迭代法计算结构的自振频率

迭代法用于求矩阵的最大特征值,逆迭代法用于求矩阵的最小特征值,矩阵特征值与自振频率之间的关系为

ω= √λ / (2*π)

一般来说,一个结构有多少个质量自由度,就有多少个自振频率。而对于大型复杂结构,其质量自由度往往达到上百万个,这就意味着自振频率也有上百万个。但是我们最关心的是最低阶的频率。逆迭代法用于求矩阵的最小特征值。现有一个四层框架,EI = 0.5,m =1。求得整体刚度矩阵KK和整体质量矩阵MM分别为

采用逆迭代法计算此结构的最小频率,程序如下:

计算结果为

最小频率和采用经典结构力学方法求得自振频率一致。

后记

逆迭代法用于求矩阵的最小特征值。也就是说只能求一个特征值与对应的特征向量,在结构分析中,需要求多个自振频率。方法是采用同时迭代, 如子空间迭代,Lanczos迭代等。

原文发布于微信公众号 - 数值分析与有限元编程(program_fem)

原文发表时间:2017-04-10

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技大本营的专栏

课程 | 工程大咖带你入门深度学习+TensorFlow

《深度学习基础与TensorFlow实践》 AI100学院有幸邀请到《深度学习原理与TensorFlow实践》作者之一、百纳信息公司AI方向负责人王琛老师6月...

3435
来自专栏PPV课数据科学社区

【学习】关于推荐系统中的特征工程

在多数数据和机器学习的blog里,特征工程 Feature Engineering 都很少被提到。做模型的或者搞Kaggle比赛的人认为这些搞featu...

5278
来自专栏机器之心

自动「脑补」3D环境!DeepMind最新Science论文提出生成查询网络GQN

作者:S. M. Ali Eslami、Danilo Jimenez Rezende

970
来自专栏新智元

国家“千人”王中风教授:如何满足不同应用场景下深度神经网络模型算力和能效需求

作者:王中风 【新智元导读】 基于神经网络的深度学习算法已经在计算机视觉、自然语言处理等领域大放异彩。但是,诸如 VGG、ResNet 和 Xception 等...

4496
来自专栏人工智能头条

开发者成功使用机器学习的十大诀窍

1324
来自专栏新智元

DeepMind最新ICML论文:价值分布方法超越所有传统强化学习

【新智元导读】DeepMind 在他们的 ICML 2017 论文 A Distributional Perspective on Reinforcement ...

4159
来自专栏AI研习社

DeepMind 提出 GQN,神经网络也有空间想象力

人类理解一个视觉场景的过程远比看上去复杂,我们的大脑能够根据已有的先验知识进行推理,推理的结果所能涵盖的内容也要远超出视网膜接收到的光线模式的丰富程度。比如,即...

1032
来自专栏美图数据技术团队

干货 | 基于用户行为的视频聚类方案

在个性化推荐系统中,通常是由挖掘物品属性来理解用户兴趣,从而构建推荐模型。从用户行为去理解物品属性往往做得比较简单,通常只是一些简单的标签统计。为了深入到用户行...

3654
来自专栏AI科技评论

深度 | BAIR论文:通过“元学习”和“一次性学习”算法,让机器人快速掌握新技能

AI科技评论按:近日伯克利大学人工智能实验室(BAIR)Sergey Levine团队在Arxiv上发布了一篇名为《One-Shot Visual Imitat...

39610
来自专栏人工智能头条

AI读心术:想象一下,计算机就可以重现意念中的画面

1413

扫码关注云+社区

领取腾讯云代金券