3.3包装系统随机振动xiti.ppt

3.1 单自由度线性系统的振动 3.2 多自由度系统的振动☆ 3.3 包装系统的随机振动; 包装系统在实际流通过程中的振动响应不可能是简单的简谐振动，都是没有规律的，具有随机性。 随机振动响应曲线具有如下特点：（随机性的特点） 1）任何瞬时的响应值都不可能预知； 2）任何时间间隔的记录都不可能重复出现。 随机过程——具有随机性的运动。 随机振动——具有随机性的振动。 随机过程X（t）——每记录一次可得到一个图示的样本函数xi（t），记录n次，可以得到n个不同的样本函数，其中任何一个都代表不了这个随机过程，只有它们的集合体X（t）才能代表。 随机过程X（t）在时刻t=t1的状态X（t1）——如果在某一固定时刻t=t1，跨越图中的各个样本函数，得x1l…x1i…x1n,其集合为X（ t1 ），称为随机过程X（t）在时刻t=t1的状态。;一维概率密度p1（x1，t1）——随机过程的X（t1）精确值不能确切给出，只能求出X（t1）在x1与x1+dx1之间的概率p1（x1，t1）dx1，其中的p1（x1，t1）称为一维概率密度。 同理，随机过程的X（t2）在x2与x2+dx2之间也存在概率。 二维概率密度p2（x1,x2，t1,t2）——随机过程在时刻t=t1与t=t2，出现在x1与x1+dx1和x2与x2+dx2之间的概率可表示为p2(x1,x2,t1,t2)dx1dx2,其中p2（x1,x2，t1,t2）称为二维概率密度。 n维概率密度——依次类推，势必存在着n维概率密度，即用pn(x1,x2,…,t1,t2,…,tn)以确定随机过程的基本统计特性，而非精确值。 随机过程的基本假设——理论性结果只有当n趋于无穷大时才能得到，工程上只能应用有限数量的样本函数进行统计分析。因此在描述随机过程的统计特性时，要做基本假设： 1、 随机过程是平稳的 2、 随机过程是各态历径性的 3、 随机过程某些参数的概率密度是符合正态分布的 ; 平稳随机过程——凡随机过程的概率规律不因时间的平移而改变。 随机过程X(t) 和 X（t+ε），对于任何ε值都具有相同的统计量，与时间原点的选取无关。 例如: 对于平稳随机过程的一维概率密度，令ε=-t1时，则有 p1(x1,t1)=p1(x1, t1+ε)=p1(x1,0) 这表明平稳随机过程的一维概率密度不依赖于时间t，把它记为p1(x1) . 随机过程X（t）在t=t1时的相加平均为： 当n充分大时，相加平均就是随机过程X（t）在t=t1时的整体集合的平均值或期望值。 ;同理: 对于二维概率密度，令ε=-t1时，则有 p2(x1,x2,t1,t2)= p2 (x1,x2,t1+ε,t2+ε)= p2(x1, x2,0,t2-t1) 这表示平稳随机过程的二维概率密度只依赖于时间间隔t2-t1=τ，而与时间的各别值无关，记为p2(x1，x2,τ) . 设t1=t,t2=t+τ,则X(t)乘X(t+τ)的数学期望被定义为这一随机平稳随机过程的自相关函数，即：;为了计算随机过程X（t）的数字特征，需要知道全部样本函数或其概率密度函数，但实际上是不可能的或很难做到的。工程上希望通过分析一个样本函数就能推断出这个整体集合X（t）的统计量。 现选择随机过程X（t）的一个样本函数xs（t） ，研究其时间平均：;各态历径随机过程与平稳随机过程的关系： 由于各态历径随机过程的〈xs（t）〉是在t的0到∞区间内求平均，它与t无关，故〈xs（t）〉=常数； 而E[X（t) X （t+τ) ]只是τ的函数， 所以各态历径随机过程同时也是平稳随机过程。然而，平稳随机过程却不一定是各态历径随机过程。 总之，各态历径性假设允许我们根据足够长的单次时间历程的纪录来确定随机振动的统计特性，使分析工作大为简化。;4、概率密度函数;概率——在一定条件下某种事件发生的可能性大小的度量。 概率只能是0或正值。一个x落在-∞到∞之间的概率为1，即100%。也就是说x值落在-∞到∞之间的某一点上，而曲线下面的面积恒为1。;作为各态历径随机振动的振幅特性之一的均值——数学期望：;零阶中心矩：;σx2——随机变量的方差，是一个重要的统计参数，是每个x值与均值mx的离差平方后的均值。 标准偏差σx——表示x值在均值mx上下波动的程度。 当均值mx=0时， σx2=E[x2];随机变量有两个，x和y。X位于x与x+dx范围内，同时y位于y与y+dy范围内的概率是由p（x，y）dxdy给出。随机变量x和y在-∞到∞范围内的联合概率也应该是1