книги / Сопротивление усталости и живучесть конструкций при случайных нагрузках
..pdf= Si, = const, x = x2 (t). Подставив эти соотношения в (11.44), получим
д ( . , о = - й - { е х р { - м а } х
где a»i = Sijsx, |
— частота процесса |
(11.49) |
х\ (/). |
||
В частности, |
если процесс х2 (t) |
представляет собой гармони |
ческое колебание х2 (t) — A cos at, то, заменив переменную инте
грирования / |
на 0 = at, |
получим |
|
|
|
(at |
|
|
|
О |
|
X |ехр [ ------ j |
- |
Jl + ф |
'4g> ln 8 ) ]] <#»• |
|
|
|
(11.50) |
Выбрав время t равным периоду колебаний гармонической составляющей, получим среднее число превышений уровня х за период Т — 2я/©
2Я
|
*<*• т> = т я Н ехр [ - т ( ^ |
- “С05вЛ х |
|
|
|
0 |
|
х|ехр |
( — Y |
sin2в) — b sin 0 У я/2 [ 1 + |
Ф (—b sin 0)]| d0, (11.51) |
где а = |
A/sx, |
b = Aalsx- |
|
Интегралы, входящие в соотношение (11.55), протабулированы
[ 12].
Для получения простых приближенных оценок вновь введем в рассмотрение фазу <р, равномерно распределенную в интервале 0-Ь 2я, и осредним результаты так же, как это было сделано при
анализе процесса |
(11.41). |
В этом случае |
г** = 0, |
|
Среднее число превышений уровня х |
в единицу |
времени |
||
_1_ |
2s\t + |
А2о>2 |
|
(11.52) |
Л(х) = 2л |
|
ехр |
К + А* |
|
|
К + Л2 |
|
Обобщим теперь полученный результат на случай, когда гармо ническая составляющая процесса нагружения описывается триго-
112
неметрическим рядом, т. е. когда анализируемый процесс описы
вается |
соотношением |
х |
(t) = хх (t) + fli sin a t + a2sin 2a t + a3 sin 3at -f- ... |
После введения фазы <p и осреднения результатов получим
Г** = |
0; Sx = |
s*, -f- -g- ( ° i |
-(“ а 2 а з Н- |
• * •)» |
4 = |
4. + у |
й 2 (а? + 4а| + 9аз Н------- ), |
||
Среднее число выбросов в единицу времени |
Л/2 |
|||
__ |
2п |
+ ю2(gi + |
+ 9fl3 + • • *) |
|
п(х) = |
2s*, + а1+ а2+ а3 + |
X |
||
|
|
|
||
|
хехр |
2s*j + а1+ а2+ |
(11.53) |
|
|
|
|
Аналогично задаче о вычислении числа выбросов для квазистационарных случайных процессов решаются и другие задачи по структурному анализу случайных процессов [121.
Квазислучайные гауссовские процессы. Представление эксплуа тационной нагруженности конструкций в виде различных матема тических моделей случайных процессов требует при их структур ном анализе проведения трудоемких вычислений на ЭВМ. Вместе с тем такой анализ может быть проведен относительно просто, если реальные процессы нагружения удается представить в виде квазислучайных функций времени, т. е. функций времени, задан ных с точностью до одной или нескольких случайных величин. Такие функции можно получить на базе простейшего гармониче ского нагружения (рис. 11.7, а)
у = a cos oat, |
(11.54) |
где у — параметр нагружения (сила, напряжение, перемещение, ускорение и т. п.); а — амплитуда нагружения; © — угловая частота; t — время.
Рассматривая величину а как константу, a <at = х как слу чайную величину, получаем, что у есть функция случайного аргумента х. Плотность распределения этой функции
f |
(У) = |
fx |
[ф (У) 11Ф' (У) I, |
|
(И -55) |
||
где х = ф (у) — обратная функция от |
у; |
fx |
[ • ] — плотность |
||||
распределения величины |
х. |
равномерным |
в интервале 0—я, |
||||
Распределение х |
примем |
||||||
т. е. с плотностью распределения вероятностей |
(рис. 11.8) |
||||||
|
1/я |
при |
0< * < я ; |
|
(11.56) |
||
/(*) = |
0 |
при |
х < 0, |
х > я . |
в Гусев А. С. |
113 |
Рис. |
11.7. Гармоническое нагружение (а) |
и его |
плотность распределения вероятно- |
сти (б)
Рис. 11.8. Равномерная плотносгь распределения вероятно сги
Подставив соотношение (11.56) в (11.55), получим
ф (у) = |
arc cos у/a, |
( | у/a | < |
1); |
*'(У) = ~ у я = > |
(\У /а\< Ъ |
||
|
О, |
(у/а > |
1); |
f (у) — |
1 |
|
(11.57) |
|
я V c P — y> |
(|0/ я |< !)• |
|
|
’ |
|
Вид плотности распределения (11.57) показан на рис. 11.7, б. Среднее значение и дисперсия величины у будут соответственно
равны |
|
00 |
|
|
|
|
|
|
|
|
У = j y f ( y ) d y = 0; |
|
||
|
|
00 |
|
|
|
D {y}= |
§ У*Ну)йу = а*12. |
(11.58) |
|
Корреляционная функция процесса |
у (/) |
|
||
|
|
т |
|
|
|
Ку (т) = lim |
\ у (/) y(t-\-x)dt. |
(11.59) |
|
|
Г-.оо |
_J, |
|
|
Подставив в (11.59) функцию (11.54), получим |
|
|||
|
т |
|
|
|
Ку (х) = |
lim ~^jr J cos (at cos [to (t |
x)] dt = - y cos ox. (11.60) |
||
|
Г-.0О _T |
|
|
|
При x = 0 |
по формуле |
(11.60) получим дисперсию |
процесса |
у (t) в виде (11.58).
Энергетический спектр 5 (ю) процесса у (0 связан с корреля
ционной функцией этого процесса Ку (т) соотношением
00
К у (т) = f S (X) cos ХтdX. |
(11.61) |
114
Подставив в (11. 61) выражение для Ку (т), получим уравнение для определения S (©):
оо
-^-cos сот = j s (A.)cos АтdX. |
(11.62) |
|
|
о |
|
Используя следующее |
свойство импульсной |
6-функции |
|
ь |
|
<р(©) = |
j 6(A-(o)<p(A)dA |
(11.63) |
а
(где ф (ю) — произвольная функция аргумента ю), получим реше ние уравнения (11.62)
5 (ю) = -^ -6(А —©). |
(11,64) |
Из соотношения (11.64) следует, что вся мощность процесса сосредоточена на частоте со (рис. 11.9).
Рассмотрим процесс нагружения типа (11.54), в котором амплитуда а является случайной величиной с заданной плотностью распределения вероятностей / (а) (рис. 11.10). Предполагается, что последующие друг за другом циклы нагружения формируются с амплитудами аъ а», а3 ... в соответствии с заданным законом их распределения. Учитывая в соотношении (11.57), что величина а является случайной, получаем (в соответствии с формулами тео рии вероятности о вычислении условного среднего) плотность распределения вероятности процесса у (t)
(Ч Щ
V
Если амплитуда процесса нагружения является величинрй постоянной, т. е. если ее плотность распределения вероятности описывается импульсной 6-функцией
/(а) = 6 (Л — а), |
(11.66) |
S(U>) I |
ОО |
О |
а) |
а) |
|
Рис. 11.9. Энергетический спектр |
Рис. 11.10. Гармоническое нагружение с |
||
гармонического нагружения |
постоянной частотой и случайной ампли |
||
|
|
|
тудой |
8* |
115 |
то, в соответствии с выраженным соотношением (11.63) свой ством импульсной 6-функции, из (11.65) получаем (11.57), где а будет заменена амплитудой А.
Особое значение имеет случай, когда амплитуда процесса нагружения описывается законом Релея с плотностью
/(а) = -£-ехр
где s — параметр распределения.
Подставив (11.67) в формулу (11.65), получим
f(y)= [ ^ Щ ^ Ю -da.
J JIS2 У аг — у2
Производя замену переменной
г — • 2s«
найдем
/(*) = |
s exP |
( — |
е~г dz |
|
Г* |
||||
|
ns]f2 |
(11.67)
( 11.68)
(11.69)
Так как интеграл в соотношении (11.69) равен Y п >т0
(11.70)
,(!,) = 7тЬяехр( — 6")
Таким образом, одномерное распределение процесса (11.54) с ^елеевским распределением амплитуды является нормальным (гауссовским) с нулевым средним значением и дисперсией s2. Это же значение дисперсии можно получить по формуле (11.60) при т = 0, если в расчетах учесть вероятностный характер ампли туды процесса нагружения:
D {y) = l'^ - f( a ) da = sa.
о
Построенная модель гауссовского стационарного процесса позволяет, в частности, решить задачу о выбросах случайного процесса за заданный уровень. В рассматриваемом случае число выбросов за некоторый уровень а* в единицу времени будет, очевидно, равно числу циклов нагружения в единицу времени, умноженному на вероятность превышения амплитудой а уровня а*:
= £ j / < « ) * - - 5 - “ Р ( - 4 - ) - |
<"-71> |
а# |
|
116
Возможность представления гауссовского стационарного про цесса с энергетическим спектром типа импульсной 6-функции на одной частоте в виде простого гармонического нагружения со случайной амплитудой позволяет предположить возможность расширения такого представления на процессы с произвольными энергетическими спектрами. Если в соотношении (11.54) частоту © считать случайной, то вид распределения выходной величины у не изменится. В частности, если величина а будет распределена по закону Релея (11.67), то распределение у останется гауссовским при любом законе распределения величины ю.
Найдем такой закон распределения величины © (© !> 0), при котором некоторый действительно случайный процесс у (t) и процесс, заданный соотношением (11.54), будут иметь одинаковые корреляционные функции, т. е. при котором
К у (т) = М [у (0 у (t + т)] = М[a2cos Ы cos © (/ + т)] =
со |
|
= -^-M[a2cos©T] = -^-М[а2] J / (©) cos ©тd©, |
(11.72) |
о |
|
где / (©) — искомая плотность распределения величины ©; М [ • ]— символ математического ожидания.
Сопоставив соотношения (11.72) и (11.61), приходим к выводу, что если в качестве f (©) принять нормированный энергетический
спектр заданного процесса S (©) = S (®)/s2, а величину а счи тать случайной с произвольным законом распределения и вторым моментом М [a2] = 2s2, то квазислучайный процесс (11.54), опре деляемый двумя случайными величинами а и ©, можно будет считать построенным с точностью до воспроизведения его корре ляционной функции. Свободу выбора вида распределения вели чины а можно использовать для получения, например, гауссов ского одномерного распределения процесса у (t). Для этого доста точно распределение амплитуды а принять релеевским (это ха рактерно для узкополосных гауссовских стационарных процес сов), при котором второй момент М [a2] = 2s2. Таким образом, сформированный квазислучайный процесс (11.54) можно считать эквивалентным заданному гауссовскому случайному процессу с точностью до воспроизведения корреляционной функции и одно мерной гауссовской плотности его распределения. Построенный квазислучайный процесс (11.54) нельзя считать полностью совпа дающим (по определению) с гауссовским стационарным процес сом. Для этого, необходимо, чтобы не только одномерная плот ность распределения была гауссовской, но и распределения любой кратности (п-мерные распределения) также были гауссовскими. Вместе с тем представление случайного процесса в виде простого соотношения (11.54) открывает большие возможности для при ближенного изучения поведения динамических систем при слу чайных воздействиях, так как при этом могут быть широко ис
117
пользованы многие известные решения для гармонических воз действий.
Неоднозначность определения закона распределения ампли туды квазислучайного процесса (11.34) и неполное соответствие его гауссовскому стационарному процессу могут приводить при его использовании вместо гауссовского стационарного процесса к определенным погрешностям. Так, для гауссовского стационар ного процесса среднее значение частоты
_ |
/°° |
\ 1/2 |
(11.73) |
(о = |
| J |
©*§(©) dwj , |
|
а среднее значение частоты процесса (11.54) |
|
||
|
|
СО |
|
|
© = |
J ©S (<о)d©. |
(11.74) |
|
|
о |
|
Соотношения (11.73) и (11.74) в общем случае приводят к раз ным результатам. Сопоставление значений частот © и ©, опреде
ляемых этими соотношениями, |
проведем с помощью неравенства |
|||||
Буняковского—Шварца: |
|
12 |
ь |
ь |
|
|
|
|
|
|
|||
/(©)<р(ш)<2ю |
<; J /* (©) d© ^ <р2(ю) d©. |
|
|
|||
U |
|
J |
а |
а |
|
|
Полагая / (ю) = © |
(©), |
Ф (©) = 1^5 (©), |
получаем |
|||
оо |
"12 |
оо |
|
оо |
|
|
[ |
J |
о |
|
|
|
(11.75) |
J ©5 (©) d© I <; j* ©aS (©) d© J S (©) d© . |
|
|||||
Поскольку |
PQ |
|
|
|
|
|
|
|
|
|
|
|
|
|
J 5 (©) d© = 1, |
|
|
|||
то © ^ ©, т. e. средняя |
частота |
случайного процесса |
не менее |
средней частоты процесса, представляемого соотношением (11.54). Среднее число выбросов, определяемое для этого процесса по формуле (11.71), также будет больше, чем для процесса (11.54). Равенство в соотношении (11.75) достигается только в том случае, когда энергетический спектр случайного процесса представляется в виде импульсной б-функции.
Особенности реальных процессов нагружения. Практическое использование методов теории случайных функций для описания и анализа нагруженности реальных металлоконструкций показало высокую их эффективность и возможность широкого использова ния модели гауссовских случайных процессов в качестве базовой модели процессов нагружения, на основе которой могут быть
118
сформированы и другие модели случайных процессов, учитыва ющие те или иные особенности нагружения реальных конструк ций в эксплуатации. Вместе с тем полный учет всех особенностей нагружения реальных конструкций путем построения все более и более сложных математических моделей случайных процессов в ряде случаев нецелесообразен. Большее значение имеет накоп ление опыта применения теории случайных функций к оценке реальной нагруженности при использовании ограниченного числа моделей таких процессов и экспериментальное выявление и ис пользование в расчетах определенных закономерностей, наблюдае мых в реальных процессах нагружения. В первую очередь сле дует отметить следующие две особенности реальных процессов, которые были выявлены при исследовании нагруженности ме таллоконструкции машин типа автомобилей и тракторов в реаль ных эксплуатационных условиях и установление которых расчет ным путем затруднительно.
1. В реальных случайных процессах нагружения наблюдается тесная корреляционная зависимость между интервалами времени, между соседними экстремумами т9 и приращениями процессов, между этими экстремумами хр (размахами). Чем больше указан ные интервалы времени, тем большими становятся и размахи процессов нагружения. Эту зависимость можно описать следу ющим линейным соотношением:
хр = атэ, |
(11.76) |
где а — параметр, который может быть определен как отношение среднего значения размаха к среднему значению интервала вре мени между соседними экстремумами а = х р/х'я. Из соотношения (11.76), в частности, следует, что отыскание распределения размахов может быть сведено к определению распределения интер валов времени между соседними экстремумами, что в значительной степени упрощает обработку экспериментальных данных.
2. В случайных процессах нагружения наблюдается тесная корреляционная зависимость между значениями двух соседних экстремумов. Их нельзя считать статистически независимыми случайными величинами, и поэтому функция распределения размахов не может быть построена с необходимой для практики точ ностью по отдельным функциям распределений максимумов и минимумов случайных процессов.
На рис. 11.11 дано сопоставление плотностей распределений интервалов времени между соседними экстремумами р (т) и корре ляционных функций К (т) для ряда реальных процессов нагруже ния. Основные значения интервалов времени между соседними экстремумами находятся в диапазоне относительно высоких зна чений корреляционных функций, тогда как значения одноимен ных экстремумов (а тем более экстремумов, разделенных большим числом интервалов времени между ними) уже могут считаться статистически независимыми случайными величинами.
119
Рис. 11.11. Плотности распределений интервалов времени между соседними экстремумами р (т) и корреляционных функций К (т) реальных процессов на гружения:
а — рама |
автомобиля |
КРАЗ-255 Б, |
бездорожье, |
v = 6 км/ч; |
б — рама полуприцепа |
||
1ПТС-9, |
грунтовая дорога, v = 20 |
км/ч; |
в — рама трактора |
К-700, движение |
с авто |
||
поездом, |
v = 20 км/ч; |
г — рама трактора |
Т-150К, |
движение по бездорожью с |
плугом, |
v = 8,5 км/ч
§12. Примеры описания
ианализа случайных процессов
Разнообразие режимов эксплуатации предопределяет много образие математических моделей случайных процессов, кото рые могут быть использованы для описания их нагруженности. Эти модели могут быть сформированы на основе эксперименталь ных данных о нагруженности, полученных при относительно кратковременных испытаниях конструкций на эксплуатационных режимах нагружения и дополнительной информации об особен ностях их функционирования и накоплении в них различных изменений в течение всего срока службы в результате старения и изнашивания. Так приходят к моделям процессов, представлен ных в виде сумм и (или) произведений детерминированных и случайных функций, а таиже к моделям в виде процессов, сфор мированных с помощью безынерционных или инерционных линей ных или нелинейных преобразователей, и т. п. [12].
При этом для анализа прочности конструкций используются частные характеристики процессов: эффективные частоты по нулям и экстремумам, распределения амплитуд, соответствующие различным методам схематизации, и т. п. Рассмотрим некоторые типичные задачи по описанию и анализу случайных процессов.
120
Рис. |
12.1. |
Спектральная |
плотность процесса |
s /w\ |
|
|
типа |
«белый |
шум» |
|
*' |
|
|
Процессы типа «белый шум» . Про |
|
ттП |
||||
стейшей |
математической моделью слу |
|
||||
0. |
1 ± |
|||||
чайного |
процесса является гауссовский |
0 |
||||
белый шум, который задается спектраль |
|
|
||||
ной плотностью S (со) = |
с = const (рис. 12.1). Эта модель получает |
ся из реального процесса с ограниченной верхней частотой ©х при © ,—►00.
Используя соотношения (10.32), (11.2)—(11.4), получаем, что эффективные частоты этого процесса по нулям, экстремумам и
точкам перегиба соответственно равны: ©0= щ /V 3; ©э =
= ©1у^б ; ©п = ©1 V7"5/7 л; 0,84©!.
При любом значении щ параметр сложности структуры этого
процесса k = ©э/©0= у^1,8 « 1,35. Отсюда следует, что, хотя процессы типа «белый шум» могут быть отнесены к широкополос ным случайным процессам, они не являются процессами с большой сложностью структуры и распределения в них амплитуд при всех методах схематизации приводят к примерно одинаковым резуль татам. В частности, эти распределения достаточно точно можно описать законом Релея (11.67).
Процессы со сложной структурой. Реальные процессы изме нения напряжений в элементах конструкций имеют параметр сложности структуры, изменяющийся в довольно широких пре делах (от 1 до 10). Поэтому возникает задача моделирования таких процессов из процессов с простой структурой. Простейшая модель
случайного процесса, имеющего |
сложную структуру, |
может |
быть сформирована в виде суммы |
двух узкополосных |
процес |
сов. |
|
|
Рассмотрим в качестве примера процесс х (t) = хг (/) + х2 (t),
где составляющие х\ (t) и х2(0 задаются дисперсиями s? и s2 и энергетическими спектрами в виде импульсных 6-функций: (©) =
= Si6 (© — ©i), |
S2(©) = S26 (© — ©2) (рис. 12.2). Такая мо |
дель получается |
в результате предельного перехода от процесса |
сэнергетическим спектром, имеющим два характерных максимума,
кузкополосным составляющим на частотах ©х и ©2 (рис. 12.3).
Рис. 12.2. Спектральная плотность |
Рис. 12.3. Спектральная плотность |
процесса, состоящего из суммы двух |
с двумя характерными максимумами |
узкополосных процессов |
|
121