TÉCNICAS DE IDENTIFICAÇÃO

MODAL

Paulo S. Varoto

Identificação
Modal
1
Os Procedimentos da Análise Modal
ANÁLISE MODAL TEÓRICA

Descrição da Modos de Níveis de

estrutura vibrar resposta

Modelo Modelo Modelo de

Espacial Modal Resposta
[M] [C] [K] ωr [Φ
Φ] αjk(ω
ω) h(t)

ANÁLISE MODAL EXPERIMENTAL

Medidas Modos de Modelo

da resposta vibrar estrutural

Modelo de Modelo Modelo

Resposta Modal Espacial
αjk(ω
ω) h(t) ωr [Φ
Φ] [M] [C] [K]

Identificação
Modal
2
 4.1 - Identificação Modo a Modo
• Identifica os parâmetros modais de um modo por vez.
• Um dos mais antigos métodos é devido à Kennedy & Pancu
(1947) e é conhecido por método da ajustagem do círculo
• A hipótese fundamental destes métodos é a de que, na vi-
zinhança de uma frequência natural a resposta do sistema é
controlada por aquele modo de vibrar

A FRF de receptância para um sistema de N GDL com

amortecimento estrutural é dada por

N A sjk
α jk ( ω ) = ∑
s =1 ω s2 − ω 2 + i ηs ω s2

Isolando-se a parcela correspondente ao modo de interesse

Arjk N A sjk
α jk ( ω ) = +∑
ω r2 2
−ω + i ηr ω r2 s =1 ω s2 − ω 2 + i ηs ω s2
s≠r

modo de interesse modos restantes

Identificação
Modal
3
Pela hipótese de um GDL, a segunda parcela da equação
anterior é independente da frequência de excitação e então
pode ser tomada como constante

Arjk
α jk ( ω ) = + B rjk
ω r2 − ω 2 + i ηr ω r2

A constante complexa Brjk refere-se à contribuição dos de-

mais modos de vibrar.

Assumindo-se Arjk = 1, tem-se (ver figura)

 ηr ω r2 
γ = arctg  2 2
 ωr − ω 
Ou ainda,

2 2
 π  θ ωr − ω
tg  − γ  = tg =
2  2 ηr ω r2

Destas relações, obtém-se:

Identificação
Modal
4
 Im(α)
Re(α)

γ ω=0

θ ω

ωr

Im(α)
Re(α)

ω=0
1/ 2 θ a
1/ 2 θ b

θa ωb
θb
ωa
ωr

Propriedades do círculo modal

Identificação
Modal
5
 ω 2 = ω r2  1 − ηr tg 
θ Razão de varredura
 2 do arco circular

Derivando-se esta última equação em relação à θ tem-se

d 2  ω r2 ηr  2θ
ω = −  sec
dθ  2  2

Esta última relação atingirá um valor máximo para ω = ωr

d  d 2
 ω  =0
dω  dθ 

Também é possível obter-se uma estimativa para ηr fazen-

do-se

 d  2
 θ  = −
 d ω2 
( ) ηrω r2
  ω =ω
r

Identificação
Modal
6
Outro resultado importante (ver a figura)

 ω a2 − ω r2 
θa = 2 arctg  2 
 ηr ω r 

 ω r2 − ω b2 
θb = 2 arctg  2 
 ηr ω r 

Das quais obtém-se

ω a2 − ω b2
ηr =
2  θa θb 
ω r  tg + tg 
 2 2

Para o caso de estruturas levemente amortecidas

2 (ω a −ω b )
ηr =
ω r  tg a + tg b 
θ θ
 2 2

Identificação
Modal
7
Nesta última equação fazendo-se θa = θb = π/2 e indicando
as correspondentes frequências por ω1 e ω2, tem-se:

ω 2 − ω1
ηr =
ωr

O último parâmetro modal a ser identificado é a constante

modal Arjk que relaciona-se com o diâmetro do círculo
por meio da seguinte relação

Arjk
D rjk =
ηr ω r2

O círculo modal sobre uma translação devido à constante

Brjk. Se esta constante for real, o que indica a presença de
amortecimento proporcional, o círculo estará centrado no
eixo imaginário do plano complexo.

Identificação
Modal
8
4.2 - Identificação Multi-Modos

• Realizar a identificação modal de vários modos de vibrar

simultaneamente. Útil para o caso de modos acoplados
• O objetivo principal de tais métodos é a determinação
dos coeficientes de uma expressão analítica para a FRF
do sistema. Técnicas de ajustagem de curvas são usadas.

Dois modelos matemáticos para a FRF:

Frações Parciais :

N  R rjk R rjk* 
α jk ( ω ) = ∑  
 iω − λ + iω − λ* 
r =1  r r

R rjk - Resíduo do
Com modo r
λr = δ r + i ω dr

Onde: δr = - ζr ωr e ωdr = ωr (1-ζr2)1/2

Identificação
Modal
9
 N A sjk
α jk ( ω ) = ∑
s =1 ω s2 − ω 2 + i ηs ω s2

N  R rjk R rjk* 
α jk ( ω ) = ∑  
 iω − λ + iω − λ* 
r =1  r r

N
∑ a p ( iω ) p
p =1
α jk ( ω ) = M
∑ bq ( iω )q
q =1

Identificação
Modal
10
Quociente de dois Polinômios :

N
∑ a p ( iω ) p
p =1
α jk ( ω ) = M
∑ bq ( iω )q
q =1

Onde os coeficientes ap e bq são reais.

IMPORTANTE: O Conceito de Parcelas Residuais

Reescrevemos a FRF da seguinte forma:

m1 −1 m2  R rjk R rjk*  N
α jk ( ω ) = ∑ + ∑  + + ∑
*
r =1 r = m1  iω − λr iω − λr  r = m2 +1

Modos Faixa de Modos

baixos interesse altos

Identificação
Modal
11
Outra forma alternativa para a última equação
m1 −1 m2 Arjk N
α jk ( ω ) = ∑ + ∑ + ∑
r =1 r = m1 (iω − λr )(iω − λ*r ) r = m2 +1

Exemplo:

Modo de
interesse
Linha de Linha de
Módulo

rigidez massa

Frequência

1 m2 Arjk 1
α jk ( ω ) ≅ − 2 + ∑ +
(
ω m jk r = m1 (iω − λr ) iω − λ*r k jk )
Parcela residual Parcela residual
de massa de rigidez
Modos baixos Modos altos

Identificação
Modal
12
4.2.1 - Extensão do Modelo Modo a Modo
• Como no caso modo a modo, a hipótese de que na
vizinhança de uma frequência natural a amplitude de
vibração é controlada por um único modo é aqui
assumida, mas agora com a inclusão das parcelas
residuais de massa e rigidez

FRF para amortecimento viscoso:

m2 A sjk 1 1
α jk ( ω ) = ∑ − +
s = m1 ω s2 − ω 2 + i 2ς sω sω ω 2 m jk k jk

Para a identificação do modo r, reescrevemos:

Arjk
α jk ( ω ) = +
ω r2 2
− ω + i 2ς rω rω
 m s 
 2 A jk 1 1 
 ∑ 2 2
− 2
+ 
 s= m1 ω s − ω + i 2ς sω sω ω m jk k jk 
 s≠ r 

Identificação
Modal
13
Seja α jk ( ω ) a FRF obtida experimentalmente na
vizinhança do modo r

 m s 
 2 A jk 1 1 
α jk ( ω ) −  ∑ 2 2
− 2 + ≅
 s= m1 ω s − ω + i 2ς sω sω ω m jk k jk 
 s≠ r 
Arjk
≅
ω r2 − ω 2 + i 2ς rω rω

Este procedimento pode ser repetido para todos os modos

de vibrar na faixa de interesse. Este método pode ser usado
como um refinamento para os parâmetros modais obtidos
pelo método da ajustagem do círculo.

Identificação
Modal
14
4.2.2 - Identificação com a FRF em Frações Parciais

Neste caso, a FRF é escrita como:

m2  R rjk R rjk*  1 1
α jk ( ω ) = ∑  +  − +
 iω − λ iω − λ*  ω 2 m
r = m1  r r jk k jk

Os resíduos modais Rrjk são números complexos

R rjk = U rjk + i V jkr

A equação para a FRF é reescrita como:

m2  U rjk + iV jkr U rjk − iV jkr 

α jk ( ω ) = ∑  + +

r = m1  − δ r + i (ω − ω dr ) − δ r + i (ω + ω dr ) 

M jk
K jk − Não Linear !
2
ω

Identificação
Modal
15
Se, entre m1 e m2 existirem p frequências naturais, esta
última equação apresenta 4p + 2 incógnitas, sendo Urjk,
Vrjk, δr e ωdr as incógnitas para cada modo de vibrar e
Mjk e Kjk para as parcelas residuais

Solução para os parâmetros modais

Obtida de forma iterativa. Inicialmente, escrevemos

{u} = { U r1k V rjk δr ωdr Mjk Kjk }T

Com r variando de 1 à p. Define-se erro de ajustagem

ε ( ω k ) = α jk ( ω k ) − α jk ( ω k )

Função objetivo:

2
E = ∑ ε ( ω k ) ε* ( ω k ) = ∑ ε ( ω k )
k k

Identificação
Modal
16
A minimização da função objetivo é feita através de:

∂E  ∂ α jk *
∂ α jk 
= ∑  ε * ( ω k ) (ωk ) + ε ( ωk ) ( ω k ) = 0
∂ uq k  ∂ uq ∂ uq 

Este sistema é composto por equações não lineares em

relação aos parâmetros δr e ωdr. Existem duas maneiras
de obtermos a solução:

Método 1: Determina 2p + 2 parâmetros, que são as

partes real e imaginária dos resíduos modais Urjk e Vrjk
e as parcelas residuais Mjk e Kjk. Neste caso, os parâme-
tros δr e ωdr são obtidos por outros métodos.

Método 2: Determina os 4p + 2 parâmetros através da

linearização do modelo matemático acima em relação
aos parâmetros modais do vetor {u}. Esta linearização
pode ser feita expandindo-se a equação acima em Séries
de Taylor, tomando-se apenas as parcelas lineares.

Identificação
Modal
17
Como resultado do método 2, temos

4 p+2
α jk ( ω ) = α 0jk ( ω )+ ∑ βq ( ω k )∆ uq
q =1

Onde
∂ α jk
βq ( ω k ) = ( ωk )
∂ uq { u0 }

∆ uq = uq − uq0

Sendo o vetor {u0} uma primeira estimativa dos parâmetros

modais.

Função erro linearizada:

4 p+2
ε ( ω k ) = α jk ( ω ) − α 0jk ( ω )+ ∑ βq ( ω k )∆ uq
q =1

Função objetivo:
2
4 p+2
E = ∑ α jk ( ω k ) − α 0jk ( ω k ) + ∑ βq ( ω k )∆ uq
k q =1

Identificação
Modal
18
A solução deste sistema fornece os valores dos incremen-
tos ∆ui, que serão somados aos elementos do vetor {u}
para a iteração seguinte:

{u} L = {u} L −1 + {∆u} L

Este método é numéricamente estável e converge rapida-

mente se o vetor das aproximações iniciais {u0} for su-
ficientemente próximo dos valores reais. O tempo de
processamento tende a ser relativamente longo devido
à necessidade de se calcular as derivadas da FRF a fim
de se obter o modelo linearizado.

Identificação
Modal
19
4.2.3 - Identificação com a FRF Polinomial

Neste caso:
N
∑ a p ( iω )
p

p =1
α jk ( ω ) = M
∑ bq ( iω )
q

q =1

Características principais:

• Coeficientes ap e bq são reais

• O denominador é o polinômio característico e suas
raízes são os λr (polos do sistema)
• Os coeficientes do numerador estão relacionados com
os resíduos modais.
• Este método não fornece os parâmetros modais expli-
citamente. Estes são obtidos dos ap e bq .
• A obtenção dos ap e bq é feita através de uma ajustagem
de curvas, e o método mais conhecido é o Método de
Levy (Levy, R. 1959). Este método será descrito a seguir !

Identificação
Modal
20
Inicialmente, reescrevemos a equação da FRF como:

α ( ω ) + i ω β( ω ) N ( ω )
α jk ( ω ) = =
σ ( ω ) + i ω τ ( ω ) D( ω )

Onde:

α ( ω ) = a0 − a2ω 2 + a4ω 4 − ...

β ( ω ) = a1 − a3ω 2 + a5ω 4 − ...
σ ( ω ) = b0 − b2ω 2 + b4ω 4 − ...
τ ( ω ) = b1 − b3ω 2 + b5ω 4 − ...

A FRF obtida experimentalmente é escrita como

α jk ( ω ) = R( ω ) + i I ( ω )

E o erro de ajustagem neste caso fica

N(ω )
ε ( ω ) = α jk ( ω ) −
D( ω )

Identificação
Modal
21
O erro de ajustagem neste caso é não linear em relação aos
coeficientes do polinômio do denominador D(ω). Para se
evitar um sistema não linear de equações faz-se:

D( ω ) ε ( ω ) = D( ω )α jk ( ω ) − N ( ω )

Ou então em função das partes real e imaginária

D( ω )ε ( ω ) = A( ω ) + i B( ω )

E para um valor qualquer ωk pode-se escrever

2
D( ω k )ε ( ω k ) = A2 ( ω k ) + B 2 ( ω k )

Sendo

A( ω k ) = R( ω k )σ ( ω k ) − ω k τ ( ω k ) I ( ω k ) − α ( ω k )

B( ω k ) = ω k τ ( ω k ) R( ω k ) + σ ( ω k ) I ( ω k ) − ω k β ( ω k )

Identificação
Modal
22
Função Objetivo:

[ ]
E = ∑ A2 ( ω k ) + B 2 ( ω k )
k

Processo de minimização da função objetivo:

∂E
= ∑ ( − A( ω k )) = 0
∂ a0 k
∂E
= ∑ ( − ω k B( ω k )) = 0
∂ a1 k
∂E
∂ a2
(
= ∑ ω k2 A( ω k ) = 0
k
)
∂E
∂ a3
(
= ∑ ω k3 B( ω k ) = 0
k
)
M
∂E
= ∑ ( − ω k I ( ω k ) A( ω k ) + ω k R( ω k ) B( ω k )) = 0
∂ b1 k
∂E
( )
= ∑ − ω 2k R( ω k ) A( ω k ) − ω k2 I ( ω k ) B( ω k ) = 0
∂ b2 k
∂E
( )
= ∑ ω 3k I ( ω k ) A( ω k ) − ω 3k R( ω k ) B( ω k ) = 0
∂ b3 k
M

Identificação
Modal
23
 Rearranjando-se estas expressões obtém-se um sistema
de equações lineares da forma

[ A] {x} = {b}
Onde

λo 0 − λ2 0 λ4 L T1 S2 − T3 − S4 T5 L
0 λ2 0 − λ4 0 K − S2 T3 S4 − T5 − S6 L
 
λ2 0 − λ4 0 λ6 K T3 S4 − T5 − S6 T7 L
M M M M M O M M M M M O
[ A] =  T − S2 − T3 S4 T5 L U 2 0 − U4 0 U6

K
1
 
 S2 T3 − S4 − T5 S6 L 0 U4 0 − U6 0 L
T3 − S4 − T5 S6 T7 L U 4 0 − U6 0 − U8 L
 
M M M M M O M M M M M M

T
x = {a0 a1 a2 L b1 b2 b3 L}
T
b = {S0 T1 S 2 L 0 U 2 0 L}
Com

λh = ∑ ω kh S h = ∑ ω kh R( ω k )
k k

Th = ∑ ω kh I ( ω k )
k
[
U h = ∑ ω kh R 2 ( ω k ) + I 2 ( ω k )
k
]

Identificação
Modal
24
Vantagens e desvantagens do Método de Levy:

• É um método exato, não necessitando de aproximações

iniciais como no caso anterior.
• O sistema de equações [A] {x} = {b} geralmente é mal
condicionado, dependendo da largura da faixa de frequên-
cias usada no ensaio experimental.
• Grandes variações do denominador D(ω) podem também
contribuir para problemas de condicionamento numérico
do método.

O efeito da ponderação de E(ω) por D(ω) pode ser reduzido

definindo-se outra função erro (Sanathanan e Koerner, 1963)

ε' ( ω k ) =
[ D( ω k ) ε ( ω k )]L
[ D( ω k )]L−1
Ou ainda

ε' ( ω k )=
[ D( ω k )α jk ( ω k )] L
−
[ N ( ω k )]L
[ D( ω k )]L−1 [ D( ω k )]L−1

Identificação
Modal
25
O processo de identificação da FT torna-se agora iterativo
e L é o número da iteração. Neste caso, a função objetivo é

[ ]
E = ∑ A2 ( ω k ) + B 2 ( ω k ) [W ( ω k )] L
k

Onde [W(ωk)]L é uma função ponderadora, calculada para

cada iteração

1
[W ( ω k )]L+1 = 2
D( ω k ) L

Neste caso, os coeficientes da matriz do sistema são

λh = ∑ ω kh [W ( ω k )]L
k

S h = ∑ ω kh R( ω k ) [W ( ω k )]L
k

Th = ∑ ω kh I ( ω k ) [W ( ω k )] L
k

[ ]
U h = ∑ ω kh R 2 ( ω k ) + I 2 ( ω k ) [W ( ω k )] L
k

Identificação
Modal
26
4.2.4 - Identificação de Parâmetros Modais em
Estruturas “Levemente” Amortecidas

Modelo matemático: (Ewins, 1982)

N Arjk
α jk ( ω ) = ∑
r =1 ω r2 − ω 2

A qual para uma frequência ΩL qualquer assume a forma

 A1jk 
 
{(
α jk ( Ω L ) = ω12 − Ω L2 ) (
−1 −1
) }
ω 22 − Ω L2 K  A2jk 
 M 
 
Para um conjunto de N medidas, pode-se escrever

{α jk ( ω )} N ×1 = [ R( ω )]N × N { A jk } N ×1
De onde obtém-se a solução para as constantes modais

{ }
A jk = [ R( ω )]
−1
{α jk ( ω )}

Identificação
Modal
27
 Onde a matriz [R(ω)] é dada por

 ω2 − Ω2 −1 2 −1 2 −1 
( 1 1 ) ( ω 22 − Ω1 ) L (ω N2 − Ω1 )

−1 −1 −
( ω2 − Ω2 ) ( ω 22 − Ω22 ) (ω N2 − Ω22 
1
)
[ R( ω )] =  1 2 
 M M O M 
 ω2 − Ω2 −1 −1 −1 
( 1 N ) (
ω 22 − Ω N2 ) L (ω N2 − ΩN2 ) 

E os vetores {αjk(ω)} e {Αjk} são respectivamente dados por

T
{α jk ( ω )} = {α jk ( Ω1 ) α jk ( Ω2 ) L α jk ( ΩN )}
T
{ } {
A jk = A1jk A2jk L A Njk }

Identificação
Modal
28
Exemplo de escolha para os pontos de identificação:

ω2 ω3 ω4
ω1
Módulo

Ω1 Ω2 Ω3 Frequência

Existe uma segunda versão deste método, proposto por

Ewins e Gleeson que sugere uma metodologia para a
determinação dos fatores de amortecimento modais.

Identificação
Modal
29