08动态测量数据处理.ppt

二、随机过程及其特征 3、随机过程的特征量 当?=0时，自相关函数为常数，即随机过程与变量t无关，不含任何频率成分波动，频谱?=0。 ? O Rx (?) ? O Sx (?) 二、随机过程及其特征 3、随机过程的特征量 。 例：随机函数x1(t)的相关函数模型： ? O Rx (?) ? O Sx (?) 二、随机过程及其特征 3、随机过程的特征量 。 例：随机函数x1(t)的相关函数模型： ? 增加时，相关函数随着? 增加而减少得很快，随机过程前后相关较弱，高频和低频成分均起作用。 ? ??时，相关函数趋近0，各种频率成分的作用程度几乎相同。 三、随机过程特征量的实际估计 1、平稳随机过程及其特征量 。 工程实际中的随机过程大多是平稳随机过程，对其分析通常采用总体平均法（几何平均法），而对各态历经随机过程，则可采用时间平均法求其特征量的估计值。 平稳随机过程 随机过程的所有特征量与t无关，平稳随机过程需满足以下条件： （1）均值为常数 （2）方差为常数 （3）自相关函数不应随t的推移而变化 三、随机过程特征量的实际估计 1、平稳随机过程及其特征量 。 设N个连续的记录采样，取等间距的t1，t2，tn来截取采样记录，得到采样数据实例xi(tj)，其中i=1,2,?,N , j=1,2,?,n。 随机函数的特征量： 三、随机过程特征量的实际估计 1、平稳随机过程及其特征量 。 几何平均法：有限个样本的总体中，按照不同时刻求出随机数据各特征量的估计值 例：在线纹比长仪上对0~1000mm线纹尺测量6次，所得各段长度对公称值的偏差如下表所示（各尺寸段单位：mm，表中偏差值单位：?m），试求其特征量。 三、随机过程特征量的实际估计 1、平稳随机过程及其特征量 。 序号 尺寸段 0~100 0~200 0~300 0~400 0~500 0~600 0~700 0~800 0~900 0~1000 1 0.18 0.34 0.63 1.20 1.51 2.02 2.22 2.62 2.54 2.64 2 0.30 0.38 0.70 1.26 1.55 2.10 2.26 2.66 2.56 2.66 3 0.30 0.42 0.67 1.22 1.52 2.01 2.16 2.69 2.60 2.67 4 0.25 0.34 0.69 1.22 1.54 1.96 2.22 2.72 2.64 2.66 5 0.30 0.38 0.73 1.30 1.58 2.03 2.28 2.71 2.69 2.71 6 0.33 0.44 0.76 1.28 1.60 2.08 2.31 2.78 2.70 2.81 三、随机过程特征量的实际估计 1、平稳随机过程及其特征量 。 几何平均法：有限个样本的总体中，按照不同时刻求出随机数据各特征量的估计值 三、随机过程特征量的实际估计 1、平稳随机过程及其特征量 。 序号 尺寸段 0~100 0~200 0~300 0~400 0~500 0~600 0~700 0~800 0~900 0~1000 mx 0.277 0.383 0.697 1.247 1.550 2.033 2.242 2.697 2.622 2.692 ?x 0.054 0.041 0.045 0.039 0.035 0.050 0.053 0.055 0.066 0.062 线纹尺的测量可以看作是随机过程，每次测量就是随机过程的一个样本，可计算每个尺寸段的均值和方差。 均值和方差的数值都有变化，均值变化较大，方差变化范围稳定在一个较小的范围之内。即该测量过程不是纯粹的随机过程，其中包含有规律性误差。 三、随机过程特征量的实际估计 1、平稳随机过程及其特征量 。 线纹尺刻划偏差随着L的增加而呈现线性增长趋势，即存在线性系统误差。 三、随机过程特征量的实际估计 1、平稳随机过程及其特征量 。 当tk=0~300mm，t1=0~100mm时，则有： 同理，可以得到各个尺段的标准自相关函数。 三、随机过程特征量的实际估计 。 tl/mm tk/mm 0~100 0~200 0~300 0~400 0~500 0~600 0~700 0~800 0~900 0~1000 0~100 1 0.82 0.84 0.75 0.72 0.50 0.40 0.71 0.63 0.68 0~200 1 0.62 0.49 0.53 0.52 0.25 0.61 0.47 0.76 0~300 1 0.90 0.98 0.45