汽车试验学 第2版 课件 第六章 试验数据处理.pptx

1第六章试验数据处理含义辨析：误差分析和数据处理都是对实测的数据进行“计算”，有类似之处，但基本目的不同。误差分析，是要考察试验所获得的数据有多大的可信度；数据处理，则是通过对实测数据进行“加工”、提炼出（更加）有用的信息。数据处理，首先是对数据进行分类。试验数据根据变化规律的不同，可以分为静态数据和动态数据。其划分依据很简单，就是数据是否随时间变化。相关术语：第二章的系统特性，准确称呼应为“测试系统的静/动态特性”、而非“静/动态测试系统的特性”，因为系统本身是无所谓静态/动态的；这里则是“静/动态数据处理”、而不是“数据静/动态处理”。第六章试验数据处理

2第一节静态测量数据的处理一、静态数据的概念：不随时间变化了解三种表达方法P129：列表、图形、经验公式二、回归分析P131Regressionanalysis（拟合fitting）掌握基本思想（线性回归P131-138是多项式回归的最简单形式、样例，不再单独展开）多项式回归的最小二乘原理LeastsquareprincipleP143最优解=残差的平方和最小（示意图见下页）基本步骤P143：已知若干数据对x1,y1,x2,y2,…,xn,yn；列含有待定系数的回归方程（事先给定方程构型，如次数m参阅P142）；写残差平方和P143，令其最小（确定存在？），则有，i=0~m解(m+1)元线性方程组，得到各待定系数，问题得解。几元几次？“三个问题”P131第六章试验数据处理

3三、回归分析的检验简要了解其含义P1351.回归分析的显著性检验—“问题有没有道理”2.回归方程的精度检验—在该问题框架下某解的效果如何最小二乘回归，就是追求残差的平方和最小。（此图以线性回归为例，可推广为高次多项式回归）返回显著性（以线性回归为例）精度第六章试验数据处理

回归分析的精度及显著性检验在求回归方程的过程中，回归直线是在误差最小的条件下推到出来的，但是还不能肯定两个变量之间的关系的确是直线关系。因此，当从一组试验数据中求出回归直线后，必须进一步判断做直线方程回归是否有意义，这就是回归分析的显著性检验。此成分越小，说明y与x的线性关系越密切

回归分析的精度及显著性检验回归分析的显著性检验F检验法相关系数法

回归分析的精度及显著性检验相关系数法

静态测量数据处理SPSS（StatisticalProductandServiceSolutions），“统计产品与服务解决方案”软件。最初软件全称为“社会科学统计软件包”（SolutionsStatisticalPackagefortheSocialSciences），但是随着SPSS产品服务领域的扩大和服务深度的增加，SPSS公司已于2000年正式将英文全称更改为“统计产品与服务解决方案”，这标志着SPSS的战略方向正在做出重大调整。SPSS为IBM公司推出的一系列用于统计学分析运算、数据挖掘、预测分析和决策支持任务的软件产品及相关服务的总称，有Windows和MacOSX等版本。

静态测量数据处理

静态测量数据处理Anova是指方差分析(AnalysisofVariance，简称ANOVA)

10第二节动态测量数据的处理与分析一、（动态）数据的分类确定性数据及其频谱图的关系。（参见后页）随机过程P146平稳性和各态历经性重点掌握：确定性数据第六章试验数据处理

11正弦数据的时间历程和频谱复杂周期数据的时间历程和频谱准周期数据的频谱瞬变数据的时间历程第六章试验数据处理

12通俗地讲，随机过程P146就是一个可以重复进行的物理过程，每进行一次，就得到一个观测结果，各次之间互不相同。比如，“给定车辆在给定道路上以给定速度行驶”，这就是一个随机过程。我们在车身某点安装一个振动加速度传感器，每行驶一次，就会得到一条加速度时间历程曲线x(t)。重复若干次，就会得到x1(t)，x2(t)，…，xn(t)，每条曲线都不同。其中任意一次时间历程xi(t)就是一个样本（理论上样本的记录时间应该是无穷大）。所有可能的样本的集合x1(t)，x2(t)，…，xn(t)（n→∞）称为样本空间，也就是随机过程。另外，某给定时刻t0的加速度值xi（t0）是一个随机变量，其随机性取决于样本的次数i，每次样本记录到t0时刻的加速度值是不同的。平稳性P147，是指统计特性不随时间的推移而变化。例如，汽车理论计算加权加速度均方根值P262，，时长T本质上不起作用，就像测速度，v=s/t，如果是匀速