没有统一的标准来判断怎样的相关性是好的或可接受的，测试-分析-开发工程师组成的小组可以决定相关性的可接受性，工程中一般认为80%的模态振型相关性和5%的模态频率误差是可以接受的。

由图5及表1中的模态匹配结果可以得到：

尽管大多数仿真模态与试验模态的振型比较接近，即相关性值大于0.8，但是还是有一些模态的相关性值在0.8以下，有的甚至低于0.3。

下面我们将通过模型修正，使有限元模型的模态频率和振型都更接近于试验模态的频率和振型。

图5试验振型EMA和仿真振型FEA的MAC值柱状图

表1MACModePairTable

4有限元模型的修正

4.1试验与分析结果的误差分析

依据工程中的相关经验，有限元分析结果与试验结果之间的误差主要来源有：

（1）刚度误差：

零件间点焊联接比固接的刚度要低，车身模型中零件间采用固接联结方式，这比车身实际的点焊、螺栓等联结方式的刚度要高。

（2）质量误差：

模型简化略去了对整体结构力学性能影响较小的结构及小零件，忽略了螺栓联结部分的螺栓、螺母的质量和其他如油漆、阻尼材料等附属质量。

这样，有限元模型质量比实际质量要小。

（3）计算及试验的误差：

在理论假设、结构离散、迭代计算过程以及信号采集、处理过程中，产生不可避免的误差。

在工程计算中，来自计算与试验中的误差因素不可避免，但可通过灵敏度计算，适当调整有限元模型上的刚度和质量分布，减小模型在刚度和质量方面的误差。

4.2灵敏度计算

灵敏性计算是计算目标值与设计变量之间的偏导数，这里是取结构件1-8的厚度和材料的弹性模量作为设计变量，计算有限元的模态频率和传感器测量点的模态位移对设计变量的灵敏性值，然后根据模态位移对设计变量的灵敏性值进一步计算出相关性值MAC对设计变量的灵敏性值。

计算结果见图7。

图6设计变量示意图

（a）模态频率对设计变量的灵敏性值（b）相关性值MAC对设计变量的灵敏性值

图7模态频率对设计变量的灵敏性值和相关性值MAC对设计变量的灵敏性值

从图7可以看出，对模态频率和相关性值MAC影响比较大的是结构件的厚度，并且件4的敏度最高，因此我们主要将通过优化结构件的厚度来修正有限元的模型。

4.3模型的修正与优化

模型修正一般人工修改和基于优化分析的参数化修改。

通常，通过人工修改并不是很容易就能达到理想效果的，而使用基于优化分析的模型修正法可以避免工作的盲目性，提高工作效率。

在VL中可以构造误差函数作为目标函数，并以模型的物理参数如板厚、材料的杨氏模量等作为设计变量，最小化目标函数，从而得到修改后的模型。

按下式构造误差函数

其中，RT=试验数据；RA=分析结果；WR=响应的加权矩阵；PF=模型最后的参数；PO=模型最初的参数；WR=模型参数的加权矩阵；wt=试验数据的总加权值；wp=模型参数的总加权值

根据上式，通过迭代优化过程，寻找最终的模型参数向量PF，并且用最少的模型参数修改量使E最小化，达到模型修正的目的。

本例中的优化设置如下：

约束条件：

模型总重不大于原来的110%；

目标函数：

误差函数最小，即MAC值最大化。

优化结果见表3：

对优化后的模型做相关性分析，结果如图8和表4所示：

图8优化后试验振型EMA和仿真振型FEA的MAC值柱状图

表4OptimizationMACModePairTable

由图8和表4知，优化后仿真振型与试验振型的正交性良好，仿真模型的主要阶次的模态置信度MAC均提高到0.8以上，其模态频率和振型都更接近于试验模态的频率和振型。

优化前后模型频率对比见表5：

表5优化前后模型频率对比

由表5可知，优化前后仿真模型的频率值变化不大。

5结论

本文以某车型车门的模态分析/试验相关性分析为例，验证了LMSVirtual.LabCorrelation模块在相关性分析中的有效性，并且为其他方面的相关性分析的实现提供了方法上的借鉴。

综合以上分析结果，所得结论如下：

1.在本文的算例中，通过相关性分析及灵敏度计算修正了仿真模型，将其模态置信度由最低的0.4提高到了0.8以上，使仿真结果更接近于试验结果，提高了仿真模型的可信度。

实践表明，在工程实际中使用LMSVirtual.Lab中的Correlation模块进行相关性分析是可行的；

2.该相关性研究为该车门的结构改进与优化设计提供了可靠的模态参数，通过模态修正提高了仿真模型的精度，并为进一步动力学响应分析提供了可靠的模型依据。

参考文献

1刘东，廖日东，左正兴.分析/试验模型相关及修正技术若干问题[J].强度与环境，2003，30

（1）

2孙庆鸿，杨莉，吴明，张炳军.轻型客车白车身动力学建模与模型修正[J].江苏大学学报（自然科学版），2005，26（6）：

472-475.

3李德葆，陆秋海.实验模态分析及其应用[M].北京:

科学出版社，2001

4孙久厚，张方.振动试验模型的动力学映射技术研究[D].南京:

南京航空航天大学，2004

5陈德成，魏震松，曲广吉等.有限元模型修正技术的工程应用[J].中国工程科学，2001,3（10）

6ChenJC.andGarbaJA.Analyticalmodelimprovementusingmodaltestresults[J].AIAAJ.,1978,16（3）

7R.J.Guyan,ReductionofStiffnessandMassMatrix,AIAAJournalvol.3no.2,1965,p380.