振动力学学习笔记: 理想元件(一) 弹性元件及其简化模型

2023-11-02 16:51

本文主要是介绍振动力学学习笔记: 理想元件(一) 弹性元件及其简化模型,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

前情提要
绪论(一) 振动力学的基本概念
绪论(二) 振动力学的基本问题与基本方法
绪论(三) 简谐振动及其三角函数、矢量、复数表示法


目 录

  • 弹性元件基本属性
  • 常见弹性杆件的刚度公式推导
    • 拉压杆件
    • 悬臂梁
    • 简支梁
    • 扭转杆件
  • 等效刚度的计算
    • 并联刚度
    • 串联刚度
    • 串并联的综合
    • 能量法
  • 参考文献


在振动系统中,只有质量及其分布运动阻尼恢复力特性 等少数参数对振动特性及其响应起主导作用,对应三种理想元件

  • 质量块 (质量大小 m m m)
  • 阻尼 (阻尼系数 c c c) (一些极简模型可以没有阻尼)
  • 弹簧 (刚度系数 k k k)

在接下来的三节中,我们将分别介绍这三种理想元件的简化模型,并介绍如何把实际模型抽象为理想元件。先从弹性元件开始。


弹性元件基本属性

弹性元件是个储能元件,其吸收的能量会被储蓄起来,因此不会影响系统的总能量。在振动过程中,弹性元件产生力始终倾向于使系统恢复初始状态,恢复力的方向取决于运动的方向。

基本假设

  • 忽略弹簧的质量 (振动块的质量远大于弹簧质量)
  • 小变形假设 (振动系统的振幅不超过弹性元件的线性范围)

胡克定律 小变形范围内,弹性恢复力与位移关系满足成正比


对于平移振动系统 F s = k x (1) F_\text{s}=kx\tag{1} Fs=kx(1)
弹簧刚度 k k k

  • 使弹簧产生单位位移所需要的力
  • 量纲 [ M ] [ T − 2 ] [\text{M}][\text{T}^{-2}] [M][T2]
  • 国际制单位 N / m \text{N}/\text{m} N/m

2-1-1 弹性恢复力与位移的关系


对于角振动系统 M s = k θ (2) M_\text{s}=k\theta\tag{2} Ms=kθ(2)
扭转弹簧刚度 k k k

  • 使弹簧产生单位角位移所需要的力矩
  • 量纲 [ M ] [ L ] 2 [ T − 2 ] [\text{M}][\text{L}]^2[\text{T}^{-2}] [M][L]2[T2]
  • 国际制单位 N ⋅ m / rad \text{N} \cdot \text{m}/\text{rad} Nm/rad

[推广] 对于任意广义弹性元件 (工作受力与变形之间保持线性关系即可) 弹簧刚度 k = 广义作用力 广义位移 (3) 弹簧刚度k=\frac{广义作用力}{广义位移}\tag{3} 弹簧刚度k=广义位移广义作用力(3)

弹性势能 V = 1 2 k x 2 (4) V=\frac{1}{2}kx^2\tag{4} V=21kx2(4)


常见弹性杆件的刚度公式推导

杆件参数 长度 L L L、横截面积 A A A、抗弯截面惯性矩 I I I、极惯性矩 J J J、材料弹性模量 E E E、剪切弹性模量 G G G


材料力学基础 [2]
弯曲梁挠曲线的近似微分方程 d 2 w d x 2 = M E I (5) \frac{\text{d}^2w}{\text{d}x^2}=\frac{M}{EI}\tag{5} dx2d2w=EIM(5)
故有转角方程 θ ( x ) = d w d x = ∫ M E I d x + C (6) \theta(x)=\frac{\text{d}w}{\text{d}x}=\int{\frac{M}{EI}}\text{d}x+C\tag{6} θ(x)=dxdw=EIMdx+C(6)
挠曲线方程 w ( x ) = ∬ ( M E I d x ) d x + C x + D (7) w(x)=\iint{\left( \frac{M}{EI}\text{d}x \right)}\text{d}x+Cx+D\tag{7} w(x)=(EIMdx)dx+Cx+D(7)


拉压杆件

2-1-2 拉压杆件的简化模型
E = σ ε = F / A x / L ∴ F = E A L x \begin{aligned}E & = \frac{\sigma}{\varepsilon}=\frac{F/A}{x/L}\\\therefore F & =\frac{EA}{L}x\end{aligned} EF=εσ=x/LF/A=LEAx拉压杆件刚度 k = E A L (8) k=\frac{EA}{L}\tag{8} k=LEA(8) 为消除截面及材料的影响,探究长度 L L L 对拉压杆件刚度的影响,绘制相对刚度 k / E A k/EA k/EA 随杆长 L L L 变化的规律如图所示
2-1-3 拉压杆件长度对刚度的影响


悬臂梁

2-1-4 悬臂梁的简化模型
任意点处分析其右侧部分杆件受力,有
M = F ( L − x ) M=F(L-x) M=F(Lx)则由式 ( 6 ) (6) (6) ( 7 ) (7) (7)
θ ( x ) = ∫ M E I d x + C = ∫ F ( L − x ) E I d x + C = − F x 2 2 E I + F L x E I + C w ( x ) = ∬ ( M E I d x ) d x + C x + D = ∬ [ F ( L − x ) E I d x ] d x + C x + D = − F x 3 6 E I + F L x 2 2 E I + C x + D \begin{aligned}\theta(x)&=\int{\frac{M}{EI}}\text{d}x+C=\int{\frac{F\left(L-x\right)}{EI}}\text{d}x+C\\&=-\frac{Fx^2}{2EI}+\frac{FLx}{EI}+C\\w(x)&=\iint{\left( \frac{M}{EI}\text{d}x \right)}\text{d}x+Cx+D=\iint{\left[ \frac{F\left(L-x\right)}{EI}\text{d}x \right]}\text{d}x+Cx+D\\&=-\frac{Fx^3}{6EI}+\frac{FLx^2}{2EI}+Cx+D\end{aligned} θ(x)w(x)=EIMdx+C=EIF(Lx)dx+C=2EIFx2+EIFLx+C=(EIMdx)dx+Cx+D=[EIF(Lx)dx]dx+Cx+D=6EIFx3+2EIFLx2+Cx+D悬臂梁 x = 0 x=0 x=0 处转角和挠度均为 0 0 0
θ ( 0 ) = C = 0 w ( 0 ) = D = 0 ∴ C = 0 , D = 0 ∴ w ( x ) = − F x 3 6 E I + F L x 2 2 E I \begin{aligned}&\theta(0)=C=0\\&w(0)=D=0\\\therefore &C=0,D=0\\\therefore & w(x)=-\frac{Fx^3}{6EI}+\frac{FLx^2}{2EI}\end{aligned} θ(0)=C=0w(0)=D=0C=0,D=0w(x)=6EIFx3+2EIFLx2自由端挠度为 Δ = w ( L ) = F L 3 3 E I ∴ F = 3 E I L 3 Δ \begin{aligned}&\Delta=w(L)=\frac{FL^3}{3EI}\\\therefore &F=\frac{3EI}{L^3}\Delta\end{aligned} Δ=w(L)=3EIFL3F=L33EIΔ 悬臂梁刚度 k = 3 E I L 3 (9) k=\frac{3EI}{L^3}\tag{9} k=L33EI(9) 为消除截面及材料的影响,探究长度 L L L 对悬臂梁刚度的影响,绘制相对刚度 k / E I k/EI k/EI 随杆长 L L L 变化的规律如图所示
2-1-5 悬臂梁长度对刚度的影响


简支梁

2-1-6 简支梁的简化模型
由简单的力平衡和扭矩平衡可知 F A = F b L , F B = F a L F_\text{A}=\frac{Fb}{L},F_\text{B}=\frac{Fa}{L} FA=LFb,FB=LFa 0 ≤ x ≤ a 0\le x\le a 0xa 时,分析杆件 x x x 左侧部分受力; a ≤ x ≤ L a\le x\le L axL 时,分析杆件 x x x 右侧部分受力 M = { − F A x = − F b x L ( 0 ≤ x ≤ a ) − F B ( L − x ) = F a ( x − L ) L ( a ≤ x ≤ L ) M=\left\{\begin{align}{-{F}_{\text{A}}}x=-\frac{Fbx}{L}\ &(0 \le x \le a)\tag*{}\\{-{F}_{\text{B}}}\left( L-x \right)=\frac{Fa\left( x-L \right)}{L} \ &(a \le x\le L)\tag*\\\end{align} \right. M= FAx=LFbx FB(Lx)=LFa(xL) (0xa)(axL) 由式 ( 6 ) (6) (6) θ ( x ) = { − F b x 2 2 E I L + C 1 ( 0 ≤ x ≤ a ) F a x 2 2 E I L − F a x E I + C 2 ( a ≤ x ≤ L ) \begin{aligned}\theta(x)=\left\{\begin{aligned}-\frac{Fbx^2}{2EIL}+C_1\ &(0\le x\le a)\\\frac{Fax^2}{2EIL}-\frac{Fax}{EI}+C_2 \ &(a \le x\le L)\end{aligned}\right.\end{aligned} θ(x)= 2EILFbx2+C1 2EILFax2EIFax+C2 (0xa)(axL)由式 ( 7 ) (7) (7) w ( x ) = { − F b x 3 6 E I L + C 1 x + D 1 ( 0 ≤ x ≤ a ) F a x 3 6 E I L − F a x 2 2 E I + C 2 x + D 2 ( a ≤ x ≤ L ) \begin{aligned}w(x)=\left\{\begin{aligned}-\frac{Fbx^3}{6EIL}+C_1x+D_1\ &(0\le x\le a)\\\frac{Fax^3}{6EIL}-\frac{Fax^2}{2EI}+C_2x+D_2 \ &(a\le x\le L)\end{aligned}\right.\end{aligned} w(x)= 6EILFbx3+C1x+D1 6EILFax32EIFax2+C2x+D2 (0xa)(axL)有四个待定系数: C 1 C_1 C1 C 2 C_2 C2 D 1 D_1 D1 D 2 D_2 D2,四个边界条件: x = a x=a x=a 处转角和挠度函数均连续, x = 0 x=0 x=0 处和 x = L x=L x=L 挠度为 0 0 0。即 { θ ( a ) = − F b a 2 2 E I L + C 1 = F a 3 2 E I L − F a 2 E I + C 2 w ( a ) = − F b a 3 6 E I L + C 1 a + D 1 = F a 4 6 E I L − F a 3 2 E I + C 2 a + D 2 w ( 0 ) = D 1 = 0 w ( L ) = − F a L 2 3 E I + C 2 L + D 2 = 0 \left\{ \begin{aligned} \theta(a)&=-\frac{Fba^2}{2EIL}+C_1=\frac{Fa^3}{2EIL}-\frac{Fa^2}{EI}+C_2\\w(a)&=-\frac{Fba^3}{6EIL}+C_1a+D_1=\frac{Fa^4}{6EIL}-\frac{Fa^3}{2EI}+C_2a+D_2\\w(0)&=D_1=0\\w(L)&=-\frac{FaL^2}{3EI}+C_2L+D_2=0 \end{aligned}\ \right. θ(a)w(a)w(0)w(L)=2EILFba2+C1=2EILFa3EIFa2+C2=6EILFba3+C1a+D1=6EILFa42EIFa3+C2a+D2=D1=0=3EIFaL2+C2L+D2=0 解得 C 1 = F a 3 6 E I L − F a 2 2 E I + F a L 3 E I C 2 = F a 3 6 E I L + F a L 3 E I D 1 = 0 D 2 = − F a 3 6 E I \begin{aligned} C_1&=\frac{Fa^3}{6EIL}-\frac{Fa^2}{2EI}+\frac{FaL}{3EI}\\C_2&=\frac{Fa^3}{6EIL}+\frac{FaL}{3EI}\\D_1&=0\\D_2&=-\frac{Fa^3}{6EI}\end{aligned} C1C2D1D2=6EILFa32EIFa2+3EIFaL=6EILFa3+3EIFaL=0=6EIFa3故有受力点处挠度 Δ = w ( a ) = − F b a 3 6 E I L + ( F a 3 6 E I L − F a 2 2 E I + F a L 3 E I ) a = F a 2 6 E I L ( − a b + 2 L 2 + a 2 − 3 a L ) = F a 2 6 E I L [ − a ( L − a ) + 2 L 2 + a 2 − 3 a L ] = F a 2 6 E I L ( 2 a 2 − 4 a L + 2 L 2 ) = F a 2 3 E I L ( L − a ) 2 = F a 2 b 2 3 E I L ∴ F = 3 E I L a 2 b 2 Δ \begin{aligned}\Delta=w(a)&=-\frac{Fba^3}{6EIL}+\left(\frac{Fa^3}{6EIL}-\frac{Fa^2}{2EI}+\frac{FaL}{3EI}\right)a\\&=\frac{Fa^2}{6EIL}\left(-ab+2L^2+a^2-3aL\right)\\&=\frac{Fa^2}{6EIL}\left[-a(L-a)+2L^2+a^2-3aL\right]\\&=\frac{Fa^2}{6EIL}\left(2a^2-4aL+2L^2\right)=\frac{Fa^2}{3EIL}\left(L-a\right)^2\\&=\frac{Fa^2b^2}{3EIL}\\\therefore F=\frac{3EIL}{a^2b^2}\Delta\end{aligned} Δ=w(a)F=a2b23EILΔ=6EILFba3+(6EILFa32EIFa2+3EIFaL)a=6EILFa2(ab+2L2+a23aL)=6EILFa2[a(La)+2L2+a23aL]=6EILFa2(2a24aL+2L2)=3EILFa2(La)2=3EILFa2b2简支梁刚度 k = 3 E I L a 2 b 2 (10) k=\frac{3EIL}{a^2b^2}\tag{10} k=a2b23EIL(10) 若记 t = a / L t=a/L t=a/L,用于表征受力点我位置,同时解耦长度和加载位置这两个影响因素,则式 ( 10 ) (10) (10) 可以被改写为 k = 3 E I t 2 ( 1 − t ) 2 L 3 = E I ⋅ 3 L 3 ⋅ 1 t 2 ( 1 − t ) 2 (11) k=\frac{3EI}{t^2(1-t)^2L^3}=EI\cdot\frac{3}{L^3}\cdot\frac{1}{t^2(1-t)^2}\tag{11} k=t2(1t)2L33EI=EIL33t2(1t)21(11) 可以看出,梁的长度 L L L 对刚度的影响因子为 3 / L 3 3/L^3 3/L3 (这和悬臂梁是一样的)
2-1-7 简支梁长度对刚度的影响
位置对刚度的影响因子为 1 / [ t 2 ( 1 − t ) 2 ] 1/[t^2(1-t)^2] 1/[t2(1t)2],其变化曲线如图
2-1-8 简支梁加载位置对刚度的影响
可见加载点越接近梁的中间,梁的刚度越小;加载点接近两端时,刚度接近于无穷大。


扭转杆件

2-1-9 扭转杆件的简化模型
Θ = M L G J ∴ M = G J L Θ \begin{aligned}\Theta&=\frac{ML}{GJ}\\\therefore M&=\frac{GJ}{L}\Theta\end{aligned} ΘM=GJML=LGJΘ
扭转杆件刚度 k = G J L (12) k=\frac{GJ}{L}\tag{12} k=LGJ(12) 为消除截面及材料的影响,探究长度 L L L 对悬臂梁刚度的影响,绘制相对扭转刚度 k / G J k/GJ k/GJ 随杆长 L L L 变化的规律如图所示
2-1-10 扭转杆件长度对刚度的影响


等效刚度的计算

等效弹簧 力学模型中,取代复杂系统中整个弹性元件组的等价效应的弹簧
等效刚度 (equivalent stiffness) 等效弹簧的刚度


并联刚度

并联

  • 各弹性元件位移一致
  • 系统恢复力为各弹性元件恢复力之和
    k eq = ∑ 1 n k i (13) k_\text{eq}=\sum\limits_{1}^{n} {{k_i}}\tag{13} keq=1nki(13)

举个栗子
2-1-11 并联例1
k eq = k 1 + k 2 k_\text{eq}=k_1+k_2 keq=k1+k2


再举个栗子
2-1-12 并联例2
k eq = k 1 + k 2 + k 3 k_\text{eq}=k_1+k_2+k_3 keq=k1+k2+k3


串联刚度

串联

  • 各弹性元件恢复力一致
  • 系统位移为各弹性元件位移之和
    1 k eq = ∑ 1 n 1 k i (14) \frac{1}{k_\text{eq}}=\sum\limits_{1}^{n} {{\frac{1}{k_i}}}\tag{14} keq1=1nki1(14)

举个栗子
2-1-13 串联例1
k eq = 1 1 k 1 + 1 k 2 = k 1 k 2 k 1 + k 2 k_\text{eq}=\frac{1}{\frac{1}{k_1}+\frac{1}{k_2}}=\frac{k_1k_2}{k_1+k_2} keq=k11+k211=k1+k2k1k2


再举个栗子
2-1-14 串联例2
由式 ( 11 ) (11) (11) k 1 = G 1 J 1 L 1 , k 2 = G 2 J 2 L 2 k_1=\frac{G_1J_1}{L_1},k_2=\frac{G_2J_2}{L_2} k1=L1G1J1,k2=L2G2J2 k eq = 1 1 k 1 + 1 k 2 = 1 L 1 G 1 J 1 + L 2 G 2 J 2 = G 1 G 2 J 1 J 2 G 1 J 1 L 2 + G 2 J 2 L 1 \\k_\text{eq}=\frac{1}{\frac{1}{k_1}+\frac{1}{k_2}}=\frac{1}{\frac{L_1}{G_1J_1}+\frac{L_2}{G_2J_2}}=\frac{G_1G_2J_1J_2}{G_1J_1L_2+G_2J_2L_1} keq=k11+k211=G1J1L1+G2J2L21=G1J1L2+G2J2L1G1G2J1J2


串并联的综合

2-1-15 串并联综合
可见弹簧2、3并联后与弹簧1串联,故有
k eq = 1 1 k 1 + 1 k 2 + k 3 = k 1 ( k 2 + k 3 ) k 1 + k 2 + k 3 k_\text{eq}=\frac{1}{\frac{1}{k_1}+\frac{1}{k_2+k_3}}=\frac{k_1\left(k_2+k_3\right)}{k_1+k_2+k_3} keq=k11+k2+k311=k1+k2+k3k1(k2+k3)


能量法

能量守恒 等效弹簧在任一时刻储蓄的势能均与原系统相等
1 2 k eq Δ 2 = ∑ 1 n 1 2 k i Δ i 2 (15) \frac{1}{2}k_{\text{eq}}\Delta^2=\sum\limits_{1}^{n}\frac{1}{2}k_i\Delta_i^2 \tag{15} 21keqΔ2=1n21kiΔi2(15)


参考文献

[1] 鲍文博,白泉,陆海燕.振动力学基础与MATLAB应用[M].北京:清华大学出版社,2015:16~23.
[2] 刘鸿文.材料力学 I[M].北京:高等教育出版社,2017:186.

这篇关于振动力学学习笔记: 理想元件(一) 弹性元件及其简化模型的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/331955

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验