振动试验台使用过程中经常用到的计算公式,推荐收藏!

news2024/11/17 7:54:39

以下为正文:

1、求推力(F)的公式
在这里插入图片描述

式中:

F — 推力(激振力)(N)

m0 — 振动台运动部分有效质量(kg)

m1 — 辅助台面质量(kg)

m2 — 试件(包括夹具、安装螺钉)质量(kg)

A — 试验加速度(m/s²)

2、加速度(A)、速度(V)、位移(D)三个振动参数的互换运算公式

图片

式中:

A — 试验加速度(m/s²)

V — 试验速度(m/s)

ω — 角速度,ω=2πf

f — 试验频率(Hz)

图片

式中:

V — 试验速度(m/s)

D — 位移(mm,0-P)单峰值

ω — 角速度,ω=2πf

f — 试验频率(Hz)

图片

式中:

A — 试验加速度(m/s²)

D — 位移(mm,0-P)单峰值

ω — 角速度,ω=2πf

f — 试验频率(Hz)

上式亦可简化为:

图片

式中:

A — 试验加速度(g,1g=9.8m/s²)

D — 位移(mm,0-P)单峰值

f — 试验频率(Hz)

上式也可以改写为:

图片

A — 试验加速度(m/s²)

D — 位移(mm,0-P)单峰值

f — 试验频率(Hz)

3、定振级扫频试验平滑交越点频率的计算公式

(1) 加速度与速度平滑交越点频率的计算公式

图片

式中:

fA-V — 加速度与速度平滑交越点频率(Hz)

A — 试验加速度(m/s²)

V — 试验速度(m/s)

(2) 速度与位移平滑交越点频率的计算公式

图片

式中:

VD-f — 加速度与速度平滑交越点频率(Hz)

V — 试验速度(m/s)

D — 位移(mm,0-P)单峰值

(3) 加速度与位移平滑交越点频率的计算公式

图片

式中:

fA-D — 加速度与位移平滑交越点频率(Hz)

A — 试验加速度(m/s²)

D — 位移(mm,0-P)单峰值

上式可以简化为:

图片

4、扫描时间和扫描速率的计算公式

(1) 线性扫描比较简单:

图片

式中:

S1 — 扫描时间(s或min)

fH-fL — 扫描宽带,其中fH为上限频率,fL为下限频率(Hz)

V1 — 扫描速率(Hz/min 或Hz/s)

(2) 对数扫频

倍频程的计算公式:

图片

式中:

n — 倍频程(oct)

fH — 上限频率(Hz)

fL — 下限频率(Hz)

扫描速率计算公式:

图片

式中:

R — 扫描速率(oct/min或s)

fH — 上限频率(Hz)

fL — 下限频率(Hz)

T — 扫描时间(min或s)

扫描时间计算公式:

图片

式中:

T — 扫描时间(min或s)

n — 倍频程(oct)

R — 扫描速率(oct/min 或oct/s)

5、随机振动试验常用的计算公式

(1) 频率分辨力计算公式:

图片

式中:

△f — 频率分辨力(Hz)

fmax — 最高控制频率(Hz)

N — 谱线数(线数)

fmax是△f的整倍数

(2) 随机振动加速度总均方根值的计算

A、利用升谱和降谱以及平直谱计算公式

图片
功率谱密度曲线图(a)

平直谱计算公式:

升谱计算公式:

降谱计算公式:

图片

式中:m=N/3,N为谱线的斜率(dB/octive)。

若N=3,则m=1时,必须采用以下降谱计算公式:

图片

加速度总均方根值:

图片

B、利用平直谱计算公式:计算加速度总均方根值

在这里插入图片描述

功率谱密度曲线图(b)

为了简便起见,往往将功率谱密度曲线图划分成若干矩形和三角形,并利用上升斜率(如3dB/oct)和下降斜率(如-6dB/oct)分别算出wa和w2,然后求各个几何形状的面积与面积和,再开方求出加速度总均方根值:

注意:第二种计算方法的结果往往比用升降谱计算结果要大,作为大概估算可用,但要精确计算就不能用。

(3) 已知加速度总均方根g(rms)值,求加速度功率谱密度公式

图片

(4) 求Xp-p最大的峰峰位移(mm)计算公式

准确的方法应该找出位移谱密度曲线,计算出均方根位移值,再将均方根位移乘以三倍得出最大峰值位移(如果位移谱密度是曲线,则必须积分才能计算)。在工程上往往只要估计一个大概的值。这里介绍一个简单的估算公式

图片

式中:

Xp-p — 最大的峰峰位移(mm,p-p)

fo — 为下限频率(Hz)

wo — 为下限频率(fo)处的PSD值(g²/Hz)

(5) 求加速度功率谱密度斜率(dB/oct)公式
在这里插入图片描述

式中:n为oct dvr倍频程

wH — 频率fH处的加速度功率谱密度值(g²/Hz)
wL — 频率fL处的加速度功率谱密度值(g²/Hz)

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.coloradmin.cn/o/827178.html

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,一经查实,立即删除!

相关文章

Java反射全面详解

1. 什么是反射? 首先听这个名字就有些疑惑,什么是反射,它能用来干什么呢? Java官方对反射的解释是 "反射允许对封装类的字段,方法和构造函数进行编程式访问"。这里的字段指的就是成员变量,方法…

prometheus监控k8s kube-proxy target down

prometheus target down 修改配置 kubectl edit cm/kube-proxy -n kube-systemmetricsBindAddress: "0.0.0.0:10249"删除 kube-proxy pod 使之重启应用配置 kubectl delete pod --force kubectl get pod -n kube-system |grep kube-proxy|awk {print $1} -n kube-…

网工内推 | 网络安全工程师,最高15K,有高温补贴

01 超圣信华 招聘岗位:网络安全工程师 职责描述: 1. 负责网络安全产品的售前沟通交流、现状调研、方案设计、产品测试、产品选型和招投标等工作。 2. 负责网络安全集成项目的实施管理、项目交付文档编制以及项目验收等工作。 3. 负责网络安全产品的售后…

十八、Spring6集成MyBatis3.5

目录 十八、Spring6集成MyBatis3.5 18.1 实现步骤 18.2 具体实现 第一步:准备数据库表 第二步:IDEA中创建一个模块,并引入依赖 第三步:基于三层架构实现,所以提前创建好所有的包 第四步:编写pojo 第…

算法入门篇——用位运算解决一些问题

目录 1.判断一个数是2的次方数 2.统计一个数,它的二进制数中,1的个数 3.在2*(n-1)个数中,找到只出现一次的那个数 1.判断一个数是2的次方数 这个问题有好几种做法,但是最优雅的解法是用’位运算‘来做。…

【Spring Cloud 三】Eureka服务注册与服务发现

系列文章目录 【Spring Cloud一】微服务基本知识 Eureka服务注册与服务发现 系列文章目录前言一、什么是Eureka?二、为什么要有服务注册发现中心?三、Eureka的特性四、搭建Eureka单机版4.1Eureka服务端项目代码pom文件配置文件启动类启动项目查看效果 E…

深入学习Mysql引擎InnoDB、MylSAM

目录 一、什么是MySQL 二、什么是InnoDB 三、什么是MyISAM 四、MySQL不同引擎有什么区别 一、什么是MySQL MySQL是一种广泛使用的开源关系型数据库管理系统(RDBMS),它是由瑞典MySQL AB公司开发并推广,后来被Sun Microsystems收…

FPGA项目设计:数字时钟

项目要求: 设计一个数字时钟,数码管前两位显示小时,数码管中间两位显示分钟,数码管后面两位显示秒。 项目设计: 系统框架图: 计数模块时序图: 代码实现: 计数模块: /…

走进人工智能|自动驾驶 开启智能出行新时代

前言 自动驾驶,也被称为无人驾驶或自动驾驶汽车,是指能够在没有人类干预的情况下自主地感知环境、决策和控制车辆行驶的技术和系统。 文章目录 前言主题发展趋势自动驾驶等级L0级自动驾驶L1级别自动驾驶L2级别自动驾驶L3级别自动驾驶L4级别自动驾驶L5级…

C# Microsoft消息队列服务器的使用 MSMQ

先安装消息队列服务器 private static readonly string path ".\\Private$\\myQueue";private void Create(){if (!MessageQueue.Exists(path)){MessageQueue.Create(path);}}private void Send(){Stopwatch stopwatch new Stopwatch();stopwatch.Start();Message…

em3288 linux_4.19 lvds+tp调试

一、显示配置\rk3288_linux4.19\kernel\arch\arm\boot\dts\rk3288-evb-act8846.dtspanel {compatible "simple-panel";backlight <&backlight>;bus-format <MEDIA_BUS_FMT_RGB666_1X18>;enable-gpios <&gpio1 24 GPIO_ACTIVE_HIGH>;ena…

2023年中职组“网络安全”赛项吉安市竞赛任务书

2023年中职组“网络安全”赛项 吉安市竞赛任务书 一、竞赛时间 总计&#xff1a;360分钟 竞赛阶段 竞赛阶段 任务阶段 竞赛任务 竞赛时间 分值 A模块 A-1 登录安全加固 180分钟 200分 A-2 本地安全策略配置 A-3 流量完整性保护 A-4 事件监控 A-5 服务加固…

基于Java的房屋租赁系统设计与实现(源码+lun文+数据库)

对于需要租房的人&#xff0c;有的可能没有时间去街上广告处查看房屋信息&#xff1b;对于房屋出租者来说&#xff0c;大量复杂的房产信息、租金等信息很难通过传统的方式进行管理。以方便租客租房&#xff0c;房东求租、求售的需求为向导&#xff0c;开发一套基于web的房屋管理…

数字图像处理-彩色图像处理

文章目录 一、彩色模型1.1RGB彩色模型1.2CMY和CMYK彩色模型1.3HSI彩色模型 二、伪彩色图像处理2.1灰度分层2.2灰度到彩色的变换 三、彩色图像的分割3.1RGB中的彩色图像分割3.2彩色边缘检测 一、彩色模型 1.1RGB彩色模型 RGB空间是生活中最常用的一个模型&#xff0c;电视机、…

2D视觉检测算法整理

1.ROI pooling 和 ROI align的区别 ROI pooling第一步根据候选区域找特征图的位置&#xff0c;可能不是刚好对应&#xff0c;需要一次量化&#xff0c;如上图所示&#xff0c;第二次是特征图需要转化为特定的大小&#xff0c;这时候pooling可能也不能正好整除&#xff0c;所以第…

Vue3状态管理库Pinia——实现简易版购物车

个人简介 &#x1f440;个人主页&#xff1a; 前端杂货铺 &#x1f64b;‍♂️学习方向&#xff1a; 主攻前端方向&#xff0c;正逐渐往全干发展 &#x1f4c3;个人状态&#xff1a; 研发工程师&#xff0c;现效力于中国工业软件事业 &#x1f680;人生格言&#xff1a; 积跬步…

重排序问题(详细说明指令重排序)

在执行程序时&#xff0c;为了提高性能&#xff0c;编译器和处理器常常会对指令做重排序。 重排序分3种类型。 编译器优化的重排序。编译器在不改变单线程程序语义的前提下&#xff0c;可以重新安排语句的执行顺序。 指令级并行的重排序。现代处理器采用了指令级并行技术&…

MySQL主从复制原理以及实操

一、MySQL主从复制原理&#xff1a; 1、MySQL将数据变化记录到二进制日志中&#xff1b; 2、Slave将MySQL的二进制日志拷贝到Slave的中继日志中&#xff1b; 3、Slave将中继日志中的事件在做一次&#xff0c;将数据变化&#xff0c;反应到自身&#xff08;Slave&#xff09;的数…

在Geogle Drive 上面下载压缩的文件

需要使用到 OCC3D 上面 的Waymo Occupancy 真值。 Occ3d 应该是一个文件夹里面有很多 个压缩包&#xff0c;如果直接下载 会下载很多个文件。 双击点进去 选择好对应的序列再进行下载。 这里的 000 001 应该是对应的 waymo 的相机序列。 waymo 的相机序列也是798 个序列

【数据结构】常见的排序算法

常见的排序算法 常见的排序算法插入排序之直接插入排序时间复杂度特性总结 插入排序之希尔排序时间复杂度 选择排序之直接选择排序特性总结 选择排序之堆排序时间复杂度特性总结 交换排序之冒泡排序特性总结 交换排序之快速排序hoare版本挖坑法双指针法快速排序的优化1&#xf…