ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 11.01.2024
Просмотров: 143
Скачиваний: 3
, изменение свойств исследуемого объекта в период эксперимента, например, из-за старения материала или его износа, воздействие персонала и т. д.
4. Установление потребной точности результатов измерений (выходных параметров), области возможного изменения входных параметров, уточнение видов воздействий. Выбирается вид образцов или исследуемых объектов, учитывая степень их соответствия реальному изделию по состоянию, устройству, форме, размерам и другим характеристикам.
На назначение степени точности влияют условия изготовления и эксплуатации объекта, при создании которого будут использоваться эти экспериментальные данные. Условия изготовления, то есть возможности производства, ограничивают наивысшую реально достижимую точность. Условия эксплуатации, то есть условия обеспечения нормальной работы объекта, определяют минимальные требования к точности.
Точность экспериментальных данных также существенно зависит от объёма (числа) испытаний — чем испытаний больше, тем (при тех же условиях) выше достоверность результатов.
Для ряда случаев (при небольшом числе факторов и известном законе их распределения) можно заранее рассчитать минимально необходимое число испытаний, проведение которых позволит получить результаты с требуемой точностью.
5. Составление плана и проведение эксперимента — количество и порядок испытаний, способ сбора, хранения и документирования данных.
Порядок проведения испытаний важен, если входные параметры (факторы) при исследовании одного и того же объекта в течение одного опыта принимают разные значения. Например, при испытании на усталость при ступенчатом изменении уровня нагрузки предел выносливости зависит от последовательности нагружения, так как по-разному идет накопление повреждений, и, следовательно, будет разная величина предела выносливости.
В ряде случаев, когда систематически действующие параметры сложно учесть и проконтролировать, их преобразуют в случайные, специально предусматривая случайный порядок проведения испытаний (рандомизация эксперимента). Это позволяет применять к анализу результатов методы математической теории статистики.
Порядок испытаний также важен в процессе поисковых исследований: в зависимости от выбранной последовательности действий при экспериментальном поиске оптимального соотношения параметров объекта или какого-то процесса может потребоваться больше или меньше опытов. Эти экспериментальные задачи подобны математическим задачам численного поиска оптимальных решений. Наиболее хорошо разработаны методы одномерного поиска (однофакторные однокритериальные задачи),
такие как метод Фибоначчи, метод золотого сечения.
6. Статистическая обработка результатов эксперимента, построение математической модели поведения исследуемых характеристик.
Необходимость обработки вызвана тем, что выборочный анализ отдельных данных, вне связи с остальными результатами, или же некорректная их обработка могут не только снизить ценность практических рекомендаций, но и привести к ошибочным выводам. Обработка результатов включает:
- определение доверительного интервала среднего значения и дисперсии (или среднего квадратичного отклонения) величин выходных параметров (экспериментальных данных) для заданной статистической надежности;
- проверка на отсутствие ошибочных значений (выбросов), с целью исключения сомнительных результатов из дальнейшего анализа. Проводится на соответствие одному из специальных критериев, выбор которого зависит от закона распределения случайной величины и вида выброса;
- проверка соответствия опытных данных ранее априорно введенному закону распределения. В зависимости от этого подтверждаются выбранный план эксперимента и методы обработки результатов, уточняется выбор математической модели.
Построение математической модели выполняется в случаях, когда должны быть получены количественные характеристики взаимосвязанных входных и выходных исследуемых параметров. Это — задачи аппроксимации, то есть выбора математической зависимости, наилучшим образом соответствующей экспериментальным данным. Для этих целей применяют регрессионные модели, которые основаны на разложении искомой функции в ряд с удержанием одного (линейная зависимость, линия регрессии) или нескольких (нелинейные зависимости) членов разложения (ряды Фурье, Тейлора). Одним из методов подбора линии регрессии является широко распространенный метод наименьших квадратов.
Для оценки степени взаимосвязанности факторов или выходных параметров проводят корреляционный анализ результатов испытаний. В качестве меры взаимосвязанности используют коэффициент корреляции: для независимых или нелинейно зависимых случайных величин он равен или близок к нулю, а его близость к единице свидетельствует о полной взаимосвязанности величин и наличии между ними линейной зависимости.
При обработке или использовании экспериментальных данных, представленных в табличном виде, возникает потребность получения промежуточных значений. Для этого применяют методы линейной и нелинейной (полиноминальной) интерполяции (определение промежуточных значений) и экстраполяции (определение значений, лежащих вне интервала изменения данных).
7. Объяснение полученных результатов и формулирование рекомендаций по их использованию, уточнению методики проведения эксперимента.Снижение трудоёмкости и сокращение сроков испытаний достигается применением автоматизированных экспериментальных комплексов. Такой комплекс включает испытательные стенды с автоматизированной установкой режимов (позволяет имитировать реальные режимы работы), автоматически обрабатывает результаты, ведет статистический анализ и документирует исследования. Но велика и ответственность инженера в этих исследованиях: четкое поставленные цели испытаний и правильно принятое решение позволяют точно найти слабое место изделия, сократить затраты на доводку и процесс проектирования.Ход работы:1. Пропишите тему и цели вашего исследования.2. Выявите основные входные факторы действующие при проведении вашего эксперимента и запишите их в таблицу 1. 3. Определите и запишите в таблицу 1 исходные (зависимые) факторы на которые оказывают влияние входные факторы, заданные в пункте 2. Таблица 1– Параметры полнофакторного эксперимента
| Параметр | Обозначение | |
| натуральное | нормализованное | |
| Входные параметры (управляемые факторы) | ||
| Концентрация массы, % | с | Х1 |
| Межножевой зазор, мм | | Х2 |
| | | Х3 |
| | | Х4 |
| Выходные параметры (контролируемые факторы) | ||
| Разрывная длина, м | L | Y1 |
| | | Y2 |
| | | Y3 |
| | | Y4 |
| Фактор | Обозначение | Интервал варьирова- ния фактора | Уровень варьирования фактора | |||
| натураль- ное | нормали- зованное | –1 | 0 | +1 | ||
| Концентрация массы, % | с | x1 | 1 | 1 | 2 | 3 |
| Межножевой зазор, мм | | x2 | 0,1 | 0,1 | 0,2 | 0,3 |
| | | | | | | |
| | | | | | | |
5. Составить план полнофакторного эксперимента заполнив таблицу 3.
| Номер опыта | с | | х1 | х2 | Y1 | Y2 | Y3 |
| 1 | 1 | 0,1 | -1 | -1 | 7360 | | |
| 2 | 1 | 0,2 | -1 | 0 | 7230 | | |
| 3 | 1 | 0,3 | -1 | 1 | 7000 | | |
| 4 | 2 | 0,1 | 0 | -1 | 7214 | | |
| 5 | 2 | 0,2 | 0 | 0 | 7126 | | |
| 6 | 2 | 0,3 | 0 | 1 | 6908 | | |
| 7 | 3 | 0,1 | 1 | -1 | 7100 | | |
| 8 | 3 | 0,2 | 1 | 0 | 7100 | | |
| 9 | 3 | 0,3 | 1 | 1 | 6741 | | |