ऑपरेशनल मोडल विश्लेषण

परिवेश मोडल पहचान, जिसे ऑपरेशनल मोडल विश्लेषण (ओएमए) के रूप में भी जाना जाता है, का उद्देश्य किसी संरचना के मोडल गुणों की पहचान करना है, जो तब एकत्र किए गए कंपन डेटा के आधार पर होता है जब संरचना अपनी परिचालन स्थितियों के तहत होती है, यानी, कोई प्रारंभिक उत्तेजना या ज्ञात कृत्रिम उत्तेजना नहीं होती है। किसी संरचना के मोडल गुणों में मुख्य रूप से प्राकृतिक आवृत्ति, अवमंदन अनुपात और मोड आकार शामिल होते हैं। परिवेश कंपन परीक्षण में विषय संरचना विभिन्न उत्तेजना स्रोतों के अंतर्गत हो सकती है जिन्हें मापा नहीं जाता है लेकिन उन्हें 'ब्रॉडबैंड यादृच्छिक' माना जाता है। उत्तरार्द्ध एक ऐसी धारणा है जिसे परिवेश पहचान पद्धति विकसित करते समय लागू करने की आवश्यकता होती है। विशिष्ट धारणाएँ एक विधि से दूसरी विधि में भिन्न होती हैं। उपयोग की जाने वाली विधि के बावजूद, हालांकि, उचित मोडल पहचान के लिए आवश्यक है कि मापी गई प्रतिक्रिया की वर्णक्रमीय विशेषताएं उत्तेजना के गुणों के बजाय मोड के गुणों को प्रतिबिंबित करें।

फायदे और नुकसान

कार्यान्वयन अर्थव्यवस्था परिवेश कंपन परीक्षणों का एक प्राथमिक लाभ है क्योंकि संरचना के केवल (आउटपुट) कंपन को मापने की आवश्यकता होती है। यह सिविल इंजीनियरिंग संरचनाओं (उदाहरण के लिए, भवन, पुल) के लिए विशेष रूप से आकर्षक है, जहां मुक्त कंपन या मजबूर कंपन परीक्षण (ज्ञात इनपुट के साथ) करना महंगा या विघटनकारी हो सकता है।

परिवेश डेटा का उपयोग करके मोडल गुणों की पहचान करने के नुकसान हैं:

पहचान के तरीके अधिक परिष्कृत हैं। चूंकि लोडिंग को मापा नहीं जाता है, इसलिए पहचान पद्धति के विकास में, इसे मॉडल करने की आवश्यकता होती है (कुछ स्टोकेस्टिक प्रक्रिया द्वारा), या मापा प्रतिक्रिया पर इसके गतिशील प्रभावों को हटाना होगा। अन्यथा, केवल मोडल गुणों के आधार पर डेटा में विशेषताओं की व्याख्या करना संभव नहीं है।
जानकारी लोड किए बिना, पहचाने गए मोडल गुणों में महत्वपूर्ण पहचान अनिश्चितताएं हो सकती हैं। विशेष रूप से, परिणाम उतने ही अच्छे हैं जितने ब्रॉडबैंड धारणा को लागू किया गया है।
पहचाने गए मोडल गुण केवल परिवेश कंपन स्तर पर गुणों को दर्शाते हैं, जो आमतौर पर सेवाक्षमता स्तर या रुचि के अन्य डिज़ाइन मामलों से कम होता है। यह विशेष रूप से अवमंदन अनुपात के लिए प्रासंगिक है, जिसे आमतौर पर आयाम-निर्भर माना जाता है।
माप प्रणाली को कम शोर और संवेदनशील होने की आवश्यकता है, क्योंकि संरचनाएं मुख्य रूप से अपनी परिचालन स्थितियों में निम्न स्तर पर कंपन करती हैं।^[1]

तरीके

ओएमए के तरीकों को मोटे तौर पर दो पहलुओं द्वारा वर्गीकृत किया जा सकता है, 1) आवृत्ति डोमेन या समय डोमेन, और 2) बायेसियन अनुमान या गैर-बायेसियन। गैर-बायेसियन तरीके बायेसियन तरीकों से पहले विकसित किए गए थे। वे पहचान के लिए ज्ञात सैद्धांतिक गुणों वाले कुछ सांख्यिकीय अनुमानकों का उपयोग करते हैं, उदाहरण के लिए, सहसंबंध फ़ंक्शन या मापा कंपन का वर्णक्रमीय घनत्व। सामान्य गैर-बायेसियन तरीकों में स्टोकेस्टिक उप-स्थान पहचान शामिल है^[2] (समय डोमेन) और आवृत्ति डोमेन अपघटन^[3] (आवृत्ति डोमेन)। बायेसियन पद्धतियाँ टाइम-डोमेन में विकसित की गई हैं^[4] और फ़्रीक्वेंसी-डोमेन।^[5] ^[6] ^[7]

आवृत्ति डोमेन और समय डोमेन संरचनाओं का परिचालन मोडल विश्लेषण

ऑपरेशनल मोडल विश्लेषण का उद्देश्य किसी संरचना की गुंजयमान आवृत्तियों, भिगोना, और/या ऑपरेटिंग आकार (अनस्केल्ड मोड आकार) निकालना है। इस विधि को कभी-कभी आउटपुट-ओनली मोडल विश्लेषण कहा जाता है क्योंकि केवल संरचना की प्रतिक्रिया को मापा जाता है। संरचना को प्राकृतिक परिचालन स्थितियों का उपयोग करके उत्तेजित किया जा सकता है या संरचना पर कुछ अन्य उत्तेजनाएं लागू की जा सकती हैं;^[8] हालाँकि, जब तक लागू बल के आधार पर ऑपरेटिंग आकृतियों को स्केल नहीं किया जाता है, तब तक इसे ऑपरेशनल मोडल विश्लेषण कहा जाता है (उदाहरण के लिए एक शेकर द्वारा उत्तेजित पवन टरबाइन ब्लेड के ऑपरेटिंग आकृतियों को ऑपरेटिंग मोडल विश्लेषण का उपयोग करके मापा जाता है)^[9]). इस पद्धति का उपयोग मंडराते हेलीकॉप्टर के ऑपरेटिंग मोड को निकालने के लिए किया गया है।^[10]