汽车试验数据分析报告.docVIP

试验数据处理：根据测定数据，寻找各参数间的相互关系，用方程或图形予以表达。 试验数据的表达方式：数字表达、图形表达、经验公式表达 试验数据的曲线拟合：将实验数据用最能反映实验过程规律的函数式来表示。 通常采用最小二乘法原理进行曲线拟合。 最小二乘法原理： 数据的残差平方和最小的曲线是最能反映实验数据的曲线。 一元线性回归分析及方法： 回归分析：采用最小二乘法原理确定实验数据之间的关系（求经验公式）的数理统计方法。 一元回归：影响过程只有一个因素时（处理两个变量之间关系）； 1一元线性回归方程的一般形式： 其中：a、b为线性回归系数。为测定数据的平均值。 偏差：υ=y-y 2 确定回归方程的回归参数： 按最小二乘原则确定回归方程的回归参数。令：Qy为偏差的平方和。 故 根据多元函数极值定理，有： 整理得： 3 回归方程的显著性检验： 对任何两个变量x、y（初步判定有线性相关关系）都能按上式找出其回归方程，但只有在两变量线性相关显著时，该回归方程才有实际意义。 方差检验法：令： Qz为总偏差平方和--反映全部检验数据y对iy的变动总离差平方和的自由度f＝n－1。 据公式有： 回归平方和u：反映了回归直线上的点对平均值y的变动。令检验数： ＞Fα 其中：偏差平方和自由度fq＝f－fu 总偏差平方和：f=n－1＝fu＋ fq回归平方和自由度fu=自变量个数；。 显著性判断：回归高度显著（ α＝ 0.01 ）； 回归显著（ α＝ 0.05 ）； 回归不显著（ α＝ 0.1 ）。 根据显著性自由度α（或称置信度 ）及回归平方和自由度fu、偏差平方和自由度fq查Fα分布表进行比较。 可以化为线性回归的非线性关系：有的非线性关系可以转化为线性回归处理。 常见转换 双曲线：1/y＝a＋b/x，令：X＝1/x → Y＝A＋BX； 对数曲线： y＝a＋b㏑x，令：X＝㏑x →Y＝A＋BX； 指数曲线： y＝aebx，两边取对数并令：Y＝㏑Y，A＝㏑a →Y＝A＋BX 幂函数曲线：y＝axb，两边取对数并令：Y＝㏑y，X＝㏑x，A＝㏑a →Y＝A＋BX 随机性数据处理： 1、时域与幅值域分析内容：时域内容有自相关函数和互相关函数；幅值域有均值、方差、均方差、概率密度函数等。 2、相关分析应用有哪些？ 自相关函数：自相关——随机变量数据X（t）与X（t＋τ）之间的相关性。 互相关函数：互相关——表示随机变量数据X（t）与Y（t）之间的相关性。 3、为什么要对实验数据进行频谱分析？常用方法有哪些？ 原因：了解组成数据的频率成分； 了解各种频率对数据的影响作用的大小； 以便判断影响过程的因素（如振动、噪声的来源等）。 方法：1.周期性数据的频谱分析——谐波分析法 2、非周期性数据的频谱分析—傅立叶积分变换法 3.随机性数据的频谱分析——功率谱分析法 加窗： 截断：用有限长的采样信号代替无限的随机性数据的时间历程进行处理，称为截断。 泄漏：在数据处理中，由于信号截断导致能量分散，必然会产生一些误差，这一现象称为泄漏。 栅栏效应：频谱经离散后，只能获得f＝k△f＝ k（ fs/N） (k ＝ o，1， 2，…，N一1) 的各频率成分，其余的频率成分被舍去。好象栅栏漏掉了一些东西一样，这种现象称为栅栏效应。 快速傅里叶变换(FFT)： 原因：进行DFT计算时，每计算k为定值的一个点，Xk就要作N次复数乘法，全部计算要作Nk次复数乘法，N(N一1)次复数加法，计算工作量随N的增大而急剧增加；为减少计算工作量，需对DFT计算方法进行改进。 应用注意：把较长的数据序列分割成较短的数据序列（因为计算量与Nk成正比，∴N↓→计算量↓↓），对这较短的数据序列进行DFT后，再合成为原数据序列的DFT。按照这样的做法反复分割，使之最后只对最简短的数列进行DFT计算，以达到减少计算时间的目的。 频谱分析 ：对实验数据的频率特性进行分析（分析数据各种频率的分量或强度）。频谱分析不仅可以分辨复杂的频率成分，而且还可以定量分析。因此，频谱分析在工程技术中得到了广泛应用 1.振动系统固有频率的测定 ： 用频谱分析确定汽车悬架固有频率 2．随机环境的模拟 ： 在研究机件的强度，寿命以及可靠性等方面研究时，用频谱分析确定载荷谱以模拟随机环境。将测得的振动加速度信号分析得到标准的Gx(f)，经过傅里叶逆变换、D／A转换及功率放大器，通过闭环控制使得振动台的振动加速 度与实测的汽车振动加速度的功率谱相一致(在要求的误差范围内)。 在振动台上模拟道路的随机环境以及保证试验工况的稳定性，并可以进行强化试验，从而缩短试验时间。 3、振源与噪