Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Статистическое моделирование тонкостенных конструкций в системе MAXIMA. Монография

.pdf
Скачиваний:
0
Добавлен:
08.09.2026
Размер:
2 Мб
Скачать
☆
Коэффициент вариации – 4,7%.
Таким образом, коэффициент вариации менее 5 процентов, т.е. разброс упругих характеристик материала конструкции не оказывает существенного влияния на величину коэффициента устойчивости.
Для проверки закона распределения коэффициента устойчивости на
нормальность вычислим эмпирические коэффициенты асимметрии , а также соответствующие ошибки репрезентативности и
этих величин.
Программа вычисления коэффициентов асимметрии и эксцесса: /* Многослойная пластина. Асимметрия и эксцесс. Норм.*/
load(descriptive); load(distrib); fpprintprec:4; ratprint: false$ /* Чтение из файла */ list:read_list("listPLATE")$ /* Ошибки репрезентативности асимметрии и эксцесса */ N:1000; RPRASS: sqrt(6/N),numer;
и эксцесса
RPREKS: sqrt (24/N),numer; /* Асимметрия и экcцесс */ ASS:skewness(list); EKS:kurtosis(list); Результаты вычислений:
 
Распределение считается нормальным, если одновременно выполняются
условия
Подставив числовые значения, получим
 




 
 




71
Таким образом, условия нормальности для закона распределения
коэффициента устойчивости выполняются.
Программа построения гистограммы: /*Построение гистограмм */
fpprintprec:3; load(descriptive); load(distrib); ratprint: false$ list:read_list("listPLATE")$ /*Гистограмма*/ histogram(list, frequency=percent, xlabel= "η", ylabel="w",fill_density=0.1, fill_color=grey,terminal=png, file_name="histPLATE");
Гистограмма для коэффициента устойчивости многослойной
пластиныпредставлена на рис. 8.
Рис. 8. Гистограмма для коэффициента устойчивости многослойной пластины
72
Рассмотрим задачу проверки гипотезы о значении коэффициента
устойчивости η композитной пластинки. Требуется при пятипроцентном уровне значимости проверить нулевую гипотезу H0: η=1, приняв в качестве
альтернативной гипотезы .
Критическая область в данном примере является левосторонней. Генеральная дисперсия неизвестна. Входными величинами в этой задаче служат уровень значимости, выборочное среднее и выборочное среднеквадратичное
отклонение, а выходными – наблюдаемое значение статистики критическое значение статистики

.
Программа:
/*Проверка гипотез для пластины. Коэффициент устойчивости*/
load(stats);
fpprintprec:3;
ratprint: false$
/* Уровень значимости */
alfa:0.05;
/* Число испытаний */
N:1000;
/* Чтение из файла */

и
list:read_list("listPLATE")$
/* Коэф. уст. Матожидание и среднекв. отклонение*/
AVR:mean(list), numer;
STD:std1(list),numer;
/* Наблюдаемая статистика*/
t:(AVR-1)*sqrt(N)/STD, numer;
/*Кр. знач. статистики*/
tkr: quantile_student_t(1-alfa,N-1),numer;
Результаты расчета:
 
  

73
Таким образом, наблюдаемое значение статистики
удовлетворяет

условию


то есть на пятипроцентном уровне значимости нулевая гипотеза принимается.
3.6. Статистическое моделирование оболочек
Исследуем влияние разброса упругих характеристик материала конструкции на величину коэффициента устойчивости оптимальной
многослойной оболочки длиной  и радиусом . Оболочка находится под действием сжимающей нагрузки    
Воспользуемся результатами решения задачи оптимизации, полученными
в п. 3.4:
  
В этой задаче входными параметрами служат упругие характеристики
монослоя, а выходным параметром – коэффициент устойчивости многослойной оболочки. Исходные данные по упругим характеристикам монослоя приведены в табл. 3. Предполагается, что входные величины подчиняются нормальному закону распределения вероятностей. Число испытаний N=1000.
Программа моделирования многослойной оболочки:
/* Гладкая оболочка. Моделирование*/
load(descriptive);
load(distrib);
fpprintprec:4;
ratprint: false$
pi:3.1415927;
/* Нагрузка */
q:5E6,numer;
/* Габариты конструкции и толщина*/
R:0.5; L:1;h: 0.00854;
74
/*Структурные параметры */
ET0:0.828; ET90:0.172;
ET45:1-ET0-ET90;
/* Матожидание и среднее кв. откл.*/
E1:140E9;S:7E9;
E2:7E9;S2:0.35E9;
G12:2.75E9;SG:0.14E9;
v12:0.24;v21:v12*E2/E1;
/* Моделирование СВ */
N:1000;
list:[]$
for i:1 thru N do
block(CVE1:random_normal(E1,S), CVE2:random_normal(E2,S2),
CVG12:random_normal(G12,SG),
/* Матрица жесткости монослоя */
B11:CVE1/(1−v12·v21),
B22:CVE2/(1−v12·v21),
B12:v12·CVE2/(1−v12·v21),
B33:CVG12,
/*Жесткости двойных спиральных слоев*/
B45: (B11+B22+2·(B12+2·B33))/4,
BXY45:B12+(B11+B22−2·(B12+2·B33))/4,
BG45:B33+(B11+B22−2·(B12+2·B33))/4,
/*Упругие характеристики двойных спиральных слоев*/
E45:B45−BXY45^2/B45,
V45:BXY45/B45,
GXY45:BG45,
/*Матрица жесткости пакета */
AXX:B11·ET0+B45·ET45+B22·ET90,
AYY:B22·ET0+B45·ET45+B11·ET90,
75
AXY:B12·(ET0+ET90)+BXY45·ET45,
AG:B33·(ET0+ET90)+BG45·ET45,
/*Изгибные жесткости */
DXX:AXX*h^3/12,
DYY:AYY*h^3/12,
DXY:AXY*h^3/12,
DG:AG*h^3/12,
CXX:AXX*h,
CYY:AYY*h,
CXY:AXY*h,
CG:AG*h,
PXX: CYY/(CXX*CYY-CXY^2),
PYY: CXX/(CXX*CYY-CXY^2),
PXY:-CXY/(CXX*CYY-CXY^2),
PG:1/CG,
qcr:2/R*sqrt(DXX/PYY),
KZ:qcr/q,
list:endcons(KZ,list));
/* Запись в файл */
write_data(list,"listSHELL");
Результаты моделирования записаны в файл listSHELL.
Программа обработки данных:
/* Гладкая оболочка. Обработка*/
load(descriptive);
load(distrib);
fpprintprec:4;
ratprint: false$
/* Чтение из файла */
list:read_list("listSHELL")$
/* Средн. арифм, среднекв. отклонение, коэф. вар*/
76
AVR:mean(list), numer;
STD:std(list);
KVAR: STD/AVR*100;
Числовые характеристики выборки для коэффициента устойчивости
многослойной оболочки:
Выборочное среднее – 0,992; Среднее квадратичное отклонение – 0,044. Коэффициент вариации – 4,4%.
Таким образом, коэффициент вариации менее 5 процентов, т.е. разброс
упругих характеристик материала монослоя не оказывает существенного влияния на величину коэффициента устойчивости многослойной оболочки.
Вычислим эмпирические коэффициенты асимметрии  и эксцесса а также соответствующие ошибки репрезентативности  и
Программа вычисления коэффициентов асимметрии и эксцесса:
/* Гладкая оболочка. Асимметрия и эксцесс. Норм.*/
load(descriptive);
load(distrib);
fpprintprec:4;
ratprint: false$
/* Чтение из файла */
list:read_list("listSHELL")$
/* Ошибки репрезентативности асимметрии и эксцесса */
N:1000;
этих величин.
,
RPRASS: sqrt(6/N),numer;
RPREKS: sqrt (24/N),numer;
/* Асимметрия и экcцесс */
ASS:skewness(list);
EKS:kurtosis(list);
77
Результаты вычислений:
 
Распределение считается нормальным, если одновременно выполняются условия

Подставив числовые значения, получим

Таким образом, условия нормальности для закона распределения коэффициента устойчивости выполняются.
Программа построения гистограммы коэффициента устойчивости многослойной оболочки:
/*Построение гистограммы */
fpprintprec:3;
load(descriptive);


load(distrib);
ratprint: false$
list:read_list("listSHELL")$
/*Гистограммы*/
histogram(list, frequency=percent,
xlabel= "η", ylabel="w",fill_density=0.1, fill_color=grey,
terminal=png, file_name="histSHELL");
Гистограмма для коэффициента устойчивости многослойной
оболочкипредставлена на рис. 9.
78
Рис. 9. Гистограмма для коэффициента устойчивости многослойной оболочки
Рассмотрим задачу проверки гипотезы о значении коэффициента устойчивости η многослойной оболочки. Требуется при пятипроцентном уровне значимости проверить нулевую гипотезу H0: η=1, приняв в качестве
альтернативной гипотезы .
Критическая область в данном примере является левосторонней. Генеральная дисперсия неизвестна. Входными величинами в этой задаче служат уровень значимости, выборочное среднее и выборочное среднеквадратичное
отклонение, а выходными – наблюдаемое значение статистики критическое значение статистики
удовлетворяет условию


. Если наблюдаемое значение статистики




и
то на уровне значимости α нулевая гипотеза принимается, в противном случае гипотеза H0 отвергается.
79
Программа:
/*Проверка гипотез для оболочки. Коэффициент устойчивости*/
load(stats);
fpprintprec:3;
ratprint: false$
/* Уровень значимости */
alfa:0.05;
/* Число испытаний */
N:1000;
/* Чтение из файла */
list:read_list("listSHELL")$
/* Коэф. уст. Матожидание и среднекв. отклонение*/
AVR:mean(list), numer;
STD:std1(list),numer;
/* Наблюдаемая статистика*/
t:(AVR-1)*sqrt(N)/STD, numer;
/*Кр. знач. статистики*/
tkr: quantile_student_t(1-alfa,N-1),numer;
Результаты расчета:
 
Таким образом, наблюдаемое значение статистики
  

удовлетворяет

условию


то есть на пятипроцентном уровне значимости нулевая гипотеза принимается.
80
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]