Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

07.06.2016 | Nonlinear Dynamics, Identification and Monitoring of Structures | Ausgabe 11/2016

Meccanica 11/2016

Nonlinear normal modes for damage detection

Zeitschrift:
Meccanica > Ausgabe 11/2016
Autoren:
Walter Lacarbonara, Biagio Carboni, Giuseppe Quaranta

Abstract

The sensitivity of the nonlinear dynamic response to damage is investigated in simply supported beams by computing the nonlinear normal modes (NNMs) and exploiting the rich information they unfold about the nonlinear system behavior. Damage is introduced as a reduction of the flexural stiffness within a small segment of the beam span. The problem is formulated in a piece-wise fashion and analytically tackled by using the method of multiple scales to compute the NNMs and the backbone curves. The latter describe the frequency versus free oscillation amplitude for each mode and as such they represent the skeleton of the nonlinear frequency response around each beam modal frequency. The bending of the backbones is regulated by the so-called effective nonlinearity coefficients associated with each mode. The comparison between the damaged and undamaged beams shows a sensitivity of the effective nonlinearity coefficients higher than the sensitivity of the linear natural frequencies. Moreover, the nonlinear frequency trends unfold an interesting dependence of the nonlinear free response on the stiffness reduction at the damage site. Such dependence yields useful information about the damage position. An effective identification strategy for the damage position is proposed by computing the damage-induced discontinuities in the second derivative of the NNMs (i.e., first order estimate of the bending curvature), without resorting to a baseline model of the undamaged beam. This goal is achieved by computing a high order derivative of the Nadaraya–Watson kernel estimator, which is evaluated from a finite set of sampled beam deflections associated with each individual NNM. The results show that the second derivatives of higher NNMs are more sensitive to damage-induced discontinuities than the linear modal curvatures. The robustness against noise of the damage identification process is also discussed.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit dem Kombi-Abo erhalten Sie vollen Zugriff auf über 1,8 Mio. Dokumente aus mehr als 61.000 Fachbüchern und rund 500 Fachzeitschriften aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit dem Technik-Abo erhalten Sie Zugriff auf über 1 Mio. Dokumente aus mehr als 40.000 Fachbüchern und 300 Fachzeitschriften aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 11/2016

Meccanica 11/2016Zur Ausgabe

Nonlinear Dynamics, Identification and Monitoring of Structures

On the impulsive dynamics of T3 tensegrity chains

Nonlinear Dynamics, Identification and Monitoring of Structures

Steady state shift damage localization

Nonlinear Dynamics, Identification and Monitoring of Structures

Compensation of top horizontal displacements of a riser

Nonlinear Dynamics, Identification and Monitoring of Structures

Ambient vibration testing and structural identification of a cable-stayed bridge

Nonlinear Dynamics, Identification and Monitoring of Structures

A three-degree-of-freedom model for vortex-induced vibrations of turbine blades

Premium Partner

in-adhesivesMKVSNeuer Inhalt

BranchenIndex Online

Die B2B-Firmensuche für Industrie und Wirtschaft: Kostenfrei in Firmenprofilen nach Lieferanten, Herstellern, Dienstleistern und Händlern recherchieren.

Whitepaper

- ANZEIGE -

Künstliche Intelligenz und die Potenziale des maschinellen Lernens für die Industrie

Maschinelles Lernen ist die Schlüsseltechnologie für intelligente Systeme. Besonders erfolgreich ist in den letzten Jahren das Lernen tiefer Modelle aus großen Datenmengen – „Deep Learning“. Mit dem Internet der Dinge rollt die nächste, noch größere Datenwelle auf uns zu. Hier bietet die Künstliche Intelligenz besondere Chancen für die deutsche Industrie, wenn sie schnell genug in die Digitalisierung einsteigt.
Jetzt gratis downloaden!

Marktübersichten

Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

Bildnachweise