有效独立 －模态动能法

有效独立-模态动能法（IEKF）是将有效独立-平均加速度幅值法（AIAMA）和模态动能法（MEKF）结合起来的一种方法，可以同时考虑结构的整体响应和各个模态的响应。

以下是一个简单的 Python 代码示例，用于计算有效独立-模态动能法：

import numpy as np

def calc_iekf(m, w, phi, acc_data, fs):
    # 计算加速度信号的频谱
    acc_fft = np.fft.fft(acc_data)
    
    # 计算每个模态的动能
    KE = np.zeros(len(w))
    for i in range(len(w)):
        KE[i] = 0.5 * m[i] * w[i]**2 * np.abs(phi[:,i].T @ acc_fft)**2
    
    # 计算总动能
    KE_total = np.sum(KE)
    
    # 计算每个模态的动能占比
    KE_ratio = KE / KE_total
    
    # 计算加速度信号的幅值
    acc_amp = np.abs(acc_data)
    
    # 计算加速度信号的均值
    acc_mean = np.mean(acc_amp)
    
    # 计算加速度信号的标准差
    acc_std = np.std(acc_amp)
    
    # 计算有效独立加速度幅值（IMA）
    IMA = np.sqrt(np.sum((acc_amp - acc_mean)**2) / (len(acc_amp) - 1)) - acc_std
    
    # 计算平均加速度幅值（AMA）
    AMA = np.mean(acc_amp)
    
    # 计算有效独立-平均加速度幅值（AIAMA）
    AIAMA = IMA / AMA
    
    # 计算每个模态的有效独立-平均加速度幅值（MAIAMA）
    MAIAMA = np.zeros(len(w))
    for i in range(len(w)):
        MAIAMA[i] = np.sqrt(np.sum((acc_amp - acc_mean)**2) / (len(acc_amp) - 1)) - acc_std / (AMA * np.abs(phi[:,i].T @ acc_fft))
    
    # 计算每个模态的IEKF值
    IEKF = KE_ratio * MAIAMA
    
    return IEKF

其中，`m` 是模态质量，`w` 是模态频率，`phi` 是模态形态，`acc_data` 是输入的加速度信号数据，`fs` 是采样率。函数返回每个模态的IEKF值。

请注意，这只是一个简单的示例代码，您需要根据您的具体需要进行修改和优化。