Analisi modale sperimentale. Ricerca automatica delle soluzioni. = Experimental modal analysis. Automatic search for solutions.

L’estrazione e la selezione dei parametri modali sono delle problematiche alle quali l’accademia e l’industria si sono dedicate sin dalla fine del secolo scorso. La strada seguita è stata quella dell’implementazione del diagramma di stabilizzazione, che fornisce una panoramica sulla distribuzione delle estrazioni effettuate. Il passaggio successivo è quello di cercare di rendere il diagramma più chiaro, per agevolare il processo di selezione dei modi rappresentativi della struttura in esame. Questo passaggio ha subito una notevole evoluzione negli anni, dall’approccio al diagramma a occhio nudo, all’uso di soglie numeriche impostate manualmente sino a una completa automatizzazione del processo. In questo lavoro di tesi viene implementato uno dei metodi automatizzati di selezione dei parametri modali, teorizzato da E.Reydeners, J.Houbrechts e G. De Roeck. Partendo da parametri modali estratti utilizzando il metodo LIPEZ e riferiti a un sistema di cui si ignora il numero di gradi di libertà, l’obiettivo è, in primo luogo, quello di rendere il diagramma di stabilizzazione più ordinato possibile, eliminando i modi spuri, e successivamente quello di selezionare i parametri che caratterizzano effettivamente il moto del sistema. A tal fine si segue un processo composto da alcuni passaggi, il primo dei quali richiede di applicare i cosiddetti Soft Validation Criteria per confrontare tra loro le forme modali estratte e immagazzinare queste informazioni in vettori. Dopodichè si usa l’algoritmo del 2-means clustering per creare una prima distinzione tra la classe dei vettori che caratterizzano modi sicuramente spuri e quella dei vettori che descrivono modi forse stabili. Il passaggio successivo è l’Hard Validation Criteria, che elimina le estrazioni caratterizzate da uno smorzamento privo di senso fisico. Successivamente viene applicato il clustering gerarchico sulla base delle distanze medie alle estrazioni non scartate, per ottenere una configurazione ordinata del diagramma di stabilizzazione. Infine, si utilizza nuovamente il 2-means clustering, ma stavolta per determinare i clusters da non considerare nel processo di selezione, in base al numero di modi presenti nei cluster stessi. Completato il processo di organizzazione del diagramma di stabilizzazione, per ogni cluster viene scelto, come modo caratterizzante del sistema per la frequenza corrispondente, quello con lo smorzamento più vicino al valore mediano del cluster e la selezione dei parametri modali caratterizzanti del sistema può dichiararsi conclusa. In generale, l’efficacia dell’algoritmo implementato può essere considerata soddisfacente. Si sono tuttavia evidenziate delle criticità, approfondite nella trattazione, per il primo 2-means clustering. Infatti, l’algoritmo è impostato per scartare solo i modi la cui totalità dei vettori associati viene classificata come spuria. Questo, tuttavia, avviene raramente, dunque la quantità di modi scartati nel passaggio in questione è abbastanza esigua. Inoltre, dei problemi sono stati evidenziati anche in relazione alla soglia impostata automaticamente nel passaggio del clustering gerarchico. Il valore di questa soglia, come suggerito nell’articolo originale, risulta troppo elevato: l’operazione non viene arrestata al momento giusto, ma prosegue ancora di alcuni cicli alterando i risultati finali. Modulando opportunamente la soglia critica, è possibile ottenere dei risultati convincenti e simili a quelli ottenuti con i metodi tradizionali.