当前位置：文档之家 › matlab newmark法

matlab newmark法

  • 格式：doc
  • 大小：12.18 KB
  • 文档页数：5

matlab newmark法

Matlab Newmark法是一种非线性动力学分析方法，主要用于求解动力学系统的时间响应。该方法由Newmark在20世纪50年代提出，在工程结构领域得到了广泛应用。本文将分步骤回答关于Matlab Newmark法的问题，包括算法原理、计算步骤、优缺点以及实际案例的应用。

一、算法原理

1.1 基本原理

Matlab Newmark法是一种基于离散时间步长的计算方法。其基本原理是通过将系统的运动方程转化为等效的一阶微分方程组，然后使用步进法进行数值求解。该方法采用了二阶精度的数值积分公式，具有较高的计算精度和稳定性。

1.2 新马克法公式

Matlab Newmark法的核心公式为：

δu(t+Δt) = u(t) + Δt * v(t) + Δt^2 * (0.5 - β) * a(t)

δv(t+Δt) = v(t) + Δt * (1 - γ) * a(t)

δa(t+Δt) = (1 - γ) * a(t) + γ * a(t+Δt)

其中，δ表示增量，u(t)、v(t)和a(t)分别表示位移、速度和加速度在时间t的值，β和γ为Newmark法的两个参数。

二、计算步骤

2.1 确定系统参数

首先，需要确定系统的质量矩阵、刚度矩阵和阻尼矩阵，以及外部激励载荷等参数。

2.2 确定时间步长

根据求解精度和计算效率的要求，选择合适的时间步长Δt。

2.3 初始化位移、速度和加速度

给定初始位移、速度和加速度的值。

2.4 进行时间循环

使用Newmark法的公式，根据当前时刻的位移、速度和加速度的值，计算下一时刻的位移、速度和加速度。

2.5 判断收敛条件

在每个时间步长内，判断计算结果是否满足收敛要求。如果满足要求，则继续计算下一个时间步长；如果不满足要求，则重新选择适当的步长，并重新进行计算。

2.6 输出结果 将每个时间步长内计算得到的位移、速度和加速度的值保存起来，以获取系统的时间响应曲线。

三、优缺点

3.1 优点

Matlab Newmark法具有以下优点：

- 可以处理复杂的非线性动力学系统。

- 采用二阶精度的数值积分公式，具有较高的计算精度。

- 通过调节参数β和γ，可以控制算法的稳定性和数值耗散。

- 可以隐式地处理耗散和刚性的系统。

3.2 缺点

Matlab Newmark法也存在以下缺点：

- 当系统存在大的非线性时，收敛性可能会变差。

- 需要选择合适的参数和时间步长，否则可能出现数值不稳定和耗散现象。

- 对于大型系统，计算量较大，需要较长的计算时间。

四、实际应用案例

Matlab Newmark法在结构工程领域有着广泛的应用。例如，在地震工程中可以用来分析结构在地震作用下的动态响应。下面以一座多层建筑结构为例，说明Matlab Newmark法的实际应用。

4.1 案例描述

假设一座8层楼的建筑结构在地震作用下进行动态响应分析。已知结构的质量矩阵、刚度矩阵和地震激励载荷等参数。

4.2 计算步骤

- 根据结构的几何形状和材料特性，确定结构的质量矩阵和刚度矩阵。

- 选择合适的时间步长Δt，例如0.02s。

- 初始化结构的位移、速度和加速度值。

- 进行时间循环，根据Newmark法的公式计算每个时间步长内的位移、速度和加速度。

- 判断收敛条件，如果满足要求则继续计算下一个时间步长，否则重新选择步长进行计算。

- 输出每个时间步长内的位移、速度和加速度值。

4.3 分析结果

根据Matlab Newmark法计算得到的位移、速度和加速度值，可以绘制结构的时间响应曲线。通过分析曲线，可以了解结构在地震作用下的动态行为，包括振动频率、振幅以及结构的安全性评估等。

总结： 本文通过解答Matlab Newmark法的算法原理、计算步骤、优缺点以及实际应用案例，对这一非线性动力学分析方法有了更深入的理解。Matlab

Newmark法作为一种可靠的工程分析方法，在结构工程和其他相关领域中具有广泛的应用前景。

合集下载

Matlab的Hermite插值法

Matlab的Hermite插值法

假设已知的数据点来自函数f（x）=（-3x+5）sinx，试根据生成的数据进行插值处理，得出较平滑的曲线。

x=0:.12:1;

y=(x.^2-3*x+5).*exp(-5*x).*sin(x);

x1=0:.02:1;

y0=(x1.^2-3*x1+5).*exp(-5*x1).*sin(x1);

y1=interp1(x,y,x1);

y2=interp1(x,y,x1,'pchip');

plot(x1,[y1',y2'],':',x,y,'*',x1,y0)

x=0:.01:1;

y=(x.^2-3*x+5).*exp(-5*x).*sin(x);

x1=0:.02:1;

y0=(x1.^2-3*x1+5).*exp(-5*x1).*sin(x1);

y2=interp1(x,y,x1,'pchip');

plot(x1,y2,'*',x,y,':',x1,y0,'o')

基于Newmark-β法的载荷识别研究

基于Newmark-β法的载荷识别研究

第１４卷第２期　２０１６年４月　中国工程机械学报　ＣＨＩＮＥＳＥ　ＪＯＵＲＮＡＬ　ＯＦ　ＣＯＮＳＴＲＵＣＴＩＯＮ　ＭＡＣＨＩＮＥＲＹ　ＶＯ１．１４　Ｎｏ．１　Ａｐｒ．２０１６　

基于Ｎｅｗｍａｒｋ．１３法的载荷识别研究　

苏文献　，范正炼　，邓　蕾　，陈　功　

（１．上海理工大学能源与动力工程学院，上海２０００９３；２．上海市质量监督检验技术研究院，上海２０１１１４）　

摘要：基于已有的Ｎｅｗｍａｒｋ—Ｓ法正反分析原理，研究了单根换热管振动的载荷识别，并且在对单根换热管进行　

识别时探讨了响应选取、时间步长、响应测量点等参数对识别结果的影响．　

关键词：Ｎｅｗｍａｒｋ—ｐ；反分析原理；载荷识别　

中图分类号：ＴＨ　４９　文献标志码：Ａ　文章编号：１６７２—５５８１（２０１６）０２—０１４２—０５　

Ｎｅｗｍａｒｋ．．Ｐ．．ｂａｓｅｄ　ｌｏａｄｉｎｇ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　

ＳＵ　Ｗｅｎ．ｘｉａｎ　，ＦＡＮ　Ｚｈｅｎｇ－ｌｉａｎ　，ＤＥＮＧ　Ｌｅｉ　，ＣＨＥＮ　Ｇｏｎｇ。　

（１．Ｓｃｈｏｏｌ　ｏｆ　Ｅｎｅｒｇｙ　ａｎｄ　Ｐｏｗｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｈａｎｇｈａｉ　ｆｏｒ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｇｈａｉ　２０００９３，Ｃｈｉｎａ￣　

２　Ｓｈａｎｇｈａｉ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｑｕａｌｉｔｙ　Ｉｎｓｐｅｃｔｉｏｎ　ａｎｄ　Ｔｅｃｈｎｉｃａｌ　Ｒｅｓｅａｒｃｈ，Ｓｈａｎｇｈａｉ　２０１１１４，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｆｏｒｗａｒｄ　ａｎｄ　ｉｎｖｅｒｓｅ　Ｎｅｗｍａｒｋ－￣ａｎａｌｙｓｉｓ　ｐｒｉｎｃｉｐｌｅｓ，ｔｈｅ　ｌｏａｄｉｎｇ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｎ　

ｔｈｅ　ｓｉｎｇｌｅ　ｈｅａｔ　ｅｘｃｈａｎｇｅ　ｔｕｂｅ　ｉｓ　ｃｏｎｄｕｃｔｅｄ．Ａｃｃｏｒｄｉｎｇｌｙ，ｔｈｅ　ｉｍｐａｃｔｓ　ｏｆ　ｒｅｓｐｏｎｓｅ　ｓｅｌｅｃｔｉｏｎ，ｔｉｍｅ　ｓｔｅｐ　ａｎｄ　

matlab 黄金分割法

matlab 黄金分割法

%黄金分割法。根据最优化方法（天津大学出版社）17页算法1.4.2编写。

%v1.0 author: liuxi BIT

%best_x为最优的x值，best_fx为最优的函数值，y为函数，x为函数y的变量，a,b为下单峰区间[a,b],epsilon为精确度

%当保留的区间长度|b-a|<=epsilon时停止迭代

function [best_x best_fx]=golddiv(y,x,a,b,epsilon)

if nargin==4

epsilon=0.0000001;%设置默认的epsilon

end

x2=a+0.618*(b-a);%step1

f2=subs(y,x,x2);

x1=a+0.382*(b-a);%step2

f1=subs(y,x,x1);

while(abs(b-a)>epsilon)

if f1

b=x2;x2=x1;f2=f1;

x1=a+0.382*(b-a);%转step2

f1=subs(y,x,x1);

elseif f1==f2

a=x1;b=x2;

x2=a+0.618*(b-a);f2=subs(y,x,x2);%转step1

x1=a+0.382*(b-a);f1=subs(y,x,x1);

else

a=x1;x1=x2;f1=f2;

x2=a+0.618*(b-a);%step5 f2=subs(y,x,x2);

end

end%while

best_x=(a+b)/2;%最优的x值

best_fx=subs(y,x,best_x);%最优的函数值

抛物线法matlab

抛物线法matlab

抛物线法的MATLAB程序代码如下：

function root=Parabola（f，a，b，x，eps）

%抛物线法求函数f在区间【a，b】上的一个零点

%函数名：f

%区间左端点：a

%区间右端点：b

%初始迭代点：x

%根的精度：eps

%求出的函数零点：root

if(nargin==4)

eps=1.0e-4;

end

f1=subs(sym(f),findsym(sym(f)),a);

f2=subs(sym(f),findsym(sym(f)),b);

if(f1==0)

root=a;

end

if(f2==0)

root=b;

end

if(f1*f2>0)

disp(‘两端点函数值乘积大于0!’); return;

else

tol=1;

fa=subs(sym(f),findsym(sym(f)),a);

fb=subs(sym(f),findsym(sym(f)),a);

fx=subs(sym(f),findsym(sym(f)),x);

d1=(fb-fa)/(b-a);

d2=(fx-fb)/(x-b);

d3=(f2-f1)/(x-a);

B=d2+d3*(x-b);

root=x-2*fx/(B+sign(B)*sqrt(B^2-4*fx*d3));

t=zeros(3);

t(1)=a;

t(2)=b;

t(3)=x;

while(tol>eps)

t(1)=t(2); %保存3个点

t(2)=t(3);

t(3)=root;

f1=subs(sym(f),findsym(sym(f)),t(1));

%计算3个点的函数值

f2=subs(sym(f),findsym(sym(f)),t(2)); f3=subs(sym(f),findsym(sym(f)),t(3));