- •1. Подбор моделей, описывающих изменение параметров технического состояния агрегатов автомобилей по наработке
- •1.1. Аппроксимация экспериментальных данных линейной зависимостью
- •1.2. Аппроксимация экспериментальных данных степенной зависимостью
- •1.3. Аппроксимация экспериментальных данных степенной зависимостью общего вида
- •1.4. Аппроксимация экспериментальных данных полиномом
- •1.5. Аппроксимация экспериментальных данных сплайн-функцией
- •2. Обработка статистической информации о рассеивании параметров технического состояния агрегатов автомобилей
- •3. Определение периодичности профилактики и расхода запасных частей на основе закономерностей второго вида
- •4. Определение оптимальной периодичности профилактики экономико-вероятностным методом
- •5. Оптимизация допустимого диагностического норматива при фиксированной периодичности профилактики
- •6. Определение оптимального значения периодичности диагностирования агрегатов
- •7. Оптимизация периодичности диагностирования и допустимого диагностического норматива для агрегатов, обеспечивающих безопасность движения
- •8. Оценка эффективности стратегий поддержания работоспособности агрегатов автомобилей
- •9. Оптимизация системы то и ремонта многоагрегатной машины
1.5. Аппроксимация экспериментальных данных сплайн-функцией
Полиномиальная аппроксимация и интерполяция не обеспечивает непрерывности производных функции Y(X) и может давать значительные погрешности в промежутках между узлами (экспериментальными точками). Кроме того, она плохо приспособлена к экстраполяции и, как правило, не обеспечивает правильное ассимптотическое поведение F(X) при изменении аргумента X за пределами интервала интерполяции. Нередко с увеличением числа узлов погрешность такой интерполяции не только не уменьшается, но и неограниченно растет.
От этих недостатков свободна аппроксимация и интерполяция с помощью сплайн-функции. Сплайн в переводе с английского языка означает "гибкая линейка". Сплайн-функцию можно трактовать как линию, плавно соединяющую узловые (экспериментальные) точки. На практике сплайн-функцию используют для вычисления промежуточных значений плавных, монотонных, таблично заданных функций, для аппроксимации функциональных зависимостей, получаемых в результате работы программ при автоматизированной обработке информации. Например, сплайн-функцией удобно аппроксимировать зависимость затрат на ТО и ремонт от периодичности профилактики при оптимизации этой периодичности.
Рассмотрим более подробно сплайн-функцию. Для взаимно зависимых величин X и Y математический сплайн – специальный многочлен, принимающий в узлах значения Y(X)=Yi=Y(Xi) и обеспечивающий непрерывность в них производных. Обычно достаточно обеспечить непрерывность первой и второй производных, для чего приемлемо использовать сплайн-многочлен третьего порядке (кубический сплайн).
Для каждого отрезка (Xi, Yi+1) изменения X кубическая сплайн-функция записывается в виде:
Ft(X)=1/(6*Hi)*[Mi*(Xi+1-X)3+Mi+1*(X-Xi)3)]+1/Hi*[(Yi-((Mi*Hi2)/6)*(Xi+1 --X)+(Yi+1 - ((Mi+1*Hi2)/6)*(X-Xi)], (1.5)
где Hi= Xi+1- Xi;
Fi(X) =Y(X);
Mi=F ''(Xi);
i = 1, 2, 3, …, n (n – число узлов).
При известных Xi, Yi, Mi эта формула дает сплайн-аппроксимацию.
Ниже приведен пример расчета по данной программе.
Пример 1.5. Рассчитано несколько промежуточных значений зависимости затрат на ТО и ремонт от периодичности и профилактики. Требуется аппроксимировать полученные точки сплайн-функцией.
Lто, тыс.км. |
6 |
8 |
10 |
12 |
14 |
16 |
18 |
20 |
Сто, т.р. |
6 |
5 |
4 |
4 |
5 |
5 |
8 |
10 |
Коэффициенты сплайн-функции:
М1= 0.0;
М2 = - 0.076778;
М3 = 0.303111;
М4 = 0.348334;
М5 = - 0.200447;
М6 = 0.453452;
М7 = - 0.113363;
М8 = 0.0.
При X = 6 Y = 6.
При X = 15 Y = 5.436749.