Статистическая имитационная модель для оценки точности измерения быстроменяющихся параметров. Дипломная (ВКР). Математика.
⚡ 👉🏻👉🏻👉🏻 ИНФОРМАЦИЯ ДОСТУПНА ЗДЕСЬ ЖМИТЕ 👈🏻👈🏻👈🏻
Вы можете узнать стоимость помощи в написании студенческой работы.
Помощь в написании работы, которую точно примут!
Похожие работы на - Статистическая имитационная модель для оценки точности измерения быстроменяющихся параметров
Скачать Скачать документ
Информация о работе Информация о работе
Скачать Скачать документ
Информация о работе Информация о работе
Скачать Скачать документ
Информация о работе Информация о работе
Нужна качественная работа без плагиата?
Не нашел материал для своей работы?
Поможем написать качественную работу Без плагиата!
. Теоретические
основы оценивания показателей точности. 9
. Описание
статистической имитационной модели. 14
. Первичные
случайные факторы. 15
. Имитационное
моделирование. 17
.1 Моделирование
мощности излучения. 17
.2 Моделирование
процесса подготовки к измерениям. 20
.2.1 Расчет
настроек регистрирующей аппаратуры. 20
.2.2 Расчет
тарировочных сигналов. 21
.2.3 Моделирование
процесса тарировки. 22
.3 Моделирование
процесса измерения. 26
.4 Моделирование
процесса вторичной обработки и вычисление погрешностей измерения. 29
.4.1 Вычисление
физических значений. 29
Статистическая
обработка результатов моделирования. 34
Результаты
моделирования. 36
.1 Определение
закона распределения. 36
.2 Зависимость
показателя точности от параметра. 40
статистический имитационный модель распределение
При стендовых испытаниях энергетических установок (ЭУ) точность и
надежность измерений их параметров зависят от многих технических и
организационных факторов. К их числу, в частности, относятся технические
характеристики измерительной и регистрирующей аппаратуры, режим ее работы,
помеховая обстановка, порядок действий персонала при подготовке и проведении
испытаний и т.д.
Для того чтобы обеспечить высокий уровень точности измерений, необходимо
иметь инструмент, позволяющий достаточно корректно оценивать этот показатель с
учетом всех основных факторов, оказывающих на него влияние. В этом случае выбор
тех или иных технических и организационных решений (в том числе, о разработке
или приобретении новой, более совершенной аппаратуры) может производиться с
обоснованием количественного выигрыша в точности измерений.
Кроме того, появляется возможность сравнения альтернативных вариантов по
критериям типа "эффективность/стоимость". Нередко возникает
необходимость исследования влияния на точность измерений какого-либо внешнего
или внутреннего фактора (например, частоты или интенсивности помехи). Задача
корректной оценки точности измерений возникает также при подготовке
измерительных подсистем и каналов регистрации к аттестации.
Таким образом, существует достаточно широкий класс технических задач,
требующих для своего решения специфического инструмента для расчета показателей
точности измерений. К такому инструменту необходимо предъявить ряд требований,
из которых важнейшими являются:
· строгая методическая обоснованность,
· универсальность по отношению к виду и параметрам законов
распределения первичных случайных факторов,
· возможность достижения требуемой методической точности
расчета.
Так как объектом измерения часто является нестационарная функция времени,
то корректная оценка точности измерения не может быть получена методами оценки
точности измерения постоянных величин или стационарных функций времени.
На практике для определения погрешностей измерения быстроменяющихся
параметров (БМП) для уже отработанных жидкостных ракетных двигателей (ЖРД)
используется метод сравнительной статистики из генеральной совокупности от 200
до 500 испытаний.
Таким образом, для новых ЖРД необходимо предложить новый методический
подход для оценки точности измерений БМП. Такой аппарат может быть создан на
основе метода имитационного статистического моделирования процесса сбора,
регистрации и обработки измерений.
Применение такого методического подхода не ограничивается задачей оценки
точности измерения одного конкретного параметра ЭУ. Его применение,
по-видимому, тем более целесообразно, чем сложнее методы измерения (в
особенности косвенные). На основе имитационного моделирования может быть
значительно ускорена отработка методов измерения и вторичной обработки,
проведена оценка пригодности измерительной и регистрирующей аппаратуры, и
разработаны алгоритмы расчета её оптимальных настроек. Все это позволяет
предотвратить неоправданные потери измерительной информации, повысить
надежность и достоверность измерений и, как следствие, повысить эффективность
испытаний.
Необходимо также отметить, что статистическое моделирование случайных
процессов, кроме решения задачи оценки точности, выполняет роль объективного
тестирования правильности принятых технических и организационных решений по
построению измерительных подсистем, что позволяет обнаруживать и устранять
слабые места до проведения натурных испытаний, не допуская потерь измерительной
информации.
Использование имитационной модели в детерминированном режиме (при
формировании вектора параметров "вручную") является эффективным
средством для анализа результатов испытаний, исследования и прогнозирования
влияния отдельных факторов на точность измерений и решения других подобных
задач.
Цель работы: разработать статистическую имитационную модель для оценки
точности измерений быстроменяющихся параметров. Требования к модели:
· строгая методическая обоснованность,
· универсальность по отношению к виду и параметрам законов
распределения первичных случайных факторов,
· возможность достижения требуемой методической точности
расчета.
По результатам моделирования получить вид и параметры закона
распределения для каждого показателя точности, а также произвести анализ
влияния отдельных параметров на показатели точности.
В ряде случаев при стендовых испытаниях ЭУ объектом измерения является
переменная во времени случайная величина, т.е. случайная функция.
Соответственно и погрешность измерения также является случайной функцией. Для
того, чтобы использовать методы оценки параметров распределения случайных
величин, необходимо сформировать некоторый функционал, который, будучи
скалярной величиной, тем не менее с достаточной полнотой характеризовал бы
точность измерения случайной функции. Для этого следует рассмотреть характерные
особенности измеряемой случайной функции, возможности измерительной и
регистрирующей аппаратуры и состав измерительной информации.
Рис. 2.1. Фрагмент записи сигнала с МПИ через канал БМП.
В качестве характерного примера нестационарной функции времени
рассмотрена мощность лазерного излучения. Как показывают записи измерительной
информации с малоинерционных приемников излучения (МПИ) через канал для
регистрации быстроменяющихся параметров (БМП), функция мощности излучения от
времени наряду с "медленной" составляющей в некоторых случаях
содержит также высокочастотные (60…90 Гц) колебания, амплитуда которых может
достигать почти 100% от медленной составляющей (локально-средней мощности).
Типичный образец изменения мгновенной мощности во времени приведен на рис. 3.1
(реальная запись). Однако при измерениях мощности задача регистрации
высокочастотной составляющей не ставится: фильтры измерительных усилителей
настраиваются на полосу пропускания до 10 Гц, при регистрации в ПЭВМ
используются каналы для медленноменяющихся параметров со своими низкочастотными
фильтрами при частоте опроса 64 или 128 Гц. Отсюда следует, что объектом
измерения следует считать только "медленную" составляющую мощности, а
высокочастотную составляющую условно рассматривать как помеху.
Следовательно, при используемом способе регистрации рассогласование
должно вычисляться как разность между зарегистрированными значениями мощности
(после вторичной обработки) и изохронными значениями "медленной"
составляющей мощности.
Центральная предельная теорема представляет собой группу теорем,
посвященных установлению условий, при которых возникает нормальный закон
распределения. Среди этих теорем важнейшее место принадлежит теореме Ляпунова.
Теорема
Ляпунова. Если - независимые случайные величины, у каждой из которых
существует математическое ожидание ,
дисперсия , абсолютный центральный момент третьего порядка и
то закон распределения суммы при неограниченно приближается к
нормальному с математическим ожиданием и дисперсией
Смысл
условия (1) состоит в том, чтобы в сумме не было
слагаемых, влияние которых на рассеяние подавляюще
велико по сравнению с влиянием всех остальных, а также не должно быть большого
числа случайных слагаемых, влияние которых очень мало по сравнению с суммарным
влиянием остальных. Таким образом, удельный вес каждого отдельного слагаемого
должен стремиться к нулю при увеличении числа слагаемых.
Следствие. Если -
независимые случайные величины, у которых существуют равные математические
ожидания , дисперсии и
абсолютные центральные моменты третьего порядка ,
то закон распределения суммы при неограниченно приближается к нормальному закону.
В
частности, если все случайные величины одинаково
распределены, то закон распределения их суммы неограниченно приближается к
нормальному закону при .
Построение
теоретического закона распределения по опытным данным. Проверка гипотез о
законе распределения.
Одной
из важнейших задач математической статистики является установление
теоретического закона распределения случайной величины, характеризующей
изучаемый признак по опытному (эмпирическому) распределению, представляющему
вариационный ряд.
Для
решения этой задачи необходимо определить вид и параметры закона распределения.
Предположение о виде закона распределения может быть выдвинуто исходя из
теоретических предпосылок (например, выполнение условий центральной предельной
теоремы может свидетельствовать о нормальном законе распределения случайной
величины), опыта аналогичных предшествующих исследований и, наконец, на
основании графического изображения эмпирического распределения. Параметры распределения,
как правило, неизвестны, поэтому их заменяют наилучшими оценками по выборке.
Как
бы хорошо ни был подобран теоретический закон распределения, между эмпирическим
и теоретическим распределениями неизбежны расхождения. Естественно возникает
вопрос: объясняются ли эти расхождения только случайными обстоятельствами,
связанными с ограниченным числом наблюдений, или они являются существенными и
связаны с тем, что теоретический закон распределения подобран неудачно. Для
ответа на этот вопрос и служат критерии согласия.
Пусть
необходимо проверить нулевую гипотезу о том,
что исследуемая случайная величина подчиняется
определенному закону распределения. Для проверки гипотезы выбирают некоторую случайную величину , характеризующую степень расхождения теоретического и
эмпирического распределений, закон распределения которой при достаточно больших
известен и практически не зависит от закона
распределения случайной величины .
Зная
закон распределения , можно найти вероятность того, что приняла значение не меньше, чем фактически
наблюдаемое в опыте , т.е. . Если мала, то это означает в соответствии с принципом
практической уверенности, что такие, как в опыте, и большие отклонения
практически невозможны. В этом случае гипотезу отвергают.
Если же вероятность не мала, расхождение между эмпирическим и
теоретическим распределениями несущественно и гипотезу можно считать правдоподобной или, по крайней мере, не
противоречащей опытным данным.
-критерий
Пирсона. В наиболее часто используемом на практике критерии -Пирсона в качестве меры расхождения берется величина , равная
сумме квадратов отклонений частотностей (статистических вероятностей) от гипотетических ,
рассчитанных по предполагаемому распределению, взятых с некоторыми весами :
Веса
вводятся таким образом, чтобы при одних и тех же
отклонениях больший вес имели отклонения, при которых мала, и меньший вес - при которых велика.
Очевидно,
этого удается достичь, если взять обратно
пропорциональными вероятностям . Взяв в
качестве весов , можно доказать, что при статистика
имеет
- распределение с степенями
свободы, где - число интервалов эмпирического распределения
(вариационного ряда); - число параметров теоретического распределения,
вычисленных по экспериментальным данным.
Числа
называются соответственно эмпирическими и теоретическими
частотами .
Схема
применения критерия для проверки гипотезы сводится
к следующему:
.
Определяется мера расхождения эмпирических и теоретических частот по (2).
.
Для выбранного уровня значимости по
таблице - распределения находят критическое значение при числе степеней свободы .
.
Если фактически наблюдаемое значение больше
критического, т.е. > то
гипотеза отвергается, если < , гипотеза не
противоречит опытным данным.
5. Описание статистической имитационной модели
Имитационная статистическая модель состоит из трех основных блоков:
· блок моделирования первичных случайных факторов;
· блок имитационного моделирования;
· блок статистической обработки результатов моделирования.
Имитационная модель процессов сбора, регистрации и обработки результатов
измерения мощности ЭУ состоит из нескольких частных моделей, в число которых
входят:
· модель подготовки к измерениям, включая прогноз параметров процесса
(субъективный фактор), расчет настроек;
· проведение тарировок и расчет градуировочных зависимостей;
· модель регистрации измерительной информации в ПЭВМ, включая
усиление, фильтрацию, аналого-цифровое преобразование и кодирование;
· модель вторичной обработки результатов измерений.
В условиях реальных испытаний, для оптимального выбора законов
распределения первичных случайных факторов последние можно разделить на
следующие группы:
1. Параметры процесса генерации излучения. С помощью этой группы факторов
моделируется случайная функция изменения мощности во времени. Для моделирования
достаточно широкого класса таких функций в состав первичных факторов необходимо
включить следующие параметры процесса:
· максимальная мощность ("медленная" составляющая);
· момент достижения максимальной мощности;
· количество режимов работы ЭУ;
· относительные уровни мощности на участках различных режимов;
· относительные длительности работы на различных режимах;
· частота флюктуаций мощности;
· относительная амплитуда флюктуаций;
· начальная фаза флюктуаций.
Такой набор параметров при дополнительных ограничениях на переходные
участки, соответствующих практически наблюдавшимся характерным особенностям
процесса генерации, позволяет формировать случайную функцию мощности от
времени, достаточно адекватно отображающую реальное разнообразие характеристик
процесса, влияющих на точность измерений.
2. Погрешности первичных преобразователей сигналов (датчиков).
. Погрешности прогноза параметров процесса генерации для расчета
настроек регистрирующей аппаратуры (субъективные факторы). При завышении
ожидаемой мощности или энергии относительно реальной линейный диапазон
аппаратуры используется не полностью, что ведет к увеличению погрешности
квантования по уровню; при занижении - появляется возможность ограничения
измерительных сигналов в каналах регистрации и, как следствие, потери
измерительной информации. В состав первичных факторов этой группы включаются
относительные погрешности прогноза:
4. Погрешности тарировки каналов регистрации и установки расчетных
настроек аппаратуры. К ним относятся:
· относительные погрешности измерения тарировочных сигналов, зависящие от
точности применяемой измерительной аппаратуры;
· абсолютные погрешности считывания кодов, соответствующих
тарировочным сигналам, зависящие от уровня помех при проведении тарировки;
· относительные погрешности установки расчетных настроек
измерительных усилителей, влияние которых аналогично влиянию погрешностей
прогноза параметров процесса генерации.
5. Параметры помех в каналах регистрации при проведении измерений. Эти
параметры оказывают значительное влияние на точность регистрации, так как при
высоком уровне помех может произойти нелинейное искажение измерительного
сигнала, которое не может быть устранено при вторичной обработке. В эту группу,
исходя из реально наблюдавшихся помех, включаются:
· частота низкочастотной гармонической помехи (10...30 Гц);
· частота высокочастотной помехи (60...90 Гц);
· амплитуды низкочастотных и высокочастотных помех, приведенные
ко входам измерительных усилителей в каналах регистрации измерений мощности и
энергии;
· амплитуды промышленных помех с частотой 50 Гц.
Моделирование изменения мощности излучения как функции времени испытания
производится на основе параметрического представления этой случайной функции.
Как уже было показано ранее, функция представляется в виде суммы двух
составляющих - локально-средней ("медленной" составляющей) и
высокочастотной флюктуационной. Первая из них формируется в виде
кусочно-линейной функции с чередованием участков постоянной мощности и
переходных участков. В начале и в конце генерации, в соответствии с
экспериментальными данными, в функцию включаются импульсы треугольной формы
фиксированной длительности 0,25 с.
Исходные параметры (время в сек, мощность излучения в кДж):
· -
максимальная мгновенная мощность (без флюктуаций);
· -
относительное время достижения максимальной мощности;
· -
количество участков постоянной мощности (режимов);
· -
относительные уровни мощности на участках;
· -
относительные длительности участков;
Примечание.
Для участка, на котором достигается максимальная мощность, принимается .
Сформированная
таким образом табличная функция используется
для формирования реальной мощности, а также служит эталоном при вычислении
погрешностей регистрации.
Пример
случайной функции локально средней мощности от времени испытания приведен на
рис. 6.1.
При
формировании реальной функции мощности от времени используются следующие
исходные данные:
· табличная
функция локально-средней мощности ;
· относительная
амплитуда флюктуаций ;
· начальная
фаза флюктуаций , рад;
Рис. 6.1. Пример кусочно-линейной реализации случайной функции мощности
от времени.
Одновременно формируется функция изменения во времени выделенной энергии
излучения как интеграл от мощности по времени. При этом инерционность
первичного преобразователя энергии не учитывается, так как она не влияет на
точность регистрации результатов измерений.
Для
всех точек интервала с периодом определяются:
где
вычисляется путем линейной интерполяции табличной
функции .
Полученные
таблицы и используются при моделировании процесса регистрации
результатов измерений.
Расчет производится на основе прогнозируемых значений максимальной
мощности и полной энергии.
· максимальная
локально-средняя мощность ;
· относительная
погрешность прогноза максимальной мощности ;
· относительная
погрешность прогноза полной энергии ;
· коэффициенты
передачи блоков размножения сигналов по "грубым" и "точным"
каналам регистрации мощности и энергии , , , ;
· коэффициенты
оптического ослабления в каналах измерения мощности и энергии , ;
· коэффициенты
чувствительности первичных преобразователей [мВ/кВт],
[мВ/кДж];
· рабочий
диапазон преобразования сигналов в аппаратуре В ;
· коэффициент
запаса при расчете настроек .
Алгоритм расчета коэффициентов усиления измерительных усилителей:
Рассчитанные прогнозируемые значения максимальной мощности и полной
энергии используются при расчете тарировочных сигналов, а коэффициенты усиления
- при моделировании процесса регистрации.
· прогнозируемые
значения максимальной локально-средней мощности и полной энергии ( и );
· паспортные
значения уровней тарировочных сигналов , и коэффициентов деления устройства для полуавтоматической
тарировки , ;
· относительные
погрешности измерения тарировочных сигналов , , ;
· коэффициенты
оптического ослабления в каналах измерения мощности и энергии , ;
· коэффициенты
чувствительности первичных преобразователей [мВ/кВт],
[мВ/кДж].
Максимальные ожидаемые сигналы на входах измерительных усилителей
мощности и энергии:
Коэффициенты
деления тарировочных сигналов:
При моделировании процесса тарировки используются следующие исходные
данные:
· коэффициенты
передачи блоков размножения сигналов по "грубым" и "точным"
каналам регистрации мощности и энергии , , , ;
· коэффициенты
усиления измерительных усилителей и ;
· тарировочные
сигналы в каналах регистрации мощности и энергии и , ;
· абсолютные
погрешности считывания тарировочных кодов (в условиях помех) ;
· рабочий
диапазон входных сигналов В, В;
· линейный
диапазон входных сигналов В, В;
· линейный
диапазон выходных кодов и .
Напряжения на входах «грубых» и «точных» каналов регистрации:
Вычисление
тарировочных кодов в соответствующих каналах регистрации производится в
соответствии рис. 5.2.:
Рис.
6.2. Зависимость выходных кодов аналого-цифрового преобразователя от входного
сигнала.
Для
расчета градуировочных зависимостей в каждом канале используются точки, в
которых тарировочные коды находятся в диапазоне . Число
таких точек обозначим , , , .
Градуировочные зависимости рассчитываются в виде полиномов 1-го порядка:
где
функция отражает зависимость физической величины (мощности
или энергии) от нормированного значения кода (в процентах):
Для
определения вектора коэффициентов предварительно
по результатам тарировки рассчитывается вектор наблюдений:
где
- количество точек тарировки, используемых для
расчета, - физические значения мощности или энергии,
соответствующие тарировочным сигналам: .
Вектор
градуировочных коэффициентов находится по методу наименьших квадратов:
где
суммирование производится от до ;
Полученные
градуировочные коэффициенты используются при моделировании процесса вторичной
обработки (расчете физических значений по кодам, зарегистрированным в ПЭВМ).
Целью моделирования является формирование таблиц первичных результатов
регистрации измерений в ПЭВМ.
При моделировании используются следующие исходные данные:
· коэффициенты
оптического ослабления в каналах измерения мощности и энергии , ;
· коэффициенты
чувствительности первичных преобразователей [мВ/кВт],
[мВ/кДж];
· коэффициенты
передачи блоков размножения сигналов по "грубым" и "точным"
каналам регистрации мощности и энергии , , , ;
· коэффициенты
усиления измерительных усилителей и ;
· постоянные
времени и коэффициенты демпфирования встроенных фильтров низких частот , , , ;
· таблицы
реальных функций энергии и мгновенной мощности от времени , на
интервале времени ;
· частоты и
амплитуды помех на входах измерительных усилителей в каналах регистрации
измерений мощности и энергии:
· рабочий
диапазон входных сигналов , ;
· линейный
диапазон входных сигналов , ;
· линейный
диапазон выходных кодов , ;
· шаг
интегрирования дифференциальных уравнений усилителей с фильтрами .
Преобразование измерительных сигналов усилителями со встроенными
фильтрами описывается системой двух дифференциальных уравнений 2-го порядка:
где
, -
входные, а , -
выходные сигналы усилителей.
Преобразуя
эту систему в форму Коши, получим систему четырех уравнений 1-го порядка:
В векторной форме эта система имеет вид:
где
определяется выражениями (6.3.1).
Входные
сигналы и вычисляются
на основе таблиц реальных физических параметров и характеристик помех:
Система
(6.3.1) интегрируется методом Рунге-Кутта 4-го порядка:
Входные
сигналы в моменты вычисляются путем линейной интерполяции из значений в
начале и в конце шага.
По
результатам решения системы уравнений (6.3.2) в моменты времени, совпадающими с
целым числом периодов опроса коммутатора, в соответствии с рис. 6.2.,
формируются коды, регистрируемые в ПЭВМ:
где
и -
периоды опроса коммутатора по каналам мощности и энергии.
Отметим,
что отношение шага интегрирования к периоду опроса всегда является целым
числом, так как частота опроса и частота решения - целые степени числа 2.
Полученные записи кодов, регистрируемых в ПЭВМ, используются при
моделировании процесса вторичной обработки результатов измерений.
· таблицы
кодов первичных измерений, зарегистрированных в ПЭВМ, , , , ;
· градуировочные
коэффициенты для каждого из четырех каналов регистрации;
· границы
линейного участка выходных кодов , ;
Перед
вычислением физических значений определяем рабочие каналы регистрации измерений
мощности и энергии по условию: если максимальный код в "точном"
канале не превышает , то рабочим
считается "точный" канал, в противном случае - "грубый".
Дальнейшей обработке подвергаются только записи в рабочих каналах.
Для
определения уровня отсчета энергии излучения используется запись в канале
энергии до начала генерации . За начало отсчета принимается средняя величина
энергии на этом участке:
где
- число точек на начальном участке,
Для уменьшения влияния помех и колебаний на точность отсчета, энергия
излучения определяется путем осреднения физических значений на участке
длительностью 4 с до конца записи:
где
определяется аналогично (6.4.1) на конечном участке
записи.
Расчет
таблицы физических значений мощности по начальной тарировке:
где
функция аналогична(6.4.2), но использует градуировочные
коэффициенты рабочего канала мощности. Одновременно с расчетом таблицы вычисляется интеграл от мощности :
Коррекция
градуировочных коэффициентов канала мощности по результату измерения энергии:
Расчет
окончательной таблицы физических значений мощности. Таблица рассчитывается по соотношению (6.4.2) с
использованием скорректированных градуировочных коэффициентов и . В
процессе расчета определяется максимальное зарегистрированное значение мощности
.
Полученная
полная зарегистрированная энергия , таблица
физических значений зарегистрированной мощности и
максимальная зарегистрированная мощность используются
при расчете погрешностей измерения.
Перейдем к выбору функционалов, характеризующих функцию точности
(погрешности) измерений от времени. Можно предложить, например, следующие
варианты:
· максимальное по модулю изохронное рассогласование,
· среднее за время испытания значение модуля рассогласования,
· среднеквадратическое значение рассогласования за время
испытания,
· рассогласование в момент достижения максимальной мощности,
· рассогласование между средними за время испытания значениями
реальной и зарегистрированной мощности.
В принципе, возможно производить одновременное вычисление оценок для всех
этих функционалов по одной и той же выборочной статистике, а ту или иную оценку
использовать в зависимости от конкретной цели. Однако, рассматривая значимость
каждого из приведенных функционалов, можно отметить следующее:
1. Из-за фазового запаздывания в каналах регистрации максимальные
изохронные рассогласования в отдельные моменты резкого изменения мощности могут
быть весьма значительными независимо от качества каналов регистрации и
правильности настроек. Поэтому данный вид функционала вычислять нецелесообразно
из-за малой информативности.
. Среднее по модулю и среднеквадратическое рассогласования, в принципе,
имеют во многом сходное назначение: они характеризуют среднюю точность
регистрации мощности за время испытания. Среднеквадратическое рассогласование
придает больший вес большим рассогласованиям, поэтому этот вид функционала
получил широкое распространение в качестве характеристики степени близости
функций, особенно при решении задач оптимизации. Однако он, в отличие от
среднего по модулю, не имеет ясной физической интерпретации. К тому же следует
иметь в виду, что из-за фазового запаздывания среднеквадратическое
рассогласование между изохронными значениями может иметь значительную величину,
и поэтому данный функционал, в основном, может служить для сравнительных, а не
для абсолютных оценок. В качестве основного показателя средней точности
регистрации примем среднее по модулю рассогласование.
3. Рассогласование между истинной и измеренной максимальной
мощностью и рассогласование между их средними значениями за время испытания
можно считать наиболее полными характеристиками точности, так как они практически
не зависят от фазового запаздывания и достаточно полно характеризуют точность
регистрации основных параметров процесса.
Таким образом, по результатам статистического моделирования целесообразно
вычислять оценки параметров распределения следующих величин:
· рассогласование между истинной и измеренной максимальной мгновенной
мощностью,
· среднее рассогласование за время испытания.
· Для каждой реализации в серии статистических испытаний будем
рассчитывать три величины, характеризующих точность регистрации:
· относительную
погрешность измерения энергии (средней мощности) ;
· относительную
погрешность измерения максимальной мощности ;
В качестве эталона используется табличная кусочно-линейная функция
локально-средней мощности от времени и интеграл от нее.
Для
каждого показателя точности определяется
7.2.1
Расчет настроек регистрирующей аппаратуры Дипломная (ВКР). Математика.
Реферат: Принятие христианства на Руси 7
Ұлттық Мәдениет Эссе
Курсовая работа по теме Особенности развития международного туризма в Румынии
Достоевский Диссертации
Сүйіспеншілік Елінде Эссе Қазақша
Контрольная работа: Структура философского знания Предмет философии
Курсовая работа по теме Отраслевые (специальные) принципы уголовного права, их реализация и закрепление в нормах уголовного закона
Реферат: Культура древнего Рима 7
Эссе На Книгу На Английском
Курсовая работа по теме Аудиторская проверка расчетного, валютного и прочих счетов в банках
Реферат: Gilgamesh
Реферат: Правовладение и его виды в Римском праве
Реферат: Наука и рынок
Курсовая работа по теме Государственное регулирование сертификации продукции животного происхождения в Челябинской области
Реферат: Nature Vs Nurture 2 Essay Research Paper
Характеристика Практической Работы
Контрольная работа по теме Місце товарної біржі в сучасній економіці
Реферат по теме Система социальной защиты в условиях рынка
Реферат По Владимиру Мономаху
Сочинение На Тему Подруга Детства
Похожие работы на - Сера в организме человека
Реферат
Курсовая работа: Групповая динамика в менеджменте