Since Gaussian distribution of a st

Since Gaussian distribution of a standard random vibration test can be shown to inadequately represent real-world data, and since Gaussian distribution can be completely defined using a single parameter (the standard deviation or RMS acceleration), it is useful to consider additional parameters. Ideally a single additional number could be added to the test specification to capture the probability density distribution for the peaks. What mathematical manipulation could possibly do this? In terms of statistical parameters, the mean is the first statistical moment, and the RMS is the square root of the second statistical moment. So an obvious extension is to consider matching additional statistical moments between the lab distribution and the distribution of the field data. For symmetric distributions centered around zero, the third statistical moment (also called the ‘skewness’) will be zero. The fourth statistical moment (also called the kurtosis) is sensitive to the increased probability of peaks. In fact, this parameter is sometimes also referred to as the ‘peakyness’ factor, and as such, is a desirable parameter to include in the random controller to better match the PDF of the field data. In fact, it may even be a required parameter for a random test to be realistic.

A better method of testing products than using the Gaussian distribution of data is to adjust the distribution of data to more closely fit the real-world data by adjusting the kurtosis level. The difference between the Gaussian distribution and a higher kurtosis value is simply the amount of time spent at or near the peak levels. Adjusting the kurtosis level to match the measured field level will result in a more realistic test.

ผลลัพธ์ (ไทย) 1:

ตั้งแต่ Gaussian กระจายการทดสอบมาตรฐานการสั่นสะเทือนแบบสุ่มที่สามารถแสดงถึง inadequately ข้อมูลจริง และเนื่องจากกระจาย Gaussian สามารถสมบูรณ์กำหนดโดยใช้พารามิเตอร์เดียว (ส่วนเบี่ยงเบนมาตรฐานหรือเร่งความเร็ว RMS), เป็นประโยชน์ในการพิจารณาพารามิเตอร์เพิ่มเติม ห้องหมายเลขเพิ่มเติมเดียวสามารถเพิ่มการทดสอบข้อมูลจำเพาะในการจับภาพการกระจายความหนาแน่นของความน่าเป็นสำหรับแห่ง จัดการอะไรทางคณิตศาสตร์สามารถอาจทำเช่นนี้ ในพารามิเตอร์สถิติ ค่าเฉลี่ยขณะนี้สถิติแรก และ RMS รากของช่วงที่สองสถิติ ดังนั้น ส่วนขยายชัดเจนคือการ พิจารณาช่วงเวลาสถิติเพิ่มเติมระหว่างห้องปฏิบัติการกระจายและการกระจายของข้อมูลของเขตข้อมูลที่ตรงกัน สำหรับการกระจายสมมาตรแปลกศูนย์ ขณะที่สามสถิติ (เรียกว่า 'ความเบ้') จะเป็นศูนย์ ขณะนี้สถิติสี่ (ยังเรียกว่าเคอร์โทซิ) มีผลกระทบต่อความน่าเป็นการเพิ่มขึ้นของยอด ในความเป็นจริง พารามิเตอร์นี้บางครั้งยังเรียกว่า เป็นตัว 'peakyness' และเป็นเช่นนั้น เป็นพารามิเตอร์ที่ต้องการรวมไว้ในตัวควบคุมแบบสุ่มจะดีกว่า ตรงกับไฟล์ PDF ของข้อมูลของเขตข้อมูล ในความเป็นจริง มันอาจจะมีพารามิเตอร์ที่จำเป็นสำหรับการทดสอบแบบสุ่มจะเป็นจริงวิธีการทดสอบผลิตภัณฑ์มากกว่าการใช้ Gaussian กระจายข้อมูลดีจะปรับการกระจายของข้อมูลให้เหมาะสมกับข้อมูลจริงมากขึ้น โดยการปรับระดับและเคอร์โทซิ ความแตกต่างระหว่างการกระจาย Gaussian และค่าเคอร์โทซิเป็นเพียงจำนวนเวลาที่ใช้ใน หรือ ใกล้ระดับสูงสุด ปรับระดับและเคอร์โทซิที่จะตรงกับฟิลด์วัดระดับจะส่งผลในการทดสอบยิ่ง

ผลลัพธ์ (ไทย) 2:

ตั้งแต่การกระจายเสียนการทดสอบการสั่นสะเทือนแบบสุ่มมาตรฐานสามารถแสดงให้เห็นว่าไม่เพียงพอแสดงข้อมูลจริงของโลกและตั้งแต่การกระจายเสียนสามารถกำหนดได้อย่างสมบูรณ์โดยใช้พารามิเตอร์เดียว (ค่าเบี่ยงเบนมาตรฐานหรือเร่ง RMS) จะเป็นประโยชน์ในการพิจารณาพารามิเตอร์เพิ่มเติม จะเป็นการดีที่มีจำนวนที่เพิ่มขึ้นเพียงครั้งเดียวอาจจะเพิ่มข้อกำหนดการทดสอบในการจับภาพการกระจายความหนาแน่นของความน่าจะเป็นสำหรับยอด สิ่งที่การจัดการทางคณิตศาสตร์อาจจะทำเช่นนี้? ในแง่ของพารามิเตอร์ทางสถิติค่าเฉลี่ยเป็นช่วงเวลาที่สถิติครั้งแรกและ RMS เป็นรากที่สองของช่วงเวลาทางสถิติที่สอง ดังนั้นการขยายที่เห็นได้ชัดคือการพิจารณาที่ตรงกับช่วงเวลาที่ทางสถิติที่เพิ่มขึ้นระหว่างการจัดจำหน่ายห้องปฏิบัติการและการกระจายของข้อมูลภาคสนามที่ สำหรับการกระจายสมมาตรแน่นิ่งศูนย์ขณะที่สถิติที่สาม (เรียกว่า 'เบ้) จะเป็นศูนย์ ขณะที่สถิติที่สี่ (ที่เรียกว่าโด่ง) ที่มีความไวต่อความน่าจะเป็นที่เพิ่มขึ้นของยอดเขา ในความเป็นจริงพารามิเตอร์นี้บางครั้งจะเรียกว่าปัจจัย 'peakyness' และเป็นเช่นนี้เป็นพารามิเตอร์ที่พึงปรารถนาที่จะรวมอยู่ในการควบคุมแบบสุ่มเพื่อให้ตรงกับรูปแบบไฟล์ PDF ของข้อมูลสนาม ในความเป็นจริงมันอาจจะเป็นพารามิเตอร์ที่จำเป็นสำหรับการทดสอบแบบสุ่มที่จะเป็นจริง. วิธีการที่ดีขึ้นของการทดสอบผลิตภัณฑ์กว่าการใช้เสียนกระจายของข้อมูลคือการปรับการกระจายของข้อมูลที่จะใกล้ชิดมากขึ้นพอดีกับข้อมูลจริงของโลกโดยการปรับ ระดับโด่ง ความแตกต่างระหว่างการกระจายเสียนและมูลค่าที่สูงโด่งเป็นเพียงระยะเวลาที่หรือใกล้ระดับสูงสุด การปรับระดับโด่งเพื่อให้ตรงกับระดับเขตวัดจะส่งผลในการทดสอบจริงมากขึ้น

ผลลัพธ์ (ไทย) 3:

เนื่องจากการกระจาย Gaussian ของการทดสอบการสั่นสะเทือนแบบมาตรฐาน สามารถแสดงการไม่เพียงพอที่จะแสดงข้อมูลที่เป็นจริง และตั้งแต่หน้าแดงได้อย่างสมบูรณ์นิยามโดยใช้พารามิเตอร์เดียว ( ส่วนเบี่ยงเบนมาตรฐานหรือค่าความเร่ง ) , จะเป็นประโยชน์เพื่อพิจารณาพารามิเตอร์เพิ่มเติมนึกคิดเพิ่มเติมเดียวเลขอาจจะเพิ่มเพื่อทดสอบคุณสมบัติการจับภาพการกระจายความหนาแน่นของความน่าจะเป็นที่ยอดเขา สิ่งที่ทางคณิตศาสตร์การจัดการอาจจะทำแบบนี้ ในแง่ของค่าพารามิเตอร์ทางสถิติ ค่าเฉลี่ย คือ ขณะนี้สถิติแรกและ RMS เป็นรากที่สองของเวลาทางสถิติ 2ดังนั้น การส่งเสริมที่ชัดเจนคือการพิจารณาการจับช่วงเวลาทางสถิติเพิ่มเติมระหว่างแล็บการกระจายและการกระจายของข้อมูลสนาม สำหรับการแจกแจงสมมาตรศูนย์กลางรอบศูนย์ ขณะที่ สถิติ 3 ( เรียกว่า ' ความ ' ) จะเป็นศูนย์ ขณะนี้สถิติที่สี่ ( เรียกว่าโด่ง ) มีความไวต่อเพิ่มความน่าจะเป็นของยอดเขา ในความเป็นจริงพารามิเตอร์นี้บางครั้งก็เรียกว่าปัจจัย ' peakyness ' , และเป็นเช่น , เป็นพารามิเตอร์ที่ต้องการที่จะรวมอยู่ในตัวควบคุมแบบสุ่มเพื่อให้ตรงกับไฟล์ PDF จากข้อมูลภาคสนาม ในความเป็นจริง มันอาจจะต้องใช้พารามิเตอร์สำหรับการทดสอบแบบสุ่มที่จะมีเหตุผล

เป็นวิธีการที่ดีขึ้นของผลิตภัณฑ์การทดสอบกว่าโดยใช้การแจกแจงแบบปกติของข้อมูล เพื่อปรับการกระจายของข้อมูลหลายๆพอดีข้อมูลจริง โดยปรับระดับความโด่ง . ความแตกต่างระหว่างการกระจาย Gaussian และค่าความโด่ง สูง ขึ้น เพียง ปริมาณของเวลาที่ใช้ในหรือใกล้ระดับสูงสุดปรับระดับความโด่งตรงวัดระดับแปลงจะมีผลการทดสอบที่สมจริงมากขึ้น