CENTRO TECNOLÓGICO

DEPARTAMENTO DE ENGENHARIA MECÂNICA

LUCAS ARAUJO DE ALMEIDA

MAYCOL ANGELO BALESTREIRO PASCOAL

Prof. Dr. Luis Gustavo Villani

ANÁLISE MODAL ANALÍTICA

Vitória
2023
Dados:
𝑚1 = 30 𝑘𝑔, 𝑚2 = 32 𝑘𝑔, 𝑘1 = 1000 𝑁/𝑚, 𝑘2 = 20000 𝑁/𝑚, 𝑘3 = 10000 𝑁/𝑚,
𝑇 𝑇
𝑘4 = 5000 𝑁/𝑚, 𝑥(0) = [− 0, 1 0, 2] , 𝑣(0) = [0 0]

1. Equações do movimento

Tendo em vista o sentido positivo para 𝑥1 e, sabendo que as molas que

afetam o seu movimento são 𝑘1, 𝑘2, 𝑘3 e também que a deflexão das molas 𝑘2 e 𝑘3
depende do deslocamento relativo, dado por 𝑥2 − 𝑥1, então:
𝑚1 · 𝑥1'' =− 𝑘1 · 𝑥1 + (𝑘2 + 𝑘3) · (𝑥2 − 𝑥1)
𝑚1 · 𝑥1'' + 𝑘1 · 𝑥1 + (𝑘2 + 𝑘3) · (𝑥1 − 𝑥2) = 0
𝑚1 · 𝑥1'' + (𝑘1 + 𝑘2 + 𝑘3) · 𝑥1 − (𝑘2 + 𝑘3) · 𝑥2 = 0 (1)

Aplicando o mesmo procedimento para 𝑥2:

𝑚2 · 𝑥2'' =− 𝑘4 · 𝑥2 − (𝑘2 + 𝑘3) · (𝑥2 − 𝑥1)
𝑚2 · 𝑥2'' + 𝑘4 · 𝑥2 + (𝑘2 + 𝑘3) · (𝑥2 − 𝑥1) = 0
𝑚2 · 𝑥2'' + (𝑘4+ 𝑘2 + 𝑘3) · 𝑥2 − (𝑘2 + 𝑘3) · 𝑥1 = 0 (2)

Substituindo-se as incógnitas com os dados iniciais, tem-se que:

(1): 30 𝑥1'' + 31000 𝑥1 − 30000 𝑥2 = 0
(2): 32 𝑥2'' + 35000 𝑥2 − 30000 𝑥1 = 0

2. Reescrevendo na forma matricial

Na forma matricial, obtém-se a equação a seguir, dada por

[𝑀] · {𝑥''} + [𝐾] · {𝑥} = 0 (3)

Com isso, substituindo os valores dentro dessa equação dada acima, obtém-se

Substituindo os dados na matriz acima, temos que

3. Frequências naturais e modos de vibrar

Tendo em mãos a equação (3), podemos estimar uma resposta do tipo:
𝑗ω𝑡
𝑥(𝑡) = 𝑢 𝑒
𝑗ω𝑡
Como 𝑒 ≠ 0, obtemos (− ω²𝑀 + 𝐾)𝑢 = 0
 Para um sistema linear homogêneo há duas possibilidades:
1. uma única solução, que é a solução 𝑢 = 0 (solução trivial);
2. infinitas soluções, em que temos os vetores solução em função de
um ou mais parâmetros (solução indeterminada), que em vibrações
significa a ausência de condições iniciais.
Obviamente, queremos o segundo caso, pois queremos saber o comportamento do
sistema em vibração. Temos que se o determinante de um sistema com uma matriz
quadrada for diferente de zero, ela terá solução única, nesse caso, a trivial, portanto, temos
que:
𝑑𝑒𝑡(− ω²𝑀 + 𝐾) = 0
=> (− ω² · 𝑚1 + (𝑘1 + 𝑘2 + 𝑘3)) · (− ω² · 𝑚2 + (𝑘4 + 𝑘2 + 𝑘3)) − (𝑘2 + 𝑘3)² = 0
4
ω · (𝑚1· 𝑚2) − ω² · (𝑚1 · (𝑘4 + 𝑘2 + 𝑘3) + 𝑚2 · (𝑘1 + 𝑘2 + 𝑘3))
+ ((𝑘1 + 𝑘2 + 𝑘3) · (𝑘4 + 𝑘2 + 𝑘3) − (𝑘2 + 𝑘3)²) = 0
Substituindo os valores:
4
960ω − 2042000ω² + 185000000 = 0
α = ω² => 960α² − 2042000α + 185000000 = 0
2042000 ± 2042000²−4·960·185000000 2042000 ± 3459364000000
α = 2·960
= 2·960
= 1063, 54 ± 968, 72 => α = 94, 82; α = 2032, 26
1 2
Por óbvio, obtemos: ω1 = 9, 74; ω2 = 45, 08; ω3 =− 9, 738 ; ω4 =− 45, 081;
Como não há sentido físico com relação às frequências angulares negativas, ω3 e
ω4 são desprezados e os valores das frequências naturais do sistema são:
ω1 = 9, 738 e ω2 = 45, 081.
Podemos substituir os valores das frequências naturais e encontrar os autovetores
associados:
𝑇
ω1 (𝑢1 = [𝑢11 𝑢21] ):
(− 94, 82 · 30 + 31000) · 𝑢11 + (− 30000) · 𝑢21 = 0
(− 94, 82 · 32 + 35000) · 𝑢21 + (− 30000) · 𝑢11 = 0
𝑇
=> 𝑢21 = 0, 9385 𝑢11 => 𝑣1 = [1 0, 9385] , 𝑢𝑛𝑖𝑡á𝑟𝑖𝑜
𝑇
Isto é, 𝑢 = [0, 729 0, 684]
1
𝑇
ω2 (𝑢2 = [𝑢12 𝑢22] ):
(− 2032, 26 · 30 + 31000) · 𝑢12 + (− 30000) · 𝑢22 = 0
(− 2023, 26 · 32 + 35000) · 𝑢22 + (− 30000) · 𝑢12 = 0
𝑇
=> 𝑢12 =− 0, 9915 => 𝑣2 = [1 − 0, 9915] , 𝑢𝑛𝑖𝑡á𝑟𝑖𝑜
𝑇
Isto é, 𝑢 = [0, 708 − 0, 707]
2
É possível comparar estes resultados com o do código computacional,
−1
considerando-se os autovetores e autovalores da matriz 𝑀 𝐾:
 Figura 1. amostragem da etapa do código referente aos autovetores e autovalores

Fonte: autor, 2023.

4. Análise modal analítica

Essa etapa foi realizada por código computacional, seguindo-se os 8 passos
indicados no slide.
As bibliotecas utilizadas foram a numpy e a matplotlib.
Primeiramente, os dados de entrada foram carregados:

Figura 2. Apresentação dos parâmetros do sistema.

Fonte: autor, 2023.

As etapas 1 até parte da 7 foram realizadas computacionalmente. A

biblioteca numpy foi extensivamente para o cálculo de produto de matrizes, matriz
transposta, inversa, entre outros.
 Figura 3. Representação do código implementado para as 7 primeiras etapas.

Fonte: autor, 2023.

Figura 4. Valores de A e B encontrados.

Fonte: autor, 2023.

Assim, temos:
𝑟1(𝑡) = 𝐵1𝑐𝑜𝑠(ω1𝑡) =− 0, 3941 · 𝑐𝑜𝑠(9, 738 · 𝑡)
𝑟2(𝑡) = 𝐵2𝑐𝑜𝑠(ω2𝑡) =− 1, 1936 · 𝑐𝑜𝑠(45, 081 · 𝑡)

Através dos coeficientes da matriz S obtida anteriormente, é possível ver o

quanto cada frequência natural ou modo de vibrar afeta determinado GDL, de modo
que os coeficientes 1 e 2 da primeira linha representam a influência do modo de
vibrar 1 e 2 no grau de liberdade 1, respectivamente.
 𝑥1(𝑡) = 0, 0517 · 𝑐𝑜𝑠(9, 738 · 𝑡) − 0, 152 · 𝑐𝑜𝑠(45, 081 · 𝑡)
𝑥2(𝑡) = 0, 0485 · 𝑐𝑜𝑠(9, 738 · 𝑡) + 0, 152 · 𝑐𝑜𝑠(45, 081 · 𝑡)

Figura 5. Gráfico que representa a relação entre 𝑥1 e t (tempo).

Fonte: autor, 2023.

Figura 6. Gráfico que representa a relação entre 𝑥2 e t (tempo).

Fonte: autor, 2023.

5. Análise numérica e comparação com a analítica
Para a análise numérica, foi utilizada a função Linear Oscillator,
disponibilizada em literatura.
As matrizes de força e amortecimento foram zeradas e a função pode ser
aplicada, como mostra a figura abaixo.

Figura 7. Aplicação no código do procedimento acima citado.

Fonte: autor, 2023.

A taxa de amostragem foi escolhida de maneira conservadora (como 100

vezes a maior frequência do sistema), para a caracterização adequada da resposta
do sistema, como mostrado nos gráficos a seguir.

Figura 8. Resposta do sistema para 𝑥1.

Fonte: autor, 2023.

 Figura 9. Resposta do sistema para 𝑥2.

Fonte: autor, 2023.

A comparação pode ser feita em um mesmo gráfico com a resposta numérica e analítica de
𝑥1 e 𝑥2, como mostram os gráficos abaixo, respectivamente.

Figura 10 Comparação entre a resposta numérica e analítica para 𝑥1.

Fonte: autor, 2023.

 Figura 11. Comparação entre a resposta numérica e analítica para 𝑥2.

Fonte: autor, 2023.

Através dos gráficos comparativos, percebe-se que os resultados convergiram,

devido a um modelo numérico bem desenvolvido, ou seja, com o refinamento - taxa de
amostragem devida - e sem erros no método de integração.