Estruturas de Engenharia 242 (2021) 112531

Listas de conteúdos disponíveis em ScienceDirect

Estruturas de Engenharia

Página inicial do jornal: www.elsevier.com/locate/engstruct

Análise de espectro singular para investigação de vibrações estruturais

Irina Trendafilova
Departamento de Engenharia Mecânica e Aeroespacial, The University of Strathclyde, Reino Unido

ARTICLEINFO ABSTRATO

Palavras-chave: Este estudo visa demonstrar algumas capacidades de análise de espectro singular (SSA) para efeitos de análise de
Vibrações estruturais estruturas vibrantes / dinâmicas. SSA é um método poderoso para análise de série temporal, que engloba
Análise de sinal
elementos de análise de série temporal clássica, estatística multivariada, análise de componente principal, sistemas
Análise de espectro singular
dinâmicos e processamento de sinal. Este artigo apresenta a aplicação de SSA para séries temporais de resposta à
Decomposição do sinal de vibração
vibração e investiga a decomposição das vibrações estruturais em componentes harmônicos, de tendência e de
Reconstrução do sinal de vibração
ruído e sua reconstrução.
Após uma introdução à SSA e sua aplicação para sinais de vibração estrutural, o artigo investiga um modelo simples de um
sistema dinâmico e tenta analisá-lo usando métodos clássicos de dinâmica estrutural e SSA. Os resultados e as capacidades
dos dois métodos são então comparados e discutidos. Além disso, o artigo considera um caso experimental de uma placa
composta de GFRP em camadas que é submetida a vibração livre e os sinais registrados são analisados usando métodos
convencionais de dinâmica estrutural e SSA. Os resultados demonstram que o SSA pode ser utilizado como uma ferramenta
poderosa para análise do comportamento vibratório principalmente para estruturas com comportamento dinâmico mais
complexo e / ou não linear. É capaz de extrair os padrões vibratórios / oscilatórios mesmo no caso de oscilações não lineares.

1. Introdução
As vibrações são um dos fenômenos mais comuns e importantes para as estruturas.
A maioria das estruturas vibra como resultado de seu trabalho ou uso, como por
exemplo aeronaves, edifícios, pontes, etc. As vibrações podem ser perigosas e até
destrutivas para algumas estruturas e as falhas estruturais ainda não são uma história. É
por isso que a análise adequada das vibrações estruturais, sua previsão e simulação são
de extrema importância para a maioria das estruturas usadas em nossa vida cotidiana,
por exemplo, pontes, edifícios, aeronaves, etc.
As vibrações e a análise de vibrações têm várias aplicações. Eles podem ser
usados para fornecer informações sobre a própria estrutura em termos de
determinação de propriedades estruturais ou materiais. As vibrações podem ser
usadas para identificar informações sobre as forças que atuam na estrutura e
suas condições de contorno. No caso de terremotos, as estruturas vibram, mas
essas vibrações são normalmente perigosas e destrutivas para as estruturas. A
análise de vibração adequada em tais casos pode ajudar a prevenir
consequências catastróficas e também no projeto de estruturas mais resistentes
e resilientes.
Em muitas ocasiões, as vibrações estruturais são analisadas usando métodos
lineares, que envolvem suposições de linearidade. Mas, na prática, a maioria das
estruturas são inerentemente não lineares devido ao material, geometria e outras
não linearidades e, como resultado disso, demonstram ser bem definidas
comportamento vibratório não linear e não sinusoidal [1,2]. Em várias ocasiões,
pode ser difícil, e também com base em suposições incorretas, usar métodos
lineares convencionais para fins de análise de vibração. Foi reconhecido que as
vibrações não lineares, e especialmente aquelas para as quais os sinais
resultantes parecem bastante complexos e não são próximos aos harmônicos,
precisam de outros métodos para sua análise.[3,4]. A aplicação e o uso de
métodos de dinâmica não linear e análise de série temporal não linear foram
reconhecidos e tais métodos são aplicados em uma série de estudos para fins de
análise de vibração e avaliação de danos[3-17]. No que diz respeito à dinâmica
estrutural há uma série de estudos que podem ser citados.[3,4,16-22] e vários
artigos que usam métodos de dinâmica não linear são orientados para
monitoramento de saúde estrutural e avaliação de danos [5-17].
Os métodos de análise de sinal, que são apropriados para a análise de sinais
não lineares, aplicados à resposta de vibração medida, oferecem uma abordagem
mais geral para analisar vibrações estruturais usando os sinais de vibração
medidos. Esses métodos podem ser usados em uma base mais comum e geral,
pois eles não usam nenhuma suposição para o modelo ou linearidade. Métodos
de análise de sinal e métodos de dinâmica não linear também foram aplicados à
resposta de vibração medida para fins de avaliação de danos com base em
vibração [5, -17]. SSA é um método de análise de sinal e recentemente ganhou
alguma popularidade para fins de

Endereço de e-mail: irina.trendafilova@strath.ac.uk.

https://doi.org/10.1016/j.engstruct.2021.112531
Recebido em 26 de outubro de 2020; Recebido em forma revisada em 15 de abril de 2021; Aceito em 9 de maio de 2021
Disponível online em 23 de maio de 2021
0141-0296 / Crown Copyright © 2021 Publicado por Elsevier Ltd. Todos os direitos reservados.
I. Trendafilova
monitoramento estrutural e de máquinas. Já existem vários estudos que sugerem
a sua aplicação para diagnóstico e avaliação de avarias estruturais e de
maquinaria.[7-10,17]. Mas, até onde sabemos, não há estudos que investiguem a
análise da resposta à vibração por meio da SSA. A publicação de Golinval[16]
considera a aplicação da análise de componente principal (PCA) para examinar a
vibração forçada de um sistema multi-DOF linear, mas novamente com o objetivo
final para avaliação de danos estruturais. Este estudo sugere que uma análise
mais aprofundada e rigorosa da decomposição e dos estágios de reconstrução
que a SSA oferece pode trazer mais informações na análise dos sinais de resposta
de vibração não lineares e pode ser subsequentemente desenvolvida para a
análise de outros problemas relacionados importantes, incluindo danos avaliação
em condições ambientais variáveis.
Nesse sentido, a ideia deste estudo é apresentar a aplicação do SSA [32,33] à
resposta à vibração medida e usá-la para fins de análise de vibração estrutural,
simulação e previsão do comportamento vibratório. O autor é de opinião que o
SSA possui muito mais potencial para aplicação em vibrações estruturais, além de
seu uso exclusivamente para fins de avaliação de danos estruturais. Este estudo
visa demonstrar que para uma série de aplicações pode ser utilizado como
ferramenta para análise modal, especificamente para estruturas vibratórias não
lineares e especialmente quando a decomposição espectral e modal não pode ser
aplicada, pois os sinais de vibração possuem componentes periódicos, mas não
harmônicos.
SSA tem sido usado para fins de análise de sinal, principalmente em
diferentes estudos físicos, sociais e climatológicos [15-19]. Os objetivos de usar
SSA na maioria desses aplicativos são muito semelhantes- decompor o (s) sinal
(es) medido (s) em sinais mais simples e facilmente interpretáveis, que podem
estar relacionados ao comportamento do sistema que está sendo analisado e,
assim, extrair algumas informações sobre ele [32,33]. Em algumas aplicações, é
sugerido combinar SSA com outro procedimento como
por exemplo, ARmodelling em [18] a fim de melhorar a decomposição e a
identificação de componentes sazonais / periódicos nas séries temporais
medidas. Em dinâmica estrutural e análise de vibração, o SSA pode ser muito útil
para decompor sinais de resposta de vibração especialmente complexos e não
lineares, na identificação de harmônicos, tendências e componentes de ruído
existentes e na reconstrução do sinal livre de ruído.
SSA pode ser aplicado com sucesso a qualquer série temporal aparentemente
complexa com uma estrutura potencial, a fim de recuperar esta estrutura [28-32].
Ao fazer isso, o SSA é capaz de 1) encontrar tendências no sinal; 2) suavização no
sentido de eliminação de ruído e outros componentes indesejados; 3) extração de
componentes periódicos com diferentes magnitudes e identificação de suas
frequências / períodos; 4) extração de ciclos com diferentes períodos; 5) encontrar
a estrutura e recuperar a estrutura do sinal. Outra característica importante do
SSA é que ele é um método não paramétrico e, como tal, não requer um modelo
do sinal que está sendo analisado ou qualquer modelo do sistema dinâmico que o
produziu.
O SSA é aplicado em duas etapas principais e com três objetivos principais:
decomposição, reconstrução e previsão [25-27]. O objetivo do primeiro estágio, a
decomposição, é decompor a série original em uma soma de um pequeno
número de componentes independentes e interpretáveis, como uma tendência
de variação lenta, componentes oscilatórios e um ruído sem estrutura. E os
recursos desta etapa serão aplicados para fins de análise de vibração. O segundo
estágio pode ser usado para reconstruir o sinal original usando um número
selecionado de componentes. Por exemplo, pode-se selecionar apenas um certo
número de componentes que contêm as características importantes do sinal,
como sua tendência e componentes oscilatórios e descartar os componentes de
ruído (sem estrutura), reconstruindo assim um sinal sem ruído. Alguns estudos
consideram a previsão do sinal como um terceiro estágio, mas isso é feito com
base na fórmula linear recorrente usada para a previsão. Da mesma forma que a
reconstrução,
2
Estruturas de Engenharia 242 (2021) 112531
diferentes efeitos / influências aleatórias do sinal.
SSA pode ser usado para remover ruído do sinal e isso pode ser obtido
removendo os componentes aleatórios do sinal decomposto. Este recurso do SSA
foi explorado em alguns papéis de análise de vibração e outros sinais[10,11,12,17]
. Dentro[9] O SSA é usado para diminuir o ruído do sinal de vibração medido da
máquina e, em seguida, realizar o diagnóstico de falhas com outros métodos.
Deve-se mencionar que a maioria dos métodos que sugerem o uso de SSA para o
diagnóstico de maquinários e monitoramento estrutural, na verdade, sugere a
combinação de SSA com outro método para atingir o objetivo final do trabalho.[9-
11]. Vários artigos podem ser mencionados que sugerem o uso de SSA em
combinação com outros métodos.[10] sugere combinar SSA com decomposição
de modo empírico e ANFIS para fins de detecção de falha de rolamento. Os
autores de[14] aconselho o uso de SSA junto com modelagem ARMAX para
avaliação de danos estruturais. Enquanto os autores de[13] sugerem o uso de SSA
recursivo para fins de detecção de danos estruturais em tempo real. Os autores de
[12] explorar SSA e comparar o resíduo entre o sinal original e o reconstruído
usando métricas estatísticas para fins de avaliação de danos estruturais. Loh et al.
[15] utilizou SSA para decompor o sinal de resposta obtido em pórticos de
concreto armado com o objetivo de monitorar deformações permanentes
naquela estrutura. O dano foi extraído explorando a variabilidade de alta
frequência da SSA. Eles desenvolveram um método para monitorar
continuamente a qualidade estrutural do Arco de Taiwan. SSA e análise de
componente principal não linear (NPCA) foram usados para extrair deformação
residual dentro da estrutura. Dentro[18] Traore, Pantera et al aplicam SSA para
monitoramento de reatores nucleares usando sinais de emissão acústica. Os
sinais são denoised com SSA e, em seguida, analisados a fim de distinguir entre
os sinais do saudável (não corrompido) e os sinais corrompidos de um reator
danificado. Os autores descobriram que o SSA fornece separabilidade muito boa
entre os dois tipos de sinal. Como foi mencionado acima, SSA possui dois estágios
de decomposição e reconstrução. A segunda fase da SSA não tem sido muito
utilizada, mesmo para fins de diagnóstico de avarias e falhas. A fase de
reconstrução dá a possibilidade de recuperar parte ou todas as características do
sinal bruto medido inicialmente. É verdade que a aplicação mais popular é para
cancelamento de ruído, mas a reconstrução pode ser usada para outros fins,
assim como na reconstrução, todos ou apenas alguns dos componentes podem
ser mantidos. Isso pode ser potencialmente útil para análise de sinal de vibração
estrutural.
Este estudo apresenta e explora a aplicação da SSA para a análise,
decomposição e reconstrução do sinal de vibração estrutural. Ele demonstra
como SSA pode ser usado para decompor o sinal de vibração em harmônicos e
mostra que em algumas ocasiões, especificamente para estruturas de vibração
não linear, isso pode ser mais benéfico, e apresenta uma ferramenta mais
poderosa do que a análise espectral e decomposição de o sinal de vibração.
O resto do artigo está organizado da seguinte forma. Ele começa com uma
breve introdução da metodologia SSA e suas principais etapas no próximo
parágrafo. Em seguida, a aplicação de SSA para análise de vibração estrutural é
brevemente discutida. Depois disso, é oferecido um exemplo numérico em que o
SSA é aplicado para fins de análise de uma estrutura simples não linear de 2 DOF.
O trabalho então prossegue com a aplicação de SSA para fins de análise da
vibração de uma viga mista. Eventualmente, o estudo tira algumas conclusões a
respeito das possíveis aplicações do SSA para fins de análise de vibrações
estruturais especificamente quando o sinal de vibração é não linear / não
harmônico.
2. A metodologia de análise de espectro singular e sua aplicação no
caso de vibrações estruturais.
2.1. A metodologia SSA
Normalmente, o comportamento vibratório / dinâmico de uma estrutura é
representado por seu sinal de aceleração, velocidade ou deslocamento. Isso pode ser
introduzido por uma série temporal diferente de zero com valor real YT = (y1, ..., yT) de um
certo comprimento suficiente T. SSA é uma técnica de análise de série temporal, que
I. Trendafilova
baseia-se em estatísticas multivariadas. Seu principal objetivo é decompor o sinal
original em uma soma de sinais, de modo que cada componente nesta soma
possa ser interpretado como uma tendência, componente periódico ou quase
periódico (possivelmente modulado em amplitude) e ruído. Isso é seguido por
uma reconstrução da série original. Assim, a técnica SSA consiste em duas etapas
complementares: decomposição e reconstrução, ambas as quais incluem duas
etapas separadas. No primeiro estágio, o sinal original é decomposto em um
número menor de sinais simples e mais significativos e no segundo estágio a
série original é reconstruída como uma soma de todos ou alguns desses sinais
simples, que podem ser usados para fins de previsão de novos pontos de dados.
Abaixo, uma breve introdução sobre a metodologia da técnica SSA é fornecida,
que segue principalmente [26,
2.1.1. Decomposição do Estágio 1
Este primeiro estágio consiste em embutir e decompor valores singulares
(SVD). Cada um deles é brevemente apresentado a seguir.
2.1.1.1. Incorporação.A incorporação pode ser considerada como um mapeamento que transfere
uma dimensão unidimensional
série temporal YT = (y1, ...,yT)na série multidimensional X 1 …XK
com vetores
Xi = (yeu , ..., yeu- L +1) ∈ REU, OndeK = T - L +1 (1)
Nesta fase, o sinal de aceleração medido é mapeado em K
vetores defasados Xeu, cada um dos quais tem um comprimento de janela EU. O
único parâmetro da incorporação é o comprimento da janela L, um inteiro tal que
2 ≤ eu ≤ T. O resultado da incorporação é a matriz de trajetória
X = [X1, ..., XK] = (Xeu j)i, j = 1, ⋯., L, K (2)
Deve-se notar que a matriz de trajetória X é uma matriz de Hankel, ou seja,
todos os elementos ao longo da diagonal i + j = const são iguais. A incorporação é
um procedimento padrão na análise de séries temporais e a análise futura
depende do objetivo da investigação. A escolha do comprimento da janela L é
uma escolha entre duas considerações: qualidade da informação extraída e o
grau de confiança estatística nessas informações. A primeira consideração requer
a janela mais ampla possível, enquanto a segunda requer muitas repetições da
janela, ou seja, T / L o maior possível[17,18].
Na análise de vibração, pode-se impor um limite inferior no comprimento da
janela, dependendo da frequência de resolução mínima desejada. Assim, se
alguém estiver interessado em observar um fenômeno em frequências na faixa de
fs,
f (pelo menos igual a f) o comprimento mínimo da janela deve ser definido em eu ≥ f
Onde fs é a frequência de amostragem do sinal.
2.1.1.2. Decomposição de valor singular (SVD).O segundo estágio do SSA, o SVD,
submete a matriz de trajetória à decomposição de valor singular e a representa
como uma soma de elementar bi-ortogonal de posto um
matrizes. Denotado porλ1, …, λeu os autovalores de XX' em ordem decrescente de
magnitude (λ1 ≥…λeu ≥ 0) e por você1, …, vocêeu o sistema ortonormal
(isso é, (vocêeu, vocêj) = 0 para i = j (a propriedade de ortogonalidade) e ‖vocêeu‖ =
1 (a propriedade da norma da unidade)) dos autovetores da matriz XX' corre-
respondendo a esses valores próprios. (vocêeu, vocêj) é o produto interno dos vetores
vocêeu e vocêj e ‖vocêeu‖ é a norma do vetor vocêeu. Se denotarmos por Vi =
X'vocêeu/√λeu, então, o SVD da matriz de trajetória pode ser escrito como:
X = 1X+ ... + d, X (3)
Onde Xi = √λeuvocêeuVeu'(i = 1, …, d). As matrizes Xeu são matrizes elementares, vocêeu (
na literatura da ASS são chamados de 'funções ortogonais empíricas de fator' ou EOFs) e
Veu (frequentemente chamados de 'componentes principais') estão
3
Estruturas de Engenharia 242 (2021) 112531
os vetores singulares esquerdo e direito da matriz de trajetória. A coleção
(√λeu, vocêeu, Veu) é o eu-o oitavo princípio da matriz X,√λeu (i = 1, …, d) são os
valores singulares da matriz X e o conjunto {√λeu} é chamado de
espectro da matriz de trajetória X. Se todos os autovalores tiverem multiplicidade
um, então a expansão (3) é definido de forma única. Pode-se mostrar que o SVD
(3) é ótimo no sentido de que entre todas as matrizes X (r)
de classificação r <d, o Matrix ∑ri =1Xeu fornece a melhor aproximação ao
matriz de trajetória X, de modo a ‖X - X (r)‖ é mínimo. Observe que‖X‖ =
2
∑d
i =1λeu e ‖Xeu2‖ =λeu para i = 1, …, d. Assim, podemos considerar a proporção λeu/
∑d
i =1λeu como a característica da contribuição da matriz Xeu para a expansão de X
(Eq. (3)) Consequentemente∑r ∑d
i =1λeu 1λ eu, a soma da ximação do
=p
primeiro r razões, é a característica do optima / laeup ro
matriz de trajetória pelas matrizes de classificação r.
2.1.2. Etapa 2: Reconstrução
A reconstrução consiste em agrupamento que é seguido por média
diagnóstica.
2.1.2.1. Agrupamento.O agrupamento divide as matrizes elementares Xeu em
vários grupos e soma as matrizes dentro de cada grupo. O MatrixX
correspondendo a certo grupo de índicesI = {i1, eu2,⋯., euk} é a matrizeu
XI = Xeu1 + Xeu2 +⋯ + Xeuk. Então, a matriz de trajetória pode ser representada como:
X = Xeu1 +Xeu2 +⋯ +Xeum (4)
O procedimento de escolha dos grupos Xeu1, Xeu2,⋯, Xeum é chamado de
agrupamento triplo próprio. A contribuição de cada grupo para a expansão do
matriz de trajetória é medida pela soma dos valores próprios correspondentes λeu.
2.1.2.2. Média diagonal.Esta etapa transfere cada matriz Xeu em uma série
temporal, que é um componente aditivo à série temporal original.
Cada k-ésimo elemento da série resultante é obtido pela média de todos x
componentes sobre tudo eu e j de modo a i + j = k + 2. Este é o mesmo processoeusj
como a chamada Hankelização das matrizes elementares. O resultado desse
processo é a matriz de Hankel correspondente a uma matriz elementar, que é a
matriz de trajetória das séries obtidas a partir da média diagonal. O resultado da
Hankelização de uma matrizZ é o Hankel
matriz HZ, que é a matriz de trajetória correspondente à série obtida como
resultado da média diagonal. Observe que o Hankeli-
zação é um procedimento ideal no sentido de que a matriz HZ é o mais próximo
de Z (com relação à norma da matriz) entre todas as matrizes de Hankel
do tamanho correspondente [15, cap. 6, seg. 2]. Por sua vez, o Hankel
matriz HZ define a série de maneira única, relacionando o valor nos sinais aos
valores na série. Ao aplicar o Hankelization pro
cedência a todos os componentes da matriz de (4), obtemos outra expansão:
X = Xeu1 +Xeu2 +⋯ +Xeum (5)
Onde Xeu1 = HX Isso é equivalente à decomposição do sinal inicial Y yy em uma
soma de sinais m:
T=( 1,⋯., T)
∑m
yt = yt(k) (6)
k =1
(y (k) ⋯ y )
(k) corresponde à matriz X
Onde Y (k) T = 1,, T euk
2.2. Aplicação de SSA para vibrar estruturas de funcionamento
Neste estudo, estamos lidando com a resposta de vibração de decadência livre de
I. Trendafilova Estruturas de Engenharia 242 (2021) 112531

os sistemas considerados. Nesta fase, sem qualquer perda de generalidade, será

assumido que o processo de SSA descrito acima é aplicado ao sinal de aceleração
medido. O sinal de aceleração é submetido a SSA e as principais etapas do
processo estão resumidas a seguir.

1. Primeiro, o sinal de aceleração medido é embutido em suas coordenadas

retardadas, resultando em uma sequência de vetores de aceleração
multidimensionais defasados.
2. Em seguida, a matriz do vetor de base ortogonal é estimada usando
decomposição de valor singular (SVD) ou análise de componente principal. Figura 1. O sistema de massa de mola não linear 2-DOF.

3. Os vetores defasados multidimensionais obtidos no passo 1 são projetados

nos novos vetores de base.
4. Os componentes relevantes são selecionados
5. O sinal de aceleração incorporado multidimensional é reconstruído
geralmente usando uma dimensão inferior
6. A média diagonal é empregada para recuperar a estrutura de Hankel da matriz
de trajetória
7. A incorporação é revertida para produzir uma aproximação do sinal de
aceleração inicial

aceleração (mm / s2)

O processo acima é aplicado em dois estágios principais - decomposição e
reconstrução. Na fase de decomposição, a aceleração medida
o sinal está embutido em uma matriz de trajetória Xeu j, i, j = 1,…., L, K usando a
janela de incorporação L, onde K = T - L + 1 e T é o sinal inicial
comprimento (etapa 1). Em seguida, SVD é aplicado (etapa 2). Nesta fase, alguém
está em posse deeu autovalores λi e as matrizes de decomposição do lado
esquerdo e direito você e V. Deve-se notar que os componentes principais (PC's)
do sinal decomposto no domínio do tempo têm uma estrutura temporal e são
definidas no mesmo intervalo de tempo que o sinal inicial. O estágio de
tempo (seg)
reconstrução (etapa 3) fornece uma série de componentes L reconstruídos, que
podem ser usados para reconstruir o sinal inicial de acordo com a equação(6). Os
Figura 2. Sinal de domínio do tempo para o sistema 2-DOF.
componentes reconstruídos obviamente possuem estrutura temporal igual à do
sinal inicial. O sistema completo deeu
do tr componentes finais, o amortecimento correspondente aos diferentes
componentes reconstruídos podem ser usados para uma reconstrução completa
oscilações elementares ou para os diferentes modos podem ser estimadas usando o
da série inicial, mas também é possível usar apenas vários componentes
método do decremento logarítmico.
reconstruídos para representar o sinal inicial (etapas 4-7). Usando os valores
Normalmente, dois autovalores muito próximos ou iguais λeu irá definir /
próprios e os componentes reconstruídos, é possível identificar os componentes
corresponder a um componente periódico. O resto dos valores próprios são
periódicos, as tendências e os componentes de ruído.
responsável pela tendência do sinal e do ruído. O primeiro até 10 RC's deve ser
Em geral, procura-se diminuir o ruído do sinal medido, pois todos os sinais
suficiente para uma boa reconstrução do sinal inicial, pois os componentes do
medidos contêm algum ruído, e decompor em sinais elementares simples
ruído, que em geral não são necessários, costumam estar ligados aos autovalores
correspondentes a oscilações de frequência única. SSA provou fazer ambos estes
mais elevados, acima do 10º. O RC periódico's teriam estrutura periódica e é
[23] e para uma série de aplicações, SSA é usado para eliminar o ruído de séries
possível identificar seu período a partir de sua representação temporal ou usando
temporais univariadas e estudar seu perfil espectral. Em aplicações de detecção
seus periogramas ou espectros. [18]. Se o objetivo é decompor o sinal sem ruído,
de espectro, como análise de vibração estrutural, o perfil de autovalor é usado
então o RC's correspondentes aos componentes de ruído podem ser removidos.
para determinar as bandas de frequência, que são ocupadas pelo sinal e / ou
As componentes periódicas corresponderão aos principais modos lineares e / ou
estimar o piso de ruído da banda de frequência. Em uma perspectiva mais geral, o
não lineares de vibração da estrutura analisada. Eles representarão os modos de
SSA permite decompor o sinal em uma série de componentes que refletem
vibração harmônico / linear, bem como os não-harmônicos / não lineares.
bandas de frequência distintas do sinal original. O modelo de subespaço baseado
Consequentemente, essa decomposição temporal pode ser usada no lugar de
em SSA corresponde a uma matriz ortogonal cujos vetores de coluna formam
uma decomposição modal, pois é usada para representar o sinal como uma soma
uma base própria do espaço multidimensional criado pela incorporação.
de componentes periódicas, incluindo as lineares e não lineares. Esta é uma
Componentes relevantes do sinal de vibração são então obtidos projetando-o
aplicação potencialmente importante, pois várias estruturas vibratórias
nesta base própria, enquanto componentes irrelevantes podem ser omitidos.
demonstram comportamento não linear, o que resulta em componentes de
Nesta aplicação particular, mede-se um sinal de decaimento livre e está
vibração periódica, mas não senoidal, que geralmente não podem ser
interessado em extrair dele os movimentos oscilatórios elementares, incluindo os
identificados no espectro do sinal. Então, aplicar SSA seria mais apropriado, pois
não lineares. Extrações de periodicidade semelhantes usando SSA foram feitas
identificará ambos-as periodicidades lineares e não lineares no comportamento
para algumas aplicações climatológicas e meteorológicas com o objetivo de
vibratório estrutural.
identificar os componentes sazonais / periódicos[24]. SSA realmente decompõe o
sinal de vibração medido em harmônicos e a reconstrução fornecida por(6) foi
As duas seções a seguir & 3 e & 4 fornecem duas demonstrações para a
comprovado que dá a melhor aproximação possível do sinal na presença de ruído
aplicação de SSA para fins de decomposição e identificação de componentes
[22]. Adicionalmente,
periódicos / modais para dois sistemas com não linearidades: a

4
I. Trendafilova Estruturas de Engenharia 242 (2021) 112531

a)

b)

Fig. 4. Sinais originais e reconstruídos - a) reconstrução completa eb)

Fig. 3. Espectro de sinal para o 2-DO Sistema F.
reconstrução com os primeiros 8 RC's.

tabela 1
estão k1 = k2 = k3 = 2000N / m, os coeficientes de amortecimento são definidos por
Os primeiros 10 valores próprios. c1 = c2 = c3 = 6Ns / m, as massas do sistema são m1 = m2 = 5kg e o
valor da rigidez quadrática é kn = 10.000 N / m.
Nº de valor próprio Valor próprio
A resposta livre do sistema acima é obtida numericamente para o
1 13.0393
massas m1 e m2 O sinal de decaimento livre da massa m2 a aceleração é traçada
2 9.2671
em Figura 2.
3 8,8054
4 7,1486 O sinal está contaminado com 3% de ruído Gaussiano para simular um sinal
5 2,4924 de vibração medido mais realista. Este sinal apresenta o comportamento de
6 1,5393 decaimento livre do sistema e sua periodicidade e a tendência de diminuição da
7 1,3460
amplitude podem ser apreciadas a partir doFigura 2. O espectro do sinal temporal
8 0,7251
9 0,7221
s (t) é apresentado emFig. 3.
10 0,5519 O sistema acima é o sistema 2DOF e, portanto, espera-se que tenha duas
11 0,4399 frequências modais correspondentes às duas massas. A partir do espectro do
12 0,3816
sinal de vibração de resposta, apenas um harmônico puro óbvio pode ser
13 0,3362
detectado, e corresponde a um do sistema's frequências modais / naturais
14 0,2870
15 0,2265 lineares. A outra frequência não pode ser claramente identificada no espectro do
sinal, especialmente para amortecimento mais alto. Conseqüentemente, a partir
da análise no domínio da frequência, o sistema não pode ser totalmente
Sistema de massas simples de 2 DOF e para uma viga composta real. decomposto em harmônicos e não é possível identificar seus harmônicos.
Em segundo lugar, SSA é aplicado ao sinal de decaimento livre do sistema,
3. Análise de vibração de um sistema de massa de mola não linear de 2 DOF. dado em Figura 2. Conforme explicado acima, o SSA pode ser aplicado com
diferentes janelas e, em certa medida, o comprimento da janela muda seu
3.1. O sistema e seu comportamento vibratório desempenho e resultados. O conselho / prescrição geral é que o comprimento da
janela não deve ser maior que a metade do comprimento do sinal e se houver
Nesta seção, um sistema de vibração 2-DOF simples com um sistema não linear uma periodicidade conhecida na série temporal, é aconselhável escolher o
rigidez é considerada (Figura 1) O sistema consiste em duas massasm1 e comprimento da janela proporcional a este período. Seguimos essas prescrições e
m2 que a são conectados por quatro molas / rigidez k1,k2,k3 e kn, e o comprimento da janela escolhido neste caso é 60.
três amortecedores
quadrática, aplicadacentre
1,c2 e as
C3 duas
A rigidez k1,k2 Os
massas. e kamortecedores
3 são lineares ekcé
n uma rigidez Todos os gráficos do comportamento dos valores próprios, os vectores
1, próprios, os componentes principais (PC's) e os componentes reconstruídos são
c2 e C3 todos representam amortecimento linear histérico, que é proporcional à dados em Apêndice A. Os primeiros 10 valores próprios do sistema também são
velocidade. dados emtabela 1. Eles contêm informações sobre os componentes nos quais o
O sistema'A vibração livre pode ser descrita pelo seguinte sinal é decomposto. Do diagrama de tela dos valores próprios (Apêndice A) e de
equação: tabela 1 é visível que existem duas componentes harmônicas (correspondendo à

[M] ẍ + [C] ẋ + [K] x + f (ẋ, x) = 0
Onde M, C e X são as matrizes de massa, amortecimento e rigidez
correspondentes e a função f fornece um acoplamento quadrático entre as duas
massas. Os seguintes valores foram usados como condições iniciaisx1
0=
(7) 2ª e 3ª e 6ª e 7ª eigen-triplas, respectivamente com a amplitude da primeira
harmônica sendo muito maior que a amplitude da segunda, o que também pode
ser confirmado pelos valores próprios correspondentes, o PC'se o RC's (Apêndice A
) Também pode ser visto que os componentes após o dia 10 têm muito pouco
efeito no sinal em si, pois suas amplitudes são

0; x20 = 0; ẋ1 0 = 0; ẋ2 0 = 1em. Os valores das rigidezes no sistema

5
I. Trendafilova Estruturas de Engenharia 242 (2021) 112531

mesa 2 parágrafo: Primeiramente é aplicada a análise de frequência normal através do

Configuração de lay-up do feixe de fibra de carbono. uso de FFT e então a aplicação de SSA nos sinais no domínio do tempo é discutida.
Número de camadas 3 1 6 1 3

Graus 0/90 + 45 /- 45 0/90 - 45 / + 45 0/90

Muito pequeno.
Assim, somente a partir da resposta de vibração medida no domínio do
tempo, somos capazes de recuperar todas as informações sobre o sinal de
vibração inicial e daí extrair informações sobre o sistema vibratório. O sinal é
decomposto em 1) tendência, que está relacionada ao primeiro, o quarto e
possivelmente o quinto triplos próprios, 2) componentes oscilatórios que são
definidos pelo terceiro e quarto e pelo sexto e sétimo triplos próprios e 3) ruído e
outros componentes sem estrutura, que entretanto têm muito pouco efeito sobre

Aceleração (m / s2)
o comportamento do sinal, e são apresentados pelos triplos próprios adicionais. A
partir do sinal de vibração medido no domínio do tempo e dos resultados do SSA,
pode-se deduzir que o sistema tem dois modos de vibração - um linear e um não
linear.'s (ver Apêndice A, Figura A1.3) usando seus espectros ou periodogramas. E
pode-se confirmar que as frequências dessas duas harmônicas, a linear e a não
linear, são exatamente as mesmas que em nosso sistema simples massa-mola-
amortecedor.

Fig. 4 apresenta a reconstrução completa do sinal inicial e o sinal reconstruído Fig. 6. Sinal no domínio do tempo medido no feixe composto.
usando os primeiros 8 componentes. A reconstrução completa reconstrói todo o
sinal, incluindo a tendência, os modos vibracionais / os componentes harmônicos
e o ruído. Os 8 primeiros componentes apresentam uma aproximação muito boa
do sinal inicial, pois esta reconstrução contém, na verdade, todas as
características importantes que dão informações sobre o sistema vibratório, mas
sem o ruído e as vibrações de amplitude muito pequena.

Este exercício com um sistema vibratório simples demonstra a importância da

fase de reconstrução da SSA para o caso de sinais de estruturas vibratórias.
Permite reconstruir todo ou parte do sinal, que contém características
particulares. Por exemplo, só se pode reconstruir os modos de vibração do
sistema e encontrar os lineares e os não lineares. A reconstrução também pode
ser utilizada para fins de limpeza de ruídos. Em seguida, os componentes de ruído
devem ser identificados e removidos.

4. Análise de vibração de uma viga composta

Este parágrafo analisa a vibração de decaimento livre de uma viga composta

com o mesmo objetivo acima - para demonstrar as capacidades do SSA como um
método alternativo para análise de vibração. No parágrafo seguinte, a viga
composta e o experimento são apresentados. Mais adiante, a estrutura do
Fig. 7. Sinal de domínio de frequência para o feixe composto.
parágrafo segue a do anterior

Fig. 5. Configuração experimental.

6
I. Trendafilova Estruturas de Engenharia 242 (2021) 112531

4.3. Aplicação de SSA e resultados para viga composta

Subseqüentemente, o SSA é aplicado ao sinal medido experimentalmente no

feixe composto. Isso nos permitirá decompor o sinal em harmônicos (incluindo os
não lineares), tendência (ões) e ruído sem estrutura.
Neste caso, um comprimento de janela de 400 ms é usado, que é menor do que
½ do comprimento do sinal, mas grande o suficiente e proporcional ao período
principal do sinal (200 ms). Vale a pena mencionar que, embora o comprimento
da janela L afete a decomposição do sinal em alguns casos de forma bastante
substancial, neste caso particular, o comprimento da janela não tem um grande
efeito na decomposição do sinal e os egêntricos obtidos têm a mesma estrutura
para diferentes comprimentos de janela .
A primeira coisa a explorar é o gráfico dos autovalores em ordem
decrescente, que pode fornecer informações sobre o caráter dos diferentes
componentes. Fig. 8 representa os logaritmos dos primeiros 20 valores próprios
em ordem decrescente de acordo com a contribuição dos triplos próprios para o
comportamento / reconstrução do sinal.
Pode-se ver que existem várias partes planas no diagrama, o que pode indicar
componentes harmônicos. Eles correspondem ao 1º e ao 2º, ao 6º e ao 7º
autovalores, depois ao 8º, ao 9º e ao 10º autovalores e ao 12º, ao 13º e ao 14º
Fig. 8. Logs dos primeiros 20 autovalores em ordem decrescente.
autovalores. Os primeiros 20 vetores próprios, PC'se RC's são dados em Apêndice
B. Pode ser apreciado que o primeiro e o segundo autovetores, PC'se RC's têm
4.1. Feixe de teste e configuração experimental
estrutura periódica e ambos os componentes têm o mesmo período / frequência.
Para esclarecimento, deve-se mencionar que o PC's também têm estrutura
A estrutura considerada é uma viga composta de fibra de carbono. As
temporal semelhante à do sinal original. Assim, pode-se concluir que o primeiro
estruturas de fibra de carbono têm uma série de propriedades desejáveis,
componente harmônico corresponde a esses CP'se RC”se tem uma frequência de
incluindo boa relação resistência / peso e flexibilidade. Eles são usados em várias
5 Hz. Este é visivelmente um componente oscilatório linear (quase sinusoidal). A
indústrias e aplicações, incluindo aeroespacial e energia. A viga tem as seguintes
estrutura do 3º PC e do 3º componente reconstruído sugere que esse
dimensões: comprimento 525 mm, largura 30 mm e espessura 6 mm. A viga tem
componente representa um componente de tendência do sinal, que é decadente.
14 camadas com a configuração de layup mostrada a seguirmesa 2.
Esta é a principal tendência do sinal devido ao movimento vibratório de
decaimento livre. O 4º e o 5º eigêntricos são os próximos candidatos a
A viga foi presa - presa em ambos os lados e atingida por um martelo para
representar um componente periódico, embora os autovalores não sejam
causar vibração livre. Um acelerômetro foi acoplado no meio do feixe para
exatamente os mesmos, o 4º e o 5º componentes reconstruídos representam o
registrar os sinais de aceleração.Fig. 5 apresenta um esquema do experimento.
movimento harmônico, o que é confirmado pela reconstrução do sinal pelo 4º e o
Os sinais foram registrados no tempo e no domínio da frequência.
5º RCs apenas (Fig. 9) Este componente oscilatório é provavelmente não linear. A
frequência correspondente aos componentes reconstruídos pode ser identificada
como 20 Hz. O sexto e o sétimo oitocentros também parecem representar o
4.2. Dados experimentais / análise de sinal
comportamento oscilatório que presumivelmente corresponde a um terceiro
componente oscilatório periódico (frequência natural). Olhando para os
Este parágrafo trata da análise dinâmica tradicional de sinais de decaimento
componentes reconstruídos, é claro que RC's 6 e 7 contribuem para outro
livre a fim de extrair algumas características estruturais. Um sinal de aceleração
componente de movimento oscilatório / periódico da resposta livre do feixe, mas
registrado no domínio do tempo é mostrado noFig. 6 abaixo de. A partir de
este tem uma amplitude muito menor e, portanto, uma contribuição muito
Fig. 6 pode-se determinar a frequência de vibração principal do feixe e obter uma
menor para a reconstrução do sinal original (Fig. 9)
estimativa para o amortecimento principal. Nesse caso, a frequência foi estimada
em 5 Hz. Um sinal de decaimento livre de domínio de frequência registrado no
feixe é apresentado a seguirFig. 7. Do sinal de domínio da frequência, apenas
uma frequência natural pode ser obtida. O sinal tem um pico distinto em 5 Hz.
Considere agora os oito, 9 e 10, oito (Apêndice B) Estes três
Pode haver alguns outros picos, mas eles não são bem visíveis no espectro do
os valores próprios são quase iguais e espera-se que pelo menos dois deles
sinal.
definam um componente oscilatório. Olhando para o RC's 8 e 9, pode-se ver que
eles obviamente representam o comportamento oscilatório com
Aceleração mm / s2

Aceleração mm / s2

Tempo (segundos) Tempo (segundos)

Fig. 9. Sinal original e reconstrução com RC's 4 e 5 e RCs6 e 7.

7
I. Trendafilova Estruturas de Engenharia 242 (2021) 112531

Aceleração (m / s 2)

Aceleração (m / s 2)
Tempo (segundos)
Tempo (segundos)

Fig. 10. Reconstrução de sinal com RCs 1-6 e com RCs 1-10

por RC's 4 e 5. Portanto, esses dois estão provavelmente contribuindo com a

segunda frequência de 20 Hz, mas representam um padrão de vibração não
linear / não senoidal. Assim, pode-se presumir que essa oscilação seja
possivelmente não linear com um período de 0,05 s. Em terceiro lugar, pudemos
identificar um terceiro movimento oscilatório, que é definido pelo 8º e 9º
componentes reconstruídos, mas a contribuição desse movimento oscilatório é
bastante pequena quando comparada à amplitude do sinal medido. A frequência
deste movimento pode ser determinada como 16 Hz usando o espectro deste
Aceleração (m / s2)

componente de movimento. Assim, a vibração livre do feixe composto pode ser

representada por três movimentos periódicos: um movimento senoidal, que pode
ser identificado como um modo vibracional linear com uma frequência de 5 Hz e
dois outros movimentos periódicos, que provavelmente não são puramente
sinusoidais, como eles não são identificados no espectro do sinal. Os outros dois
movimentos periódicos têm frequências de 16 e 20 Hz. A contribuição e a
amplitude de vibração do movimento de 20 Hz são maiores do que a contribuição
do movimento de 16 Hz. A maior contribuição é dada pelo movimento oscilatório
linear de 5 Hz.
Nas próximas Fig. 10 representa a reconstrução do sinal com os primeiros 6 e
os primeiros 10 RCs, respectivamente. Pode-se ver que os primeiros 10
Tempo (segundos)
componentes reconstruídos capturam todas as características do movimento
vibratório, incluindo sua tendência e todos os três componentes harmônicos. A
Fig. 11. Reconstrução completa e reconstrução com 20 RCs.
reconstrução com os 6 primeiros componentes captura a tendência e os dois
primeiros harmônicos do movimento.
perto ou nas mesmas frequências. O gráfico desses componentes reconstruídos
Fig. 11 representa a reconstrução completa do sinal com todos os RCs e
mostra decadência periódica ou mesmo movimento sinusoidal com frequência de
aquele com os primeiros 20 RCs's. A reconstrução com 20 RC's é uma
16 Hz (Apêndice B, Figura A2.4). A freqüência pode ser confirmada pelo espectro
aproximação muito boa do sinal original, que captura todas as suas
ou pelo periodograma do sinal feito dos dois componentes reconstruídos.
características e é quase indistinguível da reconstrução completa

Por fim, estamos em posição de identificar três padrões harmônicos distintos

no sinal de decaimento livre do feixe composto. O primeiro que define a primeira
5. Discussão e conclusões
frequência natural do feixe é definido pelos dois primeiros componentes
reconstruídos e tem uma frequência de 5 Hz, que é igual à frequência identificada
O objetivo desta pesquisa é demonstrar algumas das possibilidades da SSA
no espectro do sinal. Pelos componentes reconstruídos pode-se ver que isso
para sistemas vibratórios.
corresponde a um comportamento linear / sinusoidal. A amplitude desta
Com o objetivo acima, este estudo analisa a resposta à vibração livre de uma
reconstrução tem amplitude bastante substancial próxima à do sinal medido, o
viga não linear simulada com rigidez quadrática e de uma viga composta
que prova que esta é a principal frequência vibratória e o principal padrão de
experimentalmente testada com uma resposta de decaimento livre não linear. Em
vibração do sinal. RC adicional's 4 e 5 obviamente apresentam outro componente
ambos os casos, primeiro um FFT normal é aplicado para analisar a informação
periódico na vibração do feixe composto, cuja frequência pode ser confirmada
que se pode extrair dos espectros dos sinais. Em ambos os casos, apenas uma
como 20 Hz. RC's 6 e 7 também têm um padrão periódico, de modo que parecem
frequência de movimento oscilatório pode ser identificada, que de acordo com a
contribuir para uma das harmônicas do movimento. Mas a frequência deste
análise posterior com SSA e os componentes reconstruídos obtidos representa
movimento é a mesma que já foi definida
um movimento oscilatório linear / sinusoidal. Os componentes relacionados a
padrões periódicos não lineares do movimento não podem ser identificados.

8
I. Trendafilova
Posteriormente, o SSA é aplicado a ambos os casos. Em ambos os casos, o uso de SSA é
capaz de identificar componentes periódicos adicionais que eventualmente levam a uma
reconstrução de sinal muito melhor.
Como foi mencionado, a SSA tem sido usada para vários fins, em diferentes
disciplinas e para uma variedade de aplicações diferentes, incluindo aplicações
sociais, climatológicas e meteorológicas. Recentemente, algumas aplicações de
SSA para sistemas mais complexos, como o aplicativo para monitoramento
contínuo do arco de Taiwan[15] e aplicações para monitoramento de
experimentos de segurança nuclear [18] foram publicados. As aplicações para
sistemas estruturais mais complexos, como sistemas feitos de materiais
compostos e estruturas de concreto armado
[5-7,15-17] fazer um novo avanço nas aplicações de SSA para sistemas e
estruturas reais e mais complexos.
Recentemente, uma série de aplicações de SSA para fins de monitoramento de integridade
estrutural e para monitoramento de condição de máquinas foram publicadas [5-18], que
contribuem para as aplicações de engenharia da SSA. Muitas das publicações mencionadas usam
SSA para fins de limpeza de ruído antes da aplicação de outros métodos para fins de
monitoramento e avaliação de danos[8-10,12,13,25]. Após identificar e remover os componentes
de ruído do sinal decomposto, ele é reconstruído sem a estrutura menos ruído. Esta publicação
destaca a aplicação de todas as etapas da SSA para efeitos de análise de vibrações estruturais,
sem se centrar nas aplicações de monitorização e diagnóstico de avarias. Chama a atenção para
a aplicação da etapa de reconstrução para fins de análise e determinação dos modos individuais
de vibração. Esta é uma aplicação muito útil de SSA para vibração estrutural e, como este estudo
demonstra, pode ser usada para análise das vibrações e extração de todas as suas
características importantes como vibrações periódicas, modos e tendências lineares e não
lineares. Ressaltamos a importância da etapa de reconstrução, que pode ser usado não apenas
para limpeza de ruído e remoção de componentes sem estrutura. Como é demonstrado neste
estudo, a reconstrução pode ser usada para a reconstrução e a análise de toda a vibração, mas
também para diferentes partes dela. Por exemplo, pode-se focar em um modo particular de
vibração, que pode ser reconstruído e então analisado individualmente em termos de
linearidade ou não linearidade, tipos de não linearidade, frequência e período de vibração e
também sua contribuição para todo o comportamento de vibração. Isso é que pode ser
reconstruída e então analisada individualmente em termos de linearidade ou não linearidade,
tipos de não linearidade, frequência e período de vibração e também sua contribuição para todo
o comportamento vibratório. Isso é que pode ser reconstruída e então analisada
individualmente em termos de linearidade ou não linearidade, tipos de não linearidade,
frequência e período de vibração e também sua contribuição para todo o comportamento
vibratório. Isso é
Fig. A11. Autovalores λ e autovetores RHO para o sistema de amortecimento de massa de mola.
9
Estruturas de Engenharia 242 (2021) 112531
demonstrado para o caso das vibrações de feixe composto, onde os modos
particulares de vibração são reconstruídos, analisados e suas frequências são
encontradas (ver & 4). A importância da reconstrução também é enfatizada pelo
fato de que o sinal e, portanto, as vibrações podem ser reconstruídos com uma
certa precisão. Toda a reconstrução é a mais precisa e contém todas as
características do sinal. Mas também é possível usar uma reconstrução com um
certo número de componentes reconstruídos, que podem se concentrar em
características específicas da vibração. A reconstrução completa em comparação
com as reconstruções com um número limitado de componentes é discutida para
o caso do sistema 2-DOF (& 3) e também para o caso da viga composta (& 4).
A partir dos resultados numéricos e experimentais obtidos, pode-se afirmar
que o SSA é capaz de decompor o sinal de vibração livre em movimentos /
componentes periódicos (sinusoidais e não sinusoidais), tendências e ruídos. As
frequências dos movimentos oscilatórios podem ser identificadas usando os
componentes reconstruídos correspondentes. Isso pode ser usado como uma
ferramenta útil para determinar os modos de vibração e frequências modais,
incluindo os não lineares, especificamente para casos de estruturas de vibração
não linear. Posteriormente, o sinal pode ser reconstruído como uma soma de
oscilações removendo os componentes de ruído identificados. Isso pode ser
usado para“limpar” o ruído sem estrutura de um sinal de vibração livre gravado.
Assim, pode-se concluir que o SSA pode ser usado como uma ferramenta
poderosa de análise e reconstrução para análise de sinais de vibração livre. Ao
contrário do espectro do sinal, ele é capaz de identificar os movimentos /
componentes periódicos lineares e não lineares da vibração e limpar o ruído sem
estrutura do sinal.
Declaração de Concorrência de Interesses
Os autores declaram que não conhecem interesses financeiros concorrentes
ou relações pessoais que possam ter influenciado o trabalho relatado neste artigo.
Apêndice A. Resultados de SSA para o sistema simulado de mola-massa-
amortecedor
Ver Figs. A11-A13
I. Trendafilova Estruturas de Engenharia 242 (2021) 112531

Fig. A12. Os primeiros 20 componentes principais (PC's).

Fig. A13. Os primeiros 8 componentes reconstruídos.

10
I. Trendafilova Estruturas de Engenharia 242 (2021) 112531

Apêndice B. Resultados SSA para a viga composta

Ver Figs. A21-A24

Fig. A21. Os primeiros 20 vetores próprios para o sinal ligado Fig. 6.

Fig. A22. Os primeiros 20 componentes principais (PC's) para o sinal medido no feixe composto.

11
I. Trendafilova Estruturas de Engenharia 242 (2021) 112531

Fig. A23. Os primeiros 20 componentes reconstruídos (RC's) medido na viga composta.

[8] Al-Bugharbee Hussein, Trendafilova Irina. Uma metodologia de diagnóstico de falhas para
rolamentos de corpos rolantes com base em pré-tratamento de sinal avançado e modelagem
autoregressiva. Elsevier J Sound Vib 2016; 369: 246-65.
[9] Luo S, Cheng J, Zeng M, Yang Y. Um modelo de diagnóstico de falha inteligente para máquinas
rotativas com base na análise de espectro singular de ordem superior em várias escalas e GA-
VPMCD. Medição de junho de 2016; 87: 38-50.
[10] Nguyen D, Nguyen VH. Um método de diagnóstico de falha de rolamento usando análise de espectro
singular, filtragem esparsa e ANFIS. J Comp Sci Cybernet março de 2018; 33
(3): 213-28.
[11] Krishnannair S, Aldrich C. Monitoramento de Processo e Detecção de Falhas usando Modo
Empírico de Decomposição e Análise de Espectro Singular. IFAC 2019; 52-14: 219-24.
[12] De Oliveira M, Filho JV, Lopes V, Inamn D. Uma nova abordagem para detecção de danos
estruturais explorando a análise de espectro singular. J Intell Mater Struct. setembro
2016), 28-9 p. 1160-74
[13] Bhowmik B, Krishnan M, Hazra B, Pakrashi V. Detecção de danos estruturais unificada e
multicanal em tempo real usando análise de espectro singular recursiva. Struct Health
Monitor 2018; 18 (2): 563-89.
[14] Lakshmi K, Rama Mohan Rao A, Gopalakrishnan N. Análise de espectro singular combinada
com modelo ARMAX para detecção de dano estrutural, SHM 24-9 (2017).
[15] Loh CH, Mao Ch, Huang JR, Pan TC, et al. Identificação de sistema e avaliação de danos de
histerese degradante de pórticos de concreto armado, Eartquake Engineering
Strcutural. Dynamics agosto de 2010: 623-40.
[16] Van Den Abeele K., Joelle De Visscher. Avaliação de danos em concreto armado utilizando
técnicas de vibração espectral e temporal não linear. Cem Concr Res. 2000; 30: 1453-64

[17] Golinval JC. Detecção de danos em estruturas com base na análise de componentes
Fig. A24. Reconstrução com RC's 8 e 9.
principais de respostas harmônicas forçadas. Procedia Eng 2017; 199: 1912-8.
[18] Traore OI, Pantera L, Favretto-Cristini N, Cristini P, Viguier-Pla S, Vieu P. Análise de estrutura
Referências e denoising usando Análise de Espectro Singular: Aplicação a sinais de emissão acústica
de experimentos de segurança nuclear, Vol.104, julho de 2017 , 78-88.
[19] Kerschen G, Peeters M, Golinval JC, Vakakis AF. Modos normais não lineares, Parte I: Uma
[1] Butlin T, Woodhouse J, Champneys AR. A paisagem da dinâmica estrutural não linear: uma
estrutura útil para o dinâmico estrutural. Processo de sinal do Mech Syst. 2009; 23: 170-94
introdução. Phil Trans R Soc A 2015; 373: 20140400.https: // doi. org / 10.1098 /
rsta.2014.0400.
[20] Ondra V, Sever I. Identificação de sistema não linear usando a transformada de Hilbert-
[2] Juan Carlos Jauregui. Vibrações não lineares, em identificação de parâmetros e
Huang e a análise modal não linear complexa, no livro Nonlinear Dynamics, Volume 1. In:
monitoramento de sistemas mecânicos sob vibração não linear. Woodhead
Proceedings of the 35th IMAC, A Conference and Exposition on Structural Dynamics;
Publishing 2014; 2014: 35-53.
2017. p. 77-86.
[3] Osciladores não lineares fortes de Cveticanin L.. Soluções analíticas: Springer; 2018.
[21] Lau SL, Cheung YK, Wu SY. Método de equilíbrio harmônico incremental com escalas de
[4] Ali H Nayfeh, Dean T Mook, Donald Lobitz, Método de perturbação numérica para a análise
tempo múltiplas para vibração aperiódica de sistemas não lineares. J Appl Mech. Dez
não linear de vibrações estruturais, maio de 2012 AIAAJ, volume 12,No9.
1983; 50 (4a): 871-6
[5] Garcia D, Trendafilova I. Uma abordagem de análise multivariada de dados para análise de
[22] Jansen EL. Um método de perturbação para vibrações não lineares de estruturas imperfeitas:
vibração e avaliação de danos baseada em vibração: Aplicação para detecção de
Aplicação a vibrações de cascas cilíndricas. Int J Solids Struct 2008; 45: 1124-45.
delaminação em um feixe composto, Elsevier. J Sound Vib dezembro de 2014.
[23] Chatterjee A. Dinâmica não linear e avaliação de danos de uma viga cantilever com
[6] Garcia D, Palazzetti R, Trendafilova I, Fiorini C, Zucchelli A. Diagnóstico e modelagem de
fissura na borda respiratóriaJ. Vib Acoust outubro de 2011; 133 (5): 051004.
delaminação baseada em vibração para laminado composto peuates. Compos Struct
[24] Ed Habtour, William (Skip) Connon, Michael F. Pohland, Samuel C. Stanton, Mark Paulus e
2015; 130: 155-62
Abhijit Dasgupta, Review of Response and Damage of Linear and Nonlinear Systems
[7] Trendafilova I, Garcia Cava D, Al-Bugharbee H. Métodos baseados em dados para
under Multiaxial Vibration, Shock and Vibration journal, Hindawi, Volume 2014 | Artigo ID
monitoramento baseado em vibração com base em análise de espectro singular, capítulo
294271 | 21 páginas.
no livro. Técnicas baseadas em vibração para detecção de danos e localização em
[25] Liu Kang, Chen Guo-Ming, Chang Yuan-Jiang, Zhu Ben-Rui, Liu Xiu-Quan, Han Bin-Bin.
estruturas de engenharia. Nobari, AS & Aliabadi, MHF (eds.). Londres: World Scientific, p.
Análise dinâmica não linear e avaliação de danos por fadiga para uma coluna de teste
41-73 32 pág. (Métodos Computacionais e Experimentais em Structuras; vol. 10),
em águas profundas submetida a cargas aleatórias. Pet Sci 2016; 13: 126-34.
(2019).
[26] Golyandina Nina, Jigljavski Anatoly, editores. Análise de espectro singular ou série
temporal. Springer Briefs em Estatística; 2013.

12
I. Trendafilova
[27] Jigljavski Anatoly. Análise de espectro singular ou série temporal. Springer; 2014.
[28] Hassani Hossein. Análise de Espectro Singular: Metodologia e Comparação. J Data Sci
2007; 5: 239-57.
[29] Hassani Hossein, Ghodsib Zara. Uma olhada nas aplicações da Análise de Espectro Singular
em dados de expressão gênica. Biomol Detect Quantif 2015; 4: 17-21.
[30] Bozzoa Enrico, Carniel Roberto, Fasino Dario. Relação entre a Análise de Espectro Singular e
a análise de Fourier: Teoria e aplicação ao monitoramento da atividade vulcânica. Comput
Math Appl 2010; 60: 812820.
13
Estruturas de Engenharia 242 (2021) 112531
[31] Biglieri Ezio, Yao Kung. Algumas propriedades de decomposição de valores singulares e suas
aplicações ao processamento digital de sinais. Signal Process 1989; 18: 277-89.
[32] AM Tome, D. Malafaia, AR Teixeira, EW Lang, On the use of Singular Spectrum Analysis,
Cornell University, Electrical Engineering and Systems Science> Signal Processing,
arXiv.org> eess> arXiv: 1807.10679, p. 1-23
[33] Joliffe IT. Análise de componentes principais, Springer series in statistics. Springer; 2002.