РУБРИКИ

Курсовая: Обработка результатов экспериментов и наблюдений

 РЕКОМЕНДУЕМ

Главная

Правоохранительные органы

Предпринимательство

Психология

Радиоэлектроника

Режущий инструмент

Коммуникации и связь

Косметология

Криминалистика

Криминология

Криптология

Информатика

Искусство и культура

Масс-медиа и реклама

Математика

Медицина

Религия и мифология

ПОДПИСКА НА ОБНОВЛЕНИЕ

Рассылка рефератов

ПОИСК

Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0

Рис. 11. Функциональная шкала y = x2

С помощью функциональных шкал графики многих функций могут быть преобразованы

к прямолинейному виду.

Например, уравнение параболы y = x2. Если на оси OY нанести

равномерную шкалу, а на оси OX1 шкалу квадратов х1 = х

2, то получится сетка, где уравнение параболы имеет изображение прямой

линии ( y = x1 ),

проходящей через начало координат.

Особенно часто используются различные логарифмические функции, с помощью которых

можно ²выпрямлять² графики степенных и показательных функций.

Например, y = aebx; lg y = (b lg å) х + lg a. Полагая lg y = y

1, lg a = A, b lg e = B запишем исходное уравнение в виде y1 =

А + Вх, откуда видно, что оставив равномерной шкалу х и построив

логарифмическую шкалу y1, можно изобразить исходное уравнение прямой

линией. Полученная координатная сетка называется полулогарифмической.

Очевидно, что такого рода преобразования возможны и в более общем случае.

Всякая неявная функция, заданная соотношением вида

аj(х) + by(y) + с = 0,

где a, b, с - постоянные, будет изображаться прямой линией на функциональной

сетке, где на оси ОХ построена шкала j(х), а на оси OY - шкала функции y(y).

Естественно, что функции j(х) и y(y) должны удовлетворять условиям

непрерывности и монотонности. В табл. 3 приведены преобразования для

некоторых функций.

Таблица 3

Линеаризация некоторых функций

Исходная

формула

Преобразованная

формула

Замена

переменных

Линеаризованная формула

y=axb

lg y=b×lgx+lga

lg y=y1

lg x=x1

lg a=a1

y1=bx1+a1

y=a×lgx+b¾

lg x=x1

y=ax1+b

y=ebx+k

lg y=b×lge×x+k×lge

lg y=y1

b×lg e=a

k×lg e=k1

y1=ax+k1

y=aebx

lg y=bx×lge+lga

lg y=y1

b×lg e=b1

lg a=a1

y1=b1x+a1

y=Курсовая: Обработка результатов экспериментов и наблюдений

¾

Курсовая: Обработка результатов экспериментов и наблюдений

y=ax1+b

y=Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

y1=ax+b

y=Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

y1=bx1+a

Из сказанного ясна роль функциональных сеток при обработке результатов

эксперимента. Если результаты эксперимента располагаются вблизи кривой, то по

имеющемуся ограниченному участку кривой трудно судить, какого типа функцией

ее лучше всего приближать. Переведя полученные экспериментальные данные на

функциональные сетки можно оценить на какой из них эти данные ближе всего

подходят к прямой и, следовательно, какой функцией лучше всего описываются.

3.3. Аналитические методы обработки результатов

Графический метод обработки результатов обладает наглядностью, относительной

простотой, однако его результаты содержат определенную субъективность и

относительно низкую точность.

Аналитические методы лишены в какой - то степени указанных недостатков и

позволяют получить результат для более широкого класса функций с большей

точностью, чем графический метод.

Существуют различные аналитические методы получения параметров эмпирических

кривых в зависимости от критерия, принятого при их получении. Рассмотрим

некоторые из существующих способов.

3.3.1. Способ средней

Допустим, что имеется n сочетаний xi, yi, полученных при

эксперименте. Даже в том случае, если между х и y теоретически установлена

функциональная связь ( в данном случае предположим, что линейная ), то

наблюдаемые значения yi будут отличаться от ахi + b

вследствие наличия экспериментальных ошибок. Обозначим через Di

соответствующую ошибку

Di = yi - axi - b (i = 1, 2, ..., n)

Если выбирать параметры а и b так, чтобы для всех n наблюдений ошибки

уравновешивались, т.е. Курсовая: Обработка результатов экспериментов и наблюдений

, то это привело бы нас к одному уравнению, тогда как для нахождения двух

коэффициентов (а, b) их требуется два. Поэтому предположим, что уравновешивание

происходит не только для всех произведенных наблюдений в целом, но и для каждой

группы, содержащей половину ( или почти половину ) всех наблюдений в

отдельности.

В этом случае можно прийти к системе уравнений

Курсовая: Обработка результатов экспериментов и наблюдений ,

где m - число наблюдений в первой группе.

Данную систему уравнений запишем теперь в виде

Курсовая: Обработка результатов экспериментов и наблюдений .

Изложенное показывает, что метод средних ²уравновешивает²

положительные и отрицательные отклонения теоретической кривой от

экспериментальных значений.

Пример.Используя данные рис. 10 определим коэффициенты а, b методом средней.

Для этого семь измерений разделим на две группы m = 3 первых значений, n - m

= 4 последующих

Курсовая: Обработка результатов экспериментов и наблюдений ; Курсовая: Обработка результатов экспериментов и наблюдений ;

Курсовая: Обработка результатов экспериментов и наблюдений ; Курсовая: Обработка результатов экспериментов и наблюдений .

Получаем систему

Курсовая: Обработка результатов экспериментов и наблюдений

Решая систему находим

Курсовая: Обработка результатов экспериментов и наблюдений

;

b =

Курсовая: Обработка результатов экспериментов и наблюдений

Таким образом способ средней дает прямую

y = 0,55х + 3,11.

В сравнении с графическим способом коэффициенты а совпадают и имеется

различие в коэффициенте b.

3.3.2. Метод наименьших квадратов

В методе средних при определении коэффициентов уравнения использовалось условие

равенства нулю алгебраической суммы отклонений результатов эксперимента от

теоретической кривой ( в частном случае прямой ). Очевидно, что при этом D

i могут быть значительной величины. Имеет значение только

²уравновешивание² положительных и отрицательных отклонений.

Поставим теперь задачу нахождения по результатам наблюдений наиболее

вероятные значения неизвестных коэффициентов.

Предположим, что искомая зависимость y = ¦(х) существует. Тогда параметры этой

линии необходимо выбрать таким образом, чтобы точки yi располагались

по обе стороны кривой y = ¦(х) как можно ближе к последней. Предположим, что

разброс точек yi относительно y = ¦(х) подчиняется закону

нормального распределения. Тогда мерой разброса является дисперсия s2

или ее приближенное выражение - средний квадрат отклонений.

Курсовая: Обработка результатов экспериментов и наблюдений .

И требование минимального разброса будет удовлетворено, если минимизировать

выражение ( Dyi )2. Как известно, необходимым условием

того, что функция приобретает минимальное значение, является то, что ее первая

производная ( или частные производные для функции многих переменных ) равна

нулю. Применение метода наименьших квадратов имеет смысл, если число

экспериментальных точек n больше числа определяемых коэффициентов.

Рассмотрим реализацию метода наименьших квадратов применительно к уравнению

вида y = ax + b.

Для нахождения коэффициентов а, b искомой прямой необходимо минимизировать сумму

квадратов расстояний Dyi по ординате от точки (хi; y

i) до прямой ( см. рис. 12 ). Расстояния Dyi определятся

Dyi = yi - axi - b.

Рис. 12. К способу наименьших квадратов

Для минимизации Курсовая: Обработка результатов экспериментов и наблюдений приравниваем к нулю производные этой суммы по параметрам а, b:

Курсовая: Обработка результатов экспериментов и наблюдений

;

Курсовая: Обработка результатов экспериментов и наблюдений

.

Преобразуем эту систему

Курсовая: Обработка результатов экспериментов и наблюдений

Получим систему нормальных уравнений метода наименьших квадратов.

Решая ее относительно а, b получаем:

Курсовая: Обработка результатов экспериментов и наблюдений ; Курсовая: Обработка результатов экспериментов и наблюдений .

Вычисляя из n опытов необходимые суммы и производя указанные действия,

получаем величину коэффициентов а, b.

Как видно, способ наименьших квадратов достаточно громоздок и при его

применении широко используется вычислительная техника. Метод наименьших

квадратов может использоваться и в случае нелинейных функций. Например, если

определяются параметры квадратичной зависимости:

y = ах2 + bx + с,

то

Курсовая: Обработка результатов экспериментов и наблюдений

.

Дифференцируя это соотношение по а, b, с получаем систему нормальных уравнений:

Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

Из этой системы можно определить параметры а, b, с.

При использовании метода наименьших квадратов при других нелинейностях,

удобнее будет линеаризовать исходные зависимости.

В табл. 4 приведены системы нормальных уравнений для некоторых исходных

уравнений.

Таблица 4

Системы нормальных уравнений

Исходное

уравнение

Система нормальных уравнений

y=axb

Курсовая: Обработка результатов экспериментов и наблюдений

y=a×lgx+b

Курсовая: Обработка результатов экспериментов и наблюдений

y=eax+b

Курсовая: Обработка результатов экспериментов и наблюдений

y=aebxКурсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

y=Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

y=Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

y=Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

Примечания: 1. Величины х, y обозначают значения величин хi, yi в i-ом

опыте;

2. Знак S обозначают сумму величин от i = 1 до i = n, где n

- число равноточных измерений.

3.3.3. Интерполирование функций

Известно, что под интерполированием понимают отыскание значений функции,

соответствующих промежуточным значениям аргумента, отсутствующим в таблице

логарифмов, тригонометрических и др. функций.

В общем смысле можно сказать, что задача интерполирования обратна задаче

табулирования функций. При интерполировании по таблице значений функции

строится ее аналитическое выражение, т.е. по значениям функции yo, y

1, ..., yn при значениях аргумента хо, х1

, ..., хn определяется выражение неизвестной функции.

Понятно, что через данные точки ( даже большого числа ) можно провести

множество различных кривых. Поэтому существует интерполирование в различных

функциях F (х). Чаще всего требуют, чтобы функция F(х) была многочленом

степени на единицу меньшей, чем число известных значений.

Таким образом, задачу интерполирования функций можно сформулировать следующим

образом.

Для данных значений х º хо, х1, ..., хn и

y º yo, y1, ..., yn найти многочлен y = F

(х) степени n, удовлетворяющий условиям F (хо) = yo, F (х

1) = y1, ..., F (хn) = yn. Точки хо

, х1, ..., хn называют узлами интерполяции. Многочлен F

(х) - интерполяционным многочленом , а формулы его построения -

интерполяционными формулами.

Как видно из описания сущности интерполирования, в отличии от описанных ранее

способов получения функций ( графического, метода средних, метода наименьших

квадратов ), интерполяционный многочлен опишет кривую, проходящую точно через

заданные точки.

3.3.4. Параболическое интерполирование

При параболическом интерполировании в качестве интерполяционного многочлена F

(х) принимают многочлен n - ой степени вида

F (х) = ао + а1х + а2х2 + ... + аnxn.

Используя свойство прохождения функции F (х) через заданные точки для

неизвестных коэффициентов аi можно составить n + 1 уравнений с n + 1

неизвестным:

ао + а1хо + а2хо2 + ... + аnхоn = yo;

ао + а1х1 + а2х12 + ... + аnх12 = y1;

....................................................

ао + а1хn + а2хn2 + ... + аnхn2 = yn.

Эта система имеет единственное решение, если значения хi отличны друг

от друга. Понятно, что при большом n возникает сложность решения этой системы.

Перед рассмотрением общего способа решения, рассмотрим простой пример.

Дано: хо = 0, х1 = 1, х2 = 2, yо =

1, y1 = 1, y2 = 3. Определить многочлен F (х).

Записывая многочлен F (х) в виде

F (х) = ао + а1х + а2х2

составим систему уравнений

Курсовая: Обработка результатов экспериментов и наблюдений или Курсовая: Обработка результатов экспериментов и наблюдений

откуда ао = 1, а1 = - 1, а2 = 1 и интерполирующий многочлен имеет вид

F (х) = 1 - х + х2.

Теперь рассмотрим общий подход к отысканию интерполяционного многочлена F

(х), не решением системы, а непосредственной записью.

Определим выражение для многочлена, принимающего в точке х = хо

значение yо = 1, а в точках х = х1, х2, ..., х

n - значения y1 = y2 = ... = yn = 0.

Очевидно, что многочлен будет иметь вид

Курсовая: Обработка результатов экспериментов и наблюдений .

Здесь при х = хо числитель и знаменатель равны, а при х = х1

, х2, ..., хn - числитель равен нулю.

Теперь построим многочлен Fо (х), принимающий в точке хо

значение yо и обращающийся в нуль для значений х = х1, х

2, ..., хn. Учитывая предыдущее построение можно записать

Курсовая: Обработка результатов экспериментов и наблюдений

.

Теперь можно записать многочлен F (х) для произвольного значения хi (

i = 0, 1, 2, ..., n ) принимающего значения F (хi) = yi,

а во всех остальных точках х ¹ хi значение, равное нулю

Курсовая: Обработка результатов экспериментов и наблюдений

.

Как видно из записи, числитель не будет содержать выражения (х - хi),

а знаменатель - (хi - хi), т.е. выражений, обращающих

числитель и знаменатель в нуль.

Искомый многочлен будет равен сумме

Курсовая: Обработка результатов экспериментов и наблюдений ,

т.е. снова в каждой точке хi одно из слагаемых принимает нужное

значение yi, а все остальные обращаются в нуль.

В развернутом виде

Курсовая: Обработка результатов экспериментов и наблюдений

=

Курсовая: Обработка результатов экспериментов и наблюдений

... + Курсовая: Обработка результатов экспериментов и наблюдений .

Полученная формула называется интерполяционной формулой Лагранжа.

Используя формулу Лагранжа запишем многочлен F (х) для разобранного выше

примера.

Курсовая: Обработка результатов экспериментов и наблюдений

= Курсовая: Обработка результатов экспериментов и наблюдений

=

Курсовая: Обработка результатов экспериментов и наблюдений

.

Получили тоже самое выражение, что и ранее.

Контрольные вопросы

1. Назначение графического метода обработки результатов;

2. Сущность графического метода обработки результатов;

3. Понятие и назначение функциональной шкалы;

4. Выбор масштаба функциональной шкалы;

5. Сущность аппроксимации методом средних;

6. Сущность аппроксимации методом наименьших квадратов;

7. Принципиальное отличие метода интерполирования от метода наименьших

квадратов.

4.ОСНОВЫ НОМОГРАФИИ

Номография - слово греческое. Номос - закон, графо - пишу, черчу. В

буквальном переводе это слово означает ²черчение закона².

Своей задачей номография ставит построение специальных графиков - номограмм,

служащих для решения различных уравнений. Номограммы дают возможность

компактно представлять функции многих переменных и таблицы с несколькими

входами. На номограммах можно решать некоторые трансцендентные уравнения и

системы таких уравнений. Номограммы можно применять не только для

вычислительных целей, но и для исследования положенных в их основу

функциональных зависимостей.

Наглядность представления различных закономерностей и простота использования

номограмм при достаточно высокой точности результата обеспечивают широкое

использование номограмм в различных областях техники.

В основе номограмм лежит понятие функциональной шкалы ( см. выше ). На основе

функциональных шкал создаются не только номограммы, но и различные

вычислительные средства: универсальные вычислительные номограммы,

логарифмические линейки и т.п.

В данной главе излагается один из возможных видов номограмм - номограммы в

декартовой системе координат, имеющие достаточно широкое использование в

машиностроении.

4.1. Номограммы в декартовой системе координат

В разделах 3.1., 3.2. описана процедура построения графиков для функции

одного переменного. При этом на графике получается одна линия ( прямая или

кривая ).

Если же изучаемая функция зависит от двух переменных

Z = ¦ (х, y),

то придавая в этом уравнении, например, параметру y ряд частных ( постоянных )

значений y1, y2, ..., yn можно, как и для

функции одного переменного, построить зависимости

Z = ¦ (х, y1);

Z = ¦ (х, y2);

...................

Z = ¦ (х, yn).

Получим систему кривых ( в частном случае прямых ), называемых номограммой из

²помеченных² линий, т.к. каждая линия помечается соответствующим

значением yi.

Пример. При исследовании процесса фрезерования было установлено, что наиболее

целесообразно величину радиального биения смежных зубьев фрезы назначать по

условию обеспечения участия в процессе резания всех зубьев фрезы.

Аналитически это условие выражается уравнением

Курсовая: Обработка результатов экспериментов и наблюдений ,

где Sz - расчетная величина подачи на зуб, мм/зуб;

k = Курсовая: Обработка результатов экспериментов и наблюдений - параметр операции;

D - диаметр фрезы, мм;

t - глубина резания, мм;

D - величина биения смежных зубьев фрезы, мм.

Как видно, Sz = ¦ (k, D) является функцией двух параметров. Здесь

можно отметить, что, фактически Sz = ¦ (D, t, D), т.е. функцией трех

параметров, но два параметра (D, t) заменены одним - k = Курсовая: Обработка результатов экспериментов и наблюдений

, легко определяемым и уменьшающим количество переменных. Данный прием широко

используется в номографии.

Теперь необходимо определиться с осями и помеченным параметром. В качестве оси

ординат, в соответствии с функциональной зависимостью, рационально принять S

z. В качестве же оси абсцисс можно принять либо k, либо D. Если в качестве

оси ординат принять k ( а помеченным параметром Di ), то зависимость

Sz = ¦ (k, Di)

будет получаться криволинейной, в соответствии с закономерностью Курсовая: Обработка результатов экспериментов и наблюдений

. Проще строить и использовать прямолинейные графики при равномерных шкалах.

Поэтому стараются номограммы строить на основе прямых линий. Поэтому лучше

будет строить номограмму из помеченных линий вида

Sz = ¦ (D, Ki),

где Курсовая: Обработка результатов экспериментов и наблюдений .

Теперь выбираем масштаб построения и диапазоны изменения переменных. С учетом

условий процесса фрезерования принимаем D £ 0,08 мм; Sz

£ 0,20 мм/зуб. Параметр k изменяем дискретно k = 2; 5; 10; 20; 30; 40; 50.

Так как зависимость Sz = ¦ (D, Ki) является прямой

линией, проходящей через начало координат, то для построения графиков

достаточно вычислить только одно значение Sz при каком - либо

значении D. Например, для k = 2, при D = 0,06 мм имеем

Курсовая: Обработка результатов экспериментов и наблюдений ( мм/зуб ).

Теперь через точки ( 0; 0 ) и ( 0,06; 0,06 ) можно провести прямую линию и

пометить ее параметр k = 2. Аналогично проводятся и другие линии ( рис. 13 ).

На номограмме наносится линия, показывающая порядок ее использования.

Рис. 13. Номограмма определения допустимой величины

радиального биения смежных зубьев фрезы.

4.2. Составные номограммы с помеченными линиями

Номограмму в одной четверти можно построить для функции двух переменных. При

большем числе переменных это сделать уже нельзя. В этом случае используют

составные номограммы. Идею построения рассмотрим сначала в общем виде.

Пусть нам дано уравнение в неявном виде с четырьмя переменными

¦ (х, y, z, h) = 0.

Допустим, что его можно привести к виду

¦1(х, y) = ¦2 (z, h),

т.е. можно разделить переменные. Положим

¦1 (х, y) = g;

¦2 (z, h) = g.

Мы получим два уравнения, зависящих от двух переменных. Каждое из этих

уравнений можно номографировать, как описано выше. Обеспечив отсчет величины

g на одинаковой функциональной шкале, можно обойтись и без численных значений

g ( если они нас не интересуют по условиям решаемой задачи ). Схематически

такая номограмма приведена на рис. 14.

Рис. 14. Схема номограммы с помеченными линиями

с четырьмя переменными

Аналогично поступают и с уравнениями с большим числом переменных, которое

будет приводить к увеличению числа общих шкал и большему числу четвертей

построения номограммы. Нужно только иметь в виду, что не всякое уравнение

допускает разложение на несколько уравнений с двумя переменными и,

следовательно, не всякое уравнение удается таким образом номографировать.

Рассмотрим реальный пример построения составной номограммы.

При исследовании процесса фрезерования было установлено, что сила резания при

фрезеровании узких поверхностей приобретает характер повторяющихся импульсов

не гармонической формы. И возмущение технологической системы осуществляется

не на одной, а в бесконечном диапазоне частот. Наиболее опасно воздействие

первых трех гармоник, несущих значительно больше энергии возмущения, чем все

другие. Распределение энергии по этим трем гармоникам осуществляется в

зависимости от отношения фронтов нарастания и спада силы в импульсе. Это

отношение можно характеризовать отношением углов контакта фрезы (j) и зуба

фрезы (y) с заготовкой. Причем всегда j ³ y.

Для наглядного представления и определения характера распределения энергии по

трем гармоникам в зависимости от условий операции построим номограмму.

В одной из четвертей первоначально отражается характер распределения энергии по

гармоникам возмущения в зависимости от j/y (рис. 15). Эти зависимости построены

из результатов исследований, которые здесь не отражаются. Коэффициент Х2

характеризует ²удельный вес² энергии данной гармоники в общем силовом

возмущении. Диапазон j/y = 1...9.

Теперь отношение j/y раскрываем в параметрах инструмента и операции

Курсовая: Обработка результатов экспериментов и наблюдений .

Видно, что здесь четыре переменных величины: D, t, B, w.

Введем промежуточную ось С и построим номограмму из помеченных линий для одной

из переменных величин, а именно Вi

Курсовая: Обработка результатов экспериментов и наблюдений .

Видно, что это уравнения прямых линий, проходящих через начало координат.

Задаваясь одним значением j/y и Вi можно провести ее график.

Например, при j/y = 5, Вi = 5 получим С = 2×5×5 = 50.

Аналогично поступаем для Вi = 10; 15; 20.

Далее вводим следующую промежуточную ось ( и соответственно переменную ) L = C

×tg wi. Задаваясь величинами угла wi и С можно

определить положение помеченных линий. Например, при w = 45°, С = 50

L = 50×tg 45° =50.

Àíàëîãè÷íî

ïîñòóïàåì è

äëÿ äðóãèõ

óãëîâ wi = 15°; 30°; 60°; 75°.

Проводим прямые линии через начало системы координат и помечаем значение угла w

i каждой линии.

Таким образом осталась одна взаимосвязь параметров

Курсовая: Обработка результатов экспериментов и наблюдений .

Здесь необходимо определиться с параметром, направленном по оси и

²помеченным² параметром. В любом случае зависимость нелинейная.

Кроме того, глубина резания является задаваемым параметром и его лучше взять

в качестве ²помеченного² параметра. Для построения помеченных линий

нужно определить несколько координат каждой линии.

Рассмотрим ²помеченную² линию t = 5 мм. В качестве переменного

параметра принимаем диаметр фрезы D. При D = 25; 50; 100; 150; 200 мм

соответственно имеем

Курсовая: Обработка результатов экспериментов и наблюдений Курсовая: Обработка результатов экспериментов и наблюдений

Курсовая: Обработка результатов экспериментов и наблюдений

По найденным точкам строится линия для t = 5 мм. Аналогично поступают и для

других значений t.

На рис. 15 показана построенная номограмма. Указаны промежуточные оси С, L,

которые при использовании номограммы не нужны и могут не указываться, указаны

и частные зависимости для каждой четверти номограммы.

Полученная номограмма наглядно показывает, что распределение энергии по

гармоникам возмущения технологической системы определяется условиями

операции, изменяя которые можно воздействовать на возмущение технологической

системы.

Для исключения резонансных явлений необходимо знать спектр собственных частот

системы и согласовывать условия операции с их значениями, уменьшая количество

энергии на ²резонансной² частоте. Эти данные, как правило,

отсутствуют. Поэтому используя номограмму можно скорректировать условия

операции. Для этого по известным параметрам фрезы, которая показала

неудовлетворительные результаты, и элементам режима резания необходимо

определить распределение энергии по гармоникам возмущения и выбрать другое

распределение. Так как глубину резания и ширину фрезерования изменять, как

правило, невозможно, а изменение угла наклона режущей кромки часто

нецелесообразно по условиям

Рис. 15. Номограмма распределения энергии по гармоникам

возмущения и условия операции

стойкости инструмента, то новое распределение энергии можно получить изменив

диаметр фрезы ( в большую или меньшую сторону по сравнению с первоначальным

). При этом необходимо сохранить прежним относительное число зубьев ( z/D) и

скорость резания, так как число оборотов и зубьев фрезы играют

самостоятельную роль в определении частотного диапазона возмущения (inz).

Как видно из изложенного, номограмма может существенно помогать в управлении

процессом резания, на основе заложенных в нее функциональных зависимостей.

Контрольные вопросы

1. Сущность и назначение номографии;

2. Функцию какого числа переменных можно отразить в одной четверти декартовой

системы координат ?

3. Понятие номограммы из ²помеченных² линий;

4. Сущность составной номограммы и промежуточной функциональной шкалы.

5. ТИПОВЫЕ ЗАДАЧИ МАТЕМАТИЧЕСКОЙ ОБРАБОТКИ

ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ

В целях закрепления знаний и получения практических навыков предлагается

решить несколько задач, имеющих практическую направленность.

1. При измерении твердости по Роквеллу были получены следующие результаты.

Для образца А: 97,0; 98,7; 99,9; 99,5; 97,1; 99,5; 92,0; 100,6; 99,7; 98,0;

98,5; 99,5; 99,7; 99,5; 99,0; 98,5; 99,5; 98,8; 98,5; 99,1; 98,4; 96,6; 97,2;

101,7; 97,2; 98,2; 97,5; 97,7; 99,0; 99,0; 97,5. Для образца В, проверяемого

на этом же приборе: 85,6; 87,1; 87,9; 86,9; 85,6; 85,2; 85,5; 85,7; 84,7;

86,4; 80,0; 85,0; 82,0; 86,0; 86,0; 87,3; 84,5; 87,0; 87,3; 85,4; 91,0; 90,0;

90,8; 89,2; 91,0; 90,4; 84,1; 81,7; 87,4; 84,0; 85,2.

Для каждой группы данных определить значение измеряемого параметра, наличие

промахов в ряду измерений. Для какой группы измерений результат получен

точнее? Выбрав в случайном порядке 1, 4, 9, 16, 25 отсчетов проверить

справедливость зависимости точности среднего значения от числа измерений.

Построить эмпирические законы интегрального и дифференциального

распределений. Подобрать теоретический закон распределения и оценить его

соответствие.

2. Отклонения диаметра вала распределены по нормальному закону. Половина

значений диаметра лежит в интервале 20 ± 0,1 мм. Отклонения диаметра

отверстия также распределены по нормальному закону. Половина всех отклонений

отверстия находится в интервале 20 ± 0,05 мм. Полагая, что сборка соединения

производится вручную, определите, сколько из 50 валов не подойдет по размеру.

Какой номинальный диаметр осевого отверстия ( вместо 20 мм ) следует задать (

при том же законе распределения ), чтобы все 100% деталей подошли друг к

другу при ручной сборке.

3. В цехе машиностроительного завода выполняется сложный заказ, с

определенной вероятностью возникновения брака. Для обеспечения плана выпуска

100 изделий запущено в производство 110 единиц. Какова вероятность, что заказ

будет выполнен если вероятность получения одного изделия 0,9; 0,95 ?

4. При исследовании обрабатываемости одного из конструкционных материалов

были получены зависимости периода стойкости зуба фрезы от угла наклона w

стружечной канавки.

Результаты приведены в таблице:

2030405060
T, мин3060807050

Используя метод наименьших квадратов и параболического интерполирования

получить аналитическую зависимость стойкости от угла наклона .

5. С помощью критерия c2 проверьте соответствие числа бракованных

деталей за 51 смену пуассоновскому распределению.

Число бракованных

изделий за одну

смену, m

012345678

Число смен с m

бракованными

изделиями

3791296320

6. Известно, что количество бракованных инструментов в партии соответствует

закону Пуассона с параметром интенсивности l = 0,5. Определить количество

бракованных изделий в партии.

7. Случайная величина х распределена по закону равной вероятности в интервале

[ 1; 10 ]. Определите при каком значении х вероятность его нахождения в

заданном интервале равна 0,05 и 0,95 ?

8. Случайная величина х подчиняется нормальному закону распределения с

параметрами х = 3, s2 = 25. Вычислить вероятности Р ( Х ³ 10 ),

Р ( -2 £ Х £ 8 ), Р ( Х £ -10 ). Дайте графическую

иллюстрацию результата.

9. Станок - автомат настроен на выполнение размера 100,1 мм. Разброс размеров

деталей подчиняется нормальному закону распределения с дисперсией s2

= 0,25 мм2. Поле допуска на размер детали составляет 100 ± 0,15 мм.

Найдите долю брака при проведенной настройке, представьте ее в виде графика от

среднеарифметического значения. На какое значение необходимо настроить автомат,

чтобы доля брака была минимальной, определите эту долю. Пусть х = 100, s = 0,5.

Что окажет большее влияние на увеличение доли брака - сдвиг х на ±0,5 или

увеличение s на 0,5 ?

10. При исследовании силы резания в зависимости от глубины резания была измерена

главная составляющая силы резания Рz при четырех значениях глубины

резания

t, мм1234

Pz, Н

2300320040004600

Графическим методом, методом средних и методом наименьших квадратов

установить зависимость составляющей силы от глубины резания.

ЛИТЕРАТУРА

1. Теория Вероятностей, М. 1998

2. Гутер Р.С., Овчинский Б.В. Элементы численного анализа и математической

обработки результатов опыта. - М.: Физматгиз, 1962. - 356 с.

3. Зайдель А.Н. Ошибки измерения физических величин. - Л.: Наука, 1974. - 108 с.

4. Кассандрова О.Н., Лебедев В.В. Обработка результатов наблюдений. - М.:

Наука, 1970. - 104 с.

5. Колесников А.Ф. Основы математической обработки результатов измерений. -

Томск: ТГУ, 1963. - 49 с.

6. Плескунин В.И., Воронина Е.Д. Теоретические основы организации и анализа

выборочных данных в эксперименте. Учебное пособие. - Л.: ЛЭУ, 1979. - 232 с.

7. Румшинский Л.З. Математическая обработка результатов эксперимента.

Справочное руководство. - М.: Наука, 1971. - 192 с.

8. Рыжов Э.В., Горленко О.А. Математические методы в технологических

исследованиях. - Киев: Наук. думка, 1990. - 184 с.

9. Сухов А.Н. Математическая обработка результатов измерений. Учебное

пособие. - М.: МИСИ, 1982. - 89 с.

10. Чкалова О.Н. Основы научных исследований. - Киев: Вища школа, 1978. - 120 с.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ.......................................................................3

1. ОШИБКИ ИЗМЕРЕНИЙ............................................................4

1.1. Цели математической обработки результатов эксперимента .............

1.2. Виды измерений и причины ошибок...........................................5

1.3. Типы ошибок измерения.....................................................5

1.4. Свойства случайных ошибок.................................................6

1.5. Наиболее вероятное значение измеряемой величины........................8

1.6. Оценка точности измерений.................................................9

1.7. Понятие доверительного интервала и доверительной вероятности...11

1.8. Обнаружение промахов.....................................................13

1.9. Ошибки косвенных измерений...............................................14

1.10. Правила округления чисел................................................16

1.11. Порядок обработки результатов измерений.................................17

1.12. Обработка результатов измерений диаметра цилиндра...................18

Контрольные вопросы...........................................................22

2. ЗАКОНЫ РАСПРЕДЕЛЕНИЯ СЛУЧАЙНЫХ ВЕЛИЧИН.....................22

2.1. Виды случайных величин и законы их распределения........................

2.2. Числовые характеристики случайных величин, заданных своими

распределениями...............................................................25

2.3. Основные дискретные и непрерывные законы распределения..........27

2.4. Понятие статистической гипотезы и статистического критерия.......33

2.5. Вероятность ошибок первого и второго рода................................34

2.6. Проверка гипотезы вида закона распределения вероятностей...........36

Контрольные вопросы...........................................................38

3. НАХОЖДЕНИЕ ИНТЕРПОЛИРУЮЩИХ КРИВЫХ.............................38

3.1. Графический метод обработки результатов..................................38

3.2. Функциональные шкалы и их применение.....................................40

3.3. Аналитические методы обработки результатов...............................42

3.3.1. Способ средней.........................................................43

3.3.2. Метод наименьших квадратов.............................................44

3.3.3. Интерполирование функций...............................................48

3.3.4. Параболическое интерполирование........................................48

Контрольные вопросы...........................................................50

4. ОСНОВЫ НОМОГРАФИИ..........................................................51

4.1. Номограммы в декартовой системе

координат....................................

4.2. Составные номограммы с помеченными линиями............................53

Контрольные вопросы...........................................................58

5. ТИПОВЫЕ ЗАДАЧИ МАТЕМАТИЧЕСКОЙ ОБРАБОТКИ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ...........58

ЛИТЕРАТУРА....................................................................61

Курсовая: Обработка результатов экспериментов и наблюдений

[i1]

Страницы: 1, 2, 3


© 2010
Частичное или полное использование материалов
запрещено.