汽車试验数据分析.docxVIP

试验数据处理：根据测定数据，寻找各参数间的相互关系，用方程或图形予以表达。试验数据的表达方式：数字表达、图形表达、经验公式表达试验数据的曲线拟合：将实验数据用最能反映实验过程规律的函数式来表示。通常采用最小二乘法原理进行曲线拟合。最小二乘法原理：数据的残差平方和最小的曲线是最能反映实验数据的曲线。一元线性回归分析及方法：回归分析：采用最小二乘法原理确定实验数据之间的关系（求经验公式）的数理统计方法。一元回归：影响过程只有一个因素时（处理两个变量之间关系）；1一元线性回归方程的一般形式：其中：a、b为线性回归系数。为测定数据的平均值。偏差：2 确定回归方程的回归参数：按最小二乘原则确定回归方程的回归参数。令：Qy为偏差的平方和。故根据多元函数极值定理，有：整理得：3 回归方程的显著性检验：对任何两个变量x、y（初步判定有线性相关关系）都能按上式找出其回归方程，但只有在两变量线性相关显著时，该回归方程才有实际意义。方差检验法：令：Qz为总偏差平方和--反映全部检验数据y对i的变动总离差平方和的自由度f＝n－1。据公式有：回归平方和u：反映了回归直线上的点对平均值的变动。令检验数：＞Fα其中：偏差平方和自由度fq＝f－fu总偏差平方和：f=n－1＝fu＋ fq回归平方和自由度fu=自变量个数；。显著性判断：回归高度显著（α＝ 0.01 ）；回归显著（α＝ 0.05 ）；回归不显著（α＝ 0.1 ）。根据显著性自由度α（或称置信度）及回归平方和自由度fu、偏差平方和自由度fq查Fα分布表进行比较。可以化为线性回归的非线性关系：有的非线性关系可以转化为线性回归处理。常见转换双曲线：1/y＝a＋b/x，令：X＝1/x → Y＝A＋BX；对数曲线： y＝a＋b㏑x，令：X＝㏑x →Y＝A＋BX；指数曲线： y＝aebx，两边取对数并令：Y＝㏑Y，A＝㏑a →Y＝A＋BX幂函数曲线：y＝axb，两边取对数并令：Y＝㏑y，X＝㏑x，A＝㏑a →Y＝A＋BX随机性数据处理：1、时域与幅值域分析内容：时域内容有自相关函数和互相关函数；幅值域有均值、方差、均方差、概率密度函数等。2、相关分析应用有哪些？自相关函数：自相关——随机变量数据X（t）与X（t＋τ）之间的相关性。互相关函数：互相关——表示随机变量数据X（t）与Y（t）之间的相关性。3、为什么要对实验数据进行频谱分析？常用方法有哪些？原因：了解组成数据的频率成分；了解各种频率对数据的影响作用的大小；以便判断影响过程的因素（如振动、噪声的来源等）。方法：1.周期性数据的频谱分析——谐波分析法2、非周期性数据的频谱分析—傅立叶积分变换法3.随机性数据的频谱分析——功率谱分析法加窗：截断：用有限长的采样信号代替无限的随机性数据的时间历程进行处理，称为截断。泄漏：在数据处理中，由于信号截断导致能量分散，必然会产生一些误差，这一现象称为泄漏。栅栏效应：频谱经离散后，只能获得f＝k△f＝k（ fs/N） (k ＝ o，1， 2，…，N一1)的各频率成分，其余的频率成分被舍去。好象栅栏漏掉了一些东西一样，这种现象称为栅栏效应。快速傅里叶变换(FFT)：原因：进行DFT计算时，每计算k为定值的一个点，Xk就要作N次复数乘法，全部计算要作Nk次复数乘法，N(N一1)次复数加法，计算工作量随N的增大而急剧增加；为减少计算工作量，需对DFT计算方法进行改进。应用注意：把较长的数据序列分割成较短的数据序列（因为计算量与Nk成正比，∴N↓→计算量↓↓），对这较短的数据序列进行DFT后，再合成为原数据序列的DFT。按照这样的做法反复分割，使之最后只对最简短的数列进行DFT计算，以达到减少计算时间的目的。频谱分析：对实验数据的频率特性进行分析（分析数据各种频率的分量或强度）。频谱分析不仅可以分辨复杂的频率成分，而且还可以定量分析。因此，频谱分析在工程技术中得到了广泛应用1.振动系统固有频率的测定：用频谱分析确定汽车悬架固有频率2．随机环境的模拟：在研究机件的强度，寿命以及可靠性等方面研究时，用频谱分析确定载荷谱以模拟随机环境。将测得的振动加速度信号分析得到标准的Gx(f)，经过傅里叶逆变换、D／A转换及功率放大器，通过闭环控制使得振动台的振动加速度与实测的汽车振动加速度的功率谱相一致(在要求的误差范围内)。在振动台上模拟道路的随机环境以及保证试验工况的稳定性，并可以进行强化试验，从而缩短试验时间。3、振源与噪声源的确定：复杂的振动是多种振动的组合，在多种振动中哪个是主要的?其振源在哪?这可以通过频谱分析加以判断。通过对系统进行频谱分析，根据系统各种振动源的固有频率与获得的谱线对比，判断引起振动或噪声的主要来源。以便采取隔音、隔振等措施4．振动监视与故障诊断：、根据频谱图可以监视设备有无故障以及诊断故障的原因。根