Параметр распределение разброса

Аналогично вычислим моменты и другие параметры распределения срока службы (ресурса). Разброс величины Т характеризуется дисперсией [c.28]

К статистическим исходным данным относятся значения средней прочности волокон afl,, матрицы сдвиговой прочности связи ту, параметры, характеризующие разброс прочности волокон /3 -, разброс прочности свойств материала матрицы и разброс прочности связи 3/, параметр, характеризующий разброс расстояний между волокнами /3 также параметры, отражающие масштабные эффекты п/ и п , т.е, переход к распределению прочности коротких участков волокон и локальных объемов матрицы. Всего 15 параметров, приведенных ниже. [c.181]

Разработка оптимальных сроков проведения технического обслуживания обусловливается многими объективными причинами, в первую очередь разбросом ресурса деталей, поскольку продолжительность работы каждой детали — случайная величина (со своими законами и параметрами распределений), охарактеризовать которую можно только путем наблюдения за совокупностью аналогичных деталей конкретной модели лифта. [c.148]

Параметр зарегистрировать 140 глобальный 141 распределение разброса 198 настройки оси X 114 [c.321]

Для задания структуры пользователю достаточно указать элементы ЭЭС и условия связи между входными и выходными величинами элементов. Параметры элементов надо задавать в том случае, если элементы не включены в базу данных. Разброс параметров можно задать в соответствии с нормальным или равномерным законом распределения вероятностей. Метод и шаг интегрирования можно задавать исходя из набора методов с фиксированным шагом [c.229]

Для проверки правильности задания допусков в дальнейшем был проведен вероятностный анализ рабочих показателей ЭД с учетом нормального распределения значений параметров в пределах допусков. Результаты анализа по уровню потребляемой мощности Р) представлены в виде гистограммы, на которой показаны относительные частости появления значений Р, в границах разброса 31—37,1 Вт [c.251]

Разработка алгоритмов статистической обработки результатов моделирования представляет собой вторую основную проблему реализации стохастической математической модели на ЭВМ. Наиболее полная информация об ожидаемом разбросе значений рабочих показателей может быть получена из гистограммы. Действительно, зная эмпирическое распределение значений показателей, не составляет труда определить параметры этого распределения и оценить вероятность удовлетворения требований ТЗ. Основная трудность, возникающая при разработке достаточно универсального и эффективного алгоритма построения гистограмм, состоит в необходимости совмещения во времени операций определения границ разброса по анализируемому показателю (поскольку в общем случае эти границы заранее неизвестны и формируются в процессе выполнения заданного количества статистических испытаний) и подсчета частот попадания значений показателя в интервалы разбиения диапазона разброса. Действительно, предварительное определе-256 [c.256]

Для установления масштабной зависимости и определения характера этой зависимости в работе [41 ] была определена средняя прочность одной партии борных волокон при шести различных базах — 10, 25, 50, 100, 200, 500 мм. Средняя прочность а понижается с 330 до 180 кгс/мм при повышении длины испытуемого образца от 10 до 500 мм, а стандартное отклонение прочности снижается соответственно с 100 до 55 кгс/мм . Физически это означает, что вероятность нахождения ослабленного звена (грубого дефекта) в длинных волокнах выше, чем в коротких. Линейный характер зависимости в логарифмических координатах In ст—In/, как это следует из формулы (24), подтверждает правомерность использования. функции Вейбулла для описания распределения прочности хрупких борных волокон. Параметр т, определяемый но тангенсу угла наклона прямой In а—In /, равен для данной партии волокон шести. Чем больше коэффициент вариации волокон (меньше т), тем сильнее проявляется масштабная зависимость прочности. Таким образом, в некотором смысле параметр m может характеризовать качество волокон в бездефектных волокнах (т —> оо) разброс прочности отсутствует и прямая на графике будет горизонтальной. [c.22]

Станколит с соответствующими вероятностными характеристиками. Закон распределения времени срабатывания отдельного механизма t и цикла линии в целом Т близок к нормальному. Поэтому случайные величины t и Т могут характеризоваться основными параметрами нормального закона распределения, а именно, средними значениями 1 и Т и средним квадратическим отклонением о и сг этих величин. Это дает возможность, используя положения теории вероятностей, находить по известным законам распределения времени срабатывания отдельных механизмов, из которых состоит линия, закон распределения времени цикла линии, т. е. прогнозировать среднюю продолжительность цикла и максимальную величину разброса. [c.142]

Наиболее полное моделирование разброса амплитудно-частотных характеристик можно осуществить, используя метод статистических испытаний [5]. Для вычислительной схемы метода входной информацией является вид закона распределения и его параметры для жесткостей в пределах технологического допуска. Пользуясь датчиками псевдослучайных чисел, равномерно распределенных на отрезке [О, 1], и формулами перехода от равномерного [c.136]

При распределении веществ по группам необходимо прежде всего иметь в виду точность, с которой проводились экспериментальные исследования, и точность, которая необходима для предпринимаемых расчетов. Действительно, трудно ограничить ошибку в вычислениях 2%, если экспериментальный разброс достигает 5%. С другой стороны, незачем добиваться точности в 5%, если исходный параметр входит в расчетное уравнение теплообмена в дробной степени, так как начальная [c.101]

Начнем с расчетно-теоретических исследований. Большое значение в практике инженерно-физических расчетов ядерных реакторов и других теплотехнических аппаратов имеет корректный учет влияния различных допусков и отклонений от номинала параметров активной зоны реактора (или аппарата другого типа) на температуру или тепловой поток в опасном месте [35, 89]. Очевидно, что такие распространенные эффекты, как разброс и неточность теплофизических констант для разных материалов в различных точках аппарата, локальные перекосы в распределении источников тепловыделения, неравномерность распределения скоростей потока, изменение коэффициента теплоотдачи по периметру и длине твэлов или трубок теплообменника, неравномерность толщины оболочки твэла и неоднородность состава материалов и т. д. с соответствующей статистической обработкой могут быть введены в формулы теории возмущений, т. е. все перечисленные эффекты могут быть выражены в виде вариации функционалов температуры, представляющих практический интерес. [c.111]

Первым этапом математико-статистической обработки данных является анализ статистических распределений управляемых параметров. Известно, что производственные показатели, даже в стабильных условиях, колеблются вокруг их средних значений. Классическим примером такого явления служит разброс размеров деталей, полученных при одной наладке оборудования, одинаковом инструменте и технологических режимах. Случайные колебания качества материалов и инструмента, температуры и влажности, внимания и усилий рабочего — все это в сумме формирует нормальное распределение размера деталей (см. рис. 2.13). На рисунке 2.13 также нанесена кривая теоретического распределения заготовок шестерен, полученных на токарном автомате. [c.106]

Решение. В задачу расчета рассматриваемого технологического процесса входит определение ряда внешних параметров, обеспечивающих наибольшую производительность линии непрерывного производства при допустимом разбросе свойств материала по сечению готового изделия, а также при допустимой точности его размеров. К таким параметрам относится диаметр заготовки, производимой червячным прессом, скорость шприцевания и распределение температур по зонам вулканизации непрерывной установки. [c.212]

Проведенная статистическая обработка микротвердости, подсчитываемой по зависимости (4.99), показала, что параметры нормального распределения микротвердости изменяются немонотонно в зависимости от уровня нагрузки на индентор и от значения микротвердости (рис. 4.32). С увеличением нагрузки среднее квадратичное отклонение возрастает, достигая максимума при нагрузке-100 г, а затем убывает, стремясь к некоторому постоянному значению. При этом относительное рассеяние (коэффициент вариации v) также изменяется немонотонно при нагрузках до 50 г он убывает, что объясняется в основном увеличением точности измерения диагонали отпечатка, поскольку сравнительно высокий разброс при малых нагрузках, например, 10 г, определяется в основном сравнительно большой абсолютной погрешностью измерения при малом абсолютном значении размера диагонали. Повышение нагрузки сопровождается увеличением коэффициента вариации, который достигает экстремального значения при нагрузке 100 г, а затем с ростом нагрузки падает, стремясь, так же как и среднее квадратичное отклонение, к некоторому устойчивому значению. В зависимости от микротвердости, абсолютное значение которого в соответствии с уравнением (4.99) определяется нагрузкой на индентор Р и диагональю отпечатка/, параметры S п v также изменяются немонотонно (рис. 4.32, а) коэффициент вариации уменьшается, а среднеквадратичное отклонение возрастает с увеличе- [c.142]

Анализ рассмотренной модели и сопоставление ее поведения с экспериментальными данными по неупругому циклическому деформированию структурно-стабильных металлических конструкционных материалов, находящихся в циклически стабильном состоянии, показали практическую возможность еще одного кардинального упрощения такой модели путем постулирования подобия реологических функций всех ПЭ, составляющих элементарный объем. Разброс характеристик по ПЭ в этом случае может быть определен единственным параметром — параметром подобия реологической функции ПЭ некоторой выбранной среднестатистической функции, в дальнейшем называемой реологической функцией модели. Таким образом, для определения (идентификации) модели достаточно найти из испытаний лишь две функции, характеризующие реологические свойства конкретного материала реологическую функцию и функцию неоднородности, описывающую распределение упомянутых параметров подобия по ПЭ. Эти функции будем называть о пре [c.150]

При гальванических покрытиях деталей сложных профилей, как правило, возникает сложная задача выбора геометрических TI электрохимических параметров электролиза, обеспечивающих равномерное распределение тока и металла на поверхности катода. Вариацией существующих параметров не всегда удается получить заданный разброс толщины покрытия по поверхности изделия. [c.112]

Несмотря на ожидаемый разброс фактического ресурса, его следует, по возможности, согласовать с назначенным ресурсом. Трудность состоит в следующем если назначенный ресурс — величина детерминистическая, то прогнозируемый ресурс представляет собой случайную величину. Допустим, что параметры объекта выбраны таким образом, что к моменту выработки назначенного ресурса только 50 % парка достигают предельного состояния, т. е. установленное плановое значение по парку в целом не реализовано. Надо найти значение гамма-процентного ресурса, оптимальное с точки зрения суммарного экономического эффекта. Очевидно, для получения высокой эффективности вновь проектируемых машин следует стремиться к тому, чтобы разброс ресурса был минимальным. С точки зрения организации технического обслуживания подчас выгоднее иметь более компактные распределения ресурса, чем повышенные средние показатели. Кроме того, объект, по возможности, не должен содержать элементов, средний ресурс которых не согласован с графиком планово-профилактических мероприятий. [c.23]

При прогнозировании ресурса следует учитывать, что статистический разброс показателей долговечности, как правило, значительно превышает статистический разброс соответствующих показателей прочности, трещиностойкости, износостойкости и т. п. Это утверждение имеет принципиальное значение, поэто.му обсудим его более подробно [19]. Используем формулу (3.37), полагая, что параметр прочности г имеет функцию распределения [c.77]

Статистический разброс параметра прочности зависит от показателя а чем больше а, тем компактнее распределение параметра г. Для коэффициента вариации получим формулу [c.77]

Общий метод построения моделей, учитывающих статистический разброс, состоит в следующем. На основании кривых регрессии подбираем аналитические зависимости между характеристиками нагруженности и характеристиками ресурса. Эти зависимости содержат ряд параметров, часть которых мы относим ко всей генеральной совокупности образцов, а остальные трактуем как индивидуальные параметры образцов.Параметры второй группы полагаем случайными величинами. Таким образом, вместо одной функциональной зависимости, связывающей усредненные по выборке результаты испытаний, мы получаем одно- или многопараметрическое семейство кривых. Это семейство в сущности представляет собой случайную функцию — зависимость между уровнем нагруженности и ресурсом для наугад взятого образца. Следующий этап состоит в выборе подходящих аналитических выражений для функций распределения случайных параметров на основе результатов статистической обработки базовых ресурсных испытаний. [c.94]

Степень проявления масштабного эффекта и разброса прочности при хрупком разрушении суш,ественно зависит от показателя а (в переводных работах его не очень удачно называют параметром формы). Чем меньше а, тем сильнее выражен масштабный эффект и тем больше разброс. За минимальное физически обоснованное значение показателя а следует принять а = 1. Если а <1, плотность вероятности для распределения Вейбулла имеет особенность при гГо- По формуле (4.7) Е [s ] = + гс — г ) MJM). При Го = О математическое ожидание разрушаюш,его напряжения обратно пропорционально мере М. При том же условии коэффициент вариации принимает значение Ws, = 1. [c.125]

Полученные формулы для Ft (Т) аналогичны формулам (3.42) и (3.108), использованным для описания статистического разброса ресурса в рамках полуэмпирических моделей. Различие состоит, во-первых, в том, что формулы (4.27) и (4,28) явно включают масштабный эффект. Во-вторых, показатели а, р и т, а также параметр Го получают новое толкование они совпадают по величине с аналогичными параметрами, которые входят в уравнение накопления повреждений в структурных элементах, а также в распределения прочности структурных элементов. Характерная прочность образца rs в случае распределения (4.27) связана с характерной прочностью структурных элементов Гд соотношением [c.131]

При проектировании объектов с гарантированным ресурсом Tg возникают дополнительные затруднения. Если все распределения физико-механических параметров материалов, узлов и деталей, характеризующих сопротивление наступлению предельного состояния, ограничены снизу положительными величинами, а все распределения параметров ограничены сверху, то распределение ресурса ограничено снизу (см. рис. 2.11). Если хотя бы одно из условий нарушено, то следует ожидать, что значения ресурса будут распределены на всей положительной полуоси. Заказчики часто настаивают на обеспечении гарантированного ресурса, не принимая вероятностно-статистической точки зрения даже при наличии очевидного разброса физико-механических свойств материалов и условий эксплуатации. В этом случае целесообразно приписать гарантирован-дому ресурсу Tg некоторое значение обеспеченности, достаточно близкое к единице. Так, если наступление предельного состояния не [c.163]

Зш. Pf параметры, отражающие разброс прочности волокон, матрицы и их связи в вейбулловском распределении [c.12]

Поэтому на большйх расстояниях должна иметь место экспоненциальная зависимость. Тем не менее, для замедления в веществах, не содержащих водорода, простой закон Гаусса с параметрами, выбранными таким образом, чтобы получить правильное значение для г /6, часто является достаточно хорошим приближением к действительному пространственному распределению. Разброс энергии нейтронов, испускаемых источником, часто либо не так велик, либо частично скомпенсирован, а число столкновений достаточно велико, чтобы можно было пренебречь экспоненциальным хвостом кривой. Например, Ферми приводит распределение интенсивности замедления в графите плотностью 1,6 г/см при наличии источника нейтронов деления в виде простого закона Гаусса с 17,3 см . [c.136]

Жесткостные и прочностные характеристики волокон в пучках имеют существенный статистический разброс, влияющий на свойства композитов, получаемых на их основе. Это приводит к необходимости оценивать параметры распределений прочности волокон по результатам их массового испытания. Традиционные методы проведения таких испытаний обладают рядом недостатков — они предполагают извлечение отдельных волокон из текстильных форм (нитей, жгутов), изготовление из них образцов (наклеивание захватной части), закрепление каждого образца в захватах испытательной машины. При диаметрах волокон от единиц до десятков микрометров эти операции весьма трудоемки и могут привести к повреждению волокон. Кроме того, испытания, связанные с извлечением отдельных волокон, не позволяют оценить те влияющие на поведение композита свойства, которые присущи пучку в целом. К таким свойствам относятся неодно-временность вступления в работу волокон (разнодлинность), а также статистически значимое различие параметров распределения прочностных характеристик волокон при переходе от одного пучка к другому. [c.25]

Учет разброса параметров и характеристик для выбора технологических допусков на стадии проектирования является одним из эффективных способов повышения качества ЭМП. Однако конструирование расчетных алгоритмов с вероятностными значениями проектных данных приведет к недопустимому переусложнению инженерных методик расчета и необходимости статистической обработки громадного объема информации. Поэтому йлияние технологических допус1 Ьв обычно анализируется после определения расчетных проектных данных. При этом решается следующая задача анализа исследовать отклонения расчетных проектных данных в зависимости от заданных законов распределения случайных значений исходных конструктивных данных и параметров. Отклонения расчетных данных исследуются с помощью тех же детерминированных расчетных алгоритмов, которые применяются без учета технологического разброса конструктивных данных. [c.231]

Обработка данных испытаний более 400 бесконтактных сельсинов типа БС-1404П позволяет построить графики распределения технологического разброса параметров (рис. 7.14, а). На рис. 7.14, а приведены также соответствующие кривые нормального закона распределения, полученные расчетным путем. Удовлетворительное совпадение экспериментальных и расчетных графиков на рис. 7.14, а дополнительно проверено расчетами критерия согласия Пирсона. Все эти [c.234]

Наиболее целесообразно в этих условиях применить метод статистических испытаний (метод Монте-Карло) [22], хорошо учитывающий вероятностную природу разброса случайных значений выходных характеристик. Математическое моделирование по этому методу полностью передает сущность и характер натурных экспериментов и в практической постановке сводится к многократному разыгрыванию (согласно установленным вероятностным распределениям) случайных значений х,- и определению для каждого случайного их набора соответствующих значений у . По завершении требуемого числа испытаний Л хр статистическая обработка последовательностей случайных значений у - дает необходимую информацию о распределении значений выходных показателей и параметрах этого распределения. В результате по каждому выходному показателю можно получить его номиналь- [c.131]

Оценки основных термодинамических характеристик плазмы искрового канала температуры, коэффициентов и показателей поглощения, потерь энергии с излучением и других - основаны на измерениях спектральной плотности лучистого потока (или яркости Ья). Результаты измерений спектральной плотности яркости искрового канала в оптически прозрачных твердых диэлектриках (ЩГК, органическом стекле, полевом шпате) по методу сравнения, несмотря на тщательный контроль за сохранением условий эксперимента (параметров разрядной цепи, длины межэлектродного промежутка, параметров оптической системы, геометрии образца и т.д.), подвержены значительным статистическим флуктуациям. Природа этих разбросов обусловлена малыми радиальными размерами искрового канала, особенно в начальной стадии его расширения, искривлениями и нестабильностью положения канала относительно оси электродов, вариациями кинетики трещин вокруг канала и т.п. Изучение влияния типа ЩГК, режимов энерговклада и других факторов возможно только с применением статистических методов, в частности, дисперсионного анализа. Результаты проверки закона распределения отдельных измерений максимального значения спектральной плотности [c.45]

С возрастанием скоростей быстроходных машин учет случайной природы параметров становится особенно необходимым в связи с заметным влиянием их изменчивости на формы колебаний, собственные частоты и критические скорости высших порядков. В связи с этим в условиях массового изготовления целесообразно производить вероятностную оценку динамических характеристик гиросистем в зависимости от случайных разбросов распределенных и сосредоточенных параметров в пределах полей допусков. [c.22]

Зная закон распределения и параметры технологического процесса, можно установить оптимальное значение среднего уровня качества х или сдвига центра наладки относительно середины поля допуска t = x—x)ja. Оптимальный сдвиг зависит т степени разброса значений показателя качества — а= =У2(л —х) 1п и ширины поля допуска 2Дл . Сумма стоимости потерь от исправимого (сиРн) и Неисправимого (СнРн) брака [c.107]

Характер распределения (1.20) зависит от соотношения параметров системы и воздействия. Если дисперсия невелика, то влияние множителя dgldA на вид плотности вероятности р (Л ) будет мало ощутимо. Распределение амплитуды будет близко к гауссовскому. При большом разбросе амплитуды возбуждения соотношение (1.19) между и Q может оказать реша-юш,ее влияние на характер функции р (А ). В частности, распреде-ление (1,20) может стать бимодальным за с-чет интенсивного роста производной dg dA при больших А . [c.12]

Формулы (3.106) и (3.107) вместе с уравнениями (3.104) позволяют найти распределение времени до появления первого, второго и других зародышей, что дает возможность сформулировать начальные условия для процесса развития трещин. Однако для получения достоверных результатов необходимо согласование частного вида предлагаемых соотношений, а также входящих в них параметров с опытными данными. В литературе пока нет достаточных статистических данных о распределении времени до появления первой макроскопической трещины. Стадия развития магпстральной трещины (если начальная трещина не инициирована преднамеренно) составляет, как правило, 10—40 % общего ресурса. Учитывая, что статистический разброс суммарной долговечности обычно составляет один порядок и даже более, в первом приближении при выборе параметров для инкубационной стадии используем данные, относящиеся к суммарному ресурсу. [c.113]

Как установлено вычислениями методом Мб, переход в сверхпроводящее состояние системы одинаковых малых зерен, размещенных в узлах простой кубической решетки, происходит при 4000 Ом (или pN 4-10 Ом-см, когда межчастичное расстояние равно 100 А), а пик удельной теплоемкости перехода располагается при температуре, равной или несколько выше температуры исчезновения сопротивления системы Tt ) [849]. Вместе с тем указывается,, что если имеется распределение частиц по температурам перехода в сверхпроводящее состояние, то картина может измениться основная часть пика удельной теплоемкости может располагаться при более низкой температуре, чем температура резистивного перехода, как это имеет место на рис. 131. В реальных условиях вследствие флуктуаций параметра порядка, распределения частиц по размерам и разброса расстояний между сверхпроводящими зернами (флуктуации джозефсоновской связи) обе стадии перехода гранулированного металла в сверхпроводящее состояние значительно размываются. [c.284]

Полной характеристикой случайной переменной величины (или системы случайных величин) является закон распределения, заданный функцией F(x) или плотностью распределения /(х). На практике, однако, такая исчерпывающая характеристика не всегда может быть получена вследствие ограниченности экспериментальных результатов или из-за сложности их проведения либо из-за большой их стоимости. В этих случаях вместо законов распределения используют приближенное описание случайной величины, полученное с помощью минимального числа неслучайных характеристик, отражаюищх наиболее существенные особенности распределений. Часто бывает достаточно указать только отдельные числовые параметры, характеризующие существенные свойства распределения случайной величины, например, среднее значение, относительно которого грухшируются возможные значения случайной величины или число, характеризующее степень разброса случайной величины от ее среднего значения. Такие неслучайные характеристики, которые в сжатой форме позволяют выразить наиболее существенные особенности распределения, называются числовыми характеристиками случайной величины. Например, для одной случайной величины X такими числовыми (неслучайными) характеристиками являются ее математическое ожидание и дисперсия. [c.28]

Вертикальный разброс данных в отдельных пусках был весьма значителен, что связано с невоспроизводимостью параметров излучения, случайным (пуассоновским) характером попадания крупных частиц в область перетяжки пучка, а также вариациями формы функции распределения частиц по размерам в различных метеоситуациях для одних и тех же значений массовой концентрации твердофазного аэрозоля. На этом же графике приведены данные натурного эксперимента [30] на трассах до 100 м и лабораторных измерений [12] и авторов [19]. [c.177]

Влияние разброса прочности волокон на прочность бороашоминия с различными объемными долями компонентов. На ЭВМ имитировались образцы композиционного материала, состоящего из алюминиевой матрицы Д-16М и борных волокон со средней прочностью оу = (2,5 3 3,5) 10 МПа и параметрами вейбулловского распределения прочности [c.187]

Средняя прочность и параметры статистического распределения прочности кристаллических монокарбидных волокон, работающих упруго, / = 48,8-10 МПа вплоть до разрушения определялись экспериментально при комнатных температурах путем испытаний на разрыв нитевидных кристаллов, вытравленных из матрицы, и при построении гистограмм распределения прочности, Принималось, что разброс прочностных свойств ()3/ = 3) не зависит от температуры. Прочность волокон при высоких температурах определялась иа кратковременных испытаний на растяжение композита в предположении, что вплоть до зуба текучести на диаграммах растяжения вьшолняется уравнение аддитивности. Значения средней прочности волокон при высоких температурах следующие [c.217]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...