Análise Modal Operacional

Embora os parâmetros modais estimados pela análise modal experimental possam fornecer informações importantes do comportamento dinâmico, às vezes, não representam corretamente as condições reais de operação do equipamento. Muitas vezes os componentes são testados isoladamente em laboratório, sem que estejam montados nos equipamentos a que se destinam. As condições de contorno influenciam sensivelmente no comportamento dinâmico, e em algumas situações, pode ser muito complicado reproduzi-las em uma bancada experimental.

Outra questão envolvida, principalmente quando a análise modal experimental é realizada em condições reais de operação, é a dificuldade de excitação por meio artificial de grandes estruturas, principalmente por fonte única de excitação. Nestes casos, há a necessidade de um valor elevado de energia que seja capaz de excitar os modos de vibração de interesse no estudo. Em alguns casos, mesmo que as forças artificiais conhecidas consigam excitar a estrutura, outros efeitos podem alterar o comportamento dinâmico da estrutura, o qual não será previsto pela AME. Esses efeitos podem ser ambientais, de temperatura, lubrificação e de forças de excitações providas de fontes não conhecidas.

Para suprir estas limitações, foram desenvolvidas técnicas de determinação de parâmetros modais utilizando somente os dados de resposta do sistema, onde as excitações originam-se da

49

própria operação da máquina ou equipamento. Estas técnicas são conhecidas por Análise Modal Operacional (AMO), em inglês, Operational Modal Analysis ou Output-only Modal Analysis (ZHANG; BRINCKER; ANDERSEN, 2005).

Uma das vantagens da análise modal operacional em relação à análise modal experimental é o fato da não necessidade do conhecimento da força de excitação. Outros aspectos em relação à AMO também podem ser listados, tais quais: (i) a AMO é aplicada em condições operacionais de uma forma mais rápida e menos custosa, já que não são necessários equipamentos para excitação e não é necessária a reprodução de peças e estruturas de testes com condições de contorno específicas, já que a própria máquina por ser analisada; (ii) caracterização dinâmica da estrutura como um todo e não somente de componentes específicos; (iii) a AMO pode ser utilizada no monitoramento e diagnóstico de máquinas e equipamentos.

Considerando que na análise modal experimental a excitação é artificial, na análise modal operacional a excitação é natural ou da própria operação. Neste contexto, por exemplo, James III, Carne e Lauffer (1993) desenvolveram a Técnica de Excitação Natural (NExT). A NExT tem a característica principal de utilizar como excitação o carregamento operacional da estrutura, obtendo-se apenas os sinais de resposta para extração dos parâmetros modais, e considera a excitação como sendo unicamente ruído branco.

Entretanto, na prática as máquinas e equipamentos não estão somente sujeitas as excitações aleatórias ou ruído branco gaussiano. Geralmente em máquinas rotativas, ou que apresentam componentes rotativos, como em carros, turbinas, motores, turbinas eólicas, navios, as excitações harmônicas estão adicionadas as excitações aleatórias. Essas excitações harmônicas estão associadas ao desbalanceamento de massa, empenamento, flutuação de forças em atuadores elétricos ou a própria característica de funcionamento da máquina. Nestes casos, as respostas do sistema serão uma superposição das respostas harmônicas com as respostas devido às excitações aleatórias, e as técnicas convencionais de análise modal operacional, baseadas apenas na análise do sinal aleatório, falham na identificação dos parâmetros modais. Caso a frequência dos harmônicos coincida com uma frequência natural do sistema, a identificação dos parâmetros modais pela AMO fica ainda mais comprometida.

50

Os efeitos da presença de excitações harmônicas em adição com ruído branco na identificação dos parâmetros modais pela AMO dependem da natureza da excitação harmônica (quantidade, frequência e nível) e o método de identificação de parâmetros modais utilizado. Filtros especiais podem ser utilizados para filtrar os componentes harmônicos dos sinais de respostas. Entretanto, na prática, os filtros não são perfeitos e se a frequência do componente harmônico for próxima a uma frequência natural do sistema, o uso do filtro pode fazer com que haja perdas de informações importantes, prejudicando assim a identificação dos parâmetros modais.

Uma maneira simples de lidar com esses componentes harmônicos seria considerar as respostas harmônicas como um modo virtual não amortecido, ou seja, amortecimento igual à zero. Entretanto, esses “falsos” modos, geralmente não apresentam amortecimento exatamente nulo, o que dificultaria na diferenciação de modos naturais e os modos devido às excitações harmônicas.

Outra maneira de identificar se um pico corresponde a um modo operacional (resposta harmônica) ou a um modo natural, na função densidade espectral da resposta, é através da Função de Densidade de Probabilidade (FDP) do sinal. Se o formato da função de densidade de probabilidade deste sinal filtrado se aproximar do formato da densidade de probabilidade de ruído branco, ou seja, uma densidade de probabilidade gaussiana ou normal, então o modo sob análise corresponde a um modo natural. Por outro lado, se o formato da função de densidade de probabilidade deste sinal filtrado se aproximar do formato da densidade de probabilidade de uma função harmônica, então o modo sob análise corresponde a um modo operacional. (BRINCKER, ANDERSEN, E MOLLER, 2000).

Atualmente muitos métodos de identificação de parâmetros modais estão sendo desenvolvidos, estudados ou modificados para aplicação na AMO. Segundo Vu et. al. (2011), esses métodos de identificação de parâmetros na AMO podem ser classificados de acordo com o domínio do sinal utilizado, no domínio do tempo ou na frequência, da mesma forma que na análise modal experimental. Ainda segundo Vu et. al. (2011), os métodos no domínio do tempo são os mais adequados para a AMO, e podem ser divididos em: indireto, onde envolve o ajuste das funções de correlação das respostas, dentre eles: Ibrahim Time Domain (ITD) e o Least

51

Squares Complex Exponential (LSCE), e diretos, onde são baseados na escolha de um modelo matemático que descreva o comportamento dinâmico da estrutura, por exemplo, Autoregressive Moving Average method (ARMA). Alguns métodos ainda podem ser classificados de acordo com o número de referências simultâneas que utilizam no processamento do sinal.