Математическое моделирование закономерностей изменения технического состояния автомобилей
Все процессы, происходящие в природе и технике, могут быть подразделены на две большие группы:
1. Процессы, описываемые функциональными зависимостями;
2. Случайные и вероятностные процессы.
Для функциональных зависимостей характерна жесткая связь между функцией и аргументом, то есть определенному значению аргумента соответствует определенное значение функции.
Вероятностные процессы происходят под влиянием многих переменных факторов, значение которых зачастую неизвестны. Поэтому результат вероятностного процесса не строго определен и может принимать различные значения, то есть обнаруживать рассеивание, или как говорят вариацию и называется случайными величинами. Они зависят от ряда факторов: первоначального качества материала, точности и чистоты обработки деталей, качества сборки, качества выполнения ТО и ТР, квалификации персонала, условий эксплуатации, качества применяемых эксплуатационных материалов и т.д.
Для разработки рекомендаций по рациональной технической эксплуатации автомобиля необходима информация о закономерностях изменения технического состояния, а также процессах, свойственных самой технической эксплуатации.
Имеются в виду три главных вида этих закономерностей:
1. Закономерности изменения технического состояния по времени работы или пробегу автомобиля;
2. Закономерности рассеивания параметров технического состояния и других случайных величин, с которыми оперирует техническая эксплуатация;
3. Закономерности, определяющие взаимосвязи между надежностью автомобилей и суммарным потоком отказов группы автомобилей.
Важно знать вариацию значений параметров технического состояния или наработок до предельного состояния под влиянием условий эксплуатации, квалификации персонала и т.д. Так как интенсивность изменения параметров технического состояния у разных изделий будет разной ( ), то и момент достижения предельного состояния – наработка на отказ, будет случайной.
Закон распределения случайной величины может задаваться таблицей, графиком или формулой, например в виде плотности распределения или функции распределения
.
Все случайные величины делятся на дискретные и непрерывные, и, следовательно, имеют отвечающие им дискретные или непрерывные законы распределения случайной величины.
Рассмотрим на примере процесс обработки данных.
В результате наблюдений за тормозными механизмами 10 автомобилей выявлены следующие наработки до предельного состояния зазора между накладками и тормозными барабанами (тыс. км) в порядке получения: 4, 9, 11, 16, 9, 7 ,12, 6, 12, 14.
Оценка распределения случайной величины выполняется в следующей последовательности:
1. Выполняется упорядочивание ряда в порядке возрастания или убывания.
Таблица 3.1 - Упорядоченный ряд в порядке возрастания
№ | ![]() | ![]() | ![]() |
-6 | |||
-4 | |||
-3 | |||
-1 | |||
-1 | |||
Итого | - |
2. Определяют математическое ожидание (среднеарифметическое значение):
тыс. км. (3.1)
3. Оценивают степень вариации случайной величины:
Вариация оценивается размахом, дисперсией и коэффициентом вариации.
3.1. Размах значений:
тыс. км. (3.2)
3.2. Среднее квадратичное отклонение и дисперсия
:
,
тыс. км. (3.3)
3.3. Коэффициент вариации:
(3.4)
Для технической эксплуатации различают случайные величины трех видов:
1. с малым коэффициентом вариации ( );
2. со средним коэффициентом вариации ( );
3. с большим коэффициентом вариации ( ).
После этого можно перейти к определению вероятностных характеристик случайной величины, которые определяются в следующей последовательности: