Отклонение практически предельное

Отклонение практически предельное 1 (1-я)— [c.181]

Следовательно, отклонения от х одинаковой абсолютной величины, но разных знаков Длт/ одинаково возможны. Форма кривой показывает, что малые отклонения (по абсолютному значению) появляются значительно чаще, чем большие, а появление весьма больших отклонений практически маловероятно. В связи с этим допустимые погрешности ограничивают некоторыми предельными значениями К/2 (где V — практическое поле рассеяния случайных погрешностей, равное разности между наибольшим и наименьшим измеренными размерами в партии деталей). [c.33]

Для каждого момента времени t от значений функции а Ц откладываются по оси ординат значения практически предельных отклонений (х) для распределения фг(х) при установленном проценте выхода (обычно 0,27%), а также значения функции Ь 1), характеризующей изменение параметра рассеивания во времени. [c.36]

Практически предельным отклонением случайной величины х называется такое отклонение от центра группирования, за пределами которого по обе стороны от центра находятся отклонения, вероятность появления которых практически пренебрежимо мала, т. е. имеет место условие [c.285]

Практически предельное отклонение обычно выражают в долях среднего квадратического отклонения о или в долях вероятного отклонения г и характеризуют вероятностью выхода отклонения за принятые пределы. [c.285]

При заданном законе распределения между перечисленными выше отклонениями, т. е. средним квадратическим j, средним арифметическим rf, вероятным г, мерой точности Л и практически предельным 5, имеются вполне определённые соотношения. Так, при законе Гаусса (см. ниже), весьма распространённом в технических приложениях, соотношения между указанными отклонениями, а также мерой точности следующие [c.285]

Практически предельные отклонения должны иметь меньшие значения, чем и j, так как вероятность совпадения в пружине всех крайних значений отклонений параметров ничтожна. Вместо предельных относительных отклонений осевой силы следует пользоваться допустимыми относительными отклонениями gi< и g2< 2. [c.202]

Практически предельное отклонение i (стр. 285). [c.598]

Среднее арифметическое отклонение, вероятное и практически предельное отклонения. Вместо дисперсии D и среднего квадратического отклонения о Х , или в дополнение к ним, в качестве характеристик рассеивания случайной величины исполь- [c.31]

Практически предельным отклонением Х случайной величины X называется такое отклонение от центра группирования (среднего значения), за пределами которого по обе стороны от [c.32]

При несимметричных распределениях практически предельные отклонения следует определять с соблюдением правила, указанного выше [c.33]

Рис. 2.3. Практически предельные отклонения при несимметричном распределении

В некоторых случаях относительное среднее квадратическое отклонение к определяется по отношению к практически предельному отклонению В случаях симметричных распределений значения отсчитываются от среднего значения М Х. В случае несимметричных распределений (рис. 2.3) значения отсчитываются от До или же при отсчете их от iW X в знаменателе выражения X должна браться полусумма , т. е. [c.38]

Таким образом, вероятность нахождения случайной величины X вне интервала (а — За, а + За) очень мала — всего 0,0027. В силу этого в технических приложениях считается, что практически предельное отклонение случайной величины X, подчиняющееся гауссову распределению, равно 3а. [c.84]

Дополнением к названным характеристикам рассеивания двухмерной случайной величины являются практически предельные отклонения Х и 1 У], удовлетворяющие- условиям, аналогичным (2.19) и (2.20) [c.160]

Практически предельные отклонения (X и У[, как и в случае одномерных величин, обычно выражают в значениях ст fX и о У или в значениях Е Х] а Е У. [c.161]

В рассматриваемом случае взаимной независимости величин X и Y, образующих двухмерную случайную величину (X, Y), практически предельные отклонения I X и К приближенно, а широты распределения L Х ] и L Y точно определяют в прямоугольной системе координат область S, в пределах которой рассеиваются на плоскости значения двухмерной величины (X, Y), в виде прямоугольника, образованного линиями, параллельными осям координат и проходящими через Х) и 1К или через L X и L y (рис. 5.2). [c.161]

Матрицы К хх, К уу и Кху, входящие в уравнение (9.63) суммирования погрешностей обработки, определяются аналогично формулам (9.24) — (9.27) с заменой средних квадратических отклонений Оу на практически предельные поля рассеивания ук ( = 1, 2,. . ., п й = 1, 2,. . ., р). Так, например, выражение для матрицы К7х запишется следующим образом [c.285]

Практически предельное поле рассеивания погрешности размеров с учетом отклонений формы выражается через среднее квадратическое отклонение [c.393]

По закону Гаусса между среднеквадратичным Oq, средним арифметическим дер, вероятным значением г, мерой точности h и практически предельным отклонением имеются следующие соотношения [c.20]

Для заданных условий достаточно определить вероятностные характеристики рассеяния бокового зазора в зацеплении и сравнить среднее значение и практически предельные отклонения от среднего значения зазора если первое с достаточной надежностью превышает второе, то заклинивание невозможно. [c.457]

Производят вычисления величин, входящих в графы 15—19 коэффициентов Кр и Ср — по формулам табл. 12 (имея в виду, что Де — векторная первичная ошибка, а все остальные — скалярные) и И среднего и практически предельного значений частичных ошибок Др и бр — по формулам (99) и (100). Далее производится суммирование по графам 17 и 19, и после извлечения корня из суммы по графе 19 получаются результаты расчета (записаны в нижней части расчетной таблицы) среднее значение суммарного зазора равно Дс = 36 мк, а практически предельное отклонение 6 j. = 29 мк. На основании этих данных можно заключить, что с надежностью не менее 99,8% заклинивание в данной передаче невозможно. [c.458]

Нза т то От 1 до 500 Допуски и предельные отклонения практически совпадают [c.241]

Центр группирования полученной таким образом эмпирической кривой распределения, как правило, не совпадает с размером, по которому производилась установка (настройка) автомата или светофорной головки. Если отдельные значения случайных величин фиксировались в виде отклонений от установочного размера, то положение центра группирования определяется средним значением отклонений л . Среднее значение х, полученное в результате одного процесса исследования (например, 100-кратного пропускания через автомат серии образцов), не характеризует систематической ошибки настройки, так как полученное значение при настройке столь же случайно и подчиняется такому же закону распределения, как и последующие значения. При распределении погрешностей срабатывания сортировочного механизма (или появления светового сигнала) по нормальному закону вероятность близости установочного размера к центру группирования относительно велика и определяется таблицами значений функции Ф (г). Разность между значениями при установке и любым другим значением может достигнуть = 2 За = 6а, но так называемая практическая предельная разность, вероятность превышения которой составляет 0,27<>/о, определяется величиной [c.72]

Следует учесть, что относительное число деталей, которые попадут в зоны разрешенного перехода (по 5 мк с каждой стороны), состав.шет для нашего примера очень малую величину (0,7% по табл. 17 сверх величины 0,270/о, лежащей за практическими предельными отклонениями 3 о). [c.190]

Практически предельное отклонение замыкающего звена тем существенно отличается от теоретического предельного отклонения, что последнее подсчитывается простыми арифметическими действиями как разность между суммой предельных отклонений верхних или нижних увеличивающих размеров цепи и суммой предельных отклонений нижних или верхних уменьшающих размеров цепи в зависимости от того, какое предельное отклонение замыкающего звена подсчитывается — верхнее или нижнее. [c.499]

Для подсчета практически предельных отклонений замыкающего звена рекомендуется пользоваться формулой [c.499]

Здесь Д к — практически предельное отклонение от номинального размера замыкающего звена размерной цепи [c.499]

Для выяснения влияния погрешностей измерения на результаты разбраковки контролируемой продукции примем, что априорно известны законы рассеивания отклонений контролируемых элементов деталей и законы распределения погрешностей измерения. Для вывода [41 ] примем, что закон технологического рассеивания контролируемых элементов является нормальным с практической зоной рассеивания 28 и соответственно с средним квадратическим отклонением (рис. 11.216). Поле допуска изделия ограничено значением 28,причем середина поля допуска совпадает с центром группирования технологического рассеивания и величина < т. е. имеется симметричный выход отклонений деталей за обе границы поля допуска. При рассмотрении примем также, что при этом погрешность измерения не имеет систематической составляющей, подчиняется закону нормального распределения и характеризуется практически предельной величиной 8 и сг стг- Кроме того, используем понятие о коэффициенте точности метода под которым будем понимать отношение практически предельной погрешности измерения 8 ет ко всему допуску изделия 26 зз [c.570]

Для случайных первичных ошибок определяются вероятностные характеристики рассеяния — среднее значение, среднеквадратическое и практически предельное отклонения [c.465]

Для рассматриваемой модели оказывается затруднительным построение формул суммирования погрешностей деталей из-за нелинейности исходного уравнения (11.219). Эта нелинейность возникает вследствие того, что текущий размер детали выражает суммарно и погрешность размеров, и погрешность формы, и не-прямолинёйность геометрического места центров поперечных сечений. Между тем существует практическая потребность в определении формул такого рода и, в частности, для расчета математического ожидания, дисперсии, среднего квадратического отклонения, практически предельного поля рассеивания и т. п. Для преодоления этого затруднения может быть использован метод статистических испытаний (Монте-Карло), который является весьма перспективным при моделировании, анализе и расчете точности нелинейных технологических процессов. Для упрощенного решения этой задачи можно ограничиться расчетом вероятностных характеристик двух более простых случайных функций, получаемых из исходной формулы (11.219) путем приравнивания нулю либо выражения Wp os ( — -j-nip , либо г + [c.438]

Большею частьюпринимается равным Vs что соответствует закону распределения Гаусса при практически предельном отклонении 5 = Зз, т. е. при О.270/0 вероятности выхода за пределы поля. Тогда [c.286]

Примеры такого рода диаграмм, которые в дальнейшем именуются теоретическими точностными диаграммами хода производственного процесса, показаны для некоторых несколько схематизированных производственных условий на фиг. 5. На каждой диаграмме жирная сплошная линия [обозначенная на диаграмме № 1 фиг. 5 через М (х) — М( х)] характеризует теоретические положения центров группирования отклонений размеров деталей в различные моменты времени или, что то же, для различных порядковых номеров деталей в партии. Узкая заштрихованная полоса, ограниченная штрих-точечиыми пунктирными линиями, и широкая полоса, ограниченная штриховыми пунктирными линиями, характеризуют теоретическую величину рассеивания отклонений в различные моменты времени. Половина узкой полосы, обозначенная на диаграмме № 1 фиг. 5 через а х), соответствует значению среднего квадратического отклонения для распределения отклонений в момент времени t. Половина широкой полосы, обозначенная на диаграмме № 1 фиг. 5 через (х), соответствует практически предельному отклонению для распределения отклонений tt(x), за пределы которого 1 5(-<)] выходит всего 0,27 /о отклонений размеров. При подчинении tf (х) закону Гаусса (диаграммы № 1—16 на фиг. 5) ширина широкой полосы 2 ((л ) равна 6з/ (х). [c.600]

В одних случаях экономически целесообразным решением может оказаться технология, рассчитанная на практическое отсутствие за время изготовления партии износа и затупления инструмента. Тогда можно, например, за счёт применения высокостойкого инструмента требовать процесса без смещения центра группирования и без изменения рассеивания, т. е. осуществления точностной диаграммы по типу № 1 на фиг. 5. При этом допуск на изготовление может приниматься равным или несколько большим суммы величин практически предельного поля рассеивания погрешностей изготовления и зоны погрешностей настройки. Сумма должна быть простая арифметическая или двойная по правилам теории вероятностей (алгебраическая и квадратичная), смотря по тому, какие характеристики погрешностей настройки установлены (величина зоны или среднее значение и среднее квадратическое отклонение). Расположение зоны norpenj-ностей настройки может быть в центре поля допуска. [c.606]

Практически предельное отклонение выражают в долях среднего квадратического отклонения сг Х( или в долях вероятного отклонения Е X и характеризуют вероятностью выхода отклонения за принятые пределы 1 X . Обычно принимают процент выхода 0,27%, что при законе распределения Гаусса соответствует зна 1ению = За. [c.33]

Практически предельные отклонения поверхности, которые связаны уже с атомной структурой тел, позволяет исследовать растровая туннельная микроскопия (РТМ). В РТМ используется явление туннелирования электронов между двумя близко расположенными электродами. Принцип работы РТМ заключается в том, что металлическая игла, закрепленная в трехкоординатном пьезоприводе, перемещается над исследуемой поверхностью на расстоянии, обеспечивающем протекание туннельного тока. Сила тока / определяется величиной зазора между иглой и поверхностью [c.180]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...