有效质量与振型叠加法在量化投资中的应用——Python编程实践-[程序员量化投资入门书籍附书签]
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
本书通过实例讲解如何利用Python编写程序来实现有效质量和振型叠加法在量化投资分析中的具体应用，旨在为初学者提供全面的理论指导和实用技巧。附带详细的书签设计方便读者快速定位查找。
5.3 有效质量和振型叠加法
5.3.1 有效质量
通过模态分析获取的自振频率、自振周期及振型对于获得模态有效质量和参与系数非常重要。第i阶模态各方向参与系数\(\alpha_{\Gamma}\)可以通过以下公式计算：
\[ \alpha_i = T^{-1} M^T \Phi_i \]
其中，\(M\)是广义质量矩阵，每个节点的刚度特性大小用矩阵表示为\(\alpha_T\)。具体形式如下所示：
\[
\begin{bmatrix}
0 & 20 & 30 & -456 \\
1 & 0 & 0 & e_{zx} \delta^{\beta}_{z}-e_{zy}\delta^{\beta}_{y}\\
1 & 0 & 0 & e_{xy}\delta^{\alpha}_{x}
\end{bmatrix}
\]
式中，\(e_x, e_y, e_z\)代表旋转中心。GTS NX软件可以设定任意节点或质心为旋转中心。
通过模态参与系数可定义和计算每个方向的模态有效质量：
\[ m_{eff}^{i} = \sum_i^{}m_i\alpha_i^2 \]
所有振型的有效质量之和与除约束边界节点外的整体模型总质量相等。
5.3.2 振型叠加法
在动力响应分析中，可以使用振型叠加法。该方法通过特征值分析获得的固有振型来求解减缩后的模态平衡方程：
\[ (M + C)\ddot{u} + Ku = f \]
其中\( u(t) \)可表示为：
\[
\begin{bmatrix}
\phi_1 & \cdots & \phi_N
\end{bmatrix}\xi(t)
\]
这里，Φ是固有振型形状。结合方程5.3.4和式5.35得到：
\[ [M]\Phi\xi + [C]\Phi\xi = f \]
在实际应用中，使用部分低阶模态的固有振型来构成Φ矩阵，而忽略高阶模态的影响，因此方程式 5.3.6 是对原始动力平衡方程的一个近似解。当包含的固有振型数量不足时，计算结果精度会显著降低。
全部评论 (0)
