Экспериментально-статистическое моделирование процесса

Экспериментально-статистическое моделирование процесса [c.8]

ЭКСПЕРИМЕНТАЛЬНО-СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА [c.213]

Процесс имитации включает в себя большое число операций, связанных с формированием, преобразованием и использованием реализации случайных событий, величин и процессов, поэтому результаты моделирования также носят случайный характер. Они отражают случайные сочетания действующих факторов, складывающихся в процессе моделирования. Искомые величины при имитационном моделировании определяют в результате статистической обработки совокупностей данных некоторого числа реализаций процесса моделирования. Совокупность реализаций выступает в роли статистического материала при машинном эксперименте, а оценка параметров — в роли экспериментальных данных, поэтому имитационное моделирование иногда называют методом статистического моделирования. [c.351]

Кроме описания лабораторных работ и методических указаний по их выполнению в книге приведены краткие сведения из области теплотехнических измерений и статистических методов их обработки (раздел первый), а также рассмотрены некоторые вопросы теории, связанные с экспериментальными методами исследования термодинамических (гл. 7) и теплофизических (гл. 11) свойств реальных веществ, с обобщением экспериментальных данных и моделированием процессов теплообмена (гл. 10), необходимые для выполнения лабораторных работ. [c.3]

Таким образом, для анализа и моделирования литейных процессов широко используют экспериментально-статистические методы математического описания. Применяют те методы анализа, которые lia основе экспериментальных данных позволяют сделать выводы о распределении случайных переменных, сравнить их между собой. Кроме того, большое внимание уделяют анализу их распределения, статистическим оценкам, проверке гипотез [.58]. [c.160]

Источники получения информации о надежности. Одной из основных трудностей при исследовании вопросов долговечности и надежности является неупорядоченность статистической информации о характеристиках процесса эксплуатации уплотнительных конструкций. Возникает необходимость в проведении испытаний деталей и узлов трения, чтобы обеспечить заданное число циклов нагружения узла трения или срока службы машины, и моделирование процессов эксплуатации в целях получения экспериментальных данных для оценки надежности. Наибольший объем информации о надежности и долговечности деталей и узлов трения машин в настоящее время получают при обработке результатов испытаний. [c.91]

При статистическом характере возбуждения спектр колебаний из дискретного становится непрерывным. Поэтому существенное значение приобретает статистическая обработка результатов экспериментальных исследований и моделирования, выделение частотных зон, где спектральная плотность максимальна, и описание статистических свойств основных спектральных составляющих. Такой сравнительный анализ вибрационных процессов, полученных экспериментально и математическим моделированием, позволяет поставить задачу диагностики как специальный случай задачи идентификации [16]. Основное отличие от рассмотренной в [16] схемы в нашем случае состоит в том, что математическая модель объекта в первом приближении известна и идентифицируется возбуждение на входе объекта, недоступное непосредственному измерению. Критерием идентификации может служить совпадение статистических характеристик выходов реального объекта и его математической модели (1). Такое совпадение (или достаточно хорошее приближение) служит основанием для вывода об адекватности статистических характеристик возбуждения на входах объекта и его математической модели. Естественно, что информативность различных характеристик вибро-акустического процесса для идентификации возбуждения является различной. Поэтому существенное значение приобретает изучение возможно большего числа таких характеристик с целью выбора наиболее информативных. Здесь остановимся только на некоторых таких характеристиках (их опреде- [c.48]

Вопрос о целесообразности повышения скоростей должен решаться в процессе проектирования методами имитационного моделирования на управляемых комплексах [7]. Увеличение ускорения механизмов и, прежде всего, механизма поворота может привести к некоторому повышению производительности. При этом возрастает раскачивание груза, растут динамические нагрузки. При решении этого вопроса наиболее надежные результаты можно получить, используя управляемые имитационные комплексы [7]. Производительность грейферного портального крана может быть увеличена при применении систем гашения колебаний груза на канатах. Экспериментальные исследования свидетельствуют о перспективности этого направления [5]. Повышение грузоподъемности способствует повышению производительности и эффективности грейферных кранов. Однако в настоящее время вряд ли целесообразно увеличивать ее более 25—30 т, так как дальнейшее увеличение, связанное с ростом размеров грейферов, создает затруднения при перегрузочных работах в вагоны и автомобили. В данном случае коэффициент готовности характеризует надежность крана (см. 16). По данным статистических наблюдений на лучших машинах рассматриваемого типа, он находится в пределах [c.19]

Диалог применяется на всех уровнях автоматизации процесса проектирования [57 ]. При автоматизированных расчетах в вопросно-ответном режиме диалога вводятся исходные данные и производится выбор промежуточных расчетных значений параметров. Диалоговое моделирование позволяет изучать альтернативные варианты моделирующих деталей и механизмов. Разработаны диалоговые системы планирования и статистической обработки данных эксперимента. В ходе диалога ЭВМ может оказывать консультацию проектировщику при выборе метода обработки экспериментальных данных в зависимости от вида данных. [c.271]

Предложено решение некоторых задач интерполяции и аппроксимации, воз-нинающ 1х при моделировании процессов упруго-пластического деформирования элементов конструкций и деталей машин и при решении соответствующих краевых задач экспериментальными методами. Для этой цели использована кусочнокубическая интерполяция и полиномиальная аппроксимация, основанная на методе наименьших квадратов (МНК) со статистическим анализом. Дано краткое описание алгоритма МНК с автоматическим выбором степени оптимального полинома. Иллюстраций 5. Библ. 5 назв. [c.222]

Таким образом, в результате натурных текзометрических испытаний машины (см. 19) или имитационного моделирования, проводимого на ЭВМ (см. 22), могут быть получены осциллограммы изменения нагрузок в механизмах или элементах металлоконструкций. Далее выполняется статистическая обработка осциллограмм (см. 19), в результате которой строится экспериментальная корреляционная функция (76). График этой функции аппроксимируется соответствующим уравнением (см, 19), и по зависимости (79) определяется спектральная плотность процесса. [c.92]

Более правильно метод следовало бы называть так метод моделирования полей геологических параметров на основе учета их статистической структуры. В ходе синтеза по экспериментальным данным функций математического олсидания геологического параметра и его среднего квадратического отклонения, описывающих поле, используется двухмерная автокорреляционная функция. Иными словами, при построении модели в процессе интерполяции значений геологического параметра принимают во внимание коррелятивные связи между значениями геологических параметров, измеренными в различных точках моделируемого поля. Теснота связей, как показано выше, зависит от расстояния между точками и направления линии, соединяющей их. Метод разработан С. П. Сидоркиной. Сущность его заключается в том, что по ограниченному объему экспериментальных данных находят оценку автокорреляционной функции (АКФ), а затем методом нахождения минимума функции многих переменных подбирают двухмерную модельную автокорреляционную функцию из некоторого их семейства. Полученная АКФ есть статистическая структура модельного поля геологического параметра, которое наилучшим образом (с минимальной средней квадратической ошибкой) приближается к реализации моделируемого поля, заданной эксперименхальными данными. Затем при помощи интерполяционной формулы находят оценки геологического параметра в тех точках моделируемого поля, где они отсутствуют. Процесс статистической интерполяции предусматривает сглаживание поля. Интервал усреднения при этом зависит от плотности пунктов получения информации в окрестностях точки, для которой путем интерполяции получают неизвестное значение геологического параметра. Моделирование поля геологического параметра завершают операции по контролю качества полученной математической модели (рис. 51). [c.221]

Там же приведена экспериментальная кривая 2, полученная по результатам вероятностного моделирования по структурной схеме, приведенной на рис. 5, а (/ == 1, а = 1), где в качестве анализатора вероятностных характеристик используется блок оценки математического ожидания (количество замеров N = = 10 000, относительная ошибка оценки не более 1,0%). С учетом ошибок статистического оценивания совпадение теоретических и экспьриментальных данных хорошее, поэтому предложенные схемы моделирования можно использовать для получения необходимых вероятностных характеристик процессов эластичного шлифования. [c.17]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...