结构动力学笔记01——单自由度系统振动

• 写在前面

对于一个系统，其基本建模分析方法和步骤为：

  不同学科面对的物理模型不同，但是其背后对应的数学模型可能有很多相似之处。对于具有输入输出的物理模型，从时域的角度来看，一般都可以分为一阶系统、二阶系统、高阶系统…对应的数学模型为以时间t为自变量的常微分方程（组）。当从时域的角度研究问题时，核心就在于对常微分方程（组）的求解以及对其解的物理意义的理解。

• 模型归纳（时域分析法）
  无阻尼自由振动
  
  

有阻尼自由振动

有阻尼受迫振动

	无阻尼自由振动	有阻尼自由振动	有阻尼受迫振动（简谐激励）
物理模型	一阶系统（零输入）	二阶系统（零输入）	二阶系统（简谐输入）
数学模型	$m{x}^{\prime \prime }(t)+kx(t)=0$ 即 $x^{\prime \prime }(t)+{\omega }_n^{2}x(t)=0$ 一阶齐次常系数线性微分方程	$m{x}^{\prime \prime }(t)+c{x}^{\prime }(t)+kx(t)=0$ 即 $x^{\prime \prime }(t)+2\xi {\omega }_n{x}^{\prime }(t)+{\omega }_n^{2}x(t)=0$ 二阶齐次常系数线性微分方程	$m{x}^{\prime \prime }(t)+c{x}^{\prime }(t)+kx(t)=F_{0}sin\bar{\omega }t$ 即 $x^{\prime \prime }(t)+2\xi {\omega }_n{x}^{\prime }(t)+{\omega }_n^{2}x(t)=\frac{F_0}{m}sin\bar{\omega }t$ 二阶非齐次常系数线性微分方程
求解	$x(t)=Asin({\omega }_{n}t+\varphi )$	$x(t)=A{e}^{-\xi {\omega }_{n}t}sin({\omega }_{d}t+\varphi )$	$x(t)=x_c(t)+x_p(t)$
特性分析	固有频率 ${\omega }_n=\sqrt{\frac{k}{m}}$ 相位 $tan\varphi =\frac{x(0){\omega }_n}{x^{\prime }(0)}$	自然频率 ${\omega }_d=\sqrt{1-{\xi }^2}{\omega }_n$ 阻尼比 $\xi =\frac{c}{2m{\omega }_n}$ 对数衰减率 $\delta =ln\frac{x_1}{x_2}=\frac{2\pi \xi }{\sqrt{1-{\xi }^2}}$	通解\齐次解\瞬态解： $x_c=A{e}^{-\xi {\omega }_{n}t}sin({\omega }_{d}t+\varphi )$ 特解\非齐次解\稳态解： $x_p=\frac{F_0/k}{\sqrt{(1-{\beta }^2{)}^2+(2\xi \beta {)}^2}}sin(\bar{\omega }t-\varphi )$ 共振频率 $\bar{\omega }={\omega }_n\sqrt{1-2{\xi }^2}$ 其中 $\beta =\frac{\bar{\omega }}{{\omega }_n}$，为频率比

• 任意激励受迫振动求解

①卷积积分法
将载荷(输入) $F(t)$ 看成是一系列冲量(输入)微元 $F(\tau )d\tau$ 之和，冲量微元引起系统响应微元 $dx=F(\tau )h(t-\tau )d\tau$.
其中 $h(t-\tau )=\frac{1}{m{\omega }_d}{e}^{-\xi {\omega }_n(t-\tau )}sin{\omega }_d(t-\tau )$ ,为单位冲击函数 $\delta (t-\tau )$ 的响应 (可通过数学推导得出)，$F(\tau )$ 在此处充当 $\delta (t-\tau )$ 的幅值作用
由叠加原理，系统总响应为 $x(t)={\int }_0^{t}F(\tau )h(t-\tau )d\tau$.

一般情况：$x(t)=\frac{1}{m{\omega }_d}{\int }_0^{t}F(\tau )e^{-\xi {\omega }_n(t-\tau )}sin{\omega }_d(t-\tau )d\tau$
忽略阻尼：$x(t)=\frac{1}{m{\omega }_n}{\int }_0^{t}F(\tau )sin{\omega }_n(t-\tau )d\tau$
  这个方法将不规则的连续输入离散化，运用微元的方法，再巧妙地引入了冲击函数$\delta (t)$，从而可以写出每一个微元状态的表达式，最后叠加在一起，得到整个的输出。
  从数学变换的理解，$F(\tau )，0<\tau <t$ 是要转换的函数（充当采样样品作用），而 $h(t)$ 是核函数（充当采样探针的作用），于是就用函数 $h(t)$ 对函数 $F(\tau )$ 在 $0<\tau <t$ 的每一处 $\tau$ 进行采样，采样过程理解为，用 $F(\tau )$ 的函数值对 $h(t-\tau )$ 的幅值进行调制（即二者相乘），采样时间间隔为 $d\tau$ ，所以任意一点 $\tau$ 处的采样值为 $F(\tau )h(t-\tau )d\tau$ ，所以总采样值（即最后总的变换结果）即为 ${\int }_0^{t}F(\tau )h(t-\tau )d\tau$。因此，我们就可以把卷积过程看作是采样探针函数在样品函数取值范围内，对样品函数连续扫描并求和的过程。
②拉普拉斯变换法（略）