Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...

Статьи Чертежи Таблицы О сайте Реклама

Модели вероятностные

Основная идея метода статистического моделирования (статистических испытаний) состоит в том, что многократно воспроизводится некоторая формализованная схема, являющаяся в одном случае формальным математическим описанием процесса функционирования реальной системы и в другом случае выступающая в качестве такого рода математической модели, вероятностные характеристики которой адекватны решениям задач математического анализа (значениям интегралов, решениям дифференциальных уравнений и т. д.).  [c.13]


При применении вычислительной техники математическая модель объекта строится исходя из возможностей вычислительной техники, вида и типа вычислительных машин, которыми располагает исследователь. Например, ограниченная оперативная память ЭВМ приводит к необходимости компактного представления модели и методов моделирования, простоте их реализации. С другой стороны, математические модели разрабатываются в зависимости от сложности структуры объекта, математического описания его звеньев и целей моделирования. Цели моделирования, вид и объем исходной информации определяют характер модели — вероятностный или детерминированный, границы моделируемой системы, способ ее разбиения на компоненты, степень требуемой точности и форму описания физических процессов в каждом из них. При этом связь исследователя с моделирующей системой должна быть максимально удобной. Это относится Б первую очередь к способу подготовки и ввода исходной информации, контроля процесса моделирования и обработки результатов.  [c.6]

Статистическая модель вероятностного распределения силы О  [c.182]

Статистическая модель вероятностного распределения плеча рычага Ь  [c.183]

Статистическая модель вероятностного распределения угла  [c.183]

Статистическая модель вероятностного распределения временного сопротивления  [c.183]

Имитационная модель СМО представляет собой алгоритм, описывающий изменения переменных состояния па моделируемом отрезке времени. Предполагается, что изменение состояния любой переменной, называемое событием, происходит мгновенно в некоторый момент времени. Имитационное моделирование СМО — воспроизведение последовательности событий в системе при вероятностном характере параметров системы. Имитация функционирования системы при совершении большого числа событий позволяет произвести статистическую обработку накопленных результатов и оцепить значения выходных параметров, примеры которых указаны выше.  [c.57]

СЛУЧАЙНЫЙ ПРОЦЕСС - термин для обозначения реального физического процесса,представляемого в виде ансамбля реализаций. Реально существуют физические процессы. которые можно описать той или иной вероятностной моделью -случайным процессом определенного типа.  [c.70]

Вероятностный подход к определению надежности при проектировании инженерных сооружений рассмотрен в [28]. В качестве модели долговечности  [c.128]


Вероятностные подходы при всей совокупности своих достоинств обладают и рядом недостатков, ограничивающих использование рассмотренных типов моделей надежности для нефтеперерабатывающих и нефтехимических предприятий.  [c.129]

Во-вторых, вероятностные модели отказов (за редким исключением) абсолютно НС затрагивают физико-механические аспекты процессов, предшествующие и сопровождающие явления отказа и временные изменения свойств конструкционных материалов. В результате этого становится невозможным установление первопричин и анализ ситуаций, приводящих к отказу, и как след-  [c.129]

Что касается принципов построения моделей для вероятностного анализа объекта, то и здесь удается избрать единый метод статистических испытаний, суть которого состоит в прямой имитации случайных величин, характеризующих разброс технологических и эксплуатационных (в некоторых сечениях периода эксплуатации) факторов 98  [c.98]

Входные параметры x стохастической модели должны быть взаимно независимыми случайными величинами, для которых исключена неопределенность задания полей допусков, а их вероятностные распределения в пределах этих допусков известны, либо могут быть априорно достоверно установлены. В качестве таковых целесообразно применять параметры, допуски на которые оговариваются технологической документацией, стандартами, ТЗ на разработку и т.д.  [c.132]

Пути улучшения рабочих свойств проектируемых изделий, сокращения сроков и затрат на внедрение в серийное производство связаны с возможно более полным учетом предполагаемых технологических и эксплуатационных воздействий в их реальной взаимосвязи. Эти задачи целесообразно решать на стадии проектирования с применением стохастической математической модели ЭМУ (см. 5.1), позволяющей воспроизводить разнообразные детерминированные и случайные воздействия на уровень рабочих показателей проектируемых объектов. Для этого разрабатываются специальные алгоритмы вероятностного анализа.  [c.252]

Автор сделал попытку построения такого методологического подхода к решению проблемы надежности, при котором сочетается применение детерминированных и вероятностных расчетов Использование физических закономерностей, описывающих изменения начальных свойств изделий (и в первую очередь при изнашивании), позволило получить модели для оценки изменений работоспособности машин и рассмотреть влияние всех основных факторов, определяющих уровень надежности.  [c.4]

Вероятностная задача при анализе процессов восстановления и отказов заключается в первую очередь в выборе межремонтного периода Тq, исходя из заданной вероятности безотказной работы Р (i). В этом случае необходимо рассмотреть законы распределения сроков службы всех элементов изделия, оценить значение Р (О как функцию t = Tq, установить границы допустимых значений То или Р (i) на основе рассмотрения различных моделей отказов."-  [c.153]

О статистических методах обработки результатов испытаний. Результаты испытания на надежность при достаточном числе данных обрабатываются методами математической статистики. Характеристики надежности изделия получают по полной выборке — если известна наработка (срок службы) до отказа для всех испытываемых изделий (все реализации являются полными), или п6 сокращенной выборке (когда имеются полные и условные реализации). При этом в зависимости от поставленной задачи (например, надо или нет оценивать надежность изделия при значениях ресурса, больших, чем установленное ТУ), от объема и качества статистических данных, полученных при испытании, могут применяться различные варианты статистической обработки результатов. Если нет необходимости (или возможности) в определении вида закона распределения сроков службы (наработки) до отказа, то оценивается вероятность безотказной работы изделия для фиксированного значения t = Т, т. е. точечная оценка (см. выше). Если из построения модели отказа известен вид функции распределения / (/), то по результатам испытания определяются параметры этой функции. При неизвестном законе распределения на основании опытных данных строят гистограмму или полигон распределения и высказывается гипотеза о применимости того или иного закона распределения. Для подбора теоретического распределения, достаточно близко подходящего к полученному эмпирическому, часто применяют метод наименьших квадратов и метод максимума правдоподобия [183]. В инженерной практике также широко применяются графические методы выявления закона распределения с применением вероятностной бумаги , на которой нанесена специальная сетка для наиболее распространенных законов распределения [186].  [c.500]


Прогнозирование надежности сложных систем. Это направление является ключевым для решения основных задач, связанных с оценкой надежности на стадии проектирования и наличия опытного образца машины. Для различных категорий машин необходимо дальнейшее развитие и воплощение идей о прогнозировании надежности на основе моделей отказов, которые базируются на закономерностях процессов повреждения (физики отказов) с учетом их вероятностной природы. Перспективным является использование методов статистического моделирования, когда учитываются вероятностные характеристики режимов и условий работы машины, внешних воздействий и протекающих процессов старения. Особенно актуальны еще недостаточно разработанные методы прогнозирования надежности с учетом процессов изнашивания, которые являются основной причиной отказов многих машин. Особую проблему представляет изучение надежности комплексов машина — автоматическая система управления , так как взаимодействие механических и электронных систем порождает ряд новых аспектов теории надежности.  [c.572]

Если приближенно считать, что глобальное разрушение композита или однородного материала происходит благодаря росту одного доминирующего дефекта, то это позволяет разработать сравнительно простую вероятностную модель разрушения, используя в качестве отправной точки уравнение (5.62). Принципиальный результат такого подхода, приведенного в [41], выражается следующим уравнением  [c.216]

При 1У(0/А > Тр анализируются причины, вызвавшие это неравенство. Если причины найдены, то строится новая модель, производится начальная оценка коэффициентов и процесс прогнозирования продолжается до момента, пока следящий сигнал не превысит заданные вероятностные пределы. Если на основании, анализа и расчетов не удается установить причину, вызвавшую превышение следящим сигналом установленных пределов, то для увеличения скорости реакции системы на изменение в коэффициентах модели увеличивается коэффициент сглаживания. После приведения модели в соответствие с реальным процессом коэффициент сглаживания вновь снижается до прежнего уровня.  [c.46]

Простые критериальные модели дают возможность оперативно провести сравнительный анализ вариантов и выбор конечного варианта (вариантов) с помощью известных методов многокритериальной оптимизации, предназначенных для реализации на ЭВМ. При этом, чтобы учесть неполноту и неточность исходной информации, необходимо оценивать варианты стохастически (по вероятностным оценкам) или по наихудшему случаю (гарантированные минимаксные оценки).  [c.43]

Обоснование использования структурно-вероятностного подхода при оценке надежности и долговечности маБ1Ин даны в [30]. В рамках предлагаемой методики вводится учет кинетики физико-механических свойств элементов систем, динамики влияния внешних условий и характера нагружения технических усфойств, сформулирован принцип суммирования повреждений. Наиболее интересным в предлагаемом методе построения модели является возможность масштабно-временного преобразования интегральной функции распределения отказов. Для оценки качества разработанного подхода проведе-  [c.130]

При построении вероятностных моделей отказов (см. например [30]) экспериментальные данные по долговечности элементов представляются эмпирическими функциями распределения (ЭФР) как зависимости вероятности разрушения образцов от времени, числа нагружений и т.д. Приведенные ЭФР являются стуненчатыми функциями, для которых, строго говоря, неприменим традиционный аппарат дифференцирования. Однако, физический смысл эмпирической информации (накопление повреждений, приводящих к разрушению образцов) и схожесть графического представления позволяет сделать вывод, что данные графики можно с уверенностью отнесги к типу "чертова лестница"  [c.136]

Отмеченное представляет только одну сторону вопроса системного решения задач. Другая же связана с расширением применения математических моделей ЭМУ на внешнюю область — на стадии производства и эксплуатации объекта с учетом случайного характера существующих воздействий. Это необходимо для оценки влияния различных технологических и эксплуатащюнных факторов на качество функционирования проектируемого изделия и позволяет прогнозировать вероятностный уровень его рабочих показателей с необходимыми в этих условиях точностью и достоверностью. Соответствующие модели и алгоритмы анализа должны при этом адекватно воспроизводить характер формирования случайных значений рабочих свойств изделий в различных условиях производства при учете разбросов параметров в пределах назначенных допусков и обладать способностью имитировать влияние на объект различных эксплуатационных факторов параметров источников питания, температуры, вибраций и пр. Такие модели могут служить одновременно основой для разработки алгоритмов моделирования испытаний ЭМУ при проектировании, что позволяет сократить объем и сроки реальных исследований макетных и опытных образцов проектируемых изделий.  [c.98]

Математическая модель в приращениях удобна щш случая малых изменений параметров Днапример, на уровне несимметрии, при вероятностном моделирювании объекта и пр.). Рассмотрим для конкретности построение такой модели для стационарного теплового режима ЭМУ. В этом случае диагональные элементы матрицы тепловых проводимостей Ст содержат лишь полные собственные проводимости и (5.24) представляется системой алгебраических уравнений, в общем случае — нелинейных. При линеаризации, что часто приемлемо, для решения системы сравнительно невысокого порядка может быть применен наряду с другими известными аналитическими методами метод обратных матриц. В этом случае решение (5.24) относительно искомых температур тел может быть представлено в виде  [c.127]


Поэтому уже на стадии разработки ЭМУ настоятельно необходимо получение статистической оценки показателей его функциональной пригодности. Применение методов вероятностного анализа позволяет распространить возможности разработанных моделей физических процессов в ЭМУ на уровнеь технологических и эксплуатационных задач, обеспечивая новое качество исследования, отвечающее требованиям системного подхода к решению задач. Это требует построения стохастической математической модели ЭМУ, которая адекватно воспроизводила бы проявление случайных отклонений перечисленных факторов.  [c.131]

Выбор метода построения модели должен учитывать особенности системы функциональных связей, характер распределения случайных значений Х/, а также требования к объему информации о выходных показателях У/. Для задач вероятностного анализа ЭМУ уу = /у (х,-) представляется в общем виде, как было видно из предыдущих рассуждений, сложными и нелинейными уравнениями, для которых не может быть гарантирована явновыраженность и дифференцируемость. Входные параметры являются, как правило, непрерывными в границах поля допуска случайными величинами, а вероятностные законы их распределения могут быть в принципе различны. Для выходных показателей обычно требуется полная статистическая характеристика на основе методов, используемых в теории вероятностей.  [c.131]

Входные зксплуатационные воздействия отражаются в первую очередь на амплитуде, частоте, форме, симметрии напряжения, а также й на температуре, давлении, перегрузке и пр. Часть из них может иметь и систематическую составляющую во времени (например, изменение момента трения в подшипниках по мере выработки их ресурса). Но всем им присущи одновременно шумы , случайные отклонения от номинального уровня. По своему характеру зти параметры должны быть отнесены к категории случайных функций времени, в общем случае нестационарных. Однако известно, что распределение вероятностей случайного процесса х, ( ) можно задавать совокупными распределениями вероятностей случайных величин х . ( ,),. .., Х (1к), , эг,( ), отвечающих любому конечному набору значений, 1 , , Это позволяет проводить исследования нестабильности в некоторых сечениях периода эксплуатации (причем продолжительность их во времени такова, что параметры распределения случайных значений эксплуатационных входных факторов не претерпевают существенных изменений и их можно принять постоянными), и при описании поведения этих факторов заменить нестационарные случайные функции стационарными. Это в совокупности с выполнением условий взаимной независимости параметров делает принципиально возможным проводить эксплуатационные испытания стохастической модели по общей схеме [22]. Сами же вероятностные распределения эксплуатационных факторов также могут быть обычно приняты нормальными - см., например, рис. 5.10, б.  [c.134]

Блок функциональных связей стохастической модели как расчетная часть алгоритма, преобразующая случайный набор х,- в соответствующие значения Уу, представляет собой детерминированную математическую модель и строится на основе ранее рассмотренных моделей электромеханических преобразований, теплового, деформационного и магнитного полей и соответствующих алгоритмов анализа. Особое место занимает случай многомашинного каскада. Здесь в силу существующих механических и электрических связей между отдельными ЭМ некоторые из параметров одной из них становятся зависимыми от другой, имеющей, в свою очередь, собственный случайный уровень входных параметров. Сама система функциональных связей приобретает несколько иной вид уу = /у [х, (х,. )], где Xj(s ) - функциональная зависимость /-ГО параметра от связей 5, с другой ЭМ к = , р р - число связей, влияющих на х,-. Поэтому здесь нельзя строго определить суммарные показатели каскада, например, для двухдвигательного привода, простым удвоением результатов для одного ЭД, ибо каждая конкретная реализация привода характеризуется своим случайным уровнем связей между ЭД, и необходим вероятностный анализ всей системы в целом с привлечением соответствующей детерминированной модели.  [c.136]

Рассмотрев основные особенности реализации стохастической математической модели на ЭВМ, можно перейти к характеристике собственно алгоритмов вероятностного анализа, применяемых для исследования качества пpoeктиpyeмы) ЭМУ.  [c.259]

Представленный,пример показывает лишь один из возможных способов применения алгоритмов вероятностного анализа. Крюме того, они находят применение и для решения других задач. Так, выявление параметров, наиболее влияющих на разброс рабочих показателей ЭМУ, позволяет наметить направления основных усилий по формированию заданного урювня качества объектов, рационализации технологических процессов, обеспечению необходимых условий эксплуатации. Это может быть выполнено на основе стохастической модели при поочередном изменении каждого параметра в отдельности или приближенно с помощью коэффициентов влияния.  [c.263]

Перюпективным направлением совершенствования математических моделей ЭМУ, применяемых в автоматизированном проектировании, все в большей мере становится направление, связанное с представлением взаимосвязей входных параметров и рабочих показателей объектов в терминах теории поля. При этом частные модели электромагнитных, тепловых, механических процессов объединяются в комплексную модель, позволяющую оценить рабочие свойства объекта как в установившихся, так и в переходных режимах с большей точностью. В качестве метода анализа преимущественное распространение, наряду с традиционными, уже сейчас получает метод конечных элементов, допускающий четкую физическую интерпретацию математических зависимостей, автоматизацию подготовки данных и дающий возможность детального представления протекающих процессов. Получат более широкое применение не только детерминированные, но и вероятностные математические модели объектов, позволяющие имитировать большой спектр воздействия на объект в процессе производства и эксплуатации.  [c.291]

Бурное развитие современной техники неизбежно выдвигает перед механикой деформируемого тела новые, все более сложные задачи. Традиционные материалы ставятся в чрезвычайно сложные условия высоких температур и давлений, внедряются новые материалы — различные высокожаропрочные сплавы, композиционные материалы, высокопрочные и высокомодульные волокна. Это привело к необходимости, наряду с моделью упругого тела, рассматривать другие модели деформируемого тела, широко применять в инженерных расчетах уже давно сложившиеся методы теории пластичности, ползучести, вязкоупругости, статистические и вероятностные методы при переменных напря- жениях и т. д. За последнее время определилось новое направление механики твердых тел, которое получило название механики разрушения. Развитие этого направления будет опираться на перечисленные теории деформируемого тела, причем они приобретают новое, более широкое значение. Это относится и к теории упругости. В этой связи академик Ю. Н. Работнов в одной из своих статей заметил Теория упругости нашла в наши дни новую область приложения в физике кристаллов, в теории разрушения теория упругости в известном смысле переживает второе рождение и истинная ценность ее только теперь раскрылась в полной мере .  [c.6]


Опыт показывает, что многократно повторяя измерение некоторой величины, мы получаем следующее отношение числа результатов измерений, которые попадают в любой выделенный интервал значений, к общему числу измерений, т. е. относительная частота попадания в выделенный интервал, является приблизительно постоянным числом, причем указанное отношение характеризуется определенным законом распределения. На этом основании к изучению как самих результатов измерения, так и их погрешностей применяют теоретико-вероятностную модель. Другими словами, появление в процессе многократных измерений того или иного значения величины является случайным собы-тием, которое можно исследовать с помощью теории вероятностей. В свою очередь, и погрешность измерения также является случайной величиной.  [c.71]

В книге излагаются основные заиономерности механики замедленного циклического и быстропротекающего хрупкого разрушения материалов в зависимости от условий нагружения, вида напряженного состояния, механических свойств и структуры материала, рассматриваются соответствующие модели процессов деформирования я возникновения разрушения в вероятностной трактовке, а также кинетика развития трещин. Влияние нестационарной атружеяности на разрушение анализируется иа основе гипотез о накоплении повреждения. Предложен расчет а прочность по критерию сопротивления усталостному и хрупкому разрушению в связи с условиями подобия и учетом температурно-временных факторов, дается оценка вероятности. разрушекия.  [c.2]

В этом параграфе для различных постановок рассмотрены задачи оптимального проектирования балок при ограничениях на жесткость. Предполагается, что внешние нагрузки, действующие на балку, заданы неточно. Известны либо области, которым принадлежат внешние воздействия, либо их статистические характеристики. Таким образом., исследуемый класс задач относится к задачам оптимизации при неполной инфорлгации. Материал балки является вязкоупругим и неоднородно-стареющпм. Наряду с неточно заданными внешними воздействиями с помощью модели неоднородного старения можно учесть также и иные источники неопределенности информации. Сюда можно отнести, например, неточно заданные реологические характеристики материала, случайную скорость воздействия сооружения и др. Для анализа рассматриваемых ниже задач оптимизации конструкций при неполной информации используется как вероятностный, так и минимаксный подходы. Их существо подробно излагается для простейшего случая неармированной консольной балки. В отношении остальных случаев (балка с консолью, шарнирно-опертая балка, армированная балка) ограничимся в основном постановкой задачи и формулировкой полученных результатов [29].  [c.194]

Для оценки затрат на перевод прогнозных запасов в промышленные категории в [64] предложена упрощенная математическая модель, имитирующая процесс ведения геолого-разведочных работ и реализующая методом Монте-Карло вероятностные характеристики основных его этапов. В модели приняты следующие основные гино-  [c.141]

Логические модели он подразделяет на модели, построенные по принципу исторической аналогии, и модели, в основе которых лежит построение сценария. Математические модели, согласно данной классификации, подразделяются на статистико-вероятностные, экономико-математические и функционально-иерархические.  [c.101]

Автор [53] полагает, что имеющиеся количественные интерпретации усталостного износа [6], в которых усталостная долговечность неровностей связана с числом циклов до разрушения, следует расширить дальше, так как в процессе скольн ения накопление повреждений происходит не только в поверхностном слое, но и в лежащих ниже объемах материала. В связи с этим рассматривается вероятностная связь между повреждениями в поверхностном слое и обусловленными ими повреждениями в нижележащих слоях. Для этого предлагается идеализированная модель истираемой поверхности в виде столбика, состоящего из отдельных блоков [53]. Затем полагается, что количество повреждений, возникающих на  [c.97]

При вероятностном моделировании процесса повреждения материала с использованием модели линейного суммирования усталостных повреждений определялась функция распределения числа циклов до разрушения при блочном и случайном нагружениях по заданным характеристикам распределения долговечности при регулярном нагружении и статистическим характеристикам блока или спшгтра случайного нагружения.  [c.65]


Смотреть страницы где упоминается термин Модели вероятностные : [c.72]    [c.69]    [c.71]    [c.343]    [c.177]    [c.142]    [c.263]    [c.125]    [c.5]    [c.187]    [c.142]   
Вибрации в технике Справочник Том 5 (1981) -- [ c.85 ]

Защита от коррозии старения и биоповреждений машин оборудования и сооружений Т2 (1987) -- [ c.89 ]



ПОИСК



372 — Метод направленного поиска тракторного генератора 348-352 — Методы оптимизации 475-479, 480 — Определение оптимального уровня автоматизации 355-359 - Особенности 469 Оценка безотказности с помощью вероятностной модели точности сборки

Вероятностная модель резервированной системы

Вероятностное исследование математической модели

Вероятностные модели экстремальных нагрузок

Интегрально-вероятностная модель сопротивления деформации и релаксации напряжений

Модели вероятностные в расчетах машин и конструкций

Моделирование на стадии разработки технического задания на проектирование 120 — Вероятность отказа 120 — Время восстановления 121 — Исходные данные для моделирования 124 — Основа математической модели 120 — Схема процесса вероятностного

Модель процесса прогнозирования вероятностная

Переверзев Е.С. Вероятностная модель процесса разрушения твердых тел

Построение и использование вероятностной бумаги на основе моделей долговечности



© 2025 Mash-xxl.info Реклама на сайте