驰振风荷载计算

3.1考虑横风向振动的风荷载

图 3.1 流场中的横流截面

Fig 3.1  The lateral section in flow-field

结构沿高度Z方向作用在结构单位长度上的横风向荷载主要来自于升力,其次来自于阻力。高度z处单位长度上的风荷载

式中,为来流与结构的夹角,称为来流攻角,如图2.4所示; 为结构横风向振动出现的空气相对结构速度形成的附加攻角,即为实际气流与来流的夹角,为实际攻角; 是上升力; 是阻力。

把, 的表达式带入到(3.1)式中得

实际气流流速,把式(3.4)的,替换成风速,则式(3.4) 变成

其中为升力系数; 为阻力系数; 为特征长度,可取结构宽度; 为空气密度。为侧力系数具体表示为

3.2空气动力系数简化

对公式(3.6)的,按泰勒级数展开,取两阶项以内的各项为

其中

在各种模型的风洞实验中,曲线在攻角不是太大的状况下,也就是在驰

振可能发生的攻角范围内近似直线,因而可令。

四、平移结构弛振

4.1平移结构弛振的稳定性[11]

一维结构稳定性的研究方法:首先给定一个作用在结构上的气动力的模型,然后列出结构响应的运动方程,最后考察静态平衡位置附近位移的小扰动的稳定性。在图4.1中,弹簧支撑的建筑模型受到速度为的稳定流动作用。

图 4.1  稳流中单自由度模型

Fig. 4.1  The model of a degree of freedom in stable flow

其横截面任意,单位长度的弹簧刚度是,阻尼因子是包括随动流体质量在内的),单位长度质量是,对于许多截面来说,随动流体质量和结构排出的流体质量大致相等。如果模型以速度垂直平行移动,那么流动相对于模型的角度是

这里根据空气动力学的意义定义攻角。。在从左到右的流动中,缓慢地把模型顺时针旋转就增大了攻角。相对于模型的流动速度是

作用在单位长度模型上的净铅直力是

其中是铅直力系数

 而和分别是升力气动力系数和曳力气动力系数。是横截面、攻角和雷诺数的函数。截面的运动方程为

其中是模型用弧度表示的固有频率

    不稳定的气动力诱发振动的起始点由方程(4.5)中的线性项所确定。当攻角改变不大时,可以在附近展开

攻角很小时,,。项造成一个静位移,对于结构稳定与否不起任何作用。将该级数的第二项代入方程(3.15)得到运动的线性化方程项

其中

定义的阻尼系数,是结构阻尼分量和气动力分量之和,方程(4.8)的解是

其中,;是扰动的初始幅值,是初始相位角。由方程(3.20)可见方程(4. 8)的解时是稳定的,也就是说,只有当是正值时,所有扰动才会随着时间减弱而减弱,因而结构是受正阻尼的结构。

    如果是负值,位移将无限地增大。当经过零而变成负值时开始出现不稳定现象。令为零可以求得不稳定大幅振动起始点所需要的最小的折合速度。不稳定起始点的最小的流速是

其中,是模型的固有频率,单位是HZ

如果大于或等于零,那么模型始终是稳定的。只有当把模型稍微旋转进入稳态风里升力增加时,因而和折合速度超过方程所给出的折合速度,模型才可能是不稳定的。表3.1列出了矩形截面的铅直力系数的斜率(以弧度为单位,流体、方向是从左向右,

4.2平移结构弛振的响应[11,12,13]

    如果流速超过不稳定弛振起始点的临界速度,那么流动输入结构的能量就会超过结构内部在阻尼上耗散的能量。流动输入的能量和结构耗散的能量之间达到平衡以前,振动的振幅将不断增大。如果流动输入的能量和结构耗散的能量都随着振幅线性的增加而增加,那么一旦越过稳定性的极限,振幅就不受限制的增大,可是在真实的结构中因为作用在结构上的真实的流体力是受到限制的,所以流动输入的能量也有一个定值的极限。因而不稳定弛振的振幅只有在受到结构的流体力的非线性,或者结构本身的非线性限制以前,还能增大。因此要计算非线性气动力对线性结构的影响,以确定稳态弛振的响应。

其中略掉了,由于它只产生一个静态位移,而在时,。

模型对非线性力作出的响应的运动方程是

这个非线性的,自激的震荡器方程可以利用缓慢改变参数的方法近似地求解。瞬变解,稳态解的稳定性都可以求出。当气动力和阻尼力的大小,相对于惯性力和弹簧力减小时,这个方法的准确性可以提高。一般假定这些解都有随时间变化的振幅和相位

其中

而一般又假定在一个周期内和的变化很小,因此

从方程(4.14), (3.15), (3.16)可以得到

如果把方程(4.14)和(4.16)代入方程(4.13),方程(4.13)就变成

因为固有频率是

所以方程(4.18)左侧的最后一项等于零。如果方程各项乘上,方程(4.16)各项乘上,然后两个方程相加,就得到

因为在一个周期内之,变化很慢,当。从0到积分时,如果直近似的是常数,能够求出方程(4.20)在一个周期内的平均值

同样,如果方程(4.18)的各项乘上,方程(4.16)各项乘上,然后两个方程相加,再在一个周期内加以平均就得到

方程(4.20)和(4.21)能够联立起来进行积分,以求得作为时间函数的振幅和相位的近似瞬变解。

令方程(4.21)中的输入的能量就超过阻尼消耗的能量,振幅也就回复到稳态的稳定振幅。

如果利用正方形截面的铅直力系数的三次曲线近似,则,并且求由此得到的多项式的如图所表示的稳态振幅解,就得到各个稳态解。

如果振幅比稳态的稳定振幅稍微增大,那么消耗的能量就超过气动力方程式输入的能量,振幅就降到稳定值。如果振幅比稳态的稳定振幅稍微减小,气动力方式输入的能量就超过阻尼消耗的能量,振幅也就回复到稳态的稳定振幅。

如果利用正方形截面的铅直力系数的三次曲线近似,则

其中,因为截面对于是对称的,所以这里只含有多项式的奇次项。将,代入方程((3.47),并且令就求得各个稳态解。结果是

得到的二次方程式给出稳态的稳定解

其中

图 4.2 正方形截面的实验数据和响应

Fig 4.2 The experimental data and the response of square section

 图4.2利用较高次曲线拟合把这个解和帕金森和史密斯[13]的结构做了比较。有了无量纲变量和,就能够利用两个变量对响应作出全面描述。可惜,这个表述不能用于扭转弛振或者多自由度弛振。曲线在和之间的滞后部分含有两个稳定解。滞后现象是由度处曲线斜率的变化而产生的,它不能由三次曲线的拟合来再现。

振型形状和跨度方向上速度或者质量变化的影响,可以直截了当的包括到分析里面去,以便把分析的使用范围推广到具有正交振型的连续结构上去。推导出描述要讨论的结构的偏微分方程,选择最容易发生不稳定性的振型(通常是基波振型),并利用把方程式化成形式和方程(4.13)相同的常微分方程。通常,如果结构的固有频率距离很远,连续结构的响应和一个自由度模型的响应就很相似。

五、弛振分析

影响弛振的主要因素有:

  1. 力系数中的一次方项系数是发生弛振的关键因素。发生弛振时,必须大于零,而同时还必须满足。从式(3.8)的的各项可以看到,如果,是因为第一、三和四项中,和造成的。当然这三个参数其中一个或是两个为负就有可能产生弛振。在风洞实验的,的图形曲线中,对应某一个值的任何一个、和都要对它们进行弛振分析。
  2. 攻角时,或者说在不大的攻角范围内,发生弛振的可能性大。这里因为大的角,表达式中系数可能是很大的负值,因而发生弛振的可能性不大。
  3. 由式(3.8) (3.9)可以看到,侧力系数的高次项并不影响弛振临界风速的值。但它们却能使弛振发散的加快,即它们是弛振中的一小部分。
  4. 值是发生弛振的关键因素,影响值的不仅是结构的剖面形状,还有主视和侧视的形状,横剖面的相对厚度和结构的相对高度。往往我们只注意剖面形状,而忽略了其它的方面。但雷诺数影响甚微。在应用二维的风洞实验资料时,要注意三维的修正,可惜这方面的研究尚少。
  5. 轻质、高柔、小阻尼的结构最有可能发生弛振。式(4.11)中的分子有和,如果小则就小,如果小、大则就小。所以小的 , EI和大的H可以降低临界弛振速度同时导致弛振发散很快。此外,结构高的长细比也会使弛振加剧,这是因为式(4.11)中的分子含有剖面尺寸的平方项,而分母含有剖面尺寸的一次项。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/47181.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Android Okhttp 源码浅析三

核心方法 getResponseWithInterceptorChain() internal fun getResponseWithInterceptorChain(): Response {// Build a full stack of interceptors.val interceptors mutableListOf<Interceptor>()interceptors client.interceptorsinterceptors RetryAndFollowUpI…

springBoot 配置文件引入 redis 的相关参数说明

在Spring Boot应用中使用Redis作为缓存或数据存储时&#xff0c;可以在应用的配置文件中配置相关参数。下面是常用的Redis配置参数及其说明&#xff1a; spring.redis.host: Redis服务器主机地址&#xff0c;默认为localhost。spring.redis.port: Redis服务器端口&#xff0c;…

Wlan——STA上线流程与802.11MAC帧讲解

目录 802.11MAC帧基本概念 802.11帧结构 802.11MAC帧的分类 管理帧 控制帧 数据帧 STA接入无线网络流程 信号扫描—管理帧 链路认证—管理帧 用户关联—管理帧 用户上线 802.11MAC帧基本概念 802.11协议在802家族中的角色位置 其中802.3标准属于以太网的一种帧格式…

HPE服务器常见报错信息以及解决方案

General controller issues 常规控制器问题 Controllers are no longer redundant 控制器不再冗余 HPE Dynamic Smart Array B140i drives are not found when RAID mode is disabled 禁用 RAID 模式时找不到 HPE 动态智能阵列 B140i 驱动器 Data located on drives accessed i…

React前端开发架构:构建现代响应式用户界面

在当今的Web应用开发中&#xff0c;React已经成为最受欢迎的前端框架之一。它的出色性能、灵活性和组件化开发模式&#xff0c;使得它成为构建现代响应式用户界面的理想选择。在这篇文章中&#xff0c;我们将探讨React前端开发架构的核心概念和最佳实践&#xff0c;以帮助您构建…

[Machine Learning] 损失函数和优化过程

文章目录 机器学习算法的目的是找到一个假设来拟合数据。这通过一个优化过程来实现&#xff0c;该过程从预定义的 hypothesis class&#xff08;假设类&#xff09;中选择一个假设来最小化目标函数。具体地说&#xff0c;我们想找到 arg min ⁡ h ∈ H 1 n ∑ i 1 n ℓ ( X i…

Revit 3D高效处理:cad exchanger sdk 3.21 Crack

3D 格式概述&#xff1a;Revit Revit 已成为寻求高效、准确的建筑信息建模的专业人士的首选解决方案。在这篇引人入胜的功能概述中了解 Revit 的特性和影响。 什么是Revit&#xff1f; Autodesk Revit 是一款流行的 CAD 软件&#xff0c;重点关注 BIM&#xff0c;被建筑师、工…

Oracle DG复制中断:RMAN-03015和RMAN-06094

Oracle DG复制中断&#xff1a;RMAN-03015和RMAN-06094 背景与错误信息主库备份数据文件备库恢复数据文件DG Broker创建DG更新备库数据文件名解决归档日志不传输 ⭐️DB_UNIQUE_NAME 主库&#xff1a;ORCLDB_0备库&#xff1a;ORCLDB_1 背景与错误信息 通过RMAN DUPLICATE搭建…

uniapp scroll-view横向滚动无效,scroll-view子元素flex布局不生效

要素排查&#xff1a; 1.scroll-x属性需要开启&#xff0c;官方类型是Boolean&#xff0c;实际字符串也行。 2scroll-view标签需要给予一个固定宽度&#xff0c;可以是百分百也可以是固定宽度或者100vw。 3.子元素需要设置display: inline-block&#xff08;行内块元素&#x…

时序预测 | MATLAB实现SO-CNN-BiLSTM蛇群算法优化卷积双向长短期记忆神经网络时间序列预测

时序预测 | MATLAB实现SO-CNN-BiLSTM蛇群算法优化卷积双向长短期记忆神经网络时间序列预测 目录 时序预测 | MATLAB实现SO-CNN-BiLSTM蛇群算法优化卷积双向长短期记忆神经网络时间序列预测预测效果基本介绍程序设计参考资料 预测效果 基本介绍 时序预测 | MATLAB实现SO-CNN-BiL…

ffmpeg从摄像头获取视频流

使用FFmpeg获取本地摄像头设备 ffmpeg -list_devices true -f dshow -i dummy ffmpeg -f dshow -i video"e2eSoft iVCam" -vcodec libx264 -preset:v ultrafast -tune:v zerolatency -rtsp_transport tcp -f rtsp rtsp://127.0.0.1/test ffmpeg -f dshow -i video&qu…

如何让智能搜索引擎更灵活、更高效?

随着互联网的发展和普及&#xff0c;搜索引擎已经成为人们获取信息、解决问题的主要工具之一。 然而&#xff0c;传统的搜索引擎在面对大数据时&#xff0c;往往存在着搜索效率低下、搜索结果精准度不够等问题。 为了解决这些问题&#xff0c;越来越多的企业开始采用智能搜索技…

Python Pandas 处理Excel数据 制图

目录 1、饼状图 2、条形统计图 1、饼状图 import pandas as pd import matplotlib.pyplot as plt import numpy as np #from matplotlib.ticker import MaxNLocator # 解决中文乱码 plt.rcParams[font.sans-serif][SimHei] plt.rcParams[font.sans-serif]Microsoft YaHei …

Git学习笔记

Git学习笔记 文章目录 Git学习笔记一、版本控制二、Linux基础命令三、Git的环境配置四、Git的基本理论&#xff08;核心&#xff09;五、Git项目的搭建六、Git文件操作七、使用码云八、IDEA集成git九、Git分支 一、版本控制 什么是版本控制 版本控制&#xff08;Revision contr…

遥感云大数据在灾害、水体与湿地领域典型案例实践及GPT模型

近年来遥感技术得到了突飞猛进的发展&#xff0c;航天、航空、临近空间等多遥感平台不断增加&#xff0c;数据的空间、时间、光谱分辨率不断提高&#xff0c;数据量猛增&#xff0c;遥感数据已经越来越具有大数据特征。遥感大数据的出现为相关研究提供了前所未有的机遇&#xf…

[git]github上传大文件

github客户端最高支持100Mb文件上传&#xff0c;如果要>100M只能用git-lfs&#xff0c;但是测试发现即使用git lfs&#xff0c;我上传2.5GB也不行&#xff0c;测试737M文件可以&#xff0c;GitHub 目前 Git LFS的总存储量为1G左右&#xff0c;超过需要付费。(上传失败时&…

git管理代码

理论上改代码前要pull一次&#xff0c;然后在push前在pull一次 改代码前pull一次是为了获取最新的同步&#xff0c;但是coding也是需要时间的&#xff0c;难保敲代码的这段时间没有人动远程仓库的东西&#xff0c;所以在改完代码要push的时候也应该再pull一下看有无冲突&#x…

卷积神经网络——上篇【深度学习】【PyTorch】

文章目录 5、卷积神经网络5.1、卷积5.1.1、理论部分5.1.2、代码实现5.1.3、边缘检测 5.2、填充和步幅5.2.1、理论部分5.2.2、代码实现 5.3、多输入多输出通道5.3.1、理论部分5.3.2、代码实现 5.4、池化层 | 汇聚层5.4.1、理论部分5.4.2、代码实现 5、卷积神经网络 5.1、卷积 …

es入门实战

创建索引 PUT /hotel/ { “mappings”:{ “properties”:{ “title”:{ “type”:“text” }, “city”:{ “type”:“keyword” }, “price”:{ “type”:“double” } } } } 给索引写入数据 POST /hotel/_doc/001 { “title”:“好再来大酒店”, “city”:“东京”, “pri…

Java学习笔记——(21)运算符分类

分类一&#xff1a; 单目运算符&#xff1a;! ~ – -双目运算符&#xff1a;* / % - << >> < < > > ! & ^ | && || * / % - << >> & ^ | >>> ~三目运算符(条件运算符)&#xff1a;? :其他运算符&#xff1…