《第7章动态测试数据处理的基本方法.ppt

第七章 动态测试数据处理基本方法 前几章介绍了静态测量一个物理量时所得测量结果的随机特性及其数据处理方法。 本章将进一步讨论被测物理量或所得的测量结果是随时间不断变化的动态测试结果的特性及其数据处理方法。 一、动态测试 二、动态测试数据的分类 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两大类。 能够用明确的数学关系式描述的数据称为确定性数据。 不能用明确的数学关系式来表达的数据称为随机的或非确定性的数据。 动态测试数据的特征 动态测试数据的特征可以用数据的幅值随时间变化的表达式、图形或数据表来表示，这就是数据的时域描述。 时域描述比较简单直观(例如示波器上的波形图)，但它不能反映数据的频率结构。为此，常对数据进行频谱分析，研究其频率成分及各频率成分的强度，这就是数据的频域描述。 所谓“域”的不同，是指描述数据的坐标图横坐标的物理量不同。如时域的横坐标为时间t，频域的横坐标为频率f或ω。 随着研究的目的不同，可采用不同的域描述。 (一)确定性数据 确定性数据可以根据它的时间历程记录是否有规律地重复出现，或根据它是否能展开为博里叶级数，而划分为周期数据和非周期数据两类。 周期数据又可分为正弦周期数据和复杂周期数据。 非周期数据又可分为准周期数据和瞬态数据。 确定性数据的分类 1．周期数据 周期数据是经过一定时间间隔重复出现的数据。 最常见的是正弦周期数据，其幅度随时间作正弦周期波动，其函数形式如下： 复杂周期数据 式(7—3)还可以写成如下形式： 复杂周期数据的图形描述 2．非周期数据 凡能用明确的数学关系式描述的，但又不是周期性的数据，均称为非周期数据。它包括准周期数据和瞬态数据。 准周期数据 准周期数据的表达式 瞬态数据 瞬态数据的特点 与周期数据及准周期数据不同，瞬态数据的特点是不能用离散频谱表示。 瞬态数据的频谱是连续型的且频率范围无限，这与周期数据及准周期数据有明显区别。 瞬态数据的描述 (二)随机性数据 与确定性数据不同，随机性数据是不能用明确的数学表达式来描述。若在一个动态试验中，不能在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。随机性数据只能用概率统计的特征量来描述。 随机数据的分类 根据随机数据的统计特征量是否随时间变化，可把随机数据分为平稳过程和非平稳过程两大类。 平稳随机过程又可进一步分为各态历经的和非各态历经的。 随机数据的分类 第二节 随机过程及其特征 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(偶然误差)，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。 一、研究随机过程理论的实际意义 随着自动化生产和科学研究的发展，越来越多地需要测量连续变化的过程，这时被测量可能是随时间而连续变化，或者是随空间而连续变化。因此测量过程和测量结果也是随时间而连续变化的。同样，由于检测对象、测量仪器和测量条件的随机误差，因而被测过程和测量结果都是一个随机的但是连续变化的函数。它有别于上述随机变量，我们称之为随机函数。 对随机函数的分析计算，本质上类似于前几章的随机误差，但较复杂一些。 随机过程理论就是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根据。 动态测量活动日益增加 几何量机械量测量，过去以静态测量为主。今天，随着生产过程的自动化，几何量机械量的动态测量日益增加。例如机械量测量中的振动测量、动载和动态应变测量、速度加速度连续测量，以及流量、压力、温度等物理量的连续测量等。几何量测量中的线纹尺和圆分度的动态测量、丝杆或齿轮参数的动态测量、磨削加工中尺寸的测量和控制、圆度测量、表面粗糙度测量等。 随机过程理论 显然，用过去静态测量精度评定方法(如前几章所述)是不能正确评定动态测量结果的，而且不能进一步分析动态测量中的特殊现象(例如测量速度、频率响应、记录失真等)。 因此，有必要进一步介绍动态测量及误差计算的理论基础——随机过程理论。 用轮廓仪测量磨削表面粗糙度的记录曲线 二、随机过程的基本概念 在动态测量中，对某一个不断变化着的量进行测量，每一个测量结果是一个确定的随时间或空间变化的函数(例如一条记录曲线)，对于测量的时间间隔内的每一瞬时，该函数都有一个确定的数值。但由于随机误差的存在，使得重复多次测量，会得到不完全相同的函数结果(例如一组记录曲线)。这种函数，对于自变量(时间或空间)的