模态分析中的MAC（Modal Assurance Criterion，模态置信准则）是一种用于评估模态振型向量空间（几何）上相关性的工具。MAC值介于0到1之间，用来衡量两个振型向量之间的相似性。如果MAC值接近1，则表示两个振型向量非常相似；如果MAC值接近0，则表示它们之间不相关。
MAC分为auto-MAC和cross-MAC两种：
-auto-MAC 是指一次模态分析结果中的各模态振型之间的MAC。
-cross-MAC 是指两次模态分析结果之间的MAC，这两次可以是试验模态或计算模态的自由组合。
MAC的计算公式如下：
MAC矩阵的非对角元代表了相应模态向量的交角状况。如果MAC矩阵的非对角元越小，则说明各阶计算振型独立性越好，传感器配置效果越好；反之，则意味着各阶计算振型相关性越大，传感器配置效果越差。在模态分析中，MAC是一个重要的参数，它帮助确保在振型一致的情况下进行频率符合性分析。如果振型选择不正确，那么频率符合性分析将失去意义。因此，MAC值常用于模态验证，以确保计算出的模态能够准确反映结构的实际振动情况。此外，正交性检查是执行的一种更为严格的检查，在航天航空和军事应用中，它时常被强制规定作为认证过程中的一部分。解析/有限元模型的模态振型常与试验测得的矢量进行比较，确保质量正交性达到一定标准，比如90%或95%，不同矢量的值必须不高于5%到10%。在实际应用中，MAC通常用于模型的验证，因为正交性是一种更好的相关标识符。通过MAC分析，可以更好地理解结构的动态特性，为结构设计和振动控制提供重要信息。ANSYS提供MAC计算的插件工具，可以计算仿真模态结果与试验模态结果之间的MAC值。![]()
![]()
