Baudynamik und Zustandsanalyse

Ähnliche Dokumente
Eigenwerte und Eigenvektoren von Matrizen

3.3 Eigenwerte und Eigenräume, Diagonalisierung

6 Symmetrische Matrizen und quadratische Formen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

Hans Walser, [ a] Wurzeln aus Matrizen

Lineare Gleichungssysteme

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Bestimmung einer ersten

Numerische Behandlung des Eigenwertproblems

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17

Elemente der Analysis II

Kapitel 15. Lösung linearer Gleichungssysteme

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

0, v 6 = , v 4 = span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Vorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: Weitere Informationen oder Bestellungen unter

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer.

Eine Kurzanleitung zu Mathematica

II. Klein Gordon-Gleichung

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Modulabschlussklausur Analysis II

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Lineare Gleichungssysteme

Mathematischer Vorbereitungskurs für Ökonomen

Werkstatt Euler und die Lösung der quadratischen Gleichung

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

Dirk Hachenberger Mathematik für Informatiker

Bildverarbeitung Herbstsemester Kanten und Ecken

Leitfaden Lineare Algebra: Determinanten

Lineare Gleichungssysteme

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

Optimalitätskriterien

Kapitel 15: Differentialgleichungen

Mathematik III für Ingenieure

A Matrix-Algebra. A.1 Definition und elementare Operationen

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

Lösen von linearen Gleichungssystemen mit zwei Unbekannten:

Günter M. Gramlich. Mathematik-Studienhilfen. Eine Einführung. Lineare Algebra. 2., aktualisierte Auflage

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

SO(2) und SO(3) Martin Schlederer. 06. Dezember 2012

Risikomessung und Value at Risk Wintersemester 2013/14

PRAKTIKUM REGELUNGSTECHNIK 2

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Betragsgleichungen und die Methode der Fallunterscheidungen

Numerisches Programmieren

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Ingenieurmathematik für Maschinenbau, Blatt 1

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:

8. Übung zur Vorlesung Mathematisches Modellieren Lösung

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Rekursionen. Georg Anegg 25. November Methoden und Techniken an Beispielen erklärt

V 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x y = x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,

Lineare Gleichungssysteme I (Matrixgleichungen)

Allgemeine Beschreibung von Blockcodes

Klassische Theoretische Physik II. V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch. Klausur 1 Lösung. 01. August 2012, Uhr

Mathematische Ökologie

Wie Google Webseiten bewertet. François Bry

Diskrete Modellierung

Mathematik 1 für Wirtschaftsinformatik

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli Fachbereich für Mathematik und Statistik Universität Konstanz

Lineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen

Lineare Algebra - alles was man wissen muß

Gleichungen - Aufgabenstellung und Lösungsstrategien

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Klausur zur Vorlesung Multivariate Verfahren, SS Kreditpunkte, 90 min

Physik 1 für Ingenieure

Übungsaufgaben. Aufgabe 1 Internetsuchmaschinen. Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie Karlsruhe

Einfache Differentialgleichungen

Fit für die Prüfung Elektrotechnik Effektives Lernen mit Beispielen und ausführlichen Lösungen

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung.

Musterlösungen zur Linearen Algebra II Blatt 5

DLP. Adolphe Kankeu Tamghe ALZAGK SEMINAR. Bremen, den 18. Januar Fachbereich Mathematik und Informatik 1 / 27

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf

Kevin Caldwell. 18.April 2012

TEILWEISE ASYNCHRONE ALGORITHMEN

1 Lineare Gleichungssysteme

Statistische Methoden

4. Übungsblatt Matrikelnr.:

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Diskriminanzanalyse Beispiel

Physik 4, Übung 8, Prof. Förster

Kapitel IR:III (Fortsetzung)

Einführung in die Mathematik für Volks- und Betriebswirte

MATLAB: Kapitel 2 Grafiken

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse Lösung 10 Punkte

Springer Studium Mathematik Bachelor

Erstes Nyquistkriterium im Zeitbereich

Fakultät für Mathematik und Informatik. Seminar über angewandte Analysis. Sommersemester Der Kreissatz von Gerschgorin

Algorithmen II Vorlesung am

Vorkurs Mathematik Übungen zu Polynomgleichungen

Einführung in MATLAB

Transkript:

Baudynamik und Zustandsanalyse Eine Einführung in die Baudynamik mit Mathematica Das vorliegende Skript wurde im Original mit dem Programmsystem MATHEMATICA von WOLFRAM-Research [http://www.wolfram.com] geschrieben und erstmals auf den Webseiten der Hochschule für Technik und Wirtschaft in Dresden (University of Applied Sciences) [http://www.htw-dresden.de] veröffentlicht. Die Schrift trägt den Charakter eines Arbeitskonzepts, so dass ich für Hinweise und Anregungen aller Art, einschließlich zu Rechtschreibung, Grammatik und Druckbild sehr dankbar bin. Mit meinem Beitrag erhebe ich keinen Anspruch auf irgendeine Vollständigkeit bzw. Allgemeingültigkeit. Ich möchte einzig und allein an exemplarischen Problemstellungen der Baumechanik logisch einfache mathematisch-physikalische Lösungsmethoden zur Diskussion stellen. Mirko Slavik, Dresden Inhaltsverzeichnis 12 Eigenwerte eines Dreimassenschwingers 12.1 Ausgangspunkt ist das zum Bild 12.1 gehörende System von Differenzialgleichungen eines Dreimassenschwingers, wobei aber die Dämpfungsanteile vorerst vernachlässigt worden sind: gleisys = { m 1 x 1 ''[t] + k 1 (x 1 [t] - x 2 [t]), m 2 x 2 ''[t] + k 2 (x 2 [t] - x 3 [t]) - k 1 (x 1 [t] - x 2 [t]), m 3 x 3 ''[t] + k 3 x 3 [t] - k 2 (x 2 [t] - x 3 [t]) }; Bild 12.1: Dreimassenschwinger 12.2 Mittels dem unten blau hervorgehoben stationären Lösungsansatz erhalten wir ein sehr einfaches homogenes System mit drei linearen Gleichungen:

2 baudyn_12_eigenwerte_3ma.nb {x 1 [t] = x 1,n Sin[ω n t], x 2 [t] = x 2,n Sin[ω n t], x 3 [t] = x 3,n Sin[ω n t]}; {x 1 ''[t] = D[x 1 [t], {t, 2}], x 2 ''[t] = D[x 2 [t], {t, 2}], x 3 ''[t] = D[x 3 [t], {t, 2}]}; Simplify[gleisys] Sin[t ω n ] m 1 ω 2 n x 1,n + k 1 (-x 1,n + x 2,n ), Sin[t ω n ] k 1 (x 1,n - x 2,n ) + m 2 ω 2 n x 2,n + k 2 (-x 2,n + x 3,n ), Sin[t ω n ] k 3 - m 3 ω 2 n x 3,n + k 2 (-x 2,n + x 3,n ) 12.3 Wie leicht zu sehen ist, bereitet es keine Schwierigkeiten, den Term sin(ω n t) zu eliminieren und die Amplituden x 1,n, x 2,n, x 3,n zielgerichtet zu separieren: (-1) m 1 ω 2 n x 1,n + k 1 (-x 1,n + x 2,n ), (-1) k 1 (x 1,n - x 2,n ) + m 2 ω 2 n x 2,n + k 2 (-x 2,n + x 3,n ), k 3 - m 3 ω 2 n x 3,n + k 2 (-x 2,n + x 3,n ) -m 1 ω 2 n x 1,n - k 1 (-x 1,n + x 2,n ), -k 1 (x 1,n - x 2,n ) - m 2 ω 2 n x 2,n - k 2 (-x 2,n + x 3,n ), k 3 - m 3 ω 2 n x 3,n + k 2 (-x 2,n + x 3,n ) 12.4 Zwecks einer besseren Übersichtlichkeit wechseln wir an dieser Stelle in die Matrizenschreibweise. Zur Kennzeichnung der Matrizen wird die Vorsilbe mat, für die Vektoren die Abkürzung vek verwendet (vgl. hierzu auch die Definitionen im Absatz 14.1.2). mata = - m 1 ω n 2 + k 1 -k 1 -k 1 - m 2 ω n 2 + k 1 + k 2 -k 2 -k 2 - m 3 ω n 2 + k 2 + k 3 ; vekx[n] = x 1,n x 2,n x 3,n ; MatrixForm[matA.vekx[n]] MatrixForm (k 1 - m 1 ω 2 n ) x 1,n - k 1 x 2,n -k 1 x 1,n + (k 1 + k 2 - m 2 ω 2 n ) x 2,n - k 2 x 3,n -k 2 x 2,n + (k 2 + k 3 - m 3 ω 2 n ) x 3,n 12.5 Die Matrix mata wird sinnvollerweise in eine Massenmatrix matma und eine Steifigkeitsmatrix matka umgeformt, wobei man ω n 2 λ n setzt:

baudyn_12_eigenwerte_3ma.nb 3 matma = ; λ = ω m 1 m 2 2 ; MatrixForm[matKA = mata + λ n matma] m 3 n n k 1 -k 1 -k 1 k 1 + k 2 -k 2 -k 2 k 2 + k 3 12.6 Damit erhalten wir schließlich ein so genanntes allgemeines Eigenwertproblem mit den ungedämpften Eigenkreisfrequenzen ω n 2 λ n und den zugehörigen Eigenvektoren vekx(n) ( vgl. u. a. [46, S.169 ff.]): MatrixForm[(matKA - λ n matma).vekx[n]] MatrixForm (k 1 - m 1 ω 2 n ) x 1,n - k 1 x 2,n -k 1 x 1,n + (k 1 + k 2 - m 2 ω 2 n ) x 2,n - k 2 x 3,n -k 2 x 2,n + (k 2 + k 3 - m 3 ω 2 n ) x 3,n 12.7 Zu jedem Eigenwert gehören genau eine Eigenkreisfrequenz und ein Eigenvektor. Innerhalb eines jeden Eigenvektors ist ein bestimmtes zeitunabhängiges Amplitudenverhältnis der Konstanten x 1,n, x 2,n und x 3,n festgelegt. Die absolute Größe der Amplituden bleibt vorerst unbestimmt. Diese Tatsache ermöglicht die Wahl geeigneter Normierungsvorschriften. Sind die Matrizen matka und matma symmetrisch und die Matrix matma zusätzlich positiv definit, dann sind alle Eigenwerte reell und die Eigenvektoren können in reeller Form dargestellt werden. Außerdem existiert ein vollständiges System linear unabhängiger Eigenvektoren, die der verallgemeinerten Orthogonalitätsbeziehung vekx[i] T matma vekx[j] = für i j genügen und die spezielle Normierungsvorschrift vekx[i] T matma vekx[j] = 1 für i j erfüllen (siehe Absatz 12.19). Anmerkung: Im Gegensatz zur gängigen Fachterminolgie verwende ich den Begriff des Eigenwertes als Oberbegriff für die Eigenvektoren und deren zugehörige Zahlen, die auch als charakteristische Zahlen oder charakteristische Wurzeln bekannt sind [46] und üblicherweise für sich allein als Eigenwerte bezeichnet werden. 12.8 Jeder Eigenvektor beschreibt eine modale Eigenform, also eine diskrete dynamische Verformungsfigur (Mode) des mechanischen Systems (vgl. Kapitel 11). Im vorliegenden Fall sind drei diskrete Schwingungsformen, sprich drei Eigenmode nachweisbar. Das homogene lineare Differenzialgleichungssystem (12.1) hat nur dann eine nichttriviale Lösung, wenn seine Determinante null ist. Det[(matKA - λ n matma)] k 2 -k 1 k 2 + k 2 m 1 ω n 2 + k 2 + k 3 - m 3 ω n 2 k 1 k 2 - k 1 m 1 ω n 2 - k 2 m 1 ω n 2 - k 1 m 2 ω n 2 + m 1 m 2 ω n 4 12.9 Um den Rechengang übersichtlich zu halten, wird das weitere Vorgehen anhand eines Zahlenbeispiels aufgezeigt. Die Eingabe der drei Einzelmassen erfolgt dabei in der Dimension [kg] und die der Federsteifigkeiten in [N/m].

4 baudyn_12_eigenwerte_3ma.nb In[52]:= {m 1 = 38.7, m 2 = 7.65, m 3 = 98.9, k 1 = 175, k 2 = 19, k 3 = 97 }; matma = m 1 m 2, matka = m 3 k 1 -k 1 -k 1 k 1 + k 2 -k 2 ; -k 2 k 2 + k 3 12.1 Zunächst bestimmen wir die ungedämpften Eigenkreisfrequenzen ω n=1, 2, 3 in [s -1 ] mittels der Determinante (12.8): In[54]:= lamda = Solve[Det[(matKA - λ n matma)], λ n ]; Table[λ n = lamda[[n, 1, 2]], {n, 1, 3}]; Table ω n λ n, {n, 1, 3} Out[55]= {ω 1 6.37361, ω 2 3.1651, ω 3 54.5892} 12.11 Durch Einsetzen der λ n - Werte in die Matrizengleichung (12.6) können die zugehörigen drei Eigenvektoren ermittelt werden. Wir nutzen dazu den built-in-befehl NullSpace von Mathematica, der uns die gesuchten Lösungsvektoren für eine Matrizengleichung vom Typ matm vekx[n] = liefert. In[56]:= Table[{λ n "λ" n " ", vekx[n] NullSpace[(matKA - lamda[[n, 1, 2]] matma)]}, {n, 1, 3}] Out[56]= {{4.6229 λ 1, vekx[1] {{.994727,.11116,.171564}}}, {99.933 λ 2, vekx[2] {{-.421888,.86755,.589378}}}, {2979.98 λ 3, vekx[3] {{.15321, -.99428,.1573}}}} 12.12 Um die obige Lösung mathematisch anschaulicher zu machen, wird ein veränderter Algorithmus angeboten, der die im Absatz 12.7 bereits erwähnte, stets vorhandene freie Wählbarkeit einer beliebigen Teilamplitude verdeutlicht: In[57]:= n = 3; vekx[n] = x 1 [n] x 2 [n] x 3 [n] ; matrix = MatrixForm[(matKA - λ n matma).vekx[n]] Solve[{matrix[[1, 1, 1]] ==, matrix[[1, 2, 1]], matrix[[1, 3, 1]], x 2 [n] -.99428}, {x 1 [n], x 2 [n], x 3 [n]}] Out[57]//MatrixForm=. - 113 575. x 1 [3] - 175. x 2 [3] -175. x 1 [3] - 246.88 x 2 [3] - 19. x 3 [3]. - 19. x 2 [3] - 178 72. x 3 [3] Out[58]= {{x 1 [3].15321, x 2 [3] -.99428, x 3 [3].1573}} 12.13 Das Programmsystem Mathematica bietet die Möglichkeit, die obige Vorgehensweise wesentlich eleganter als spezielles Eigenwertproblem zu behandeln. Dazu ist aber eine Umwandlung

12.15 Die bereits im Absatz 12.7 erwähnte fundamentale Eigenschaft der Orthogonalität der Eigenformen spielt bei der im Kapitel 14 ausführlich behandelten Modalanalyse linearer Schwingungssysbaudyn_12_eigenwerte_3ma.nb 5 der entsprechenden Matrizen erforderlich. Die Berechnung der Eigenkreisfrequenzen in [s -1 ] und der Eigenvektoren in [m] erfolgt dann unmittelbar: matka * = matma -1 matka, matka *.vekx[n] = λ n.vekx[n] In[59]:= ClearAll[vekx] lamda = Eigenvalues[Inverse[matMA].matKA]; om = Sqrt[lamda]; vek = Eigenvectors[Inverse[matMA].matKA]; Table[{ω 4-n om[[n]], vekx[4 - n] vek[[n]]}, {n, 3, 1, -1}] Out[62]= {{ω 1 6.37361, vekx[1] {.994727,.11116,.171564}}, {ω 2 3.1651, vekx[2] {-.421888,.86755,.589378}}, {ω 3 54.5892, vekx[3] {.15321, -.99428,.1573}}} 12.14 Zwecks visueller Darstellung der oben berechneten drei Eigenformen eines konkreten Dreimassenschwingers ist ein Animationsprogramm aufbereitet worden, bei dem wir die zeitliche Bewegung der Massepunkte gemäß Absatz 12.2 als harmonischen Schwingungsvorgang simulieren. Zu jedem der drei Eigenzustände existiert genau ein eindeutiges Verschiebungsmuster, das von der Relation der drei Schwingungsamplituden innerhalb eines Eigenvektors geprägt ist. Versteckte Zelle zur Sicherung des Ursprungsalgorithmus der Grafik. t n 8 n-ter Eigenformzustand Out[64]= 6 4 2 Vertikalverschiebung in [m] -2-1 1 2 Eigenkreisfrequenz ω [s -1 ]: 6.37361

6 baudyn_12_eigenwerte_3ma.nb teme eine wichtige Rolle. Um sie aber zielgerichtet anwenden zu können, bedarf es einer geeigneten Normierung. 12.16 Wie leicht gezeigt werden kann, sind die Eigenvektoren gemäß Mathematica über die Beträge der Vektoren normiert. Dies lässt sich anhand der Skalarprodukte der Lösungsvektoren x i,j x[i] x[j] bestätigen: a = Table x i,j, {i, 1, 3}, {j, 1, 3} // MatrixForm; b = Table[vekx[i].vekx[j], {i, 1, 3}, {j, 1, 3}] // MatrixForm; a b x 1,1 x 1,2 x 1,3 x 2,1 x 2,2 x 2,3 x 3,1 x 3,2 x 3,3 1..497215 -.834852.497215 1. -.74487 -.834852 -.74487 1. 12.17 Verknüpft man die Eigenvektoren gemäß Absatz 12.7 mit der Massen- bzw. der Steifigkeitsmatrix, erhält man die zwei Diagonalmatrizen matm G und matk G, deren Diagonalenelemente die generalisierten (modalen) Massen m G,n bzw. Federsteifigkeiten k G,n repräsentieren (siehe auch Kapitel 14). matm G = Table[vekx[i].matMA.vekx[j], {i, 1, 3}, {j, 1, 3}] // MatrixForm 38.42 2.66454 1-15 -1.2696 1-15 2.66454 1-15 39.425 8.88178 1-16 -1.2696 1-15 1.77636 1-15 8.67684 matk G = Table[vekx[i].matKA.vekx[j], {i, 1, 3}, {j, 1, 3}] // MatrixForm 1559.93-1.49925 1-12 -8.63487 1-12 -1.47793 1-12 35 853.6 7.27596 1-12 -8.642 1-12 3.63798 1-12 25 856.8 12.18 Die Bedeutung der generalisierten Massen bzw. Federsteifigkeiten wird sofort erkennbar, wenn die Verhältnisse k G,n /m G,n gebildet und die Quadratwurzeln gezogen werden. Man vergleiche hierzu die Berechnung der Eigenkreisfrequenz eines Einmassenschwingers. Für die Relation k G,n /m G,n wird in der Literatur auch die Bezeichnung des RAYLEIGH-Quotienten nach dem britischen Physiker John William RAYLEIGH (1842-1919) verwendet (vgl. Absatz 11.39). Sie entspricht folglich den ungedämpften Eigenkreisfrequenzen des mechanischen Systems. Die Werte m G,n und k G,n sind übrigens der kinetischen bzw. der elastischen Formänderungsenergie der n-ten Eigenform proportional (vgl. hierzu das Kapitel 11). Es gilt also: λ = ω n 2 = vekx[i].matka.vekx[i] vekx[i].matma.vekx[i] für i = 1, 2,..., n Mode 1 : ω 1 6.37361 [s -1 ] Mode 2 : ω 2 3.1651 [s -1 ] Mode 3 : ω 3 54.5892 [s -1 ] 12.19 Mittels der generalisierten Massen und Steifigkeiten kann ein mechanisches System

baudyn_12_eigenwerte_3ma.nb 7 entsprechend der Anzahl seiner Freiheitsgrade in eine endliche Gruppe äquivalenter Einmassensystemen zerlegt werden (siehe Kapitel 11 und 14). Normiert man die Eigenvektoren (Eigenformen) auf m G,n, so erhält man die Bestätigung für die im Absatz 12.7 getroffene Aussage bezüglich der Orthogonalitätseigenschaften der Eigenvektoren (Eigenformen). Die derart normierten Vektoren liefern in Verknüpfung mit der Steifigkeitsmatrix matka unmittelbar die Quadrate der Eigenkreisfrequenzen des Systems in Form der Diagonalenelemente der Diagonalmatrix matλ. Normierte Orthogonalitätsmatrix der Eigenvektoren : 1. 6.59195 1-17 -4.16334 1-17 5.55112 1-17 1.. -4.85723 1-17. 1. Diagonalmatrix matλ : 4.6229-3.59712 1-14 -4.72566 1-13 -4.61853 1-14 99.933 2.27374 1-13 -4.54747 1-13 3.4161 1-13 2979.98