模态数据范文
模态数据范文（精选8篇）
模态数据 第1篇
控制钻柱振动、减少故障、提高效率一直是钻井工程的难题。目前, 比较常用的研究钻柱振动的方法有两种: (1) 理论研究, 最常使用微分方程或有限元法描述钻柱振动, 这种方法简化和假设条件太多, 与实际情况差别较大, 实用性差; (2) 建立数据库, 为钻柱的振动提供风险和量化评估, 但是这种数据库非常有限, 实际上判断更加依赖于经验和钻机的类型[5]。
钻柱实验模态分析是研究钻柱振动特性一种方法, 目的是获得钻柱系统的模态参数, 为系统的振动特性分析、结构动力特性分析等提供理论依据。此外, 还能进行钻柱的响应预测、振动控制[6]。
从钻杆柱的结构特点分析, 钻杆是一种薄壁直管状试件, 钻杆两端带有内外螺纹, 因而是带有缺陷的薄壁管试件, 对于短钻杆这种缺陷的影响是直接的, 对多根钻杆组成的钻柱, 其螺纹连接处的影响更是无法忽视的。由于传感器分布、结构缺陷、噪声干扰等原因, 进行钻柱实验模态分析时, 往往测得的数据存在频率缺失、有些测点的频率值在某个小区间内波动等问题。
基于解决以上问题出发, 提出了一种实验模态数据修正算法。以长度为1 m的钻杆为对象进行模态实验, 得到钻柱的模态参数, 并对模态频率数据进行处理。
1 钻柱实验模态分析
1.1 实验方法和安装方式
实验模态分析方法按照激励的方式可以分为:人工激励和自然激励。人工激励按激励方式分为力锤敲击和激振器 (接触式) 激振;按激励点数分为单点激励和多点激励。在对小型试件 (短钻柱, 轴类零件等) 进行模态分析的时候传感器安装方便, 结构对激励敏感, 较小的激励就能使试件产生振动, 适合人工激励;另外, 由于试件结构小, 对于相对规则的试件使用较少的传感器就可获得不错的实验数据。
实验模态分析包括正则振型实验法和频响函数法。前者在实验中同时对多个激振点施加正弦激振, 属于多输入多输出的激振方式, 这种方法需要大量高精度的实验设备, 对工人技术要求高, 实验周期长、成本高昂[7]。本实验采用单输入多输出的实验方式, 即单点激励多点响应的方法。
钻柱模态实验的支撑方式选择自由悬挂[8]:钻柱两端使用弹性好的橡胶绳拉住, 橡胶绳安装在稳定支架上, 并调节两条橡胶绳长度使钻柱保持水平。悬挂系统的固有频率应小于试件一阶固有频率的1/5[6]。如果测试的钻柱长度较大, 为了避免钻柱由于两端悬挂在自重下产生弯曲, 可以使用固定安装或者多个设置悬挂点的安装方式[9]。
1.2 传感器和锤击点分布
为了对不同的分布方式所得到的结果进行相互验证, 钻柱的模态实验采用了两种不同间距的传感器分布方案, 分别如图1中的 (a) 和 (b) 所示。图1 (a) 所示的分布中采用了12个传感器, 6个安装在上端, 6个安装在侧面, 并且上端和侧面的传感器一一对应, 对每个传感器逐一进行编号以便后续处理。图1 (b) 所示的分布采用了10个传感器, 传感器的安装布置与 (a) 类似。两种分布情况都需要在端部避开钻杆的螺纹区域, 以免造成安装困难和数据不准确。
在每一个奇数编号的传感器左右两端分别预先标记了2个锤击点 (如图2中的白色标记点) , 锤击点位于钻柱外圆柱面最上端的母线上。图1 (a) 的情况共有24个锤击点;图1 (b) 的情况有20个锤击点。一个传感器左右分布4个锤击点的目的是增加信息量, 增大数据的可靠性。
1.3 模态实验设备及参数
1.3.1 实验设备
在实验中选用压电式加速度传感器, 测量每一个测点的振动数据, 所选的传感器的参数见表1。
实验使用锤击脉冲激振的激励方式, 力锤的参数见表2, 力锤的锤头材质有橡胶、尼龙、铝合金三种, 不同硬度的锤头可以控制锤击的脉冲宽度, 可到所需频带宽度的激振力[10—12]。由于橡胶锤头的实验结果中频响特性较差, 因而本次实验采用尼龙和铝合金两种锤头。
1.3.2 实验参数及实验方法
采样频率fs的选择与所关心的频率范围fmax、锤击脉冲的时间宽度Tc等因素有关[13—15]。
由于实验模态分析采用频响函数的量测模型, 识别系统的模态参数, 需要在频域范围内分析频响函数的特性, 采样频率需要满足下式
采样频率还与锤击脉冲的时间宽度有关, 即与锤头的材质有关
Tc的大小可以由锤击实验测得的脉冲信号图来确定, 本实验中所用的铝合金锤头产生的脉冲宽度Tc约为1.4 ms (如图3所示的dx) ;尼龙锤头产生的脉冲宽度Tc约为3 ms (图4) 。
根据以上分析, 选择实验采样频率大小为10 k Hz。
实验采用力锤上的传感器瞬态信号触发的方式记录各个加速度传感器安装位置上的振动加速度信号, 每一个锤击点进行3次线性平均, 平均数据作为该点的测量数据, 平均次数越多所获得频响数据精度越高[16], 但是平均次数过多会延长测试时间。实验采用导纳圆法进行模态参数识别。
为例保证所获得频响函数精确性, 实验中需要注意以下问题[17]:
(1) 在不同的锤击点进行脉冲激励实验的时候, 必须以该锤击点附属的奇数编号的传感器与锤击脉冲之间的相干函数作为数据保存与否的判断依据, 一般取相干函数值大于0.9;
(2) 把握锤击力道, 避免超过量程, 尽量使每次敲击的脉冲峰值大小接近;
(3) 避免连击;
(4) 对于悬挂法实验, 进行下一次敲击之前先需要等待试件停止运动, 每次敲击要有一定的时间间隔, 等待试件稳定;
(5) 测试过程中不要触摸和移动传感器, 避免引起附加质量。
2 实验结果及数据分析
图5~图8给出了四组实验所得到的前9阶模态频率的雷达图, 图中单位为Hz。以图5所示方案为例:这是分布了12个传感器, 每个传感器两侧对称一个锤击点, 共24个锤击点的实验数据。圆周被分为24等分, 每一个标号表示锤击点编号, 标号所在的半径上最多有9个数据点, 分别代表在这个锤击点上敲击实验时所得的前9阶模态频率值。
这四个图中共有的特点是: (1) 最靠近圆心的两个环的形状非常接近圆, 并带有1到2个凸尖或凹陷; (2) 最内圈的环半径小于500, 约为350; (3) 第二个环的半径小于1 000, 在950左右; (4) 第三个环的半径在1 500~2 000之间。
比较图5和图6, 可以看到图5中环与环之间变化较为不规则, 范围较大, 数据发散程度大;图6中环与环的变化规律较为整齐, 整体范围也比较小。再分别比较图6与图5的第三个环的形状以及图8与图7中第三个环的形状, 可以明显看到图6和图8中的第三个环更加规则, 更接近于圆形, 即每个锤击点得到的数据的重复性较好。以上两点都说明在本实验中铝合金锤头实验得到的数据比尼龙锤头实验数据重复性好, 数据发散程度较小。
结合图5和图7可以发现在环数超过三的情况下, 很多锤击点上都出现了频率值在一个小区间内非常集中的情况, 图7中只有第1、2、11、14这四个锤击点上的数据没有出现小范围集中的情况。
如图8所示的20个锤击点-铝合金锤头实验情况下获得的数据比较特殊, 笔者为了不使所得的模态频率数据在多个锤击点上出现频率集中的情况, 选择了较高的频响幅值作为阀值, 筛选出模态频率值, 因而在这个实验中所得的环很多都不是封闭的, 即很多锤击点上所取的数据小于9个。比较图7和图8、图5和图8可以明显地看到这种增大阀值的选择方法可以有效地避免数据过度集中在一个小范围内。
单独以24个锤击点-铝合金锤头的实验为例说明模态频率数据的锤击点差异 (图6) 。
(1) 第8个锤击点的数据出现了一个大幅度的凹陷, 第3个环之后模态频率数据完全集中在1 000到1 600之间, 这说明说该锤击点上得到的数据在1 000~1 600 HZ之间有多个非常相近的模态频率, 第18个锤击点也存在这样的问题, 这就是频率集中的问题。
(2) 第17个锤击点上的数据, 有一个向外的凸尖, 第1个环上的凸尖数据其大小与第2个环上的大多数频率值非常相近, 而第2个环上的凸尖数据值则与第3个环上的大部分频率值相近, 这说明该锤击点上的低阶频率并没有被分析出来, 这就是频率数据缺失的情况。此外, 通过图5中的第9、10个锤击点的数据可以看到频率缺失不止会发生在最低阶。
从图6中可以看出, 锤击点1的实验数据特性较好, 现将第1、17两个测点的数据进行比较, 以说明模态频率数据缺失的情况。图9~图12分别给出了24个锤击点-铝合金锤头实验中第17、1锤击点模态实验的瀑布图和频响叠加图。
图12可以直观地看到第1个锤击点的12个频响特性曲线的叠加图的第一个峰值约为350 Hz, 第二个峰值约为950 Hz, 第三个峰值约为1700 Hz, 这恰好能反映图6中的环1、环2、环3的大部分数值 (圆的半径值) 。第17个锤击点的频响叠加图的第一个峰值为950左右 (如图10) , 与图12相比明显缺失了350 Hz这个等级的频响。
通过比较图9和图11能更加直观地看出每一个传感器上频响的分布规律以及对于模态频率计算的贡献大小 (幅值) 。
通过以上分析有以下结论:前两阶模态频率较好判断;第三阶模态频率若是使用铝合金锤头进行实验就比较好判断, 若是使用尼龙锤头则无法直接判断;第三阶以上的频率值无法直接判断。
3 数据筛选算法及处理结果
3.1 频率数据筛选算法
不同锤击点得到的数据模态频率缺失和局部频率值集中这两个特点给实验模态频率的判断造成很大困难, 基本上无法直接判断高阶频率值。
针对上述问题, 提出一种数据筛选的算法, 用以从分析数据中提取计算出钻柱的固有模态频率。下面阐述算法的具体实现方法步骤:
步骤1:将同一组实验中每个锤击点所获得的模态频率值组成一个矩阵A, 见式 (3) 。
式 (3) 中, A1~A4为四个行向量, 分别表示四个锤击点的前3个模态频率值;aij (j=1, 2, 3) 表示第i个锤击点上的前3个模态频率数据, 依次从大到小排列, 对于图8所示的数据点不足的情况就在后面补零。
步骤2:先对矩阵A的第一列数据进行处理, 找出该列中的最大值和最小值, 值为零的项不参加比较。
如果最大值和最小值之差小于给定的容差h, 即如果所有数据均在一个给定范围h内, 就可以认为这一系列模态频率值趋近于最大值和最小值之间的某一个数。
如果最大值和最小值之差不小于容差h就需要将最大值和最小值剔除。现假设该列中最大值为a11, 那么a11所在这一行数据不变, 整体向后移动一项, 即a11取代了a12、a12取代了a13、a13则向后移动一列, 矩阵A扩充一列, 其他行的第四列全部设为零。
假设最小值为a31, 那么就有两种情况:
(1) a32≥a11:第三行中a31置零, 其他数据保持不变;变换之后的矩阵A'见式 (4) 。
(2) a32<a11:移除a31数据, 第三行中的数据依次向前移动一列。变换之后的矩阵A″见式 (5) 。
变换完成之后再对这一列重复上述过程, 直至最大值和最小值之差小于给定的容差h, 对所有非零数据求平均值, 所得到的数据即为钻柱的模态频率。之后再对第二列进行计算重复以上过程, 直至每一列都计算完成。
步骤3:判断数据是否保留。从图12种可以看出一阶模态频率约为350 Hz, 二阶模态频率约为950 Hz, 前两阶之间相差600 Hz左右;并且三阶频率值与二阶频率值得间距比二阶与一阶频率值得间距大, 即大于600 Hz, 即阶数越高其与前一阶的间距越大。因而间距大小是步骤2中的计算结果数据是否保留的一个判断依据, 在这里容差h可取500 Hz。例如:第二列最大值和最小值之差小于给定的容差h, 对所有非零数据求平均值, 该平均值如果小于第一列所得平均值加上h, 那么这列平均值将不作为模态频率值, 直接进入下一列数据的处理。
另外, 可以指定一个参与平均计算的数据的最小数量m, 只有当排除非零值之后参与平均计算的数据数量大于等于m, 数据才会被记录。例如, 对于有24个锤击点的实验可以选择m=24/3=8。
整个算法的流程图如图13所示。
3.2 处理结果
根据算法利用MATLAB编制计算程序, 并将四组实验的分别组成矩阵, 输入程序进行计算。四组数据的处理结果如图14所示。
从图14中可以看到尽管四组实验的传感器分布不同、锤头材质不同, 甚至是不同组之间的实验数据之间没有明显的规律, 最后的计算结果仍然非常相近, 四条曲线趋于重合, 也说明了算法的可靠性。该钻柱从1到4阶的横向模态频率分别约为:350 Hz、923 Hz、1710 Hz、2650 Hz。
3.3 不同长度钻柱的实验模态数据处理结果
分别对1~10 m长度的钻柱进行模态实验, 获得每1 m钻柱的模态数据, 依据上述处理算法进行筛选处理, 得到的结果见表3。
3.4 钻柱模态数值模拟
为了对实验结果进行验证, 使用有限元软件ANSYS对钻柱进行计算模态分析。数值模拟的结果见表4。
表4中的第一行是ANSYS数值仿真的前4阶模态频率, 第二行是在实验模态的数据基础上使用筛选算法计算得到的固有频率值。比较两组数据得出结论:两组数据接近, 说明数据处理算法是正确的。图15~图18给出了ANSYS数值仿真得到的前四阶模态振型。
此外, 数值仿真过程中没有对钻杆加载任何形式的边界条件, 这与实验模态中采用弹性悬挂的方式相对应, 这说明实验模态中采用弹性绳悬挂的方法得到的结果是正确的。
这个有限元模态分析中只是对单根钻杆进行了分析, 并且对两端螺纹进行了简化, 对于这种薄壁且细长比较大的结构进行有限元数值计算, 为了保证计算精度, 要求网格尺寸非常小, 计算机负担巨大。如果要对多根钻杆进行计算模态分析不仅长度增大, 必须考虑钻杆与钻杆之间的螺纹连接, 这种情况下对计算机的性能要求很高。对由多根钻杆组成的钻柱进行计算模态分析, 由于钻杆间螺纹连接的存在会导致计算结果与实验结果存在差异。
4 结论与展望
4.1 通过上述分析本文有以下结论
(1) 在使用单点激励法对局部存在缺陷或者结构不规则的试件进行模态分析时, 不同测点间数据的差异较为明显, 因而若是实验仅仅做少量锤击点, 实验结果与真实模态参数将会存在较大差异;
(2) 对材料为钢材的钻柱进行实验模态分析时, 使用铝合金锤头能够获得比尼龙锤头更好的频响特性;
(3) 在不同锤击点上进行单点激励模态实验, 所得到的数据会出现两种特性:在个别锤击点上某几阶频率缺失;在一个小范围内频率值非常集中;本文所提出的多个锤击点的模态频率值筛选算法能够很好地解决上述问题。
4.2 工作展望
模态数据 第2篇
1、如何理解模态分析中的“阶”，一个结构有1阶，2阶，3阶......，怎么理解？
在理解“阶”之前，要先理解与“阶”紧密相连的名词“自由度”。自由度是指用于确定结构空间运动位置所需要的最小、独立的坐标个数。空间上的质点有三个自由度，分别为三个方向的平动自由度；空间上的刚体有六个自由度，分别为三个平动、三个转动自由度。一个连续体实际上有无穷多个自由度，有限元分析时将连续的无穷多个自由度问题离散成为离散的有限多个自由度的问题，此时，结构的自由度也就有限了。因此，可以这样理解，一个自由度对应一阶，连续体有无穷多阶。像弹簧--质量模型为单自由度系统，故对应的频率只有一阶。两自由度系统有两阶。一个具体的系统，每一阶对应着特定的频率、阻尼和模态振型。延伸问题：“同一个结构为什么各阶频率、阻尼和模态振型又不相同？”这是因为虽然结构还是这个结构，但是参考各阶运动的结构上的质量和刚度都不相同，参考每阶响应的并不是结构所有的质量和刚度，而是这一阶“活跃的”有效质量（结构中的部分质量），所以各阶所对应的模态参数不完全相同。
2、如何理解无阻尼固有频率、有阻尼固有频率和固有频率？
通常在振动教材中都会定义无阻尼固有频率和有阻尼固有频率，无阻尼固有频率对应的是刚度/质量的平方根，有阻尼固有频率为无阻尼的固有频率乘以（1-阻尼比平方）的平方根。书本上这么定义完全是出于方便书写公式的目的，当然了也对应的一定的物理意义。一般说来，无阻尼结构的频率便是无阻尼的固有频率，但现实中所说的固有频率，在没有特殊说明的情况下都是指有阻尼固有频率，因为现实中的结构都是有阻尼的。人们通常说的固有频率都是指有阻尼固有频率。另外，在有限元计算中，如果是实模态分析（不考虑阻尼），那么此时的求解出来的频率就是无阻尼的固有频率，如果是复模态分析（考虑非比例阻尼）得出来的固有频率是有阻尼固有频率。现实中的结构，除了含有阻尼机制的结构外，一般阻尼比都小于10%，因此，阻尼对结构的固有频率的影响是非常小的。
3、复模态和实模态什么区别？
对于无阻尼的情况，由特征值求解产生的频率和留数为纯虚数，模态振型值为带符号（+或-）的实数值，且每阶模态振型的各个自由度之间，要么彼此完全同相位，要么彼此完全反相位。
对于比例阻尼，此时阻尼与系统的质量和/或者刚度成比例。由特征值求解得出的频率为复数值，留数为纯虚数，模态振型值也为带符号（+或-）的实数值。且比例阻尼特征值求解得出的模态振型与无阻尼的情况相同，这是因为阻尼与系统的质量和/或刚度成比例。这样产生的模态称为“实模态”。因此，显然相同质量矩阵和刚度矩阵下，无阻尼和比例阻尼情况得出的模态振型完全相同。
考虑第三种情况，此时阻尼不与系统的质量和/或者刚度成比例，即非比例阻尼。此时得出的频率、留数和振型全为复数值。对于这种情况，模态振型不同于前面的两种情况。首先，模态振型是复数值。并且每阶模态的各个自由度之间的相对相位关系已不再是完全同相位或反相位了。这种情况下产生的模态称为“复模态”。这跟前面两种情况大不相同。系统阻尼与系统的质量和/或刚度不相关时，得出的模态就为复模态，此时的阻尼称为非比例阻尼。
考虑复模态时，所有的方程通常都变得更复杂。实模态与复模态之间一些简单结论总结如下： 实模态的一些特征：
1.通过驻波描述实模态，而这些驻波的节点位置是固定的； 2.所有点同一时刻通过它们的最大和最小位置处； 3.所有点同一时刻通过零点位置； 4.模态振型为带符号的实数值；
5.所有点同结构上任何其他点，要么完全同相位，要么完全反相位；
6.无阻尼得到的模态振型与比例阻尼的模态振型相同，这些振型解耠质量、阻尼和刚度矩阵。复模态的一些特征：
1.通过行波描述复模态，节点似乎在结构上移动；
2.所有点不在同一时刻通过它们的最大值位置处，一些点似乎落后其它点； 3.所有点不在同一时刻通过零点位置； 4.模态振型不能用实数描述，为复数；
5.不同自由度之间不存在特定的相位关系，没有完全同相位或者完全180度反相关系； 6.由无阻尼情况得到的模态振型将不解耦阻尼矩阵。
为了进一步形象化这些特征，绘出了悬臂梁某阶模态所对应的复模态振型和实模态振型，如图1所示。图1a为实模态，自由度之间的相对相位关系完全同相位（如图中蓝色和红色表示的自由度）或者完全180度反相位（如图中的绿色表示的与蓝色和红色表示的自由度）。而复模态不具有这种简单的相位关系，模态振型必须通过幅值与相位或者实部与虚部两者同时描述，如图1b所示。图1是有意去形象化它们之间的相位关系。
如果在进行复模态分析时，发现求解出来的特征值是纯虚部，这时就得考虑是不是实际上是在进行实模态分析。
4、什么是模态分析？
通过求解振动特征方程，可以得到特征值与特征向量，即可得到相应的固有频率与模态！再由初始条件可以求得响应。
模态分析可以得到系统结构的固有频率与固有模态；频响分析则可以得到系统结构的响应与频率之间的关系！这样系统的振动特性就明朗了。
“频率响应分析可以更加直观地看出系统在宽频激励下，哪些频率处被激起共振。结合模态分析的结果，可以更加深刻的了解系统的动态特性”。
模态分析和频率响应分析的确是两个不同的概念。模态是结构固有的一种特性，它只与结构的形状、约束形式、材料特性等有关，而与其他输入（例如加载）无关。而频率响应分析则是指结构对一载荷（可以是冲击载荷，也可能是一频率在一定范围内的载荷）的响应。
模态分析主要目的有：了解结构的共振区域，为结构设计提供一定的指导；对计算模型进行校验，验证你做仿真计算的模型是否正确；开展瞬态分析、谱分析的基础。
频率响应分析的目的是确定结构上两点的输入输出关系（一般以频率为横坐标）。
模态分析中，如果打开计算单元应力选项，对应每一阶固有频率，就有对应的应力分布。想请教一下这个模态应力有什么实际意义吗？ 还是就是代表此频率下结构发生变形后的应力分布？
个人觉得没什么意义吧，因为应力是由位移场求得的，而模态位移场只是归一化之后的“相对”量，要求得实际载荷下的应力还是要通过静力学分析或者动力学分析吧。
模态分析得到的应力是相对应力，和模态变形的相对概念是一样的。
谐响应分析和瞬态分析得到的应力应该是真实的
分享一下：谐响应分析后在POST1中对应频率下查看的应力和位移是结构的真实应力和位移，由此可以判断结构的最大响应部位。而模态分析，以及在模态分析基础上的随机振动分析所得到的应力和位移是相对的，仅具有相对参考价值；
固有频率是某种物质特有的固定震动频率。我们知道，每种物质都会震动。但因为物质中微观粒子的差异性，每种物质的频率都不同。物质在一定频率的外力作用下会以该外力的频率震动，在物理学上叫受迫震动。但因为会消耗能量，所以受迫震动的震福会变小。当外力的频率与物质的固有频率相同时，震福会达到最大。也就是发生了共震！这也就是共振频率。
模态分析是研究结构动力特性一种近代方法，是系统辨别方法在工程振动领域中的应用。模态是机械结构的固有振动特性，每一个模态具有特定的固有频率、阻尼比和模态振型。这些模态参数可以由计算或试验分析取得，这样一个计算或试验分析过程称为模态分析。
模态分析就是结构的固有振动特性分析。这种分析用于确定结构的固有频率和振型，其分析结果可作为瞬态动力学分析，谐响应分析和谱分析等其他动力分析的基础。
模态分析的实质是计算结构振动特征方程的特征值和特征向量。
5、时域、频域和模态空间有什么不同？
这个问题经常有人问到，三者有太多的不同之处，因此让我们从一个简单的说明开始着手，不涉及太多的数学知识，用一个简单的示意图来解释。用这个图讨论时域、频域、模态空间和物理空间之间的所有不同之处。这个图有太多方面需要讨论，故将此图分成许多子块，每次讨论其中一块，最后对所有子块进行总结。你可能还记得前面进行“什么是模态分析”的讨论（“你能为我解释模态分析是什么吗？”），在这前面的讨论对我们解释这个问题有帮助作用。
首先，让我们考虑一根悬臂梁，假设在梁的自由端受到一个脉冲激励。梁自由端的响应将包含系统所有模态（图中用黑色表示时域响应）的响应，注意到这个响应是多个频率的响应。通过傅立叶变换，将梁自由端的响应从时域变换到频域。虽然傅立叶变换包含许多数学公式，但它已是一种人们一直常用的变换运算算法。时域信号的频域表达通常称为频响函数或者简写成FRF（图中用黑色绘出了频响函数），注意图中的峰值对应于系统的固有频率。
在进一步讨论时域和频域之前，先说说图中左上角的物理模型。我们知道悬臂梁有许多阶固有频率，在每一阶固有频率处，结构都将以一种确定的方式发生变形，这种变形叫做模态振型，如上一小节中描述的一样。对于这根梁，图中蓝色为第1阶弯曲模态，红色为第2阶弯曲模态，绿色为第3阶弯曲模态。当然，还有许多高阶模态没有给出，在这我们仅仅讨论前三阶模态，并且从前三阶模态可以很容易地推广到高阶模态。
这样的实体梁也可以用图中右上角的解析集中质量模型（黑色绘出）或者有限元模型来作估算。这个模型通常用方程组进行估算，这些方程组在一些不同的位置或不同自由度（DOF）之间，存在相互作用或者称为耦合。这意味着如果你推动模型中的某一个自由度，那么其他自由度也会受到影响，并且产生运动。这些耦合行为意味着为了确定系统的响应行为，这些方程将变得更为复杂。随着描述系统的方程数目变得越来越大，那么方程的复杂程度也就越来越高。通常将描述系统特征的运动方程组用矩阵形式来表示
这里[M]，[C]和[K]分别表示质量矩阵、阻尼矩阵和刚度矩阵，连同相应的加速度向量、速度向量和位移向量以及外力向量一起组成运动方程。通常质量矩阵是对角阵，阻尼和刚度矩阵是带有非对角元素的对称阵，这些非对角元素确定了描述系统的不同方程或不同自由度之间的耦合程度，矩阵的大小由描述系统的方程总数决定。从数学角度讲，通过求解特征值和模态变换，将这些耦合的方程进行解耠，解耠后的方程为一组单自由度系统的运动方程，且此时转换后的新坐标系统，叫模态空间，解耠后的模态质量、模态阻尼和模态刚度矩阵全为对角阵，如：
因此我们可以看出模态转换是将方程从物理空间通过模态转换方程转换到模态空间的过程；是将一组复杂的、耦合的物理方程转换成一组单自由度系统的、解耠的方程的过程。因而，我们可以将图中的解析模型分解成一组单自由度系统，如图中所示的蓝色1阶、红色2阶和绿色3阶模态组成。模态空间使得我们更易于用单自由度系统去描述结构系统。
现在回到图中用黑色表示的时域和频域响应。我们知道系统总的响应可由每阶模态的贡献得到，图中黑色表示的总响应由1阶、2阶和3阶模态响应组成。不管是在时域还是频域描述系统，这个结论总是成立的。每个域都是等价的，仅仅是从不同的角度去描述而已。如同货币一样，从一个国家到另一个国家，每个国家的货币看起来都不相同，但是它们实质是同一个东西。所以可以看出系统总的时间响应是由各阶时间响应所组成的，即由1阶、2阶和3阶模态的时域响应贡献所组成。系统总的频响函数也是由各阶频响函数组成，即由1阶、2阶和3阶的频响函数组成（在这我们仅仅给出了频响函数的幅值部分，频响函数其实是很复杂的，正确的表示方式应该是用幅值和相位或者实部和虚部来表示）。
既然我们可以将解析模型分解成一组单自由度系统的组合，因而我们可以确定每个单自由度系统的频响函数，如图所示1阶、2阶和3阶模态。同样也可以通过一种近似解确定由脉冲引起的每个单自由度系统的时域响应，或由每个单自由度系统的FRF的傅立叶逆变换得到的时域响应。我们也可以在梁的自由端测量由脉冲引起的响应，并且过滤系统每阶模态的响应，那么我们就可以看到系统每阶模态的响应，如1阶、2阶和3阶模态（当然，我简化了许多理论，以便我们能理解这些概念）。
既然我们已经剖析了图中所有的子块部分，那么我想应该更清楚了在时域、频域、模态空间和物理空间并没有实质性的不同，仅仅是形式不同而已。每个域仅仅是为了便于描述或者察看数据。然而，有时从一个域察看某些信息会比其他的域更容易、更便捷。比如，从总的时域响应就不清楚有多少阶模态对梁的响应有贡献，但是频域的总的频响函数就能清楚显示有多少阶模态被激起和每一阶模态对应的频率是多少。因此，我们经常将数据从一个域变换到另一个域，仅仅是因为数据更易于解释。关于这些还有太多的需要去讲解，但是我希望这些简单的、示意性的解释能从另一个角度帮助你更好地理解这些概念。
6、模态分析各种名词解释。
模态质量、模态刚度、模态阻尼，有关这三个名词可以参考百科。另外这三个量没有绝对意义，只有相对意义，是将物理量通过坐标变换到模态空间后的三个量。通常对振型缩放时，用得最多的是质量归一，而此时的质量归一说的就是将所有的模态质量都定为1，其他的量与这个量相比较。
有效质量、等效刚度，这两个名词只解释其中一个。有效质量，另一个可以类似的理解。结构的总质量是一定的，但是并不是的结构的总质量都参与各阶模态，有效质量是指参与某阶模态的质量，也可以说是“模态上”活跃的那部分质量，可能只占结构总质量的一部分，参与每一阶的质量都不完全相同，同理，刚度也是如此，正是由于参与每阶模态的质量和刚度都不完全相同（重根除外），才有不同的模态频率。
7、各阶模态振型出现的先后顺序是否有规律？
基本事实就是频率和各阶模态振型出现的次序只受结构质量和刚度分布的影响，不受其他因素影响。
为了说明各阶模态可能出现的次序，用有限元方法生成三个不同构造的平板结构，长宽比不同，求解每一个结构。下图中给出了三个不同结构的前五阶模态，从顶部到底部模态次序依次为从最低阶到最高阶（仅考虑前五阶）。其中字母B表示沿长边方向的弯曲模态，B2表示沿短边方向的弯曲模态，T表示沿对称轴的扭转模态。分析这三个不同构造的平板，可以看出平板没有特定的模态振型出现次序。从图中可以看出，每个结构的模态出现次序都不相同。
只要我们关心各阶模态振型出现的先后次序，那么有人就会问，是否沿平板长边方向的弯曲模态（B）总是比沿短边方向的弯曲模态(B2)先出现？在快速回答这个问题之前，停下来作进一步的思考……
这是一个欺诈性的问题？在回答这个问题之前，我需要思考什么？材料属性是什么？沿长边和短边的属性相同吗？如果材料是各向同性材料，那么沿长边方向的弯曲模态（B）将会先于沿短边方向的弯曲模态(B2)出现。但如果材料是加强的碳纤维复合材料，加强的碳纤维沿平板长边方向分布，那么情况又怎样呢？那么这时可能的情况是沿长边方向平板的刚度更大。因此，此时也有可能是沿短边方向的弯曲频率(B2)先于沿长边方向的弯曲频率(B)出现。显然，原则就是你确实需要思考这种可能性，现实中完全是可能的！
我已经设法回答了平板的各阶模态可能出现的次序这个问题。显然，任何构造的结构都有自身特有的弯曲和扭转模态，不仅仅是平板结构，其各阶模态出现的次序也不是特定，取决于质量和刚度的分布。
8、为什么对自由梁进行刚度修改，模态频率反而降低了？
如果增加任何系统的刚度，人人首先想到的是模态频率肯定增大，这是因为刚度增大了，频率会提高，但当你对结构增加刚度时，频率反而降低是没有道理的。因此，让我们分析一根两端自由的简单梁系统。两端自由的梁前三阶模态分别为164Hz、452Hz和888Hz。将自由梁约束住（变成简支梁），对其进行分析，前三阶模态分别为72Hz、288Hz和647Hz。显然，模态频率没有如预期的那样移动。因此，到底这是怎么回事呢？
通常，人们关心的是系统的弹性模态，因为这些模态是所有振动和噪声问题发生的普遍原因。但是，描述整个系统的不仅仅是这些弹性模态。基本问题是每个人都忽略了自由边界的系统不仅具有弹性模态，还具有刚体模态。很多时候，测试过程中人们不测量刚体模态，刚体模态不作为弹性模态测试的一部分。因而，从分析角度出发，很多时候进行的特征值求解，要么只求解变动的特征值问题，要么只获得弹性模态。虽然刚体模态存在，但是很多时候人们忽略了它们，这主要是因为他们不是振动和噪声问题产生的根源。因此，一旦我们意识到这个梁系统的第一阶模态频率从分析模态上得到的是0Hz或者从实测得到第一阶模态频率非常小，那么直觉告诉我们增加刚度，使得模态频率向上移动更合理些。对于平面自由梁的前三阶频率为164Hz、452Hz和888Hz，其实在这之前还有两阶频率为0的刚体模态，一阶为平动，一阶为转动。而简支梁的前三阶频率为72Hz、288Hz和647Hz。其中，72Hz和288Hz是由自由梁的前两阶0频往上移动得到的（因为刚度增加了），简支梁的第三阶频率647Hz是由自由梁的第一阶弹性频率164Hz得到的。
模态数据 第3篇
1 多种模态图像及图像融合
人体扫描成像方式有CT、PET、MRI,见图1。
PET与CT或MRI融合诊断,图像融合后同时具有两者的功能,不仅是二者功能的简单叠加,由于PET与CT优势互补,可以达到1+1>2的效果。PET可以显示病例病灶特征,更容易发现病灶,CT可以精确定位病灶,显示病灶结构变化,二者融合可以提高诊断的准确性。对此,供应商也开发出了PET-CT同源机。从PET-CT同源机中获得的图像和使用我们的软件后所生成的PET-CT融合图像,见图2。
与其他医学成像技术,如CT或者X射线相比,MRI是多参数、多序列图像,具有良好的软组织解剖分辨率,能很容易地区分出大脑、肌肉、心脏及肿瘤等软组织,同时也能进行功能成像。但是,磁共振(MR)在定量观察分子示踪方面有限制,敏感性不强。以判断口腔鳞癌为例,回顾分析2001年~2010年医院患者术前术后PET或PET-CT、CT或MRI检查,PET或PET-CT在敏感性、特异性及准确率中分别比CT或MRI高12.34%、2.42%、19.23%。因此对PET-MR融合设备的研制提出了需求,并且有非常广阔的应用前景。尽管MR-PET同源机已经设计出来,并且已经在等待美国食品药品管理局(FDA)的认证,但对于许多医院来讲,市场价格偏高,并不是所有的医院都能投入使用,因此软件融合成为一个趋势。从PET-CT同源机、MR机获得的图像,以及使用我们软件解决方案的融合图像,见图3。显而易见的是,图3中的MR图比图2中的CT图具有更好的细节度。
在医疗领域中,可视化诊断越来越热门。3D渲染能大大提高对各种疾病的诊断效果,医生不必只凭经验由多幅二维图像去估计病灶的形状及大小,“构思”病灶与周围组织的几何关系,通过3D渲染可以将人体器官以三维的形式“真实”地显示出来,从而获得传统手段无法得到的结构信息。可视化技术已应用于多种诊断医学、辐射治疗规划等技术中,是科学计算机可视化中的一个重要领域,也是医学图像处理的难点和热点。与传统的可视化技术[2]相比,双模态绘制可以同时用两种不同的颜色来显示两种模态图像,更形象地表现出人体的器官组织。PET-CT双模态融合图像的3D渲染图,见图4;PET-MR双模态融合图像3D渲染图,见图5。
智能算法可以优化并解决PET-MR的融合问题,利用软件可使不同的扫描图像自动融合为同一空间坐标下的图像。所以,软件需要具有以下功能以满足临床要求:(1)自动从两个系列的切片图中重建数据;(2)自动和手动配准;(3)在可视化基础上进行图像融合;(4)具有临床使用的各种图像处理工具。
2 关键问题与解决方案
图像融合算法的第一步是配准[3]。配准后,对所涉及到的需要显示的数据进行融合[4]。然而,不同的成像设备所拍摄到的图像的分辨率、大小、层数、空间位置可能会有所不同,特别是这些三维图像是由一系列的2D图像组成的。因此,需要解决的关键问题是自动化多模态图像配准。
通过将图像标记为模板图和浮动图,线性配准问题可以被描述为寻找一个仿射变换矩阵,从而最大限度地找到浮动图和模板图之间相似的地方[5]。三维配准的过程,见图6。
这类问题通常可分为两个子问题。
(1)定义一个成本函数来测量两个图像之间的相似性,定义为f(X,AY),其中f(X,AY)是成本函数,X是模板图,Y是浮动图,A是三维仿射变换矩阵。
(2)找到一个最优方法,以得到在给定区域中成本函数的最大点。
在数学中,刚性或者仿射三维变换A可以用一个44的常数矩阵表示,其中y=(y1,y2,y3)T、x=(x1,x2,x3)T分别从模板图和浮动图中获取得到。
变换矩阵可进一步分为平移、旋转、缩放和倾斜,表示为式(2)。
其中:
因为一个仿射变换可以用12个系数p=(tasg)T表示,优化后表示为
显然,传统的欧几里德距离不能恰当地描述两种模式之间的相似性。基于信息理论,f(X,AY)通常从一些统计测度,如交互信息和其他散度中得到。因此,函数空间变成复杂的目标函数,导致这个问题变得非线性[6,7,8]。
对于一个给定的域,像这种优化计算没有分解方法。可行的办法就是枚举可能的解决方案,直到到达峰值。要解决这类问题,通常会产生启发式算法,即遗传算法(GA),粒子群优化(PSO)[9]和蚁群算法(ACO)[10]。因此,它可作为工程优化领域人工智能的直接应用。
我们以PSO为例子,与利用生物学进化的竞争特点(适者生存)的GA相反,PSO利用的是像鱼群、鸟群以及昆虫群聚等合作和社会环境影响的特点。从现在被称为蜂群的种群扩散开始,个人作为粒子,往往移动搜索空间,最终确定其中最低的地区聚集。Ackeley功能(2D)的粒子组成的搜索过程,见图7,箭头表示粒子的速度。
如果要应用到我们研究的问题上,基本的PSO算法必须增强以提高效率,突变和交叉的遗传算法要加入到PSO中。在这种混合的PSO中,当粒子的位置更新之后,每对粒子有概率被选择交叉。对于每一对粒子交叉之后产生的新粒子会取代父母,以保持粒子群总数规模不变。此外,突变之后粒子速度会更新。要指出的是,为了提高交叉的效率,聚类的方法如K-means算法,会涉及到粒子分组。
3 图像标配实验结果
选取一些临床数据进行测试。选取5组PET-CT或PET-MR图像,然后使用我们的软件进行配准,记录每一个病档配准所需时间。配准信息,见表1,其中,配准效果中,左图为融合图原图,即配准前;右图为使用我们的软件进行配准后的效果。可以看出,由于机器不同、扫描时间不同、切片精度、大小不同等原因,在原始的融合图中,两种模态图并不能完全重合。用我们的软件进行配准后,图像的重合度明显提高,两种模态图基本重合,配准效果显著。另外,从第三列运行时间可以看出,配准的时间范围是35~45 s左右,执行速度较快,配准等待时间短。
4 结束语
本文以PET-CT、PET-MR图像融合为背景,使用新的配准方法,可以提高配准的效果及效率。从实验的结果可以看出,与现有的配准算法相比,这种新的配准算法执行速度更快,配准效果更好,更加有利于提高诊断效率,减少时间成本,提高诊断正确率,具有更高的临床应用价值。
在未来的工作中,我们会加入图形处理器对配准进行再加速,在不降低配准准确度的情况下,进一步降低配准时间,以达到配准时间在30s以内的效果,提高诊断效率。
参考文献
[01]].http://medical.nema.org/Dicom/2011/11_01pu.pdf.
[2]伍炼,朱玉云,史小平,等.基于MITK的医学影像三维可视化研究[J].北京生物医学工程,2008,(5):531-533.
[3]杨安荣,林财兴,李红强.用于医学影像配准的快速框架[J].计算机应用,2010,(3):632-634.
[4]Caner G,Tekalp AM,Sharma G,et al.Local image registration:anadaptive filtering framework[J].SPIE,2005,(5674):159-169.
[5]吕煊.基于角点特征和最大互信息的多模医学图像配准[D].济南:山东师范大学,2008.
[6]齐晶晶,黄彩霞.基于多小波变换域特征的多模态医学图像融合[J].电脑知识与技术,2007,(18):1709-1711.
[7]郝利国,刘志鹏.医学影像图像融合技术研究[J].齐齐哈尔医学院学报,2010,(1):74-76.
[8]胡永祥.基于互信息的多模态医学图像非刚性配准研究[D].长沙:中南大学,2012.
[9]于泽.脑CT图像配准中自适应粒子群算法的应用研究[D].大连:大连海事大学,2010.
[10]康晓东,何丕廉,刘玉洁,等.基于蚁群算法的医学图像分割研究[J].计算机应用研究,2008,(9):2853-2855.
多模态和多模态外语教学模式探讨 第4篇
近年来, 国内对多模态话语研究也呈多样化态势, 从微观到宏观, 从理论探讨到实证研究都有所涉及, 较为完整的多模态话语研究体系也在众多研究人员和教育工作者的不懈努力之下逐步形成。随着新技术的广泛运用, 教学发生了急剧的变化。基于国内外著名学者的多模态理论和多模态话语研究, 近年来, 国内许多外语教育工作者认为, 这些理论和研究对外语教学研究有一定的指导作用, 对外语教学有着积极的指导意义, 认识到多模态语篇在课堂中的应用非常必要。因为, 多模态外语教学模式正是将多种模式与传统模式相结合, 以提供更为真实的交际语境为教学手段, 以实现在校学生参与社会实践活动为目的, 以培养具有对社会有用的外语交际能力的人才为教学效果。新的外语教学的多模态模式是一个完全不同于以往以教师为主导、以单一的语言解释为手法的传统教学模式。多模态教学模式则是使学生通过多种符号载体更形象、生动地传递信息, 让学生能更容易地理解、记忆、转化与应用所输入的信息, 从而大大提高学生的学习兴趣, 实现从传统的以教师为中心向以学生为中心转变的教学思想;培养学生自主学习与实践应用能力。
新的大学英语课程教学要求 (2007) 中指出“教学模式的改变不仅是教学方法和教学手段的变化, 而且是教学理念的转变, 是实现从以教师为中心、单纯传授语言知识和技能的教学思想和实践, 向以学生为中心、既传授语言知识与技能, 更注重培养语言实际应用能力和自主学习能力的教学思想和实践的转变, 也是向以培养学生终身学习能力为导向的终身教育的转变。”面对全新的要求, 面对现代信息技术的快速发展, 传统单一的语言教学模式已经无法满足社会对高素质人才要求。时代强调信息传播的多样性及技术的重要性。技术尤其是数字技术的广泛运用带来了教学领域的深刻变革。在当今的外语教学过程中, 社会需求、交际工具及文化与语言的多样性要求教学从基于语言的传统教学方法向范畴更加广泛的多元识读教学法转变。教师采用什么样的教学方法、运用何种媒体手段、如何将多模态融入教学设计中以达到最佳教学效果, 实现最理想的教学目的, 是我们每个从事外语教学的教师必须认真研究课题。众所周知, 语言之所以容易识别是因为它是一维的、线性的, 所以对语言的语法的解析会比较容易。如果我们在教学中进行多模态的识别和解读就不会那么简单直接, 因为图像、空间、电影分别是二维、三维和四维的。它们之间是什么关系、各起什么作用、多模态如何配合使用, 我们又如何在外语教学中处理好语言与文字、语言与音乐、语言与图像、文字与录像、图像与音乐等的关系, 这是个复杂的问题, 但同时又是我们必须通过不断探索继而解决的问题。
那么, 我们又如何在外语教学过程中将多个模态很好地结合、配合、协同和合作才能既有利于学生的学习和理解, 并且激发学生的学习兴趣和欣赏水平呢?首先, 在外语教学中, 可以尝试将把课堂话语视作一种语类结构, 构建外语教学的基本框架, 以理论作为多模态选择的依据和选择的原则。对语言教学中的不同课程选择合适的多模态并且合理调用、组合和搭配多种模态以达成学生建构意义、发展意义潜势的目的。其次, 充分利用信息技术, 将多元文化通过网络、视频、图像、声音等多种媒体形式呈现给学生, 充分调动学生的视、听、触觉等感官, 激发学生的学习兴趣, 从而更好地促进多模态话语理论在教学实践领域中的运用。在这一过程中, 还有两个关键点, 那就是课件的制作和教师的多模态展示。要想刺激学生的感官和听觉, 单一的文字课件或死板的图片播放已经很难达到理想的效果。配有相应的视频、有趣的动画以及美妙的音乐才能起到赏心悦目和记忆深刻的效果。当然, 学生多模态的学习方式的好坏还取决于外语教师在课堂上是否有恰到好处地进行多模态展示。如果课堂教学只是课件的播放, 那么, 课堂教学也只是在走马观花。因此, 教师既要有恰到好处的身势语, 也要注意语言讲解和图片、视频等的配合。另外, 饱满热情的面部表情和抑扬顿挫的语音语调会对学生产生积极的影响作用。
总之, 信息技术的飞速发展对传统单一语言模态和传统的外语课堂教学模式形成了巨大的冲击。多模态语篇的出现打破了传统概念上对语言的理解。当下的交际是集文字、图像、声音等符号于一体的多模式交际。单纯传授的口授语言知识与技能不但无法满足学生的求知欲, 对学生学习效果的影响也是必然的。而多模态环境下的外语教学模式体现了信息化外语教学的特点, 是一种兼顾教师与学生双方能动性的综合型教学模式, 它可以让教学系统内外各因素达到真正的平衡。因此, 现代外语教学中一定要以先进的多模态话语理论为指导, 加强研究多模态话语在视觉交流和大学外语教学中的广泛运用。要充分利用多媒体设备、网络平台、PP课件等教学手段将教学与视觉、听觉、环境、体态语等多种模态结合与配合, 让教学设计最优化以及学生学习效果最佳化, 努力让学生的抽象思维与形象思维相融合, 不断提高教学效率和效果。只有这样, 外语教学才能真正使学生学有所用。
摘要：随着现代科学技术的飞速发展, 人与人之间进行交流和互动的方式发生了巨大的变化。以文字为主的交流模式和时代早已成为过去。人们在交际中经常使用多种模态或符号来表达意义或传递信息。同样, 在外语教学过程中, 单纯用语言表达意义已经无法对话语进行全面的诠释和研究。事实上, 话语的意义除了可以通过语言来体现, 它还可以由语言之外的其他符号系统, 或者多种符号系统如音乐、图像、图表、颜色、空间以及其他可以用来构建意义的各种符号或多模态实现意义交换, 从而对话语意义有更加全面、准确的解读。本文着重就什么是多模态以及我们在外语教学的课堂设计中如何将单一的语言教学模式变为多模态的模式进行了简单的分析和研究。
关键词：多模态,多模态话语,外语教学,课堂设计
参考文献
[1]张德禄.多模态学习能力培养模式探索.[J]《外语研究》, 2012.
[2]韦琴红.视觉环境下的多模态化与多模态话语研究[M]北京.科学出版社, 2009.
[3]张淑杰.大学英语教学中多模态协同作用下的意义建构[J]中国海洋大学学报, 2011.
模态数据 第5篇
多模态话语分析者对模态间关系的探究是为了阐明多种模态符号资源进行意义整合时的运作机制。所谓模态间的关系实际上是指不同语法系统之间在体现话语意义上的关系。 (张德禄, 2009:30) 自法国符号学家Barthes (1977) 率先提出三种图文关系 (说明、锚定和传递) 以来, 不同学科领域的研究者纷纷从各自的研究兴趣和关注点出发, 探索语言和其他符号资源在多模态整体意义建构中的作用, 寻求多模态意义增值的运作机制, 如O’Toole ([1994]2011) 、North (1995) 、Pegg (2002) 、Martinec&Salway (2005) 、Royce (2007) 等。
国内学者对多模态话语研究也表现出极大的关注。朱永生 (2007) , 张德禄 (2009) , 杨信彰 (2009) , 李战子、陆丹云 (2012) , 代树兰 (2013) , 吴鹏、王海啸 (2014) 等学者纷纷从系统功能语言学理论、多模态与话语分析理论、多模态与语言教育等不同的角度开展多模态话语理论引介和相关实证研究。模态间关系是多模态话语分析的重要内容, 对其运作机制的认识是理解多模态话语建构的关键。因此, 了解国内学者对模态间关系的认识、所取得的成果及存在的问题, 对今后深入探究模态间的互动关系、相互作用以及不同模态组合在整体意义建构中的运作机制, 尤其对构建国内多模态话语分析理论以及多模态话语发展走向有着十分重要的作用。
2 数据与数据收集
本文通过搜索关键词“多模态”, 检索出自2009年1月以来中国期刊网上刊登在12种外语类核心刊物上与多模态话语研究相关的论文, 共计102篇。初步统计表明, 这102篇论文中, 提及模态间关系的论文有42篇, 占总数的41%。可见, 近五年来多模态话语研究以及对模态间互动关系的探究一直究备受国内学者关注。目前国内涉及模态间互动关系论述的论文大多研究集中在多模态理论的介绍、分析框架的建构, 以及多模态分析法在具体案例中的运用, 系统性探究模态间关系的研究相对较少 (见表1) 。
对于多模态的判断, 主要看涉及的模态种类有多少, 这是当前语言学界普遍认可的标准。只使用一种模态的话语叫做“单模态话语”。同时使用两种或两种以上模态的话语叫做“多模态话语”。也有人把同时使用两种模态的话语叫做“双模态话语”。 (朱永生, 2007:83) 本文将从双模态和多模态两个维度总结模态间关系, 因为模态种类的数量对模态间关系的复杂程度有直接影响。适当的区分有助于发现双模态和多模态研究中对模态间关系阐述的异同, 加深对多种模态符号意义整合机制的理解。通过对筛选出的42篇文章的分析, 不难发现双模态研究与包含三种或三种以上模态的多模态研究呈现出不同的状态。在研究数量上, 涉及到三种或三种以上的多模态实证研究相对较少 (见表1) 。在研究对象方面, 双模态实证研究的语料种类更加丰富, 涵盖了会徽、视觉诗、广告语篇、报刊杂志、古代山水写意画等, 而多模态的分析语料多集中于课堂话语或视频语篇。
3 双模态互动关系和多模态互动关系
(1) 双模态理论研究
表1显示, 现阶段的多模态话语研究多集中于语言和视觉两种模态, 即探究文本和图像之间的相互关系, 也称图文关系。国内多模态话语研究中对图文关系的阐述基本上都引用了国外学者所提出的分类框架。法国符号学家Barthes的图文关系分类对国内学者的研究影响深远。Barthes (1987:25) 认为文本和图片存在三种关系:文字附属于图片、文字与图片互补以及文字强化图片。谢竞贤 (2011) 就以Barthes的分类框架为基础论证多模态隐喻中言语模态和非言语模态之间的关系。谢竞贤 (2011:51-52) 认为文字文本可以消除非文字隐喻文本中的不确定性和歧义, 起到画龙点睛的作用, 但在多数情况下, 文字文本解释图片文本内容, 以此强化同种信息的表达。Martinec&Salway (2005:337-371) 借鉴了系统功能语言学的思想, 提出“地位”与“逻辑语义学”并行的图文关系系统。逻辑语义关系是在概念意义层面, 对图像和文字的意义进行匹配, 主要包括扩展和投射两大类关系。扩展是一种模态拓展了另一种模态, 投射是一种模态重复了另一种模态所表达的意义。谢妮妮 (2014:21-25) 采用插画版《格林童话》作为研究语料, 以Martinec&Salway的分类为基础, 对图文关系的人际意义进行逻辑语义扩展关系, 发现图文之间存在着三种表达人际意义的逻辑语义扩展关系:详述、增强和延展。杨信彰 (2009:11-14) 论述多模态的协作和互补机制时引用了Royce提出的基于页面的符际互补框架。这个分类框架受到了系统功能语言学衔接理论的影响。从系统功能语言学的三大元功能出发对语言模态进行解读, 然后结合视觉语法对静态图像的意义进行理解。由于视觉语法的理论基础也是系统功能语言学, 所以Royce (2007:63-109) 认为语言模态和视觉模态所表达的意义可以在概念、人际和语篇三个层面进行匹配。从概念意义上讲, 图像和语言之间存在着类似于语言本身之间的关系, 如重复、同义、反义、部分—整体和上下义搭配关系;在图文并置话语的人际意义表达上, 存在强化图像—受众关系、图像—文字所表达的态度一致或态度不一致的关系;从语篇层面来看, 图像和语言之间存在着信息评估、内容突显、阅读路径异同的关系。
(3) 双模态实证研究
在双模态研究的个案中, 研究者们会论述模态间的相互作用对多模态整体意义建构的作用。如在对视觉诗的多模态分析中, 张旭红 (2010:89) 指出在e.e.cummings的Me up at does诗中视觉符号有力地强化了诗歌的诗情与诗意的传达。言语模态以外的模态系统对语篇意义的整体构建的辅助或加强作用是不可小视的。在对一幅中国古代山水写意画进行多模态意义解读时, 李美霞和宋二春 (2010:9) 认为图像、颜色、语言文字等各种符号组合在一起形成了一个由图像组成的图像行为和由语言文字组成的言语行为, 两者相互作用又形成一个统一的符号资源, 完成意义共建。在阐释会徽的多模态意义时, 孙毅 (2012:46) 指出各种符号模态相互补充、相互增强, 共同参与了意义的整体建构。文字是对图像的释义、拾遗与说明, 使之更加明白确切;图像是文字中心思想的集结与凝蓄, 使之更加鲜活生动。由于会徽的特性, 要以图像为主、文字为辅。在对西方报道的政治漫画进行多模态话语分析时, 吴安萍和钟守满 (2014:27-28) 发现, 图像、文字、颜色等符号模态都参与了意义构建, 正是这些符号协同构建使语篇意义远超单模态文字表达的效果, 并且图像表达能给图像观看者带来视觉冲击, 要远比文字表达更形象和直观。分析上述实际的案例, 不难发现虽然各自分析对象不同, 但是有些种类的图文关系反复出现, 如依附 (层级附属) 、互补 (意义补缺/消除歧义) 、意义一致 (强化) 这几种关系。
(3) 多模态理论研究
张德禄 (2009:26-27) 根据系统功能语言学理论尝试建立一个多模态话语分析的综合框架, 其中对各个模态之间的关系进行了详细地阐述:分为互补性的和非互补性的两大类。当一种模态不能充分表达其意义, 或者无法表达其全部意义, 需要借助另一种来补充, 这种模态之间的关系被称为“互补关系”, 而其他的被称为“非互补关系”。在互补关系中, 需要区分强化关系 (突出、主次和扩充) 与非强化关系 (协调、联合和交叉) 。非互补关系表示第二种模态对第一种在意义的体现上并没有大的贡献, 但仍然作为一种模态出现。这种关系一般体现为以下几种形式:交叠 (冗余、抵消和排斥) 、内包 (整体与部分、抽象与具体) 和语境交互 (依赖、独立) 。曾方本 (2009:31) 论述多模态符号整合后语篇意义的嬗变时指出如果说每一个单模态语篇是一个小语境 (c1, c2, c3…) , 那么整合后的多模态语篇就是一个大语境 (C) , 从小语境到大语境就有以下三种语意变化的形式, 即c1+c2+c3…+cn=C、c1+c2+c3…+cn>C和c1+c2+c3…+cn<C。
(4) 多模态实证研究
在具体的多模态研究案例中, 不同研究者根据各种模态所传达出的意义, 总结出对应的模态间互动关系, 基本上和张德禄 (2009) 提出关系分类是一致的。如洪岗和张振 (2010:23) 以北京奥运主题曲《我和你》这段视频作为分析语料, 认为画面 (图像、文字、数字、颜色) 和声音等几种交际模态处于非强化的关系中, 它们在构建意义过程中缺一不可、互为补充。非强化关系又可以区分为协调、联合和交叉。张德禄和王璐 (2010) 在分析大学英语课堂教学中, 各种不同模态是如何相互协同共同完成教学目标时沿用了张德禄 (2009) 提出的分类框架。
4 讨论与反思
从理论研究层面看, 国内对模态间互动关系的论述缺乏多样性和准确性。缺乏多样性是指模态间关系框架大多限定于国内外几位著名学者所提出的分类, 如Barthes (1977) 、Martinec&Salway (2005) 、Royce (2007) 、张德禄 (2009) 等。事实上, 目前国外学者提出的图文关系或多模态间互动关系远不止这几种, 如Marsh&White (2003) 、van Leeuwen (2005) 、Unsworth (2007) 等学者都从不同的角度提出自己的图文关系分类。因为不同领域的研究者对图文关系或多模态间互动关系的关注点有所差别, 不同研究视角所得到的结论往往有所不同, 这意味着若要全面理解模态间互动关系必需要从多个视角进行探索。缺乏准确性是指现有分类的准确性都有待进一步实证研究的验证。比如Royce (2007) 的基于页面的符际互补框架聚焦图文关系。此框架完全建构在系统功能语言学的基础上, 对于语言模态和视觉模态都是从三大元功能角度解读, 因此从单模态意义解读到双模态关系匹配都是在功能语言学范式内进行, 保证了分析过程的一致性。但是系统功能语法影响下的视觉语法存在缺乏认知理据的问题, 一直受到学者的质疑 (冯德正、邢春燕, 2011:56) , 从而影响了这个分类框架的准确性和科学性。
另一方面, 从实证研究角度来看, 国内模态间互动关系的阐述缺乏系统性。通过分析多模态实例研究, 不难发现多模态研究者的分析路径大体上是一致的, 首先对多模态语篇进行模态解构, 然后借助单模态的语法框架 (如视觉语法) 进行意义解读, 最后进行多模态意义整合, 探讨多种模态如何共同作用产生新的整体意义。多模态意义整合必然涉及到对模态间的关系进行说明和阐释。在实际案例分析中, 研究者会根据当下解读出的单模态意义自行进行双模态 (如图文关系) 或多模态意义匹配或有机组合。但不管是双模态还是多模态研究, 对于各种模态之间的相互关系的阐述都是比较零散, 不具备系统性。这样的分析过程难免会造成多模态研究的随意性, 降低了严谨性。这也是多模态话语研究受到语法或文本分析主观性太强限制而引起争议的主要原因之一。
5 今后研究的建议
尽管目前国内对不同模态间关系的研究越来越多, 但是无论是理论研究还是实证研究都仍然存在一些不足。通过以上对现阶段国内模态间关系的回顾和反思, 可以发现未来的研究要注意以下三个方面:
(1) 理清模态间相互关系的前提是正确解读单模态所传达的意义。一方面可以通过建构更加系统性的单模态语法框架来识别某种模态的意义;另一方面, 利用先进的分析软件, 如ELAN与Sony Vegas视频分析工具、Praat音频分析软件等, 为多模态意义解读提供技术支持。
(2) 建构模态间相互关系框架时要注意以下三方面:1提高分类标准的准确性。精准的分类标准有助于不同的分析者得到同样的结论, 增强模态间关系框架的内部信度。2根据语类归纳模态间关系。不能脱离语类的形式和功能来谈论图文之间的关系, 因为在某些语类中, 图文关系较为密切, 而在另一些语类中则不然。 (汪燕华, 2011:27) 3依靠实证研究支撑模态间关系分类框架的科学性。如果研究者主观判断读者对于多模态语篇的理解过程以及不同模态对读者意义解读的影响, 缺少实际数据的支撑, 这样的分类框架都有待进一步实证研究的验证。
(3) 虽然探究多模态研究中模态间关系的重要性已经不言而喻, 但是这并不意味着过分强调多种模态之间的相互关系。“根据语篇生成的经济性, 以最有效最经济的图文关系模式, 充分发挥图文表意时各自的特长, 优势互补, 取长补短, 表达最清楚最丰富的语篇意义” (刘成科, 2014:147) 。
摘要：模态间关系是指不同模态系统中多种模态符号在意义整合过程中的相互关系。对其运作机制的认识是理解多模态话语建构的关键。为深入了解国内学者对多模态话语分析中模态间关系的认识, 本文以双模态和多模态两个维度, 从理论和实证两个角度, 对2009年以来发表在国内12种外语类核心期刊上的42篇涉及模态间关系的论文进行梳理, 并提出今后研究的建议。研究结果对促进国内多模态话语分析理论建构及多模态话语分析走向有着十分重要的意义。
模态数据 第6篇
随着科学技术,尤其是信息技术的飞速发展,信息表达及传递的方式已呈现出多模态化。对意义的多模态研究已成为语言研究的一大热点,对英语教学也正起着越来越重要的指导作用。多模态的大学英语教学也受到越来越多的关注及追捧。多媒体技术及网络的应用为多模态的大学英语听力教学的实现提供了技术基础。然而,教学过程中,各模态的有效协同从而最大程度地实现教学目标仍然是需要并值得研究的一个问题。
二、多模态理论及模态的协同
多模态(multimodality)也称多符号(multi-semiotic),指包括口语、书面语、图像、图表、动画、空间、手势以及其他可以用来构建意义的各种符号资源。口语、书面语以及其他模态总是交织在一起,在信息传达过程中同时存在、同时发生作用,意义的建构也更多地依赖各种符号资源的整合,共同为交际服务。多模态交际可以使听话者通过多渠道获得信息,比单模态交际更容易使受话人理解和记忆(张德禄:2010b)。
Royce (2007:23)提出了语言和视觉模态在投射意义上的相互补充关系。张德禄(2009,2010a)更进一步概括了模态之间的互补关系和非互补关系。前者指的是一种模态的话语不能充分表达其意义或者无法表达其全部意义,须要借助另一种来补充,这也是一种典型的多模态话语模式。在互补关系中,各模态的地位和作用是不同的,通常一种模态为默认模态或者基本模态,起基本的和基础的作用,处于主导地位;其他的则起补充作用。在互补关系中,又有强化与非强化(补缺)之分。强化是一种模态是基本的交际形式,而其他的模态是对它的强化。补缺是两种交际模态缺一不可,互为补充的关系,如视觉和听觉的组合。非互补关系中,其他的模态对基本模态在意义的构建及体现上作用不大,可以分为内包、交叠与语境互动几个类别。
在现代技术条件下,多模态理论为大学英语听力教学的多模态选择提供了有力的理论支撑,为科学的听力教学多模态设计,提供了理论指导。
三、大学英语听力教学的多模态及多模态协同
1、听力课堂的多模态
在现代多媒体技术及网络参与的听力教学环境下,听力教学越来越多地融入了多模态元素,通过声音、纸质和数字化文字材料、图形、表格、图画、音乐、动画等,把视、听、说结合在一起,全面调动学生的视觉、听觉等各种感官,更能吸引学生的注意力,提高信息的获取效率,增强学习的积极性,从而提高学生的听说能力。
然而,有些老师为活跃课堂气氛,过多地依赖多媒体,过多地使用视频、动画,成了简单的视频、音频操作者,失去了课堂教学的主导地位,教学目标不能很好地实现,学生的听力也得不到提高。正如顾曰国(2007)所说,多媒体、多模态教学像是一把“双刃剑”,处理好可以把学习者的注意力真正集中在知识点上,达到强化记忆力的作用,从而提高学习效果;处理不好反而会分散学习者的注意力,造成对知识点记忆的干扰,导致瞬间“热闹”而事后“空空”之感。因此,在多媒体、多模态语境下的听力教学中,如何恰当地处理好模态之间的协同关系,使之更好地服务于听力教学至关重要。
2、教学过程中的模态协同
大学英语听力教学的教学目标、教学材料、课程类型、教学对象等决定了多模态的教学过程中,听觉模态为教学的默认模态或主模态。但是,单一的以音频流为载体的听觉模态并不能充分调动学生的感官和积极性,影响教学的效果,须要借助其他的如图形、图画、动画等模态来补充。这样,听觉模态和其他模态之间就形成了一种补充、协同关系。教学过程中,根据不同阶段的教学任务,模态的采用需相应调整、变化,以期模态协同并达到最佳效果。以下分别从听力教学的各阶段来探讨各模态是如何协同完成教学任务。
在听力教学前阶段(引入阶段),该阶段的主要任务是老师根据教学内容、教学目标,介绍相关的背景知识。老师既可以口头介绍,也可以提供文字材料、图片、视频等供学生阅读和视听。其他模态的使用对基本模态一听觉模态在意义的构建、传达中起到强化作用。多模态的交织使用,能使学生更好地理解并记忆相关背景知识,帮助学生在下一阶段的听力理解。在该阶段值得注意的是,教师对材料选择要适当,必须与主题相关,而且模态的搭配注意比例适当,否则学生不但没有在充分调动感官的基础上,吸引学生的注意力,激发学生的积极性,反而更容易转移学生的注意力,失去学习兴趣。
在听力教学中阶段,也是听力课堂教学最重要的一个阶段。该阶段又可分为听力理解和听力强化提高两个次阶段。在前一阶段,教学的主要目标是听力材料的理解。在多媒体技术条件下,视频流、图片等视觉模态成了意义建构、传达不可缺少的部分。在听力材料音频流的听觉模态构建、传达意义的过程中,视频流、图片等视觉模态传达着听力材料理解必不可少的背景信息,诸如故事或对话发生的场所,人物之间的关系,甚至故事的情节发展等。这些视觉模态构建的意义信息,结合听觉模态构建的意义,能帮助学生最大限度地获取并理解听力材料的有效信息。虽然,整个过程中,视觉模态作用十分突出,但听觉模态仍然是基本模态,视觉模态以更加直观的方式,更充分地构建了听觉模态所不能的意义。视觉模态强化了基本模态一听觉模态传达的信息,使信息的构建、传达更加清晰,便于理解;也补充、弥补了听觉模态没有传达清楚的信息。在后一阶段,教学的主要任务是在学生听懂、理解听力材料的基础上,巩固、强化、深化听力内容及语言知识的学习。该过程可以通过听与记录相结合,学生老师口语互动,学生独自口头表达,学生小组互动练习等多模态活动形式进行。听与记录相结合,是学生在听的过程中记录听力内容的重点信息。这样手、脑、眼、耳并用,多感官同时参与,能加深对听力材料内容的理解,巩固语言知识的记忆,提高听的效果。该活动中,听和写为主要模态,但听觉模态仍然是默认模态,听决定、控制记录的速度、内容等。学生老师口语互动、学生独自口头表达(口头复述所听内容)、学生小组互动活动中,学生或者老师利用身势、手势、凝视、移动、表情、声音、腔调、口语等多种模态共同完成。听和说为主要模态,其他的模态共同构建、表达意义,实现交际目的,不仅提高了学生的听力水平,还增强了学生的综合能力。
在听力教学后(结束)阶段,该阶段的主要任务是总结该次课堂听力教学主要内容并布置课后学生练习作业。该阶段的主要模态为口语,老师在总结和布置作业的过程中配以关键性的图片、视频、数字化文字材料等辅助构建、传达意义,更好地实现教学目标,完成教学任务。
四、结语
在现代技术下,多模态的听力教学在强化听力教学、吸引学生注意力、激发学习积极性等方面展现了其优越性,已是大学英语听力教学的一大热潮及特点。处理好模态之间的协同对把握好多媒体、多模态这把“双刃剑”,科学地应用多模态听力教学,让其最大限度地服务于听力教学,有着举足轻重的作用。首先,作为起教学主导作用的教师要了解、熟悉多模态的相关理论,有了专业的理论知识为导向,为科学地应用多模态思想于大学英语听力教学打下了坚实的基础。其次,教师在教学过程中,对模态的选择,模态之间的相互协同要由听力教学的目标、教学内容,以及各个阶段具体的教学任务来决定。另外,听力多模态的协同研究在理论分析的基础上,仍需进一步的实证研究。
摘要：在现代技术下,多模态的听力教学已是大学英语听力教学的一大热潮。本文重点探讨多模态大学英语听力课堂中不同模态之间的协同关系。文章基于多模态的模态协同关系理论,根据听力教学的不同阶段,分析了模态的选择及模态之间的协同关系。本文发现,在听力教学的不同阶段,由于具体教学目标、教学任务的不同,模态的选择及模态之间的协同关系也会相应改变。
关键词：多模态,听力教学,模态协同
参考文献
[1]Royce,T.& Bowcher,W.(eds).New Directions in the Analysis of Multimodal Discourse[C].London:Lawrance Erlbaum Associates,2007:23.
[2]顾曰国.多媒体、多模态教学剖析[J].外语电化教学,2007(2).
[3]张德禄.多模态话语理论与媒体技术在外语教学中的应用[J].外语教学,2009(4):15-20.
[4]张德禄,王璐.多模态话语模态的协同及在外语教学中的体现[J].外语学刊,2010a(2):97-102
模态数据 第7篇
对许多工程结构进行动力学特征分析时, 人们往往需要获得试件在各种不同约束状态下的试验模态参数。然而对约束结构进行模态试验首先需要生产出模拟真实约束状态下的试验夹具。如果约束结构是比较大型的或者是复杂部件时, 譬如, 飞机、汽车、航天器、大型机器等, 夹具的设计与生产就存在一定困难了, 并且大多数夹具系统都很难避免其自身的动态特性对试件造成的耦合影响, 甚至根本无法剥离, 最终导致试验结果产生偏差。同时, 就当前的技术水平而言, 这种大型复杂结构的模态试验对试验设备和试验技术的要求很高, 所需成本也较大。针对上述情况, 各种间接模态实验方法便应运而生, 其中最为典型的就是子结构试验模态综合和模态试验边界条件转换。同时模态试验边界转换的问题, 也一直是航空航天界关心的课题之一。一般而言, 对于大型复杂结构用软柔绳或弹簧悬吊起来做自由模态试验较容易实现, 因此研究如何从一个结构的自由模态试验结果中提取真实约束状态下的试验模态, 实现边界条件的转化, 不仅省去了设计和生产大型夹具的资金, 成本低廉, 而且具有很强的工程应用价值。
本文基于自由界面模态综合法, 并以矩形钢板为例, 里兹基向量由模态试验得到的低阶主模态和有限元模型得到的高阶剩余模态共同构成, 同时将约束状态也等效为子结构, 参与模态综合, 实现边界条件的转化。
1矩形板模态试验[1]
试验用的矩形钢板其长、宽、高分别为660 mm、56 mm、8 mm, 测点划分如图1所示。
采用单点激励跑点测量的方法, 分别对矩形板进行自由和一端固定两种支承状态下的模态试验, 敲击点均为41点。其中自由支承状态可将矩形板放置在柔软的海绵垫上来模拟, 而一端固定支承状态则通过约束夹具施加一定的预紧力来实现的, 如图2 (a) 和图2 (b) 所示。
试验设备包括美国PCB公司086C03冲击力锤、3089A型加速度传感器和比利时LMS公司SCA-DAⅢ数据采集前端。模态分析软件为LMS Test.Lab。
模态试验系统的布置状态如图2所示。
按上述连接方式分别进行模态试验, 提取前6阶模态频率和振型。其中自由试验的结果如图3所示。
2 试验边界转化计算过程[2,3,4,5,6,7,8,9]
将矩形钢板记为子结构A, 已知矩形板被划分为30个单元, 共44个节点, 每个节点分别包含UZ、θX、θY三个自由度, 因此整个结构共132个自由度。其中交界面共4个节点, 12个自由度。
已知矩形板自由试验主模态谱矩阵为:
[ΩkA]=diag[0, 0, 0, 3.9, 28.7, 108.7, 170.9, 297, 660.5]105。
自由板的质量阵和刚度阵分别为[MA]132132, [KA]132132。主模态振型[ΦkA]1329和高阶剩余模态[ψdA]13212均由有限元模型提供。
将矩形板约束系统定义为子结构B。假设每个边界节点均连接三根弹簧, 其中两个为扭簧, 此时为了得到矩形板在一端约束刚度很大时的模态, 分别取kZ=kθX=kθY=k=51010 N/m, 这种状况相当于边界为固支状态, 同时各边界节点用质量和转动惯量都很小的质点来模拟, 取mZ=110-7 kg, JθX=JθY=110-7kgm2。即约束系统只考虑刚度特性, 而忽略质量特性。则子结构B的谱矩阵和刚体模态振型分别为:
其中C=110-7。
已知子结构A的运动微分方程为:
式 (1) 中:
{xA}={xAi xAj}T为子结构A的位移向量;
{fA}={0 fAj}T为载荷向量;下标i表示内部坐标、 j为边界坐标。
将物理坐标变换到模态坐标, 有:
{xA}=[φkA]{pkA}+[ΨdA]{pdA} (2)
式 (2) 中:pkA、pdA分别为子结构A的低阶和高阶模态坐标。
将式 (2) 代入式 (1) 中有:
对式 (3) 两端同时左乘[ΦTkA], 并考虑到[Φk]和[Ψd]的正交性, 于是有:
式 (4) 中:
[IA]=[Φ
令:
将式 (5) 代入式 (4) 中可得:
同理, 对于子结构B, 其运动微分方程为:
模态坐标变换式为:
{xB}={ΦB}{pB} (8)
式 (8) 中pB为子结构B的模态坐标。
将式 (8) 代入式 (7) 中有:
对式 (9) 两端同时左乘[Φ
同时令:
将上式代入式 (10) 中有:
根据交界面位移和力的协调关系:
即:
[φkAj]{pkA}+[ΨdAj]{fAj}=[ΦB]{pB} (14)
因此有:
{fAj}=[ΨdAj]-1 ([ΦB]{pB}-[φkAj]{pkA}) (15)
分别将式 (15) 代入式 (6) 和式 (12) 有:
即:
λ2[I]
式 (18) 可简化为:
式 (19) 中:
式 (19) 即为子结构A, B综合后的特征方程, 也即矩形板在一端固支状态下基于模态坐标{p}的振动方程。由此可以求出约束结构的固有频率和模态坐标{p}下的各阶模态振型。
接下来通过两次坐标反变换计算约束板在物理坐标下的模态振型:
首先根据位移协调关系{xAj}={xB}, 得:
[φkAj]{pkA}+[ΨdAj]{pdA}-[ΦB]{pB}=0 (20)
即有:
{pdA}=[ΨdAj]-1 ([ΦB]{pB}-[φkAj]{pkA}) (21)
写成矩阵相乘的形式有:
式 (22) 中:
[T]=-[ΨdAj]-1[φkAj -ΦB] (23)
因此有:
式 (24) 中:
亦即有:
依式 (26) 便可将模态坐标{p}返回到实际结构的物理坐标当中, 即可得到理论计算的矩形板一端固定状态下的模态振型。
3 结果分析及结论
按上述计算过程编译计算程序, 得到矩形钢板在一端固定约束状态下的前6阶模态频率和振型, 同时与矩形钢板一端约束试验模态加以对比。频率对比结果如表1所示:
表1中的各阶模态相对误差均以试验模态频率为基准计算得到的, 可以看出计算所得的各阶频率中, 一、二阶的相对误差较大, 最大为4.281%, 产生大误差的原因主要是由于本例中矩形板1, 2阶自由模态阻尼都较大, 而本文所研究的方法并没有考虑模态阻尼比, 因此会对转化计算结果产生影响, 尤其是1, 2阶影响最大。
利用上述方法提取的模态参数误差在工程允许的误差范围 (一般为小于8%) 之内, 达到了工程应用的目的。
参考文献
[1]傅志方, 华宏星.模态分析理论与应用.上海:上海交通大学出版社, 2000:204—206
[2] Benfield W A, Hruda R F.Vibration analysis of structures by compo-nent mode substitution.AIAA Journal, 1971;9:1255—1261
[3] Craig R R Jr, Bampton M C C, Coupling of substructures for dynamic analysis.AIAA Journal, 1968;6:1313—1319
[4] Zhang O, Zerva A.Extraction of free-free modes using constrained test data.AIAA Journal, 1995;33 (12) :2440—2442
[5] Blair M A, Vadlamudi N.Constrained structural dynamic model verifi-cation using free vehicle suspension testing methods.Proceedings of the AIAA/ASME/ASCE/AHS/ASC Structure, Structural Dynamics, and Materials Conference, AIAA, Washington, DC, 1988:1187—1193
[6] Liu F, Zhang D W, Zhang L.Dynamic flexibility method for extracting constrained structural modes from free test data.AIAA Journal, 2001;39 (2) :279—284
[7] Przemieniecki J S.Theory of a matrix structural analysis, New York, McGraw-Hill, 1968;357—359
[8] Martinez D R, Carne T G, Gregory D L, et al.Combined experimen-tal/analytical modeling using component mode synthesis.Palm Springs, CA, USA, 1984:140—152
模态数据 第8篇
经验模态分解(Empirical Mode Decomposition,简称EMD)是Norden E.Huang针对非线性非平稳数据提出的一种分析方法,但是EMD存在非常严重的模态混合问题,为解决此问题,Norden E.Huang又提出了一种噪声辅助方法整体平均经验模态分解(Ensemble Empirical Mode Decomposition,简称EEMD)[1]。
1 概述经验模态分解
1.1 EMD的滤波过程
EMD本质是根据数据的特征时间尺度来经验地识别出固有振荡模态,然后据此来分解数据[1,2,3]。分解步骤:
(1)找出所有极点后,用三次样条曲线将它们连接形成上包络,类似形成下包络。上下包络的均值线定义为m1,记h1=X(t)-m1;
(2)把h1看成原始数据,重复步骤1,即h1-m1=h11;
(3)重复滤波,直到h1k是一个内模函数(Intrinsic Mode Function,简称IMF),即h1(k-1)-m1k=h1k,将得到的第一个IMF表示为c1=h1k;
(4)令r1=X(t)-c1,对r1重复滤波过程,得到第二个IMFc2;
(5)对所有的余量重复上述过程,得到r1-c2=r2,...,rn-1-cn=rn,直到某个分量cn或者余量rn小于一个预先指定的值或者余量为单调函数时,滤波过程中止。最后得到。
EMD的主要缺点之一是模态混合:(1)一个单独的IMF中含有差异很大的尺度;(2)相似的尺度出现在不同的IMF分量中。模态混合引起不稳定性和分解时的不唯一,而分解的唯一性是任何分解方法的最起码的要求。为解决此问题,Huang提出一个新的噪声辅助数据分析方法(NADA)EE-MD。
1.2 整体平均经验模态分解(EEMD)方法
EEMD方法,概括地讲就是在原信号中加入若干次白噪声,再分别进行EMD处理,最后求平均的一种全局化方法。步骤如下:
(1)往目标数据中加入白噪声,构成信噪混合体
(2)把这个信噪混合体进行EMD分解,分解成IMF的组合;
(3)重复步骤1和步骤2,每次加入不同的白噪声;
分解成IMF
(4)对所有IMF组合相对应的IMF求平均,
其中N表示总体的个数,即得到最后分解结果
而且因白噪声的零均值特性,加入噪声的次数足够多,将这些多次分解的结果取“平均”后,噪声最终将被互相抵消而达到消除的效果,总体平均的结果就可以被当作真实信号[4]。
2 EMD和EEMD对特殊信号处理效果的区别
例1:构造有骑波的正弦信号,主信号y=sin(0.5πt),处于每个峰顶的骑波表达式是n=0.05sin(10πx)。图1中分别有原信号,各IMF及余量,第一个IMF尺度差别很大,其实在求上下包络的过程中,会发现包络已失去“包”的含义,因为包络线会穿过信号,与原信号线交叉[5]。由此可见,当出现模态混合时,EMD不能有效地把主信号分离出来,即去噪不成功。
例2:把例1稍作修改,把分段函数改成定义域是(0,18)的正弦函数n=0.05sin(10πx)
也就是把例1中出现在顶峰处的骑波去掉,然后用EMD处理之,分解效果如图2。由图中可以看出,EMD有效地分离出了高频正弦信号和低频正弦信号。
由例2可以看出当两个正弦信号的频率相差很多时,可以被EMD较好地分离出来的,这一点,我已经通过若干实验证明。但是,如果两个正弦信号的频率接近或者相差不多时,分离效果就不如意了。
例3:X=sin(9t)+sin(10t),用EMD处理的效果如图3,基本上分离不出来任何一个分量。用EE-MD处理的效果见图4,分解效果相对于EMD方法分解的效果来说有所提高,但是仍然不能分离出来两个分量。
例4:X=sin(5t)+sin(10t),用EEMD对其进行处理效果如图5。可以看出,EEMD也是可以很地好地分离出这两个分量,第二个内模函数是高频分量,第三个内模函数是低频分量,而第一个内模函数是分离出来的加入的噪声。实验做到这里,想一下,对于用EEMD处理两个正弦信号线性叠加的情况,是否和用EMD受到一样的限制呢,也就是说,当两个正弦信号频率接近时,EMD失效,EEMD也失效,EMD可以很好地分离的情况,EEMD也可以。
例5:X=sin(6t)+sin(10t),用EEMD对其进行处理效果如图6。分离效果明显变差,其实可以明显地看出,EEMD处理的结果要比EMD还要差。因为EEMD是操作过程中人为地加入了白噪声,它的提出是针对EMD中的模态混合问题,对于这种没有出现模态混合的例子,EMD处理不好的,噪声辅助方法EEMD也处理不好。
由此可见,EEMD对于EMD来说是一种改进,它在一定程度上解决了EMD处理不好的模态混合问题,用加噪的方法来平和这种模态差距过大引起的包络名存在实亡。但是,有利有弊,这种加噪的方法用到了理想的假设,这就是在加入很多次噪声之后,均值为零的噪声可以相互抵消,不会对原信号造成影响;均值为零毕竟只是统计上的一个平均化概念,有限次的平均只能无限接近这个均值,并不能保证一定可以达到这个均值。于是加入的白噪声便会使得原数据在处理之后多多少少产生一些误差,而这些误差有时便影响了分离效果。故而,EEMD只是一种新的EMD分解方法,并不能说它是EMD的升级。
摘要：经验模态分解(Empirical Mode Decomposition,简称EMD)是一种自适应信号分解方法,主要应用于非线性非平稳的信号。整体平均经验模态分解(Ensemble Empirical Mode Decomposition,简称EEMD)解决了EMD中出现的模态混合问题。在此主要讨论EMD和EEMD处理含噪信号时的效果差异,就几种特殊的信号,对EMD和EEMD在实际应用中出现的问题进行探讨。
关键词：经验模态分解,整体经验模态分解,信号分离
参考文献
[1] Huang N E,Shen Z,Long S R,et al.The empirical mode decompo-sition method and the Hilbert spectrum fornon-stationary time seriesanalysis.Proc Roy Soc London,454A,1998:903—995
[2] Wu Zhaohua,Huang N E.Ensemble empirical mode decomposition:a noise assisted data analysis method.Advances in Adaptive DataAnalysis,2009;1(1):1—41
[3] Patrick F I,Gabriel Rilling,Paulo Goncalvès.Empirical modedecompositionas a filter bank.IEEE signal processing letters,2004;11:112—114.
[4] Flandrin P,Goncalves P,Rilling G.Detrending and den-oising withempirical mode decompositions.In:Proceedings of the Europeansignalprocessing conference(EUSIPCO'04),September 2004;2:1581—1584
模态数据范文
声明：除非特别标注，否则均为本站原创文章，转载时请以链接形式注明文章出处。如若本站内容侵犯了原著者的合法权益，可联系本站删除。
