تحلیل مودی عملیاتی (OMA)، که تحلیل مودی تنها-خروجی نیز نامیده میشود، شناسایی خواص مودی یک سازه (فرکانسهای طبیعی، شکلهای مودی، نسبتهای میرایی) با استفاده از تنها اندازهگیریهای پاسخ و بدون اندازهگیری تحریک ورودی است. این تکنیک اصلی شناسایی مودی برای سازههای تماممقیاس تحت شرایط محیطی یا عملیاتی است.
تحلیل مودی عملیاتی (OMA)، شناسایی خواص مودی یک سازه — فرکانسهای طبیعی، شکلهای مودی و نسبتهای میرایی — با استفاده از تنها پاسخ اندازهگیریشده سازه است. برخلاف تحلیل مودی تجربی (EMA) که نیازمند اندازهگیری هم ورودی (تحریک) و هم خروجی (پاسخ) است، OMA در حالت تنها-خروجی عمل میکند: تحریک بهعنوان فرایند تصادفی پهنباند و پایا (نظیر باد محیطی، ترافیک یا ریزلرزهها) فرض میشود که اندازهگیری نمیشود. این امر OMA را بهویژه برای سازههای عمرانی بزرگ — پلها، ساختمانها، برجها، سکوهای دریایی — مناسب میسازد که در آنها اعمال تحریک کنترلشده غیرعملی یا غیرممکن است.
OMA تکنیک ترجیحی شناسایی مودی برای سازههای تماممقیاس در حال بهرهبرداری است. از تحریک محیطی که همیشه حاضر است استفاده میکند، نیازی به وقفه در بهرهبرداری سازه ندارد و میتواند بهطور پیوسته برای پایش بلندمدت به کار رود. پاسخهای اندازهگیریشده معمولاً شتاب هستند، هرچند اندازهگیریهای سرعت یا جابهجایی نیز میتوانند به کار روند. روشهای شناسایی در دو خانواده گسترده قرار میگیرند. روشهای دامنه فرکانس — نظیر برداشت قله (PP)، تجزیه دامنه فرکانس (FDD) و FDD بهبودیافته (EFDD) — بر ماتریس چگالی طیفی توان (PSD) پاسخ عمل میکنند، قلههای متناظر با فرکانسهای مودی را شناسایی میکنند و از تجزیه مقادیر منفرد برای استخراج شکلهای مودی استفاده میکنند. روشهای دامنه زمان — نظیر شناسایی زیرفضای تصادفی (SSI)، الگوریتم تحقق سیستم ویژه (ERA) و مدلهای خودرگرسیون میانگین متحرک (ARMA) — مستقیماً بر تاریخچههای زمانی عمل میکنند و از بازنماییهای فضای حالت یا ARMA برای شناسایی خواص مودی بهره میگیرند. OMA مدرن از نسخههای خودکار این روشها (مثلاً SSI-COV، SSI-DATA، FDD خودکار) استفاده میکند که میتوانند رکوردهای بلند را پردازش و خواص مودی را بهطور پیوسته در طول زمان ردیابی کنند.
OMA محوری در پایش سلامت سازه (SHM) است زیرا ردیابی پیوسته خواص مودی را بدون اختلال در بهرهبرداری سازه ممکن میسازد. با پایش نحوه تغییر فرکانسهای طبیعی و شکلهای مودی در طول زمان، مهندسان میتوانند آسیب را تشخیص دهند، افت سختی را ردیابی کنند و اثرات تغییرپذیری محیطی و بهرهبرداری را ارزیابی کنند. با این حال، OMA محدودیتهای مهمی دارد که باید درک شوند: (۱) نمیتواند مودهای نزدیک یا بسیار میرا را بهقدر EMA قابلاعتماد جدا کند؛ (۲) تنها شکلهای مودی نسبی فراهم میآورد (مقیاسبندی مودی نامعلوم است)؛ (۳) تحریک پهنباند پایا را فرض میکند که ممکن است برای سازههای تحت بارگذاری گذرای شدید (مثلاً زلزله) برقرار نباشد؛ و (۴) به قرارگیری حسگر، مدتزمان ثبت و تعداد حسگرها حساس است. برای کاربردهای مهندسی زلزله، OMA اغلب همراه با رکوردهای پاسخ زلزله به کار میرود: خواص مودی شناساییشده از ارتعاش محیطی خط پایهای فراهم میآورند که پاسخ به حرکات شدید میتواند با آن مقایسه شود. در ایران، OMA بهطور فزایندهای برای پایش پلها، ارزیابی سازههای تاریخی و SHM تأسیسات حیاتی به کار میرود با علاقه فزاینده به یکپارچهسازی OMA با یادگیری ماشین برای تشخیص خودکار آسیب.