- •Глава 11. Нагрузки
- •11.1. Статические нагрузки
- •11.2. Динамические нагрузки
- •11.2.1. Нагрузка как случайный процесс
- •11.2.2. Анализ процесса в частотной области
- •11.2.3. Подготовка данных для корреляционного и спектрального
- •11.2.4. Эффективная частота случайного процесса
- •11.2.5. Коэффициент широкополосности случайного процесса
- •11.2.6. Распределения экстремальных значений случайного процесса
- •11.2.6. Повторяемость нагрузок в эксплуатации
11.2.3. Подготовка данных для корреляционного и спектрального
анализа нагрузок
Речь ниже пойдет о стационарных случайных процессах, которые часто принимаются в качестве основных при моделировании нагрузок, определяющих усталостную прочность деталей и узлов подвижного состава. Здесь следует выделить два этапа. На первом этапе решаются две задачи:
выбор продолжительности реализации tр случайного процесса;
выбор шага дискретизации t, рис.11.6.
Рис.11.6. Реализация случайного процесса
Величина tр определяет наименьшую частоту спектра, учитываемую в анализе, а величина t - наибольшую. Приблизительно tр в секундах можно определить по формуле [1]
,
где fн - низшая частота случайного процесса (Гц). Например для рам тележек fн= 0,3 Гц, тогда tр 26,5 с.
Величина t определяется по теореме Котельникова
,
где fв - высшая частота случайного процесса (Гц); r 2 - число сечений периода высокочастотной составляющей.
Для рам тележек берут r =4 [1]. Например для fв=50 Гц и r=4, t=0,005 с. Таким образом после квантования случайный процесс X(t) будет представлен последовательностью значений x1, x2, ... xn , где n= tр/t. Например для рам тележек tр=30с, t=0,005 с, n= 6000.
На втором этапе выполняют:
центрирование процесса, т.е. из него исключается постоянная составляющая;
сглаживание процесса с целью удаления тех составляющих процесса, которые оказались лишними (высокочастотные и низкочастотные составляющие).
Сглаживание предполагает удаление низкочастотных оставляющих (тренда) с помощью специальных приемов, зависящих от вида тренда. Для сглаживания высокочастотных составляющих используется цифровая фильтрация [1]. При этом полученный ранее ряд x1, x2, ... xn подвергается изменениям. Во-первых, сокращается число членов последовательности, во-вторых, уменьшаются амплитуды колебаний соответствующие нежелательным частотам. Полученный в результате ряд готов для статистической обработки методами, описанными в разделе 8.
Для изучения способов получения корреляционной и спектральной функции процесса следует обратиться к специальной литературе. Мы же рассмотрим некоторые простые понятия, которые будут в дальнейшем необходимы при анализе сопротивления усталости.
11.2.4. Эффективная частота случайного процесса
По реализации случайного процесса можно найти эффективную частоту fe
,
где n0 - количество «нулей», т.е. точек где , за время реализации tp, т.е. количество точек пересечения графика процесса с линией средних значений.
Определение. Эффективная частота случайного процесса x(t) это частота такого синусоидального сигнала y(t), средняя мощность которого равна средней мощности случайного процесса
,
где и Sx- стандартное отклонение процесса.
Более корректная формула для оценки эффективной частоты случайного процесса, вытекающая из определения, выглядит следующим образом
,
где c(f) – нормированная функция спектральной плотности.
11.2.5. Коэффициент широкополосности случайного процесса
Для определения коэффициента широкополосности можно воспользоваться записью одной реализации процесса во времени длиной tp.
,
где n1,n2 - количество соответственно локальных минимумов и максимумов на осциллограмме процесса за время tp; .
Процесс считают узкополосным, если и широкополосным, если . Ширину полосы оценивают величиной
.
При 0 с 0,4 - процесс считается узкополосным. Из последнего уравнения следует
.