Содержание к диссертации
Введение
1. Анализ технического состояния гидравлических гасителей колебаний подвижного состава и организация их ремонта 9
1.1 Краткий обзор источников по теме исследования 9
1.2 Виды эксплуатируемых гасителей колебаний 12
1.3 Анализ причин отказа в условиях эксплуатации, характер ремонта 23
1.3.1 Влияние зазоров в узлах гасителя колебаний на его работоспособность 23
1.3.2 Утечка рабочей жидкости из гасителя 26
1.3.3 Неисправности клапанной системы 29
1.3.4 Износы, изломы отдельных частей и ослабление соединений 30
1.4 Характер ремонта гасителей колебаний 32
1.4.1 Ремонт гасителей колебаний на заводе и в депо 33
1.5 Существующие системы диагностирования технического состояния гасителей колебаний 40
1.6 Цель и постановка задачи в работе 48
2 Математическая модель движения железнодорожного экипажа по прямым и криволинейным участкам пути 49
2.1 Обоснование выбора математической модели и ее характеристики 49
2.2 Расчет реакций гидравлических гасителей центрального подвешивания 64
2.3 Анализ результатов аналитических исследований и натурных экспериментов 67
2.4 Выводы 73
3 Метод диагностирования технического состояния гидравлических гасителей колебаний 74
3.1 Выбор диагностического сигнала 74
3.2 Выбор метода диагностирования объекта исследования 83
3.2.1 Классические методы диагностирования 83
3.2.2 Новейшие методы классификации и кластеризации 87
3.3 Построение нейронной распознающей сети 94
3.4 Методика диагностирования гидравлических гасителей 101
3.5 Выводы 104
4 Система технического диагностирования 105
4.1 Технические основы диагностирования 105
4.2 Программное обеспечение 113
4.3 Обработка статистического материала и экспериментальные исследования 121
4.4 Выводы 135
5 Практическая реализация результатов исследования 136
5.1 Автоматизированное рабочее место оператора стенда по испытанию гидравлических гасителей колебаний 136
5.2 Передвижная установка по испытанию гидравлических гасителей колебаний 139
5.3 Достоверность диагностирования на основе принятой модели 144
5.4 Экономическая эффективность внедрения средств технического диагностирования гидравлических гасителей колебаний 156
5.4.1 Технико-экономические показатели диагностирования 156
5.4.2 Эффективность передвижной установки контроля состояния гасителей колебаний 159
5.4.3 Эффективность стационарного АРМ контроля технического состояния гидравлических гасителей 162
5.4.4 Эффективность совместного применения передвижной установки и стационарного стенда 164
5.5 Выводы 168
Заключение 169
Список использованных источников 171
Приложение. Копии документов, подтверждающие практическую реализацию результатов диссертационной работы 182
- Виды эксплуатируемых гасителей колебаний
- Новейшие методы классификации и кластеризации
- Обработка статистического материала и экспериментальные исследования
- Достоверность диагностирования на основе принятой модели
Виды эксплуатируемых гасителей колебаний
В настоящее время на железных дорогах Российской Федерации эксплуатируются гидравлические гасители колебаний различного типа. Одними из наиболее распространенных являются гасители колебаний конструкции Калининского вагоностроительного завода (КВЗ) и дальнейшей разработки этой конструкции - гаситель КВЗ-ЛИИЖТ [38]. Кроме того, эксплуатируются конструкции КВЗ-ЛИИЖТ с сильфонными уплотнениями, модернизированные самими ремонтными предприятиями [39]. Конструкция гидравлического гасителя колебаний КВЗ приведена на рисунке 1.1. Основу конструкции составляют: цилиндр 4, резервуар 19, поршень 21, шток поршня 18, верхний (поршневой) и нижний клапаны. Клапанная система состоит из дисков 3, установленных в теле поршня 21 и нижнего корпуса 22. Специальные дистанционные кольца 20 ограничивают высоту подъема дисков, в которых имеются калиброванные отверстия диаметром 1,8 мм. Шток поршня имеет резьбовое соединение с верхней головкой 13. Шпилька 12 препятствует самоотвинчиванию этой головки.
На верхнюю головку 13 навернут предохранительный кожух 16 и закреплен на головке стопорным болтом 14. Этот кожух предохраняет гаситель колебаний от грязи и пыли, а выступающую из корпуса часть штока - от повреждений. В нижней части штока поршня имеются четыре отверстия диаметром 6 мм, при помощи которых подпоршневая полость при открытом верхнем клапане сообщается с надпоршневой полостью. Место выхода штока из цилиндра уплотнено направляющей втулкой штока 6 и резиновым каркасным самоподжимным сальником 17, который состоит из металлического каркаса, поджимающей пружины и резиновой прокладки.
Между кожухом и рабочим цилиндром имеются резиновое 7 и металлическое 8 кольца. Для предохранения от ослабления на гайках 9 и 11 поставлены стопорные планки 10 и 15. Верхняя часть рабочего цилиндра закрывается направляющей втулкой 6 и уплотняется резиновым (алюминиевым) кольцом 5. Соединение нижней части рабочего цилиндра, и корпуса нижнего клапана также уплотнено резиновым (алюминиевым) кольцом 1.
Для обеспечения стабильной работы гасителя его поршень снабжен кольцом 2, что значительно снижает непроизводительное перетекание масла при дросселировании. Этот гаситель колебания, обладая достаточно простой конструкцией, позволяющей производить ремонт его не только в заводских, но и деповских условиях, имеет существенный недостаток - отсутствие предохранительных клапанов. При понижении температуры ниже минус 15 С повышается вязкость рабочей жидкости гасителя, что приводит к резкому увеличению усилия на штоке поршня. Усилие на штоке может также возрастать вследствие резкого увеличения скорости движения поршня относительно рабочего цилиндра. Это может произойти и при проходе вагона через изолированные неровности большой глубины или с большой скоростью движения. Эти усилия (до 2,5 тс) могут привести к поломке кронштейнов надрессорной балки, к которой крепится нижняя головка гасителя.
Гаситель колебаний конструкции КВЗ-ЛИИЖТ (рисунок 1.2) имеет рабочий цилиндр 12, который одним концом установлен в углублении фланца 13 нижнего клапана 16 и прижат направляющей втулкой 8. Шток 22 с поршнем 19 ввернут в верхнюю головку 27 и закреплен винтом 3. Верхний клапан 21 ввернут в углубления поршня и штока и зафиксирован пружинным кольцом 20. Нижний клапан 16 с пружинным кольцом 15 размещен во фланце 13. Этот фланец свободно установлен в углублении нижней головки 14. Фрезерованные канавки соединяют с резервуаром нижнюю часть клапана 16. К головке 14 приварен кожух. В кожухе находятся все детали гасителя колебаний и, кроме того, этот кожух вместе с рабочим цилиндром 12 образует резервуар 10. Для защиты кожуха 11 и штока 22 от механических повреждений и уменьшения попадания на рабочую поверхность штока пыли и грязи к верхней головке 27 привернут защитный кожух 9, закрывающий почти полностью кожух 11 резервуара 10.
Большое влияние на работоспособность гасителя оказывают уплотнения поршня 19, штока 22, а также мест прилегания цилиндра к направляющей втулке 8 и фланцу 13. Для уплотнения поршня служит чугунное кольцо 18. Основным уплотняющим устройством выхода штока из цилиндра является направляющая втулка 8 и вспомогательные каркасные сальники 25, причем нижний сальник предназначен для снятия жидкости с поверхности штока при выходе его из цилиндра, а верхний - для снятия пыли и грязи при входе штока в цилиндр.
Каркасные сальники смонтированы в обойме 26. Уплотнение самого цилиндра 12 осуществлено при помощи алюминиевых колец 11 и 23. Внутренние части гасителя (направляющая втулка, цилиндр и фланец нижнего клапана) зафиксированы при помощи натяжного кольца 24, которое ввернуто в верхний конец кожуха 11. Кольцо 24 через металлическую шайбу 6 и уплотнительное резиновое кольцо 7 нажимает на обойму 26, а через нее на направляющую втулку, цилиндр, фланец и нижнюю головку. Кольцо 24 фиксируют планкой 4, один конец которой входит в прорезь кожуха 11, а другой шурупом 5 прикреплен к кольцу 24. Для крепления гасителя к надрессорной балке и раме тележки в верхней 27 и нижней 14 головках имеются цилиндрические отверстия с резиновыми 1 и металлическими 2 втулками. Верхний 21 и нижний 16 клапаны взаимозаменяемы и имеют предохранительные шариковые устройства, предназначенные для ограничения сопротивления гасителя колебаний при чрезмерных скоростях перемещения поршня или при повышении вязкости вследствие низкой температуры наружного воздуха.
При повышении давления жидкости в цилиндре сверх допустимого шариковое устройство (клапан) срабатывает и пропускает часть жидкости помимо дроссельных отверстий. В этой клапанной системе имеются два дроссельных отверстия (просечки), выполненных в виде прямоугольной прорези на седле клапана. Гаситель КВЗ-ЛИИЖТ унифицирован для возможности постановки его как на тележки KB 3-5, так и на тележки КВЗ-ЦНИИ, для чего увеличен ход поршня со 140 до 190 мм.
Как показали многочисленные лабораторные, поездные и эксплуатационные испытания, этот гаситель колебаний имеет достаточно простую и надежную в эксплуатации конструкцию. Производить ремонт гасителя почти в полном объеме можно не только на ремонтных заводах, но и в условиях локомотивного и вагонного депо [40, 41].
Гаситель колебаний одностороннего действия конструкции КВЗ-ЛИИЖТ разработан с целью повышения надежности серийных гасителей колебаний. Гаситель создан на базе модернизации серийного унифицированного гасителя КВЗ-ЛИИЖТ.
В этой конструкции сила сопротивления возникает только при ходе сжатия, и поэтому в надпоршневой полости прибора не создается давление, и рабочая жидкость практически не подходит к сальниковому уплотнению.
При таком цикле работы прибора в основном устраняется влияние зазора между штоком и направляющей втулкой на параметр сопротивления гасителей и, кроме того, улучшаются условия работы резиновых уплотнений сальника. Гаситель одностороннего действия отличается от серийного унифицированного гасителя КВЗ-ЛИИЖТ только тем, что поршень не имеет клапана, а в верхней части рабочего цилиндра имеются отверстия. Этим самым частично изменен принцип циркуляции рабочей жидкости в приборе.
На ходе растяжения, в следствие создаваемого разряжения, рабочая жидкость свободно перетекает в подпоршневую полость. На ходе сжатия в подпоршневой полости повышается давление и закрывается клапан, а рабочая жидкость с большим гидродинамическим сопротивлением перетекает по дроссельным каналам клапана в камеру.
В случае неплотного прилегания колец поршня небольшая часть жидкости перетекает в надпоршневую полость, и при избыточном ее скапливании она может через отверстия рабочего цилиндра возвратиться в камеру. Жидкость в надпоршневой полости играет также роль гидравлического затвора, препятствуя попаданию воздуха в подпоршневую полость. Поскольку в этом гасителе надпоршневая полость всегда имеет низкое давление, то рабочая поверхность поршня равна площади самого поршня. Клапан имеет четыре дроссельных канала вместо двух для гасителя двустороннего действия, а предохранительное устройство не допускает повышения давления в подпоршневой полости более 30±3 кгс/см и усилия гасителя свыше 1000 кгс.
Новейшие методы классификации и кластеризации
Метод деревьев решений - один из методов автоматического анализа данных. Первые идеи создания дерева решений восходят к работам Ховленда (Hoveland) и Ханта (Hunt) конца 50-х годов XX века, а позднее изложены в книге Ханта (Hunt, Е.В.), Мэрина (Marin J.) и Стоуна (Stone, P.J) «Experiments in Induction», изданной в 1966г [92].
Деревья решений - это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение.
Область применения деревья решений в настоящее время широка, но все задачи, решаемые этим аппаратом, могут быть объединены в следующие три класса: хранение информации о данных в компактной структурной форме, которое содержит точное описание объектов; решение задач классификации с дискретной целевой переменной; установление зависимости непрерывной целевой переменной от независимых переменных, например для задач численного прогнозирования.
На сегодняшний день существует значительное число алгоритмов, реализующих деревья решений: CART, С4.5, Newld, ITrule, CHAID, CN2 и т.д. Но наибольшее распространение и популярность получили следующие два: CART и С4.5.
CART (Classification and Regression Tree) - это алгоритм построения бинарного дерева решений - дихотомической классификационной модели. Каждый узел дерева при разбиении имеет только двух потомков. Как видно из названия, алгоритм CART решает задачи классификации и регрессии.
С4.5 - алгоритм построения дерева решений, количество потомков у узла не ограничено. Алгоритм не предназначен для работы с непрерывным целевым полем, поэтому решает исключительно задачи классификации.
Основные преимущества данного метода: быстрый процесс обучения; генерация правил в областях, где эксперту трудно формализовать свои знания; извлечение правил на естественном языке; интуитивно понятная классификационная модель; высокая точность прогноза, сопоставимая с другими методами (классическая статистика, нейронные сети); построение непараметрических моделей.
Метод самоорганизующихся карт. Сущность работы самообучающихся карт сводится к проецированию и кластеризации многомерных векторов, при этом сохраняется топологическое подобие. Примером таких алгоритмов может служить алгоритм k-ближайших средних (c-means). Важным отличием данного алгоритма является то, что в нем все узлы (центры классов) упорядочены в некоторую структуру (обычно двумерную сетку). В ходе обучения модифицируется не только узел-победитель, но и его соседи, но в меньшей степени. За счет этого алгоритм самоорганизующихся карт можно считать одним из методов проецирования многомерного пространства в пространство с более низкой размерностью. При использовании этого алгоритма, вектора, схожие в исходном пространстве, оказываются в ближайшей окрестности и на полученной карте.
Поскольку метод подразумевает использование упорядоченной структуры нейронов, то используются одно- и двумерные сетки. При этом, каждый нейрон представляет собой n-мерный вектор-столбец, где п определяется размерностью исходного пространства (размерностью входных векторов). Применение одно- и двумерных сеток связано с тем, что возникают проблемы при отображении пространственных структур большей размерности.
Среди достоинств данного алгоритма следует выделить существенную кластеризационную способность и точность диагностирования, однако время обучения существенно зависит от радиуса обучения, являющегося основным параметром алгоритма построения самоорганизующихся карт.
Метод перцептронов и нейронных сетей. Теоретические основы нейроматематики были заложены в начале 40-х годов. В 1943 году У. Мак Каллох и У. Питтс сформулировали основные положения теории деятельности головного мозга [93]. Ими были получены следующие результаты: разработана модель нейрона как простейшего процессорного элемента, выполняющего вычисление переходной функции от скалярного произведения вектора входных сигналов и вектора весовых коэффициентов; предложена конструкция сети таких элементов для выполнения логических и арифметических операций; сделано основополагающее предположение о том, что такая сеть способна обучаться, распознавать образы, обобщать полученную информацию; положительные веса соответствуют возбуждающим связям, а отрицательные - тормозным.
Позднее эта теория была развита Ф.Розенблаттом в 1957 г с целью применения в теории распознавания образов [94]. Структура таких сетей аналогична по строению биологическому мозгу. Ее основу составляют связанные между собой искусственные нейроны, имеющие входные синапсы, связывающие входы нейрона с ядром, ядро нейрона, которое осуществляет обработку входных сигналов, а также выходного аксона, который связывает нейрон с нейронами следующего слоя.
Каждый синапс имеет вес, определяющий, насколько соответствующий вход нейрона влияет на его состояние [95, 96]. Состояние нейрона входного слоя определяется по формуле
Построенная нейронная сеть подлежит обучению. Известны следующие базовые алгоритмы обучения - обратное распространение (Back Propagation), эластичное распространение (Resilient Propagation), быстрое распространение (Quick Propagation), метод Левенберга-Маркара, метод сопряженных градиентов (Conjugate Gradients) и другие [97].
Нейронные сети обратного распространения получили свое название из-за используемого алгоритма обучения, согласно которому ошибка распознавания распространяется от выходного слоя ко входному, т.е. в направлении, противоположному направлению распространения сигнала при нормальном функционировании сети. Такая сеть состоит из нескольких слоев нейронов, причем каждый нейрон n-ого слоя связан с каждым нейроном слоя п+1, т.е. топологически сеть является полносвязной.
Задача обучения сети сводится к нахождению некоторой функциональной зависимости, связывающей входные диагностические параметры и выходные. В общем случае такая задача, при ограниченном наборе входных данных, имеет бесконечное множество решений [98]. Для ограничения пространства поиска при обучении ставится задача минимизации целевой функции ошибки, которая рассчитывается по методу наименьших квадратов [99]
Применение полученного выражения может быть неэффективно в случае, когда производные по разным весам сильно отличаются друг от друга. Это возможно, когда значение функции S для некоторых элементов нейронной сети находится в окрестностях модуля 1, либо когда модуль некоторых весов много больше 1. В таком случае следует устанавливать малую скорость обучения, а процесс обучения при этом значительно удлинится [100].
Выход из данной ситуации состоит в использовании момента обучения jii, при этом изменяется выражение (3.33) и приобретает вид
Обработка статистического материала и экспериментальные исследования
Существенную роль при рассмотрении вопроса функционирования технических систем диагностирования занимает вопрос накопления статистического материала и его последующий анализ. Данной проблеме посвящены многие научные исследования в области математической статистики и теории вероятности [118 - 123].
На основании рекомендаций и классических положений, изложенных в данных источниках, поставлены следующие задачи качественного и количественного анализа статистической информации:
- построение вариационного ряда измеренных величин с фильтрацией грубых промахов и неадекватных значений;
- построение гистограмм распределений с определением оптимального числа интервалов;
- определение параметров, характеризующих функции распределения и вариационные ряды; установление вида функций распределения измеренных величин;
- вычисление критериев согласия для проверки однородности выборок и нулевых гипотез функций распределения.
В качестве статистического материала отобраны записи базы данных системы технического диагностирования за период времени с июня 1999 по август 2002 года в количестве 13775 штук.
Предварительная качественная фильтрация заключалась в исключении записей, содержащих информацию о неисправных, неправильно отрегулированных и забракованных гидравлических гасителях, что обусловлено необходимостью построения однородной выборки. Таких записей было обнаружено 405, в результате чего окончательно отобрано 13370 записей для последующей обработки в среде Excel [124].
В качестве Хр (р=1.. .7) контролируемых параметров рассмотрены:
- амплитуда поршня стенда Xа;
- скорость поршня Xе;
- максимальное усилие отдачи в обычном режиме проверки Х
- максимальное усилие отдачи в дроссельном режиме Ходр ,
- максимальное усилие сжатия в обычном режиме проверки Хсж;
- максимальное усилие сжатия в дроссельном режиме хсж др;
- параметр неупругого сопротивления гидравлического гасителя Хр.
Установление статистических зависимостей, присущих исследуемым величинам, основано на изучении данных о том, какие значения приняли эти величины в результате наблюдений.
На рисунках 4.11 - 4.15 представлены временные зависимости анализируемых параметров, причем наблюдаемые значения отображены точками, а также построены временные зависимости скользящего среднего по этим значениям. Очевидно, что рассмотрение и осмысление этих данных затруднительно ввиду большого числа наблюдений и по ним практически сложно представить характер распределения параметров, а можно лишь предположить нормальность законов распределения согласно теореме Ляпунова из группы центральных предельных теорем.
Оценка качества определения средних и среднеквадратических значений выполнена с помощью расчёта таких оценочных параметров, как: - средняя ошибка среднего значения
Расчет данных величин показал, что ошибки среднего значения и среднеквадратического отклонения незначительны по сравнению с исследуемыми параметрами, что характеризует достаточную точность выполненных наблюдений, а сделанная выборка является репрезентативной, отражает свойства генеральных совокупностей и ее параметры могут быть использованы для проведения дальнейших исследований. Неупорядоченные данные были подвергнуты ранжированию (расположение вариантов в порядке возрастания) для определения характеристик:
- мод распределений
- медиан распределений, для которых справедливо математическое утверждение
Все полученные значения сведены в общую таблицу 4.1. Анализ данных таблицы свидетельствует о следующем: величина амплитуды поршня определяется в основном конструктивными параметрами эксцентрикового узла, на которые оказывают влияние появляющиеся зазоры за счет постепенного ослабления затяжки крепежных элементов узла. Два разрывных участка на графике временного тренда амплитуды поршня характеризуют процесс технического обслуживания стенда с проведением профилактического подтягивания элементов крепления. На скорость движения поршня также оказывают влияние конструктивные параметры стенда и, незначительно, отклонения напряжения питания, что подтверждается малой величиной параметра дисперсии. Параметр .эксцесса свидетельствует об островершинности распределений данных параметров, а значение контрэксцесса позволяет отнести их к классу экспоненциальных распределений с параметром а=0,736 для Xа и ос=0,638 для Xе вида
Энтропийный коэффициент ке в случае экспоненциальных распределений является однозначной функцией айв рассматриваемых случаях составляет ке=1,941 для Xа и ке=1,802 для Xе.
Эксцесс распределений коэффициента неупругого сопротивления, максимальных усилий сжатия и отдачи в обычном и дроссельном режимах близок к 3, что определяет факт наличия нормального распределения величин.
Для определения формы распределения, использования критериев согласия (Пирсона х , Колмогорова - Смирнова и др.), для составления гипотез о форме распределений и вычисления оценок энтропии, выборка должна быть представлена в виде гистограммы сгруппированных данных, состоящей из m столбцов с определенной протяженностью d соответствующих им интервалов.
Достоверность диагностирования на основе принятой модели
При разработке любого средства диагностирования одним из основных пунктов является определение параметров качества выполняемого диагностического процесса. Это обстоятельство обусловлено тем, что при любом, методологически верном построении диагностического процесса, имеют место ошибки, причем измеряемые величины и возникающие погрешности измерений являются случайными величинами.
ГОСТом установлены точностные параметры диагностирования в виде численного значения вероятности ошибки Ру, где ІФ] [125]. Помимо этих параметров, также рассматривают достоверность D, иначе именуемую вероятностью верного диагностирования, которая является обобщенной величиной [126].
В случае дифференциального диагностирования состояния, имеющего два возможных значения, вероятность ошибки, согласно ГОСТ, характеризуется величинами вида технического состояния. Величина Р12, представляет собой вероятность совместного наступления следующих событий: объект находится в работоспособном состоянии, но в результате диагностирования признан неработоспособным. С другой стороны, величина Рг.і является вероятностью совместного наступления событий: объект находится в неработоспособном состоянии, а в результате диагностической процедуры признается работоспособным. Для системы, формирующей диагноз на основании нескольких диагностических признаков, вероятность Р1і2 рассчитываются по выражению (5.7)
Достоверность диагностирования характеризует степень соответствия результатов диагностирования фактическому состоянию объекта. Эта величина зависит от выбранных допустимых значений параметров и полученного интервала, стабильности параметров, точности измерений и состояния средств диагностирования. Численное значение достоверности D рассчитывается согласно выражению
Определим выражения для величин, входящих в вышеприведенные формулы (5.7) - (5.9).
Значение любого диагностического параметра х; является случайной величиной, имеющей некоторую функцию плотности вероятности распределения fn(x). Для отыскания априорной вероятности попадания диагностического параметра в рабочий интервал применяют интегральную оценку
Вероятности ошибок Ріа и Р;р разрабатываемых средств технического диагностирования вызваны наличием в них погрешностей результатов измерения Аіх. При существовании непрерывной, монотонно изменяющейся функции плотности распределения диагностического параметра, следует рассматривать вероятность в окрестностях допускаемого значения. Для параметра, имеющего интервальный допуск, значения, меньшие хітіп-Єі и большие Ximax+gj определенно информируют о неработоспособном состоянии объекта, а значения на интервале от ximin—с5 до хітах+Єі - о работоспособном состоянии объекта. Значение интервала неопределенности 2s; зависит от ряда факторов, в том числе: значений погрешности измерений, среднего квадратического отклонения в функции распределения погрешности измерений. В результате выражение для определения вероятности ложного отказа Pia имеет вид
Поскольку в нашем случае все величины измеряются косвенно и рассчитываются непосредственно из рабочей диаграммы, погрешности измерения диагностических параметров напрямую зависят как от погрешностей средств измерения, так и от погрешностей методов измерения диагностических параметров. Законы распределения погрешностей наиболее распространенных средств измерения всесторонне рассмотрены в соответствующей литературе [127].
Передвижная установка для диагностирования технического состояния гидравлических гасителей колебаний содержит два информационных канала. Канал измерения усилия содержит тензорезисторный датчик типа HI, соединительные провода марки МГШВ 0,75 длиной 1 метр от датчика до блока усиления, содержащего дифференциальный вычитатель на входе и амплитудный модулятор сигнала. По соединительному проводу марки МГШВ длиной 0,5 метров [128] сигнал поступает на вход переносного компьютера типа ноутбук. Канал измерения перемещения содержит дифференциальный преобразователь индуктивного типа с подвижным ферромагнитным сердечником. Питание датчик получает от генератора синусоидальных колебаний. После прохождения двух каскадов усиления, сигнал поступает по соединительному проводу на вход переносного компьютера.
В работе [129] установлено, что 350 дней в году температура для региона Западной Сибири принадлежит интервалу от -20 до +20 С. Функция температуры симметрична относительно средней годовой температуры, составляющей 0С, и имеет нормальный закон распределения. Таким образом, вероятность нахождения температуры в указанном интервале составляет 0,918. Для такой вероятности границы в случае нормального распределения составляют ±1,84ст, что учтено в дальнейших расчетах.
Поскольку между температурой и параметрами всего измерительного тракта имеется функциональная зависимость, то закон распределения погрешностей от датчика, соединительных проводов и усилителя будет аналогичен закону распределения температуры. Таким образом, закон распределения для этих составных частей измерительного тракта является нормальным с параметрами закона распределения для температуры.
Установим функциональные зависимости погрешностей измерительного канала усилия. Погрешность тензорезисторного датчика HI регламентирована паспортом на данное изделие и составляет уд=0,2%. Для доверительной вероятности 0,918 параметр среднеквадратического отклонения составит од=0,06 %.
Погрешности усилительного каскада обусловлены температурной нестабильностью параметров источника питания и элементов самого каскада.
Источник питания в качестве эталонной меры содержит стабилитрон, для которого температурный коэффициент асг=5-10"6 1/С. Исходя из этого, общая нестабильность источника определится как уист=0,03 %. и аист=0,01 %.
Нестабильность элементов усилительного каскада складывается из следующих составляющих: погрешности внешних цепей, входных (наличие входного тока смещения, сдвига напряжения, недостаточного коэффициента ослабления синфазных сигналов, недостаточного коэффициента ослабления изменений питания) и выходных погрешностей операционных усилителей (недостаточная скорость нарастания, нелинейные искажения выходного сигнала, конечное выходное сопротивление). Общая приведенная погрешность каскада усиления, учитывающая нестабильность источника питания, составит yyid=0,5 %, для установленной доверительной вероятности аук=0,16 %.
Аналоговый сигнал подвергается амплитудной и временной дискретизации с помощью АЦП. При использовании п-битного АЦП справедливо выражение, определяющее абсолютную погрешность квантования по уровню
