基于聚类能量的模态保证准则 (CEMAC)附matlab代码

简介: 基于聚类能量的模态保证准则 (CEMAC)附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

In the context of finite element model updating using output-only vibration test data, natural frequencies and mode shapes are used as validation criteria. Consequently, the correct pairing of experimentally obtained and numerically derived natural frequencies and mode shapes is important. In many cases, only limited spatial information is available and noise is present in the measurements. Therefore, the automatic selection of the most likely numerical mode shape corresponding to a particular experimentally identified mode shape can be a difficult task. The most common criterion for indicating corresponding mode shapes is the modal assurance criterion. Unfortunately, this criterion fails in certain cases and is not reliable for automatic approaches. In this paper, the purely mathematical modal assurance criterion will be enhanced by additional physical information from the numerical model in terms of modal strain energies. A numerical example and a benchmark study with experimental data are presented to show the advantages of the proposed energy-based criterion in comparison to the traditional modal assurance criterion.

⛄ 完整代码

%% Clustered Energy Based Modal Assurance Criterion (MAC)


%% Reference

% Brehm, M., Zabel, V., & Bucher, C. (2010). An automatic mode pairing

% strategy using an enhanced modal assurance criterion based on modal

% strain energies. Journal of Sound and Vibration, 329(25), 5375-5392.

%

% <https://doi.org/10.1016/j.jsv.2010.07.006>


%% Description

% The above reference proposes a mode pairing strategy using an enhanced

% modal assurance criterion based on modal strain energies. The procedure

% analyzed in section 3 (Mode assignment using energy-based modal assurance

% criterion) of this reference is programmed in this submission. This

% verification script verifies a specific result of section 4 (Benchmark

% study: cantilever truss), i.e. the fraction of the total modal strain

% energy of numerical eigenmode 1 that corresponds to vertical degrees of

% freedom, shown in Figure 7.


%% Structural eigenvalue analysis

% Load stiffness matrix

load('K.mat','K')


%%

% Load stiffness matrix

load('M.mat','M')


%%

% Eigenvalue analysis

[V,D]=eig(K,M);


%%

% Eigenfrequencies (cycles/time)

f=sqrt(diag(D))/(2*pi);

f(1)


%%

% Check equation (6)

M6=V'*M*V;

figure()

imagesc(M6)


%%

% Check equation (7)

M7=V'*K*V;

figure()

imagesc(M7)


%% Modal assurance criterion

% Apply equation (1)

mac=zeros(size(V,2));

for i=1:size(V,2)

   for j=1:size(V,2)

       mac(i,j)=(abs(V(:,i)'*V(:,j)))^2/((V(:,i)'*V(:,i))*(V(:,j)'*V(:,j)));

   end

end


%%

% Define clustering (horizontal and vertical DOFs)

cl={1:2:20,2:2:20};


%%

% Define eigenmode ID

j=1;


%%

% Define cluster ID

k=2;


%%

% Apply equation (10)

MSEjk=0;

for l=1:numel(cl)

   MSEjk=MSEjk+1/2*V(cl{k},j)'*K(cl{k},cl{l})*V(cl{l},j);

end


%%

% Apply equation (11)

MSEj=0;

for k=1:numel(cl)

   for l=1:numel(cl)

       MSEj=MSEj+1/2*V(cl{k},j)'*K(cl{k},cl{l})*V(cl{l},j);

   end

end


%%

% Apply equation (12). Compare the result with the relative modal strain

% energy for vertical degrees of freedom of the 1st numerical mode of

% Figure 7 of the above reference.

PI_jk=MSEjk/MSEj


⛄ 运行结果

⛄ 参考文献

Brehm, M., Zabel, V., & Bucher, C. (2010). An automatic mode pairing strategy using an enhanced modal assurance criterion based on modal  strain energies. Journal of Sound and Vibration, 329(25), 5375-5392.

❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料


相关文章
|
2月前
|
缓存 算法 物联网
基于AODV和leach协议的自组网络平台matlab仿真,对比吞吐量,负荷,丢包率,剩余节点个数,节点消耗能量
本系统基于MATLAB 2017b,对AODV与LEACH自组网进行了升级仿真,新增运动节点路由测试,修正丢包率统计。AODV是一种按需路由协议,结合DSDV和DSR,支持动态路由。程序包含参数设置、消息收发等功能模块,通过GUI界面配置节点数量、仿真时间和路由协议等参数,并计算网络性能指标。 该代码实现了节点能量管理、簇头选举、路由发现等功能,并统计了网络性能指标。
164 73
|
9天前
|
算法 数据挖掘 数据安全/隐私保护
基于FCM模糊聚类算法的图像分割matlab仿真
本项目展示了基于模糊C均值(FCM)算法的图像分割技术。算法运行效果良好,无水印。使用MATLAB 2022a开发,提供完整代码及中文注释,附带操作步骤视频。FCM算法通过隶属度矩阵和聚类中心矩阵实现图像分割,适用于灰度和彩色图像,广泛应用于医学影像、遥感图像等领域。
|
1月前
|
算法 数据挖掘
基于粒子群优化算法的图象聚类识别matlab仿真
该程序基于粒子群优化(PSO)算法实现图像聚类识别,能识别0~9的数字图片。在MATLAB2017B环境下运行,通过特征提取、PSO优化找到最佳聚类中心,提高识别准确性。PSO模拟鸟群捕食行为,通过粒子间的协作优化搜索过程。程序包括图片读取、特征提取、聚类分析及结果展示等步骤,实现了高效的图像识别。
|
3月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
198 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
3月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
128 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
3月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
90 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
4月前
|
机器学习/深度学习 算法 数据挖掘
基于改进K-means的网络数据聚类算法matlab仿真
**摘要:** K-means聚类算法分析,利用MATLAB2022a进行实现。算法基于最小化误差平方和,优点在于简单快速,适合大数据集,但易受初始值影响。文中探讨了该依赖性并通过实验展示了随机初始值对结果的敏感性。针对传统算法的局限,提出改进版解决孤点影响和K值选择问题。代码中遍历不同K值,计算距离代价,寻找最优聚类数。最终应用改进后的K-means进行聚类分析。
|
6月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
6月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)