静态动态测试数据处理.pptxVIP

第七章 静态、动态测试数据处理 本章的主要内容有静态测试数据处理方法、回归分析、曲线拟合，动态试验数据的时域分析和频域分析。 第一节 静态测试数据处理 一、试验数据处理方法 1.表格法——用表格来表示函数的方法。 特点：简单方便，但不能给出所有的函数关系，不易看出函数的变化规律。 2.图示法——根据试验结果作出的尽可能反映真实情况的曲线。 特点：直观看出函数变化规律，但图示仅有函数变化关系而不能进行数学分析。 3.经验公式法——用回归分析的方法确定经验公式的函数类型及其参数的方法。 特点：可对公式进行数学分析。 二、回归分析与曲线拟合 为了便于用数学方法研究汽车试验中各被测量之间的规律，在静态测量数据处理中，寻求用简便的经验公式表达各变量之间的关系是很重要的。根据最小二乘法原理确定经验公式的数理统计方法称为回归分析。处理两个变量之间的关系称为一元回归分析。 1.一元线性回归分析 如果对两个变量x 和y 分别进行了n次测定，得到n对测定值（ ， ），(i＝1，2，…，n)，将其描在直角坐标图上，就得到n个坐标点。若各点都分布在一条直线附近，则可用一条直线来代表变量x与之间的关系。 式中：—回归直线上的理论计算值； a,b —线性回归系数。用实例介绍一元线性回归分析的方法和步骤 例：某车辆在水平道路上行驶，测得车辆行驶的距离和时间的数值如表7-1所示。求距离与时间的函数关系。 表7-1 解：1）回归方程的确定 将表7-1中的数据画在坐标纸上, 如图7-1所示。 图7-1 某车行驶时时间─距离关系距离(m)700900116011901270149016202130时间(s)3.84.24.74.84.95.45.65.7 从图7-1看出，这些点近似于一条直线，于是可以利用一条直线来代表变量之间的关系 式中：—公式中算出的值； x —距离L的值； a,b —线性回归系数。 2）确定函数中的各参数 用这条直线算出的 值，代表测定数据的平均值，实测值与平均值之差代表残差，残差值越小说明回归直线越接近理想直线。因此确定回归直线的原则是找出一条直线使其与实测数据之间的误差比任何其他直线与实测数据之间的误差都小，即残差的平方和最小，这就是最小二乘法的基本思想。记 回归方程的确定就是确定系数a、b，据《数学分析》知，使Q取最小的a、b必须满足如下方程组： 即 解得： 或 式中： 3）对曲线拟合所得经验公式的精度进行检验 尽管最小二乘法反映的是误差最小原则，但所求得的经验公式的精度并非一定可以满足要求。因为，由前面的分析过程不难看出，前面计算中的误差最小只是测试结果与我们所选定曲线类型之间的误差最小，或许实测结果的规律原本就与选定曲线的类型不符。我们需对曲线拟合的精度进行检验。关于“精度”检验，人们提出过多种方法，在此仅介绍一种在工程上最常用的方法，即相对误差法。 所谓“精度”，事实上就是相对误差的大小。若能将经验公式的检测结果与实测值之间的相对误差控制在要求的范围内，显然是符合工程上的要求的，即： 式中：—允许的相对误差。 2. 一元非线性回归 一元线性回归是工程实际中最简单的一种形式，但更多的是一些非线性的问题。下面介绍如何利用线性回归方法解决非线性问题。 1）确定经验公式类型 将测试结果描在坐标图上，并用光滑曲线将其连起来。江实验曲线与《数学手册》上的典型曲线进行比较，选取与试验曲线最接近的曲线方程作为经验公式的类型。 2）将曲线进行直线化变换 如：①双曲线方程 令 则： 变为： ②对数曲线 令： 则： ③指数曲线 对上式两边取对数得： 令： ， 则： 3）按照前面所介绍的直线（一元线性）拟合的方法进行计算。 4）检验其曲线拟合的精度，若达不到所需精度的要求，则应重新选择曲线类型进行拟合，直至满足精度要求为止。 5）再将直线方程变换为原曲线方程。 a) 双曲线b) 指数曲线c) 幂函数曲线 d) 对数曲线e) 指数曲线f) S型曲线 图7-2 几种常见的典型函数曲线3.将试验结果拟合成多项式 前面所讲的典型曲线往往是有限的，当试验结果与任何一条典型曲线都不相符时，就要寻找新的曲线，显然那就是多项式。 1）多项式次数的确定 多项式次数的确定一般采用差分法。设自变量的取值是等间距的，即： 计算出因变量 的相邻值之间的差值，即一阶差值 ， ， ， 二阶差值 为 ， ， 三阶差值 为 ，