Natural Frequency Perturbations Using a Scalar Expression with Reference Plots to Predict Associated Errors

特征向量 标量(数学) 摄动(天文学) 表达式(计算机科学) 数学 应用数学 特征值摄动 振动 模态矩阵 数学分析 计算机科学 物理 对称矩阵 几何学 声学 程序设计语言 量子力学 对角化矩阵
作者
Allison Kaminski,J. Gregory McDaniel
出处
期刊:Journal of vibration engineering & technologies [Springer Science+Business Media]
卷期号:12 (1): 719-736
标识
DOI:10.1007/s42417-023-00870-3
摘要

Abstract Purpose Eigenvalues are the natural frequencies of system squared. When designing a system it is important to know the natural frequencies, because if the system is forced near one of these natural frequencies the magnitude of vibration becomes very large. The eigenvalues are typically determined by solving an eigenvalue problem, which is an iterative produce that is expensive for larger systems. If multiple perturbations to the system are made or tested re-solving an eigenvalue problem every time becomes prohibitive. Perturbation methods exist to predict perturbed eigenvalues more quickly. However, these methods typically require matrix–vector products and do not quantify what is considered a small enough perturbation to use these methods. Methods This paper looks to address these issues using a scalar perturbed eigenvalue expression that avoids calculating matrix–vector products for every perturbation and developing reference plots that can be used to predict the associated error. The reference plots may be used to predict errors in the approximated natural frequencies from nominal modal parameters. The scalar perturbed eigenvalue expression and reference plots for errors were tested using numerical examples. Results In every case tested the plots were able to accurately predict the expected errors, to be within a predicted range. Conclusion The proposed method allows one to use the developed scalar expression to predict perturbed eigenvalues, and the developed reference plots may be used to predict the errors associated with using the proposed expression.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
WYao发布了新的文献求助10
1秒前
不羡江中仙完成签到 ,获得积分10
6秒前
WYao完成签到,获得积分10
7秒前
超帅柚子完成签到 ,获得积分10
8秒前
热情金针菇完成签到,获得积分20
11秒前
11秒前
cuc完成签到,获得积分10
14秒前
even完成签到 ,获得积分10
16秒前
乔杰完成签到 ,获得积分10
30秒前
31秒前
木木完成签到 ,获得积分10
31秒前
LiChard完成签到 ,获得积分10
32秒前
福福完成签到 ,获得积分10
35秒前
2333发布了新的文献求助10
36秒前
111222333完成签到 ,获得积分10
38秒前
魔幻的板凳完成签到,获得积分10
39秒前
小小完成签到 ,获得积分10
41秒前
Bsisoy完成签到,获得积分10
44秒前
科目三应助2333采纳,获得10
53秒前
可爱的函函应助鹏程万里采纳,获得10
57秒前
小柯基学从零学起完成签到 ,获得积分10
1分钟前
合适醉蝶完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
相南相北完成签到 ,获得积分10
1分钟前
个性仙人掌完成签到 ,获得积分10
1分钟前
潇洒的语蝶完成签到 ,获得积分10
1分钟前
1分钟前
勤恳的书文完成签到 ,获得积分10
1分钟前
1分钟前
Luki完成签到,获得积分20
1分钟前
1分钟前
onestepcloser完成签到 ,获得积分10
1分钟前
加贝完成签到 ,获得积分10
1分钟前
嗜睡性发布了新的文献求助10
1分钟前
西格完成签到 ,获得积分10
1分钟前
水本无忧87完成签到,获得积分10
1分钟前
无花果应助科研通管家采纳,获得10
1分钟前
科研通AI2S应助科研通管家采纳,获得10
1分钟前
丘比特应助科研通管家采纳,获得10
1分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
The First Nuclear Era: The Life and Times of a Technological Fixer 500
岡本唐貴自伝的回想画集 500
Distinct Aggregation Behaviors and Rheological Responses of Two Terminally Functionalized Polyisoprenes with Different Quadruple Hydrogen Bonding Motifs 450
Ciprofol versus propofol for adult sedation in gastrointestinal endoscopic procedures: a systematic review and meta-analysis 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3671320
求助须知:如何正确求助?哪些是违规求助? 3228175
关于积分的说明 9778698
捐赠科研通 2938413
什么是DOI,文献DOI怎么找? 1610009
邀请新用户注册赠送积分活动 760503
科研通“疑难数据库(出版商)”最低求助积分说明 736020