Present-day methods of random testi

Present-day methods of random testing assume a Gaussian mode of distribution of random data. Modern controllers run random vibration tests with the majority of the RMS values near the mean RMS level, thus vibrating the product only for a short time at peak RMS values. In fact, a Gaussian waveform will instantaneously exceed three times the RMS level only 0.27% of the time. When measuring field data, the situation can be considerably different, with amplitudes exceeding three times the RMS level as much as 1.5% of the time. This difference can be significant, since it has also been reported that most fatigue damage is
generated by accelerations in the range of two to four times the RMS level (ref. 1). Significantly reducing the amount of time spent near these peak values by using a Gaussian distribution can therefore result in significantly reducing the amount of fatigue damage caused by the test relative to what the product will experience in the real world. Gaussian distribution, therefore, is not
very realistic.

This Gaussian distribution has been in use since the infancy of random vibration testing and continues to be used in present-day industry for several reasons. First, linear filtering of one Gaussian distribution will result in another Gaussian distribution. So spectrum shaping and the shaker frequency response function do not change the amplitude distribution. This linear transformation property also means that Gaussian data in the time domain transformed through a Fourier Fast Transform (FFT) (as is done in digital random control systems) will result in Gaussian distributions in the frequency domain. Secondly, a Gaussian distribution can be completely determined by two parameters – the mean and standard deviation. In a random vibration context the mean (the average acceleration) is always zero. Therefore, the Gaussian distribution of a standard random vibration test can be completely defined using a single

parameter – the standard deviation (the RMS acceleration). Gaussian distribution is used, therefore, because of its simplicity.

ผลลัพธ์ (ไทย) 1:

วิธีการทดสอบแบบสุ่มเหตุการณ์สมมติ Gaussian โหมดการกระจายของข้อมูลแบบสุ่ม รันการทดสอบการสั่นสะเทือนแบบสุ่มกับส่วนใหญ่ของค่า RMS ตัวทันสมัยใกล้ค่าเฉลี่ย RMS ระดับ จึง สั่นสะเทือนผลิตภัณฑ์เฉพาะสำหรับช่วงเวลาสั้น ๆ ที่ค่า peak RMS ในความเป็นจริง รูปคลื่น Gaussian จะ instantaneously เกินสามครั้ง RMS ระดับเพียง 0.27% ของเวลา เมื่อวัดข้อมูลของเขตข้อมูล สถานการณ์ที่สามารถจะแตกต่างกันมาก มีช่วงเกินสามครั้ง RMS ระดับถึง 1.5% ของเวลา ความแตกต่างนี้สามารถมีนัยสำคัญ เนื่องจากมันยังได้รายงานความเสียหายล้ามากที่สุดคือสร้างขึ้น โดยการเร่งในช่วงสองถึงสี่เท่า RMS ระดับ (อ้างอิงที่ 1) ลดจำนวนเวลาที่ใช้ โดยใช้การกระจาย Gaussian ใกล้ค่าสูงเหล่านี้สามารถจึงส่งผลให้ลดจำนวนความเสียหายล้าที่เกิดจากการทดสอบเทียบอะไรที่ผลิตภัณฑ์จะพบได้ในโลกจริง Gaussian กระจาย ดังนั้น ไม่เหมือนจริงมากกระจาย Gaussian นี้ถูกใช้ตั้งแต่วัยเด็กของการสั่นสะเทือนแบบสุ่มทดสอบ และยังใช้ในอุตสาหกรรมเหตุการณ์หลายเหตุผล แรก เส้นกรองกระจาย Gaussian หนึ่งจะส่งผลกระจาย Gaussian อื่น เพื่อ สร้างรูปร่างสเปกตรัมและฟังก์ชันตอบสนองความถี่เชคเกอร์ไม่เปลี่ยนการกระจายคลื่น คุณสมบัติการแปลงเชิงเส้นนี้ยังหมายถึง ว่า Gaussian ข้อมูลในโดเมนเวลาเปลี่ยนผ่านฟูรีเยได้อย่างรวดเร็วแปลง (FFT) (เท่าที่จะทำในระบบควบคุมดิจิตอลสุ่ม) จะทำการกระจาย Gaussian ในโดเมนความถี่ ประการที่สอง การกระจาย Gaussian สามารถสมบูรณ์ตามพารามิเตอร์สอง – ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน ในบริบทของการสั่นสะเทือนแบบสุ่ม หมายถึง (ความเร่งเฉลี่ย) ได้เสมอเป็นศูนย์ ดังนั้น การทดสอบมาตรฐานการสั่นสะเทือนแบบสุ่มกระจาย Gaussian สามารถสมบูรณ์กำหนดใช้เดียว พารามิเตอร์ส่วนเบี่ยงเบนมาตรฐาน (ความเร่ง RMS) กระจาย gaussian ไว้ ดังนั้น เพราะความเรียบง่าย

ผลลัพธ์ (ไทย) 2:

วิธีการปัจจุบันของการทดสอบแบบสุ่มถือว่าเสียนโหมดของการกระจายของข้อมูลแบบสุ่ม ตัวควบคุมที่ทันสมัยเรียกใช้การทดสอบการสั่นสะเทือนแบบสุ่มกับส่วนใหญ่ของค่า RMS ใกล้ค่าเฉลี่ยระดับ RMS จึงสั่นสินค้าเพียงช่วงเวลาสั้น ๆ ที่ค่า RMS สูงสุด ในความเป็นจริงรูปแบบของคลื่นเสียนทันทีจะเกินสามครั้ง RMS ระดับเพียง 0.27% ของเวลา เมื่อวัดข้อมูลภาคสนามที่สถานการณ์จะแตกต่างกันมากกับช่วงกว้างของคลื่นเกินสามครั้ง RMS ระดับมากที่สุดเท่าที่ 1.5% ของเวลา ความแตกต่างนี้จะมีความหมายเพราะมันยังได้รับรายงานว่าเกิดความเสียหายเมื่อยล้ามากที่สุดคือการสร้างขึ้นโดยการเร่งความเร็วในช่วง 2-4 เท่าของระดับ RMS (Ref. 1)
อย่างมีนัยสำคัญลดปริมาณของเวลาที่ใช้ค่าใกล้ยอดเขาเหล่านี้โดยใช้การกระจายเสียนจึงได้ผลในการช่วยลดจำนวนของความเสียหายที่เกิดจากความเมื่อยล้าจากการทดสอบเมื่อเทียบกับสิ่งที่ผลิตภัณฑ์จะได้รับประสบการณ์ในโลกแห่งความจริง
การกระจายเสียนจึงไม่ได้เหมือนจริงมาก. นี้กระจายเสียนได้รับในการใช้ตั้งแต่วัยเด็กของการทดสอบการสั่นสะเทือนแบบสุ่มและยังคงถูกนำมาใช้ในอุตสาหกรรมในปัจจุบันด้วยเหตุผลหลายประการ ประการแรกการกรองเชิงเส้นของการกระจายหนึ่งเสียนจะส่งผลในการกระจายเสียนอีก ดังนั้นการสร้างคลื่นความถี่และฟังก์ชั่นการตอบสนองความถี่ปั่นไม่เปลี่ยนแปลงการกระจายกว้าง สถานที่แห่งนี้ยังมีการแปลงเชิงเส้นหมายความว่าข้อมูลเสียนในโดเมนเวลาเปลี่ยนผ่านอย่างรวดเร็วฟูริเยร์ (FFT) (ที่จะทำในระบบดิจิตอลระบบควบคุมแบบสุ่ม) จะส่งผลให้การกระจายเสียนในโดเมนความถี่ ประการที่สองการกระจายเสียนสามารถกำหนดได้อย่างสมบูรณ์โดยสองพารามิเตอร์ - ค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐาน ในบริบทของการสั่นสะเทือนแบบสุ่มเฉลี่ย (เร่งเฉลี่ย) เป็นศูนย์เสมอ ดังนั้นการกระจายเสียนการทดสอบการสั่นสะเทือนแบบสุ่มมาตรฐานสามารถกำหนดได้อย่างสมบูรณ์โดยใช้เพียงครั้งเดียวพารามิเตอร์ - ค่าเบี่ยงเบนมาตรฐาน (เร่ง RMS) การกระจายเสียนถูกนำมาใช้ดังนั้นเพราะความเรียบง่าย

ผลลัพธ์ (ไทย) 3:

วิธีการทดสอบแบบสุ่มวันปัจจุบันถือว่าเป็นโหมด ) ของการกระจายของข้อมูลแบบสุ่ม ควบคุมการสั่นสะเทือนทันสมัยวิ่งสุ่มทดสอบกับส่วนใหญ่ของ RMS ค่าใกล้ระดับค่าเฉลี่ย RMS จึงสั่น ผลิตภัณฑ์ เพียงเวลาสั้น ๆที่ RMS Peak ค่า ในความเป็นจริงสัญญาณเสียนทันทีจะเกินสามครั้งค่าระดับเพียง 0.27 เปอร์เซ็นต์ของเวลาเมื่อวัดสนาม สถานการณ์จะแตกต่างกันมาก กับแรงบิดเกินสามครั้งค่าระดับเท่าที่ 1.5 เปอร์เซ็นต์ของเวลา ความแตกต่างนี้สามารถอย่างมีนัยสำคัญ เนื่องจากมีรายงานว่าส่วนใหญ่ความเสียหายล้าคือ
ที่เกิดจากความเร่งในช่วงสองถึงสี่เท่าของค่าระดับ ( อ้างอิงที่ 1 )ช่วยลดปริมาณของเวลาที่ใช้ใกล้ค่า peak เหล่านี้โดยใช้การแจกแจงแบบปกติจึงสามารถส่งผลให้ลดปริมาณของความเสียหายความเมื่อยล้าที่เกิดจากการทดสอบเมื่อเทียบกับสิ่งที่ผลิตภัณฑ์จะประสบการณ์ในโลกแห่งความจริง การกระจาย Gaussian จึงไม่ใช่

สมจริงมาก