[物理]机械振动第5章第7、8节.pptVIP

* ●求解振动系统的固有频率和固有振型是振动分析的主要内容之一。 ●随着系统的自由度数目的增加，采用近似解，借助于计算机进行计算是振动分析的有效途径。 把特征值问题写成如下形式 (5.7-1) 用K-1=A左乘方程(5.7-1)，特征值问题变为 (5.7-2) 式中D=K-1M=AM称为动力矩阵，一般来说，D是不对称的。I为单位矩阵。 5.7 矩阵迭代法 如果u(r)表示对应于特征值?r(r=1,2,…,n)的特征向量，那么特征值问题的n个解可以写成 可以用线性变换的语言给解(5.7-3)一个有意义的解释： (5.7-3) ▲动力矩阵D是一种线性变换，它变换任一特征向量u(r)为常数标量乘子?r (r=1,2,…,n)乘上u(r)自身。 ▲如果用D左乘除了特征向量以外的任何向量w1，将变成另一个向量w2，一般说来，它不同于w1。 式中Cr为常系数，它决定于基u(r)(r=1,2,…,n)和向量w1。用D左乘w1，考虑到方程(5.7-3)，有 根据展开定理，有 (5.7-4) (5.7-5) 由于问题是齐次的，所以在式(5.7-5)的级数中，常数乘子?1是不重要的而可以略去不计 。 对于 已经约定了其排列次序为 此处只限于讨论不同特征值情况，所以有 (5.7-6) (5.7-7) 因此，?r/?11(r=1,2,…,n)，而且比值?r/?1随着r的增加而减小，这也就使w2中较高阶振型的参与量趋于减小。 ●如果把w1看作一个用来求得振型向量u(1)的试算向量，那么w2必定可以认为是一个改善了的试算向量，…。 将w2作为一个新的试算向量重复前面的过程，进行第二次迭代，即 (5.7-8) 显然w3对u(1)来说是较w2为更好的试算向量，可见随着迭代次数的增加，在试算向量中，第一阶振型所占的比例越来越大。 ●重复地把新得到的向量左乘动力矩阵D，就能建立一个收敛于第一特征值和特征向量的迭代过程。 一般情况下，有 (5.7-9) 只要整数p足够大，级数(5.7-9)中的第一项就成为主要的一项，即 (5.7-10) 因此式(5.7-9)可以近似地表为 (5.7-11) 同样有 (5.7-12) 当满足精度要求时，则wp-1或wp都可以视为特征向量u(1)，因而满足方程(5.7-3)。在这一点上，wp-1和wp互成比例，比例常数是 ，于是，最低的固有频率可以得到为 (5.7-13) 式中的wi,p-1和wi,p分别为向量wp-1或wp第i行中的元素。 ●虽然在式(5.7-10)和式(5.7-13)中令p趋于无穷大，但实际上，只要迭代有限次就足以达到所要求的精确度。 ●迭代过程的收敛速度取决于比值(?r/?1) p-1 (r=1,2,…,n)以多快的速度趋于零。有两个重要因素将影响达到满意精度时所需的迭代次数的多少： 第一个因素决定于系统的本身，特别是取决于?1比?2大多少。显然，?1较?2越大，特征向量u(1)与u(2)分离的就越快，即收敛所需的迭代次数相对地要少。 第二个因素取决于分析者的技巧和经验，因为第一个试算向量越接近于第一振型向量u(1)，收敛就越快，迭代次数就越少。 矩阵迭代法的优点：就是能“防止误差”。 ●如果在某一步迭代时有了误差，这只是意味着将以一个新的试算向量开始重新迭代，这样很可能迟缓了收敛，但决不会破坏收敛。 ●一般来说，只要动力矩阵D是正确的，不管第一个试算向量如何粗劣，收敛总是可以实现的。 ●一般来说，对于一个给定的系统，根据实际情况总可以找到一些选择第一试算向量的线索。 ●同理，若在试算向量中消除前r阶特征向量，那么迭代结果将得到第r+1阶特征向量和特征值。 应用矩阵迭代法同样可以获得更高阶的振型： ●如果在任意选取的试算向量中包含第一阶特征向量u(1)，即C1?1，则迭代结果一定收敛于u(1)。 ●为了求得第二阶以上的特征向量，必须利用正交条件，消除第一阶特征向量，这样经过迭代将会收敛于第二阶特征向量。 假定?1和u(1)是与动力矩阵D有关的第一特征值和特征向量，而u(1)是正则化了的正则向量，所以满足u(1)TMu(1)=1。 任选一个试算向量w1，用动力矩阵D左乘w1，并把第一阶特征值与特征向量分离出来，有 (5.7-14) 则由式(5.3-28)，得 (5.7-15) 将式(5.7-15)代入方程(5.7-14)，得 (5.7-16) 方程(5.7-18)的右边完全排除了第一阶特征向量。 ●可以断定，任意试算向量用D(