Lökéshullám spektrális elemzése
A „Shock Response Spectra” fogalmat Dr. Maurice Biot alkalmazta először 1932-ben a földrengések jellemzésére, de széleskörű elterjedésére a hidegháború és a nukleáris fegyverek hatásainak kutatására kezdték alkalmazni elsősorban az amerikai haditengerészetnél az 1960-as években. A szimuláció során mind az ágyú lövések, mind a találatok, illetve a víz alatt robbanó töltetek által okozott mechanikai lökések súlyosságának mutatójaként használták.
A USS ARKANSAS (CGN-41) nukleáris meghajtású rakétacirkáló jobb oldalán irányított robbanótöltetettel
végeznek egy lökéshullám elemzést az Atlanti Óceánon 0982. március 17-én
Mára az SRS a civil életben is széles körben elterjed elemzés típus, megtalálható szinte minden rázógép vezérlő rendszer programja között. Elsősorban a termékek, épületek tervezése során az impulzus hatások által okozott terhelések jellemzésére használják, mint többek között:
- Földrengések
- Esés utáni becsapódások
- Kilövéskor keletkező erők
- Több fokozatú hajtóművek leválasztása során keletkezett erők
- Pirotechnikai események, pl. robbanások hatására született lökéshullámok
A lökésválasz-spektrummal kapcsolatban gyakori tévhit, hogy az egy egyszerű frekvenciatartománybeli jel. Az SRS-t azonban egy egy szabadságfokú rendszer időtartománybeli csúcsából számítják ki.
Az SRS megértéséhez érdemes először megvizsgálni az egy szabadságfokú (SDOF) rendszer válaszát egy tranziens bemenetre. Az alábbi ábra egy egy szabadságfokú rendszert mutat, ahol a tömeget egy rugó és egy lengéscsillapító rendszer támasztja alá.
A tranziens bemenet és az egy szabadsági fokú válasz közötti átbocsátóképességet a következő egyenlet adja meg:
A rugó merevség és a tömeg aránya határozza meg az SDOF-rendszer saját frekvenciáját. A bemenet és a válasz közötti átbocsátóképességet a lenti grafikon mutatja. A rezonancia a rezonanciafrekvencia közelében a válaszjel erősödését, a sajátfrekvencia felett pedig a válaszjel csillapodását eredményezi. A csillapítási tényező befolyásolja a rezonancia alatti erősítés mértékét.
A csillapítási tényező a kritikus csillapítás százalékában vagy Q-ban is kifejezhető, ahol:
A lökésválasz-spektrumot úgy számítjuk ki, hogy egy sor SDOF-szűrőt hozunk létre, amelyek n-edik oktáv frekvenciákon logaritmikusan vannak elhelyezve. Minden szűrőnek ugyanaz a csillapítási tényezője.
Az SDOF-szűrők segítségével kiszámítható ennek az egy szabadsági fokú rendszernek időtartománybeli válasza, és ennek a csúcsértéket használjuk az SRS kalkulációjakor.
Az SRS-ben használható csúcsválaszjeleknek több típusa is lehet. Először is, az SDOF-szűrőből kiszámított válaszidő-előzményt két részre oszthatjuk. A gerjesztés során mért SDOF-választ nevezzük elsődleges válasznak (Primary Response), a gerjesztés befejezése utáni SDOF-válasz szakaszát pedig maradék válasznak (Residual Response) nevezzük. Az így kapott elsődleges és másodlagos jelek pozitív és negatív csúcs értékeit különböző SRS-mérésekhez elvégzéséhez használják fel.
A felhasznált jelek:
Az SRS jelalakot ezekkel a jelcsúcsokkal hozzuk létre úgy, hogy az SDOF-rendszerek egyedi csúcs értékeit ábrázoljuk az adott SDOF rendszerek saját frekvenciájával szemben. Ez jellemzően logaritmikus frekvencia tengelyen, n oktáv távolsággal történik az alábbi módon:
Az adott SRS-mérés során használt csillapítási értékek minden frekvencián állandóak, de SRS fajtánként eltérőek lehetnek. Pirotechnikai események esetén a csillapítás jellemzően 5%-os, míg pl. földrengésvizsgálatok során jellemzően 2%-os kritikus csillapítást alkalmaznak.
A lökéshullám hatására bekövetkező legnagyobb károsodás a vizsgálati tárgy sajátfrekvenciáinál várható, ezért az SDOF modellt arra használják széleskörűen, hogy megjósolják a termék sajátfrekvenciás válaszát egy ilyen lökéshullám által gerjesztett erőhatásra. Mivel a saját rezonancia frekvencia a vizsgált frekvenciatartományon belül bárhol lehet, az SRS a csúcs SDOF-válasz veszi alapul a frekvencia függvényében, n-edik oktávközzel, hogy a helyes értéket megkapja.
Az alábbi ábrán egy lökéshullám impulzusa és annak lökésválasz-spektruma látható. Jól észrevehető, hogy bár a lökéshullám maximális gyorsulása 17 g volt, addig a lökésválasz maximuma elérte a 40 g-t is. Ez a nagyobb amplitúdó jellemző az SRS vizsgálatokra, a tárgy saját rezonanciája miatt fellépő erősítésnek köszönhető a megemelkedett válasz.
Az eredeti cikk a Dataphysics Inc. blogján jelent meg, fordította, lektorálta Nosztrai Ádám, ATESTOR Kft.
Understanding Shock Response Spectra | Data Physics
Az SRS megértéséhez érdemes először megvizsgálni az egy szabadságfokú (SDOF) rendszer válaszát egy tranziens bemenetre. Az alábbi ábra egy egy szabadságfokú rendszert mutat, ahol a tömeget egy rugó és egy lengéscsillapító rendszer támasztja alá.
A tranziens bemenet és az egy szabadsági fokú válasz közötti átbocsátóképességet a következő egyenlet adja meg:
A rugó merevség és a tömeg aránya határozza meg az SDOF-rendszer saját frekvenciáját. A bemenet és a válasz közötti átbocsátóképességet a lenti grafikon mutatja. A rezonancia a rezonanciafrekvencia közelében a válaszjel erősödését, a sajátfrekvencia felett pedig a válaszjel csillapodását eredményezi. A csillapítási tényező befolyásolja a rezonancia alatti erősítés mértékét.
A csillapítási tényező a kritikus csillapítás százalékában vagy Q-ban is kifejezhető, ahol:
A lökésválasz-spektrumot úgy számítjuk ki, hogy egy sor SDOF-szűrőt hozunk létre, amelyek n-edik oktáv frekvenciákon logaritmikusan vannak elhelyezve. Minden szűrőnek ugyanaz a csillapítási tényezője.
Az SDOF-szűrők segítségével kiszámítható ennek az egy szabadsági fokú rendszernek időtartománybeli válasza, és ennek a csúcsértéket használjuk az SRS kalkulációjakor.
Az SRS-ben használható csúcsválaszjeleknek több típusa is lehet. Először is, az SDOF-szűrőből kiszámított válaszidő-előzményt két részre oszthatjuk. A gerjesztés során mért SDOF-választ nevezzük elsődleges válasznak (Primary Response), a gerjesztés befejezése utáni SDOF-válasz szakaszát pedig maradék válasznak (Residual Response) nevezzük. Az így kapott elsődleges és másodlagos jelek pozitív és negatív csúcs értékeit különböző SRS-mérésekhez elvégzéséhez használják fel.
A felhasznált jelek:
- Primary Positive (elsődleges pozitív)
- Primary Negative (elsődleges negatív)
- Residual Positive (maradvány pozitív)
- Residual Negative (maradvány negatív)
- Maxi-max (az összes jel legnagyobb csúcsa)
Az SRS jelalakot ezekkel a jelcsúcsokkal hozzuk létre úgy, hogy az SDOF-rendszerek egyedi csúcs értékeit ábrázoljuk az adott SDOF rendszerek saját frekvenciájával szemben. Ez jellemzően logaritmikus frekvencia tengelyen, n oktáv távolsággal történik az alábbi módon:
Az adott SRS-mérés során használt csillapítási értékek minden frekvencián állandóak, de SRS fajtánként eltérőek lehetnek. Pirotechnikai események esetén a csillapítás jellemzően 5%-os, míg pl. földrengésvizsgálatok során jellemzően 2%-os kritikus csillapítást alkalmaznak.
A lökéshullám hatására bekövetkező legnagyobb károsodás a vizsgálati tárgy sajátfrekvenciáinál várható, ezért az SDOF modellt arra használják széleskörűen, hogy megjósolják a termék sajátfrekvenciás válaszát egy ilyen lökéshullám által gerjesztett erőhatásra. Mivel a saját rezonancia frekvencia a vizsgált frekvenciatartományon belül bárhol lehet, az SRS a csúcs SDOF-válasz veszi alapul a frekvencia függvényében, n-edik oktávközzel, hogy a helyes értéket megkapja.
Az alábbi ábrán egy lökéshullám impulzusa és annak lökésválasz-spektruma látható. Jól észrevehető, hogy bár a lökéshullám maximális gyorsulása 17 g volt, addig a lökésválasz maximuma elérte a 40 g-t is. Ez a nagyobb amplitúdó jellemző az SRS vizsgálatokra, a tárgy saját rezonanciája miatt fellépő erősítésnek köszönhető a megemelkedett válasz.
Az eredeti cikk a Dataphysics Inc. blogján jelent meg, fordította, lektorálta Nosztrai Ádám, ATESTOR Kft.
Understanding Shock Response Spectra | Data Physics
AI-forradalom a szerverparkokban és új tesztelési igények
Az elmúlt néhány évben a mesterséges intelligencia (különösen a generatív AI és a nagy nyelvi modellek) alapjaiban alakította át a szerverparkok világát. Míg korábban a vállalati és felhő adatközpontok bővülése jellemzően fokozatos, tervezhető ütemben történt, addig ma a számítási kapacitás iránti igény ugrásszerűen nő. Ennek oka, hogy a mesterséges intelligencia betanítása és futtatása nagyságrendekkel több erőforrást igényel.
bővebben
Hidrogén repedés 5Cr acélban: egy T-idom meghibásodásának tanulságai
Tavaly decemberben jelent meg egy rövid, de annál érdekesebb cikk a LinkedIn felületén, ami egy hidrorakkoló indítása kapcsán tárt fel egy érdekes jelenséget.
bővebben
A 2026-os év Pantone színe: 11-4201 Cloud Dancer
Egy magasztos fehér árnyalat, amelynek levegős jelenléte csendes és békés suttogásként hat a zajos világban.
bővebben
Megújuló GÖTTFERT MFI modellek
A GÖTTFERT MFI készülékei már régóta a méréstechnika világának megbízható szereplői, időről-időre azonban mindenki kénytelen megújulni, hogy még inkább képes legyen megfelelni a modern ipar és anyagvizsgálat egyre nagyobb kihívást jelentő műszaki követelményeinek is. Az mi-szériás folyásindexmérők most épp ebben a fázisban vannak, aminek eredményét most már mi is láthatjuk.
bővebben
Ascott ACC125 EcoCool - új és (költség)hatékony hűtőegység
Az Ascott korróziós sópermet kamrái már régóta a méréstechnika világának megbízható eszközei, a fejlődésnek ugyanakkor mindig van tér, így természetesen az angol gyártó is folyamatosan törekszik arra, hogy különböző formákban megújítsák készülékeiket és azok tartozékait. Ennek legújabb lenyomata az ACC125 EcoCool hűtő- és párátlanító egység, ami a ciklikus és Atmosfär kamrák kiegészítőjeként rendelhető meg.
bővebben
Buszok és vonatok külső színeinek kezelése
A megfelelő, több szög alatt mérő multi-angle spektrofotométer és minőségellenőrző szoftver képes a leginkább biztosítani azt, hogy a metálfényű és speciális effekt-festések összhangban legyenek egymással, ütközőtől-ütközőig.
bővebben