cst 2020版本中，特征模cma分析加入了模式加权系数（mwc）功能，用来分析激励源和特征模的耦合情况。但是常有同学提问说这个选项勾选了结果中也看不到什么区别，1d结果文档里还是特征角、特征值和模式电流系数三个文件夹，这个加权系数在哪呢？
问题原因其实还是对cma理论了解不深，所以这问题的简单答案就是，加上端口或场源，再跑cma就能看见加权系数的结果了。
1. 什么是ms?模式电流系数modal significance, 是特征值(eigenvalue)的变式，归一化后用于更方便的表示变化剧烈且不好观察的特征值。ms展示结构有哪些内在的谐振模式，和激励无关，越接近1的频率说明该模式越容易辐射。算是cma分析出来的一半信息，用来研究结构的内部特性。
2.什么是ca?
特征角characteristic angle, 也是特征值(eigenvalue) lamda(n)的变式，是电阻和电抗的夹角，决定电容和电感的频率区域。简单说，ca=180就对应ms=1。
3.什么是mec?
模式激励系数modal excitation coefficient, 常用vn,vi,表示，公式为特征电流和入射电场 内积。这里就大概可以理解算mec需要加什么了吧？外界的入射电场呗！
所以当激励信号存在时，mec展示哪个谐振模式容易被激发，也就是说mec和激励信号的位置、振幅、相位、极化都有关，这就是馈电的优化问题。mec算是cma分析出来的另一半信息，用来找合适的馈电。
4. 什么是mwc？
最后来说模式加权系数（modal weightingcoefficient），用阿尔法a n表示（不要和ca的混淆！没办法，文献里都用阿尔法…）。先看导体上的电流，用特征电流作为基函数展开式：
除了特征电流jn之外，其他的项便组成了模式加权系数，所以：
从以上的简单分析应该看出端倪了吧？mwc就等于ms 乘以mec！所以算mwc需要端口激励，就有这个结果文档了：
最后随便附一张mwc结果图：
在后处理combine result 这里会根据mwc各个模式自动生成激励信号，直接点击combine，就生成新的三维场，这里和端口直接激励拿到的三维场应该是一样的。有机会我们找个案例进行精准比较再和大家分享。
cst的cma技术每年都有一个非常得出色的功能增加，这次的mwc是不是也很有用。
（内容、图片来源：cst仿真专家之路公众号，侵删）
和记娱乐怡情博娱188的版权与免责声明：
凡未注明作者、来源的内容均为转载稿，如出现和记娱乐怡情博娱188的版权问题，请及时联系和记娱乐怡情博娱188处理。我们对页面中展示内容的真实性、准确性和合法性均不承担任何法律责任。如内容信息对您产生影响，请及时联系和记娱乐怡情博娱188修改或删除。
