Статистическая огибающая
Групповой метод (статистическая обработка данных)
точности. Статистическая обработка материалов дает возможность установить динамику травматизма путем сопоставления равнозначных показателей за различные периоды времени, а также зависимости уровня травматизма от стажа, возраста, профессии и квалификации рабочего, условий труда и пр.
Из бесконечного разнообразия технических средств и условий их работы можно выделить определенное число элементов, определяющих состояние взрывобезопасности производства. Статистическая обработка данных позволяет классифицировать взрывы, хлопки и загорания на группы: по причинам утечки и выбросам продуктов в атмосферу помещений и на открытых установках; по внешним источникам воспламенения взрывоопасных парогазовых смесей; по причинам образования взрывоопасных смесей в закрытой аппаратуре и внутренним источникам инициирования взрыва; по процессам и аппаратам химической технологии; по энергетической нестабильности процессов.
Обработка результатов длительных наблюдений (за 1944 — 1972 гг.) большого числа пожаров (более тысячи случаев) позволяет выявить закономерности статистического распределения частоты возникновения пожаров [19]. В частности, статистическая обработка обширных материалов о пожарах на предприятиях химической и родственных ей промышленностях показала, что сред-
На основании данных блока 4.5 проводится статистическая обработка результатов многократного моделирования и рассчитывается показатель общей безопасности полета Рб (вероятность благополучного осуществления полета без катастрофических ис-~ ходов в штатном и аварийных полетах).
костюму в общей сложности — 400 замеров). Статистическая обработка материалов исследований произведена по общепринятой методике {3]. Результаты исследований летних костюмов представлены в таблице. Как видно из таблицы, показатели исходной массы костюмов по абсолютной величине (Mi и М2) мало отличаются друг от друга, всего на 0,05 кг (1,43—1,38). Однако эта разница является достоверной по Стыоденту (#=5) до опыта. После опыта отличие в весе костюмов уменьшается на 0,03 кг и разница становится недостоверной (?=1,5). Это объясняется различной способностью костюмов впитывать влагу (пот) и испарять ее. В данном случае масса лавсано-вискозного костюма после опыта отличалась от своего исходного веса на большую величину (0,07 кг), нежели хлопчатобумажного костюма (0,05 кг), что объясняется лучшей паропроницаемостью последнего.
При применении надежных методов прогнозирования возникновения или обнаружения усталостных трещин можно избегать обрывов штанг. Прогнозирование заключается в планировании замены всей колонны штанг или отдельных ее участков после некоторого времени работы. Этот путь может быть успешно реализован при наличии данных о работе отдельных марок штанг в определенных условиях. Статистическая обработка данного материала позволит определить оптимальный срок службы отдельных участков колонны штанг или всей выбранной колонны, т.е. такой срок, в период которого эксплуатация данной колонны экономически оправдывается со всеми затратами, связанными с ликвидациями аварий.
Эти показатели позволяют сопоставить состояние травматизма в различных цехах, предприятиях и отдельных отраслях промышленности. Статистическая обработка, произведенная по профессиям пострадавших, по характеру и локализации повреждений и другим признакам, определяет направление дальнейшей работы по борьбе с травматизмом и выявляет производственные процессы, которые в силу каких-то условий дают максимальное число травм.
В существующих системах автоматизированной обработки перечень математических методов, представленных в табл.4.1, обычно ограничен. Так, например, в разработанных в Ленинграде и Киеве автоматизированных системах контроля загрязнения воздуха (АЗКЗВ) использована статистическая обработка данных, АЗУ, АЗЛК в подсистеме "Труд - Быт - Здоровье; в качестве математического обеспечения применяют статистические методы, метод многофакторного корреляционного анализа, вероятностный метод Байеса, метод дисперсионного анализа. Для успешного решения всех указанных в табл.4.1
- статистическая обработка данных и вычисления в специальных индексах;
Статистическая обработка характеристик графита состояла в определении их средних значений (М), среднего квадратичного отклонения от среднего (s), вариационного коэффициента ( коэффициента изменчивости) (v). Последний - отношение среднеквадратичного отклонения к среднему значению.
Статистическая огибающая акустического шума. Во многих случаях в классе нестационарных процессов, соответствующих реальным физическим явлениям, можно выделить особые категории нестационарное™. Первым шагом к построению модели является предположение, что шум, параметры которого меняются во времени, может быть записан в форме:
Таким образом, статистическая огибающая, являясь текущей характеристикой нестационарного процесса, содержит только те фазовые соотношения, которые характеризуют детерминированный тренд, существенный для оценки эффектов действия всего случайного шума, а не индивидуальных особенностей каждой из его реализаций.
Обобщенные параметры нестационарного шума. При оценке параметров акустического шума использование такого понятия, как статистическая огибающая, позволяет:
Тогда, если импульсный процесс приводим к стационарному в форме (1.26), его нестационарные свойства достаточно полно отражает статистическая огибающая, для оценки которой приемлемы способы, рассмотренные в гл. I (см. с. 24).
В итоге статистическая огибающая комбинации импульсного шума и фона может быть записана в форме:
Рис. 6. Статистическая огибающая импульсов шума: экспоненциально-спадающего (а), экспоненциально-нарастающего и спадающего
1 Можно привести аналогичные рассуждения в случае, когда определенное количество однотипного оборудования, расположенного в различных точках помещения, создает импульсы шума. Статистическая огибающая, полученная в результате усреднения ансамбля индивидуальных импульсов, также будет экспоненциальной, хотя измерения произведены из одной точки.
/ — статистическая огибающая импульса; 2—субъективно-взвешенная статистическая огибающая импульса; 3—мгновенное звуковое давление реализации импульса; Sm — амплитуда импульса; tyCj — время установления; тсп — постоянная времени спада; tH—длительность импульса; рпик — звуковое давление пика; -св—длительность волны давления.
что число значимо различимых импульсов конечно, т. е. составляет ряд /= 1, 2, 3, ..., М. Тогда статистическая огибающая, которая состоит из М — последовательностей эргодических в обобщенном смысле импульсных процессов (этот случай будет подробно рассмотрен на стр. 43 — 44), может быть записана в форме:
В этом предельном случае статистическая огибающая последовательности реальных импульсов может быть представлена полигармоническим процессом в форме:
: р и с т и к статистической огибающей. Поясним эту мысль на примере использованных в эксперименте двух последовательностей импульсов. Статистическая огибающая раздражителей-3 и -4 при одинаковой форме импульсов их числа в экспозиции отличается распределением импульсов во времени. В случае периодической последовательности импульсов субъект использует предшествующий опыт, чтобы «отсчитать», когда появится очередной раздражитель. Опережающая адаптация в этом случае эффективна, поскольку предсказание мо-. мента появления импульса может быть точным.
 Читайте далее:
 Стационарно установленных
Стального трубопровода
Стандарты подсистемы
Стандартизации метрологии
Сопротивление повторного
Стандартов предприятия
Становится негорючей
Становится неустойчивой
Становится практически
Статическая электризация
Статических испытаний
Статической прочности
Статическое испытание
Статического испытания
Статического разрушения
|
