Метод исследования математической модели и анализ полученных результатов

Метод исследования математической модели и анализ полученных результатов [c.13]

Полученные математические модели и методы их реализации в свою очередь позволяют провести детальный анализ всех составляющих этого баланса, но основными из них являются кинетическая энергия потока жидкости и диссипация энергии в потоке. Сопоставляя приведенные результаты численных исследований по этим двум, принципиально важным составляющим баланса механической энергии, видно, что они в полной мере качественно дополняют друг друга. При этом, естественно, для полного совпадения баланса в абсолютных значениях следует учесть и работы сил давления, девиаторных сил и др. [c.578]

В результате анализа статистических данных, накопленных в результате комплексных исследований механизма привода, представляется возможность расшифровки кривых регистрируемых параметров и построения эталонных осциллограмм. Для определения оптимальных величин и характера изменения диагностических параметров на различных участках осциллограммы проводится расчет механизма аналитическим путем (в частности, с помощью методов математического моделирования). Кроме того, экспериментально определяют величины этих параметров у большого числа станков одной модели после их сборки, регулировки и обкатки. Эталонную осциллограмму выбранного параметра для каждой модели станка получают путем статистической обработки записей этого параметра у станка, изготовленного, отрегулированного и приработанного в соответствии с техническими условиями, и сравнивают полученную кривую с расчетными данными. Например, эталонная осциллограмма крутящего момента на ходовом винте привода продольной подачи (рис. 4, поз. 20) должна иметь характер периодически изменяющейся кривой без резких скачков и пиков, а максимальная величина крутящего момента не должна превышать 2,8—3,0 кгм при рабочей подаче на холостом ходу. [c.78]

Процессу оптимизации параметров теплоэнергетических установок свойственны определенные погрешности. В [19] рассмотрены погрешность метода решения задачи оптимизации и вычислительная погрешность, а также дан анализ источников их появления. В то же время мало исследован весьма важный вопрос о соотношении между погрешностями определения функции цели и решения задачи. Положения работ [2, 19] позволяют определить погрешность нахождения функции цели АЗ. Это очень важный показатель качества решения задачи. Вторым не менее важным показателем является погрешность решения задачи АХ, т. е. разница между значениями параметров теплоэнергетической установки, полученными в результате решения задачи, и действительно оптимальными значениями параметров. Вопрос о количественной оценке погрешности решения задачи АХ разработан мало. Практически для ее нахождения используются знания о величине погрешности определения функции цели и характере поведения функции цели в зоне оптимальных значений параметров. Последнее, как правило, определяется в результате расчетных исследований на ЭЦВМ с использованием математических моделей. [c.12]

Первый и очень ответственный этап всякой теории - выбор математических моделей, передающих основные свойства реальных систем и вместе с тем достаточно простых для анализа и расчета [1,3, 22,23]. На этом этапе приходится сознательно идти на компромисс. Это вызвано тем, что, с одной стороны, наличие простых, но точно интегрируемых моделей необходимо для построения непротиворечивой теории и придания ей определенной законченности и изящества. Кроме того, точные решения модельных задач могут служить тестами для отработки приближенных и численных методов исследования более сложных систем. С другой стороны, следует помнить, что для прикладных целей избыточно точный расчет грубой модели так же мало информативен, как и использование очень сложной модели при ее дальнейшем поверхностном анализе [22,23]. Здесь весьма важно правильно выбрать соотношение между степенью идеализации при выборе модели и точностью применяемых математических методов. Критерием может служить соответствие между полученными теоретическими результатами и экспериментальными данными. [c.14]

Какова значимость этой модели в описании процесса По нашему мнению, не следует обольщаться мощностью математического аппарата, применяемого для обработки измеренных в процессе экспериментальных исследований параметров. С помощью статистического или регрессионного анализа никакой новой информации о процессе, кроме той, которая уже имеется в экспериментально измеренных значениях параметров, получить нельзя. Это значит, что математический аппарат помогает только более удобно представить полученную информацию, но не отвечает за ее достоверность. За достоверность отвечает сам исследователь, который проводит измерения параметров вручную автоматически, непрерывно или дискретно. В этой ситуации применяемые методы и технические средства измерений могут оказать более существенное влияние на достоверность полученных результатов, чем математический аппарат, используемый для их дальнейшей обработки. Не вдаваясь в метрологические подробности и теорию измерений, отметим лишь самое главное, что характерно для моделей первого уровня [c.240]

В гидравлике большое значение придается эксперименту и его сочетанию с математическим анализом, причем в экспериментальных исследованиях широкое применение получил метод моделирования, при котором исследуется не сам поток, машина или сооружение, а их материальные модели, выполненные, как правило, в уменьшенном масштабе. Процесс создания модели должен быть научно обоснованным, что обеспечивается теорией гидродинамического подобия. Полученные на таких моделях результаты экспериментов могут быть распространены на целый класс подобных процессов и явлений путем пересчета по формулам (критериям) подобия. [c.159]

Наиболее интересным в плане получения самых разнообразных дифракционных характеристик, но и в то же время наиболее трудным для анализа является резонансный случай, в котором длина волны возбуждения соизмерима с периодом решеток. До широкого внедрения в практику расчетов средств электронно-вычислительной техники исследования в резонансной области обычно замыкались на анализе некоторых частных или предельных ситуаций [30—41]. Вынужденные довольствоваться малым, авторы указанных и других работ заложили прочный фундамент, на котором строится современное здание теории дифракции волн на периодических решетках в резонансной области частот. Действительно, практически в каждом широко используемом сегодня методе построения математических моделей для численных экспериментов на ЭВМ явно просматривается влияние идей и результатов, полученных в 40—60-х годах. Прежде всего это касается метода частичных областей (методов переразложения, сшивания) (25, 42—46], методов теории потенциала (интегральных уравнений) 17, 47—521, модифицированного метода Винера — Хопфа — Фока [53— 56], модифицированного метода вычетов [54], метода полуобращения матричных уравнений типа свертки [25, 57, 58]. Подобная преемственность наблюдается и в желании глубже проникнуть в суть явлений и эффектов, обнаруживаемых при исследовании процессов дифракции волн на решетках различных типов и геометрий в резонансной области частот. Вслед за работами Л. Н. Дерюгина [59, 60], в которых впервые на одном частном примере теоретически проанализированы поверхностный и двойной резонансы в отражательной решетке, появились работы с результатами всестороннего аналитического и численного исследований явлений аномального рассеяния волн в области точек скольжения (на рэлеевских длинах волн) [25, 61—65], полного резонансного прохождения [25, 66, 67] и полного резонансного отражения [7, 25, 29, 53, 57, 64, 68—77] плоских волн в случае полупрозрачных решеток, полного незеркального отражения волн отражательными решетками [25, 78—88] и т. д. [c.7]

После статистического анализа математической модели, интерпретации и проверки адекватности принимают решения по дальнейшему проведению работы. Принятие решений зависит от числа факторов, дробности плана, цели исследования, адекватности модели и др. Например, если линейная модель адекватная, а оптимум у не достигнут, то проводят движение по градиенту в оптимальную область. Движение осуществляют до тех пор, пока не улучшатся значения параметра оптимизации. Если в крутом восхождении не достигнуто оптимальное значение параметра оптимизации, то ставят новую серию опытов и т. д. Так продолжают до тех пор, пока не достигается почти стационарная область , где линейное приближение оказывается неадекватным и необходимо реализовать эксперимент по плану 2-го порядка для получения уравнения 2-го порядка. Координаты опытов в крутом восхождении рассчитывают путем прибавления к основному уровню шага > /4, где Ьг — коэффициент регрессии уравнения /< — интервал изменения фактора Х(. Крутое восхождение считается эффективным, если хотя бы один из реализованных опытов даст лучший результат по сравнению с наилучшим результатом опыта в серии. После крутого восхождения принимают решение о дальнейшей оптимизации процесса. Теория метода Бокса — Уильсона, а также техника расчета подробно изложены в работах [18.1—18.6 18.9]. Там же имеется описание других [c.595]

Отправным пунктом вычислительного эксперимента является физико-математическая модель. Прежде чем переходить к построению численных алгоритмов, ее необходимо исследовать, так как для выбора наиболее эффективных методов численного решения задач большую роль играет знание основных закономерностей изучаемых явлений. При исследовании математической модели используются все традиционные методы и средства, которые включают в себя отыскание аналитических решений в частных случаях, построение асимптотик, применение теории размерностей и подобия [75] и т. д. Значительную помощь в получении информации об изучаемом процессе может оказать анализ инвариантных решений, вид которых определяется из теории групповых свойств дифференциальных уравнений [48, 63]. Наиболее распространенными типами инвариантных решений являются автомодельные решения и решения типа бегущих волн. Автомодельные решения позволяют дать качественную картину отдельных сторон исследуемых процессов. Следует отметить, что при учете большого числа физических эффектов класс автомодельных решений существенным образом ограничен. Однако несмотря на это их свойства зачастую характерны и для более общих случаев. Они могут дать достаточно широкую информацию о сложных нелинейных процессах и позволяют установить зависимости характерных величин от различных параметров задачи. Автомодельные решения представляют собой также хорошие тесты для отработки методов численного интегрирования. Сопоставление результатов расчетов с известными решениями позволяет судить о точности разностных схем, скорости сходимости и т. д. Поэтому построение тестовых решений, в том числе автомодельных, представляет собой необходимый элемент в общей программе конструирования численных методов. Следует подчеркнуть, что при выполнении [c.5]

Математическое моделирование, закон поверхностного разрушения твердых тел при трении в общем случае должны учитывать физические, химические, механические явления, контактную ситуацию, изменение геометрических характеристик твердых тел во времени, кинематику движения, структуру и состав поверхностных и приповерхностных слоев, образование химических поверхностных соединений, состояние смазочного слоя. Получение уравнений, характеризующих в общем случае процесс поверхностного разрушения при трении, должно базироваться на синтезе эксперимента и математических моделей, учитывающих физико-химические процессы, механику сплошных сред, термодинамику и материаловедческий аспект проблемы. Разрабатываемый теоретико-инвариантный метод расчета поверхностного разрушения твердых тел при трении основывается на уравнениях эластогидродинамической и гидродинамической теории смазки, химической кинетики, контактной задачи теории упругости, кинетической теории прочности и учитывает теплофизику трения, адсорбционные и диффузионные процессы. Цель данных исследований —в получении из анализа и обобщений экспериментальных результатов критериальных уравнений с широкой физической информативностью структурных компонентов, полезных для решения широкого класса практических задач и необходимых для ориентации в направлении постановки последующих экспериментальных работ. Исследования в данной области будут углубляться и расширяться по мере развития знаний о физико-химических процессах, г[ротекающих при трении, получения количественных характеристик и развития математических методов, которые обобщают опытные наблюдения. [c.201]

В большинстве случаев структурного синтеза математическая модель в виде алгоритма, позволяющего по заданному множеству X и заданной структуре объекта рассчитать вектор критериев К, оказывается известной. Например, такие модели получаются автоматически в программах анализа типа Spi e, Adams или ПА-9 для объектов, исследуемых на макроуровне. Однако в ряде других случаев такие модели не известны в силу недостаточной изученности процессов и их взаимосвязей в исследуемой среде, но известна совокупность результатов наблюдений или экспериментальных исследований. Тогда для получения моделей используют специальные методы идентификации и аштрокси-мации (модели, полученные подобным путем, иногда называют феноменологическими). [c.173]

Метод исследования свойств веществ, когда физический эксперимент и математическое моделирование применяются совместно, дополняя друг друга, может быть назван расчетно-экспериментальным. Анализ совместной деятельности экспериментаторов и специалистов по математическому моделированию поведения вещества в разнообразных условиях и процессах позволяет сформулировать основные положения этого метода следующим образом. Свойства вещества исследуются экспериментально с максимально возможной точностью в доступной для этого области изменения его характеристик. Все полученные данные делятся на две группы информационную и контрольную. Цервая используется для выбора численных значений параметров математической модели. Контрольная группа данных применяется уже для верификации математической модели. При этом расчеты проводятся при фиксированных значениях параметров модели, выбранных на первом этапе. Если результаты расчетов удовлетворительно совпадают с опытными данными второй группы, модель рекомендуется для использования. В противном случае она нуждается в совершенствовании. [c.5]

В тех случаях, когда исследователь не может активно вмешиваться в поведение объекта иссдедования из-за невозможности управлять изменением факторов, приходится пассивно ожидать естественного проявления закономерностей в поведении объекта, что значительно удлиняет ожидаемое время сбора необходимой информации. Примерами таких исследований являются выявление состояния поступающего на завод ремонтного фонда, определение влияния некоторых технологических, экономических, организационных и социальных факторов на качество ремонта отдельных элементов и автомобиля в целом, оценка качества ремонта серийно-выпускаемой продукции по, результатам эксплуатационных испытаний и т. п. Для получения статистических математических моделей на основе статистических данных, собранных при пассивном эксперименте, пользуются методами корреляционного и регрессионного анализа. [c.325]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...