Статистические Обработка

Использование рассмотренных уравнений для оценки долговечности конструкций с существенно неоднородными полями напряжений связано со значительными трудностями, так как эти поля изменяют характер деформирования материала у вершины трещины. Например, в сварных тавровых соединениях остаточные напряжения приводят к ситуации, когда при действии циклической эксплуатационной нагрузки с коэффициентом асимметрии, равным нулю, коэффициент асимметрии нагружения материала в вершине трещины по мере ее развития изменяется от 0,8 до О, при этом КИН может принимать значения от пороговых до близких к критическим [198]. Следовательно, оценка долговечности такого рода конструкций может выполняться только с помощью уравнений, учитывающих переменную вдоль траектории развития трещины асимметрию нагружения в широком диапазоне СРТ. Как видно из выполненного обзора, такие уравнения являются в основном эмпирическими, содержащими большое количество взаимосвязанных параметров, определяемых только экспериментально на основании статистической обработки данных, что приводит к значительной сложности в получении и использовании этих зависимостей. Поэтому [c.192]

Определение параметров точности ТС опытно-статистическими методами производят на основе статистической обработки мгновенных выборок. Расчет среднего значения и среднего квадратичного отклонения производят по одной мгновенной выборке. [c.68]

Каким образом определяются параметры точности ТС на основе статистической обработки мгновенных выборок [c.77]

В общем случае при определении степени важности частного критерия Fi( ) получают набор оценок k = , I, подлежащих статистической обработке. Среднее значение оценки [c.29]

Статистическая обработка результатов экспертных оценок подобна статистической обработке результатов измерений. На достоверность экспертизы существенно влияют такие факторы, как численный состав экспертной группы, уровень компетентности экспертов, состав вопросов, предъявляемых экспертам, и т. д. [c.29]

Этап анализа функционирования и поддержки обеспечивает статистическую обработку данных о функционировании системы. Восстановление БД и ее целостность после сбоев обеспечивает поддержка БД. [c.99]

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]

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]

В табл. 35 показаны усредненные соотношения конструктивных элементов подшипников качения, полученные статистической обработкой размеров стандартных подшипников. [c.461]

Критическое структурно-водородное и напряженное состояния в ОШЗ, обусловливающее образование XT, описывается ниже приведенными соотношениями. Они получены статистической обработкой результатов испытаний на замедленное разрушение образцов основного металла в струк- [c.531]

Полученные логарифмические зависимости показывают, что вероятность отказов оборудования в ближайшие пять лет возрастает, а вероятность его безотказной работы плавно убывает, то есть резкого увеличения отказов оборудования до 2005 г. не ожидается, что подтверждают результаты проведенной статистической обработки (рис. 19в и 20). [c.86]

Результаты внутритрубной дефектоскопии представляют собой значительный массив данных (до 1500 единиц на 25-30 км трубопровода). Оперативность его обработки, а также достоверность и доступность информации определяют качество оценки технического состояния трубопровода. Поэтому требуется автоматизированный банк данных, включающий справочную информацию, возможность статистической обработки результатов, статистику проведенных исследований и методику решения специальных задач. [c.98]

Блок обработки дефектов представляет собой блок программ, состоящий из двух основных разделов, — статистической и математической обработки дефектов. Блок позволяет проводить первичную обработку дефектов после завершения внутритрубной УЗД. В блоке статистической обработки дефекты сортируются по видам, анализируется их взаимосвязь, определяются участки трубопровода с наибольшим количеством дефектов. Математическая обработка предусматривает расчет распределений по видам дефектов, подготовку данных для проведения факторного и регрессионного анализов, а также решение специальных задач (подбор закона распределения параметров дефектов на участках трубопровода, недоступных для внутритрубной дефектоскопии, решение регрессионных уравнений и других). [c.104]

При действии переменных нагрузок задается циклограмма, на которой по горизонтальной оси откладывается число циклов изменения напряжений, а по вертикальной — величины моментов. Нагрузки, найденные на основании статистической обработки замеров или из расчета, располагают на циклограмме в порядке убывания с индексами (1 ), (2 ). . ., а соответствующие нм числа циклов перемен напряжений за полный срок службы обозначают Яц(2 ) -рис. 21, в). [c.614]

Прежде всего обсудим возможные способы реализации на ЭВМ стохастической математической модели, рассмотренной в 5.1.4. Для этого необходимо решить проблемы моделирования распределений случайных значений параметров объекта и статистической обработки получаемых на выходе модели значений рабочих показателей. [c.253]

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]

Если текущее значение показателя у попадает в границы гистограммы, полученные на предьщущих шагах статистической обработки, необходимо определить отрезок разбиения интервала А, В), которому должно принадлежать у , и увеличить на единицу содержимое соответствующего счетчика 5(1). Этот процесс схематично изображен на рис. 6.40. После того как у тем или иным способом учтено в строящейся гистограмме, проверяется условие окончания построения, состоящее в учете заданного количества N значений показателя у.. Если оказьшается, что г = N, определяются параметры полученного распределения. Например, математическое ожидание и среднее квадратическое отклонение можно определить как [c.258]

Припуски на механическую обработку определяются расчетным путем или опытным путем на основании статистической обработки результатов большого количества измерений деталей, изготавливаемых по выплавляемым моделям. [c.129]

Для последующей статистической обработки результатов при каждом из режимов дуги (при выбранных значениях тока и расстояния между электродами) должно быть сфотографировано несколько спектров. [c.241]

Упражнение 1. Определение зависимости концентрации электронов от тока дуги. Сфотографируйте спектры дуги с различной величиной тока (4, 7 и 10 А). Для последующей статистической обработки результатов при каждом значении тока сделайте несколько снимков. Обработайте полученные спектры. Постройте график исследуемой зависимости. [c.276]

В первой части рассмотрены способы получения научной информации— физический эксперимент (наблюдение явления в специально создаваемых и точно учитываемых условиях), математический эксперимент (получение информации на основе численного рещения системы дифференциальных уравнений, описывающих явление), аналоговый эксперимент (наблюдение явления иной природы, чем исследуемое, но имеющего одинаковое с ним математическое описание). Здесь рассмотрены также погрешности экспериментального исследования, методы планирования экспериментов, статистической обработки и обобщения их результатов. [c.3]

Для испытаний на усталость характерен большой разброс экспериментальных точек. Поэтому для достоверного определения предела выносливости требуется испытание большого числа образцов с последующей статистической обработкой результатов. [c.346]

Если имеется несколько эталонов, то это позволяет получать наиболее надежные данные по к статистической обработкой. [c.121]

В табл. 1 приведены результаты анализа и статистическо ) обработки коррозионного разрушения по зонам рзда резервуаров для хранения нефти и нефтепродуктов ( S j. [c.15]

На оенове статистической обработки реальных режимов нагружения множества машин в качестве расчетных приняты шесть типовых режимов (рис. 2.3) О — постоянный, / — тяжелый, // — средний равновероятный, [II — средний нормальный, IV — легкий, V — особо легкий. [c.11]

Диалоговое моделирование. Наличие в методике макромоделирования эвристических и формальных операций обусловливает целесообразность разработки моделей элементов в диалоговом режиме работы с ЭВМ. Язык взаимодействия человека с ЭВМ должен позволять оперативный ввод исходной информации о структуре модели, об известных характеристиках и параметрах объекта, о плане экспериментов. Диалоговое моделирование должно иметь программное обеспечение, в котором реализованы алгоритмы статистической обработки результатов экспериментов, расчета выходных параметров эталонных моделей и создаваемых макромоделей, в том числе расчета параметров по методам планирования экспериментов и регрессионного анализа, алгоритмы методов поиска экстремума, расчета областей адекватности и др. Пользователь, разрабатывающий модель, может менять уравнения модели, задавать их в аналитической, схемной или табличной форме, обращаться к нужным подпрограммам и тем самым оценивать результаты предпринимаемых действий, приближаясь к получению модели с требуемыми свойствами. [c.154]

В соотношении (4. 3. 17) считается, что радиус пузырька может принимать определенные дискретные значения В., что соответствует экспериментальному методу регистрации пузырьков различных размеров [50]. Если интервал измеряемых радиусов ДД мал, то приближенно pv (Д) можно считать непрерывной функцией распределения. На рис. 43 показано типичное распределение пузырьков газа по размерам фу (Д), полученное экспериментальным путем в [50]. Проанализируем вид кривой (Д). Относительный максимум фу (Д) в области малых значений Д объясняет тот факт, что при дроблении каждого крупного пузырька газа по1йимо двух пузырьков относительно меньшего размера образуется большое количество очень мелких пузырьков [51]. Эти мелкие газовые пузырьки являются результатом дробления перемычки, соединяющей два основных пузырька перед их окончательным разделением (см. рис. 44). Два максимума в окрестности Д р вместо одного являются следствием регистрации небольшого количества пузырьков, недостаточного для статистической обработки. [c.138]

Следовательно, если какой-то котел подвергается коррозионным разрушениям при применении воды, прошедшей определенную подготовку, то нельзя с очевидностью сказать, является ли эта подготовка достаточной. Для окончательного ответа необходимы статистическая обработка данных обследования большого числа котлов или проведение фундаментальных исследований коррозионных процессов. Существует множество взаимодействующих факторов, связанных с составом питательной воды, кощ трук-цией котла, режимом работы котла и конденсатора. Эти факторы специфичны для каждой котельной установки, и они определяют, будут ли протекать коррозионные разрушения при определенном содержании в воде кислорода и меди. [c.290]

Для испытаний па усталость характерен большой разброс эксие-рныентальных точек. Поэтому для достоверного определения предела выносливости требуется испытание большого числа образцов (40 — 60) с последующей статистической обработкой результатов, чао является трудоемкой операцией. Поэтому был сделан ряд попыток связать эмпирическими формулами предел выносливости с известными механическими характеристиками материала. [c.393]

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]

Сущность метода статистических испытаний состоит в многократном разыгрывании случайных значений переменных z в пределах полей допусков и в соответствии с заданными законами вероятностного распределения. Для каждой совокупности значений z вычисляется Hj, что завершает единичное испытание. После выполнения заданного числа испытаний производится статистическая обработка полученных значений Hj, которая устанавливает количественные и качественные характеристики технологического разброса Ну [c.233]

Общее количество данных, накопленных за период с 1974 по 2000 гг., составляет более 1500 единиц информации. Их статистическая обработка и определение характеристик надежности оборудования проведены с применением пакета программ Statisti a б.О и Ex el 97. [c.68]

Использование статистической обработки регистрируемых данных позволяет выявлять начало процесса трещинообразова-ния (появление микротрещин, их слияние и образование макротрещины) на фоне протекания макропластической деформации. При установке датчиков акустической эмиссии непосредственно вблизи дефекта представительный уровень эмиссии может быть зарегистрирован при нагрузках, составляющих от 5 до 50% от предельной нагрузки, которая соответствует разрушению. Во избежание перебраковки необходимо использовать сложные виды обработки данных. [c.194]

Таким образом, успех решения задачи, в первую очередь, определяется погрешностью измерений, т.е. уровнем шумов. Следовательно, статистическая обработка результатов измерений и применв ще различных методов теории информации, ограничи-вающих влияние шумов, приобретают первостепенное значение в увеличении разрешающей силы оптических инструментов. [c.339]

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]

Зависимость (3.50) получена путем статистической обработки опытных данных для широкого класса констру1щион-ных сталей и сплавов. Зная механические характеристики металла шва, по соотношению (3.42), полученному для соединений с дефектом в центре шва, можно оценить несущую способность соединений при квазихрупком разрушении. Для установления допустимых размеров дефектов, не приводящих к квазихрупким разрушениям, необходимо знать уровень номинальных напряжений, действующих в сварном соединении. Из предыдущих разделов было выявлено, что вязкая прочность сварных соединений определяется нетто-сечением сварного шва (без учета эффекта контакт иого упрочнения). То есть для однородных пластин [c.112]

Используемый комплекс аппаратных средств состоит из двенадцатиразрядного АЦП, подключенного к аналогов ому выходу ЛДИС модулей, позволяющих регистрировать температуру стенда и период вращения цилиндров буквенно-цифрового дисплея Видеотон-340 для оперативной связи эксперимента с ЭВМ двухкоординатного самописца Еп<11т-620.02, на который выводятся результаты статистической обработки данных эксперимента устройство печати О2М-180, [c.353]

I — (6.35а) 2 — (6.36) 3 — (6.42) 4 — (6.41) каждая точка на рисунке отражает либо кривую роста индивидуального пузырька, либо результат статистической обработки нескольких кривых роста при Ja = idem [c.270]

Ш ИЗН. 1=ПРИЗН 1 , если сигнал описывается корреляционной функцией. В этом случае значение амплитуды шума набирается с экрана в виде массива отсчетов, взятых в равноотстоящих точках по 8 чисел в строке, формат Е10.3. При этом параметры NDAT, ИСПЫТ., SROTKLhSREDN считаются равными 0. Если случайный сигнал задается некоторой его реализацией в соответствии с законом Гаусса и затем производится статистическая обработка результатов ра( чета для всех реализаций, то ПРИЗН. 1=1 [c.186]

Статистическая обработка результатов градуировки показала, что при различном тепловом воздействии на продукт разность сигналов секций тепломассомера является линейной функцией потока массы, среднее квадратическое отклонение опытных точек от обобщающей прямой не превышает 3 % (разброс точек д.ля и i/a на рис. 5.9 и 5.10 не имеет значения), что и подтверждает возможность одно- [c.112]

Статистическая обработка опытных данных не только подтвердила принятые допущения, но и позволила установить, что относительная погрешность градуировки тепло-массомеров по плотностям потоков теплоты и массы на описанных в п. 5.1 и 5.2 стендах не превышает 2,34 %. [c.116]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...