误差分析课件动态测试数据处理基本方法.pptVIP

随机数据的谱密度函数是用来建立数据的频率结构，分析其频率组成和每种频率成文的大小，为动态测试误差分析从频率上提供依据。在几何量和机械量的测量中，频谱分析方法已经得到重视和应用。谱密度函数的作用第三节随机过程特征量的实际估计如前所述，随机过程分为平稳随机过程和非平稳随机过程。平稳过程又可以分为个太历经过程及非各态历经过程。由于随机误差的存在及测量次数有限，对一个随机过程做一系列动态测试后也不可能求得随机过程特征量的真值，而只能通过有限的样本作出估计。在工程实际中，随机过程大多是平稳随机过程，对于具有N个样本的平稳随机过程通常采用总体平均法（几何平均法）求其特征量的估计，而对于各态历经随机过程，则可采用时间平均法求其特征量的估计值。下面介绍这些实际估计方法及其精度。否则，则称x(t)是非平稳随机过程。如果随机过程x(t)的所有特征量与t无关，即其特征量不随t的推移而变化，则称x(t)是平稳的随机过程。A平稳随机过程1平稳随机过程及其特征量但是这个条件并不是本质的由定义可见，随机过程是“平稳”的第一个条件是其均值为常数：但是，对于有些随机过程，虽然其均值为常数，但过程的分散程度随着时间t的推移有明显的增加，因此也不是平稳的。第二个条件是其方差为常数，即平稳随机过程的自相关函数只依赖于时间间隔，即自相关函数只是一个自变量的函数。满足“平稳”的第三个条件是随机函数的自相关函数应不随t的位置推移而变化，即与t无关：广义（宽）平稳随机函数当不考虑随机函数的概率密度等其他特征值，而只满足均值为常数和自相关函数仅与有关这两个条件时，这样的随机函数成为宽屏问随机函数或广义平稳随机函数。B平稳随机过程的特征量a平稳随机过程的均值和方差按照平稳过程的定义可知，t=t1，t2，…的均值不变，即，同时，平稳过程的方差为平稳随机过程的均值和方差都是常数，且方差等于为零的自相关函数值。动态测试数据处理基本方法表示物理现象或过程的任何数据都可以分为：确定性的和随机性的分类依据：是否能够用明确的数学关系式描述的数据确定性的：刚体的位移随机性的：随机振动、环境噪声第一节动态测试的基本概念1确定性数据确定性数据周期数据非周期数据正弦周期数据复杂周期数据准周期数据瞬态数据周期数据：经过一定时间间隔重复出现的数据为初相角正弦周期数据其幅度随时间做正弦周期波动，其函数形式如下：式中，A为振幅；f为频率，f=1/T,T为周期,周期数据：经过一定时间间隔重复出现的数据由不同频率的正弦周期数据叠加而成，其频率为有理数，其图形是由基波的整数倍波形叠加而成的。若基波频率为f1，各组成项的频率为nf1,n=1,2，…则复杂周期数据可以展开为傅立叶级数，如下式：复杂周期数据式中上式还可以写成如下形式：式中由上式可见，复杂周期数据是有一个静态分量A0和无线多个谐振分量组成，谐振分量的频率都是基波频率f1的整数倍。返回非周期数据：能用明确的数学关系式描述，但是又不是周期性的数据。准周期数据由彼此的频率比不全为有理数的两个以上的正弦数据叠加而成的数据，其表达式为：瞬态数据除准周期数据外的非周期数据，其特点是不能用离散频谱表示。式中的任一频率成分fn和另一频率成分fm之比不全为有理数。不能用明确的数学表达式来描述。若在一个动态实验中，不能再合理的试验误差范围内预计未来时刻的测试结果数据，则可认为此动态试验数据是随机性数据。2随机性数据2随机性数据随机性数据只能用概率统计的特征量来描述随机性数据平稳过程非平稳过程各态遍历过程非各态遍历第二节随机过程及其特征随机过程理论研究随机性表现为一个过程的随机现象的学科，通常它是研究动态测量过程及其测量结果的理论依据。随机变量重复测量一个不变的物理量，由于被测量、测量仪器或测量条件的随机因素，造成所测得一系列测量结果包含随机误差，其中每次测量结果都是取得一个随机的、但是唯一的测量值，因而测量结果是一个随机变量。由于自动化生产和科学研究的发展，被测量可能是随时间而变化，或者是随空间而连续变化的过程，因此，测量过程和测量结果都是一个随机的但是连续变化的函数，称为随机函数。这种函数，对于自变量的每一个给定值，结果是一个随机变量。随机函数随机函数x(t)包含如下内容:用x(t)表示随机函数样本的集合（总体），则把x(t)看作是样本集合时，x(t)一位这一组时间函数x1(t),x2(t),…,xn(t)的集合把x(t)看作诗一个样本时，