- •ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ ВЕЛИЧИН
- •Характеристика положения центра группирования случайных величин
- •Характеристики рассеяния случайной величины
- •Характеристики выборки наблюдений
- •Нормальное распределение (распределение Гаусса)
- •Примерами нормального закона распределения могут служить:
- •ПРЕДСТАВЛЕНИЕ ВЫБОРКИ РЕЗУЛЬТАТОВ ИЗМЕРЕНИЙ В ВИДЕ РЯДА РАСПРЕДЕЛЕНИЙ
- •ОПРЕДЕЛЕНИЕ СТАТИСТИЧЕСКИХ ХАРАКТЕРИСТИК В СРЕДЕ MATLAB
- •Формирование выборки экспериментальных данных
- •Способы формирования файла выборки
- •Вариант 1. Формирование матрицы данных результатов измерений
- •Вариант 2. Моделирование результатов измерений
- •Построение графиков распределения
- •Команды расчета данных для построения гистограммы
- •Построение графика гистограммы
- •Построение гистограммы и подбор кривой нормального распределения
- •Вариант 1. Построение графиков распределения
- •Код программы в редакторе и результат ее выполнения:
- •Вариант 2. Построение графиков распределения
- •Код программы в редакторе и результат ее выполнения:
- •ВИЗУАЛЬНОЕ МОДЕЛИРОВАНИЕ
- •Моделирование в Matlab Simulink
- •Принципы работы в Simulink
- •Начало работы с Simulink
- •Создание модели Simulink
- •Формирование выборки для анализа
- •Расчет статистических характеристик
- •Построение гистограммы распределения
- •Блок-схема визуальной модели
- •Моделирование случайного процесса
- •Модельный эксперимент
- •Входные параметры модели могут:
- •Создание массивов со случайными элементами
- •Модификация источника данных в модели
- •Примерный вид блок-схемы модели
22
Моделирование случайного процесса
Модельный эксперимент
В предыдущем случае источником анализируемых данных была матрица экспериментальных данных, набранная вручную.
Для построения моделей, описывающих поведение различных устройств и процессов, часто в качестве входной информации задаются некоторые параметры, например режимы обработки в технологической операции, температура окружающей среды, давление рабочего тела и т.д.
Входные параметры модели могут:
а) быть математически неизменными в ходе серии экспериментов
(константы);
б) изменяться по какому-либо математическому закону или алгоритму в ходе серии эксперимента (параметр, изменяемый согласно функции).
В реальной ситуации трудно абсолютно стабилизировать физические параметры условий работы устройства или процесса. В серии физических экспериментов или в работе реального устройства (процесса) «стабильные» параметры будут варьироваться согласно одному из статистических распределений.
Например, характеристики технологического процесса (режимы) подчиняются нормальному закону распределения (Гаусса), то есть имеют некоторое рассеяние вокруг математического ожидания. Так, размер партии заготовок не будет абсолютно одинаков, а будет иметь разброс согласно требованиям точности. Чтобы моделировать процесс дальнейшей обработки таких заготовок надо моделировать такие параметры, как:
разброс их исходных размеров, нестабильность режимов обработки,
потерю точности настройки станка и многое другое.
Таким образом, на выходе технологической операции мы тоже получим разброс исследуемого параметра качества детали, и в этот разброс внесут свой вклад все входные характеристики. Каков при этом будет результат? На этот вопрос может дать ответ либо многочисленная серия физических экспериментов, либо виртуальный статистический эксперимент.
Дальнейшая задача практической работы – смоделировать случайный источник сигнала, подчиняющийся нормальному закону распределения, определить его основные статистические характеристики.
Для этого используем ранее построенную модель Simulink, модифицируя ее с помощью функций Matlab.