Электронный журнал «Труды МАИ». Выпуск № 49
www.mai.ru/science/trudy/
УДК 629.7
Статистические оценки полноты летных испытаний летательных аппаратов.
Балык В.М., Зенков Д.Н.
В статье рассматривается актуальная проблема, связанная с планированием летных испытаний беспилотного летательного аппарата (БЛА) проводимых в процессе отработки БЛА. Рассмотрен метод оценки полноты испытаний, позволяющий вполне формализовано обосновать необходимость проведения очередного испытания. Метод основывается на восстановлении полиномиальной модели по статистической выборке, представляющей собой данные телеметрии, и далее полиномиальная модель оценивается по статистическим критериям. Основная особенность статистических критериев состоит в том, что значения критериев известны для ситуаций, когда практически все закономерности, имеющиеся в статистической выборке, описываются данной полиномиальной моделью. Таким образом, такие критерии могут быть мерой полноты экспериментальной модели с одной стороны и условием продолжения испытаний с другой стороны.
Ключевые слова: статистический синтез; испытания ЛА; аэродинамические коэффициенты; статистические критерии; оптимизация; полиномиальная модель; статистическая выборка; планирование экспериментов.
Введение.
Качественная реализация проекта создания летательного аппарата во многом зависит от успешности проведения его испытаний. В целом процесс испытаний ЛА включает в себя лабораторные, стендовые, государственные, летные и приемочные испытания, среди которых летные испытания являются наиболее затратными. Основная цель испытаний состоит в определении соответствия обликовых характеристик и показателей ЛА заданным требованиям и, в целом, пока такое соответствие не достигнуто, летные испытания продолжаются. В то же время, современные условия сопровождающие процесс создания ЛА, выдвигают весьма жесткие условия финансирования всех этапов его разработки. В связи с этим актуальной представляется задача обоснованного сокращения числа летных испытаний ЛА, для чего необходимо методическое обеспечение
обработки результатов летных испытаний, позволяющее ответить на вопрос: все ли закономерности, представленные в телеметрии, отражены в математических моделях ЛА.
Такая задача может быть решена средствами статистического анализа экспериментальных данных, которые позволяют провести структурно-параметрический синтез проектно-функциональных связей. Здесь критерии статистического анализа подразделяются на две группы. К критериям первой группы относятся критерии по которым восстанавливается структура аппроксимирующего полинома (виды базисных функций, порядок полинома и т.п.), а по критериям второй группы устанавливается полнота восстановленных проектно-функциональных связей, т.е. по этим критериям устанавливается все ли закономерности присутствующие в данных телеметрии отражены в соответствующих проектно-функциональных связях. К критериям первой группы относятся:
- критерий регулярности
nb
Z ( Jt - J )i
А2 (В ) = ^--> min
'=* (1) где Nb - объем проверочной части статистической выборки, JTi - i-ое экспериментальное значение проектно функциональной
связи, Jm — i-ое модельное значение той же связи;
- критерий несмещённости, согласно которому требуется максимальное совпадение выходной величины двух моделей, полученных на двух различных частях статистической выборки.
Критерий минимума смещения имеет вид
Е( ^ - JB> )l
_N
ZJ2
nl = ——Гт--> min
m N
Т i
(2)
где А - точки выборки с большим значением дисперсии входной величины; В - точки выборки с меньшим значением дисперсии входной величины; N - общий объем статистической выборки.
Критерий минимума смещения позволяет выбрать модель, наименее чувствительную к изменению множества экспериментальных точек по которой она получена. Критерий требует, чтобы модель давала одинаковые результаты на последовательных опытных данных A и В. Этот критерий позволяет решить задачу
восстановления закона, скрытого в зашумлённых экспериментальных данных, а потому рекомендуется для решения задач идентификации.
К критериям второй группы относятся критерии, по которым оценивается полнота восстановления проектно-функциональных связей. К этим критериям относятся: - коэффициент детерминации — это доля объяснённой дисперсии отклонений зависимой переменной от её среднего значения. Зависимая переменная объясняется (прогнозируется) с помощью функции от объясняющих переменных.
Иногда показателям полноты связи можно дать качественную оценку используя шкалу Чеддока.
Значение коэффициента Оценка полноты связи
0,7 - 0,9 Высокая
0,9 - 0,99 Весьма высокая
Функциональная связь возникает при значении равном 1, а отсутствие связи — 0. При значениях показателей полноты связи меньше 0,7 величина коэффициента детерминации всегда будет ниже 50 %. Это означает, что на долю вариации факторных признаков приходится меньшая часть по сравнению с остальными неучтенными в модели факторами, влияющими на изменение результативного показателя. Построенные при таких условиях регрессионные модели имеют низкое практическое значение. - критерий Дарбина-Уотсона (или DW-критерий) — предназначен для проверки независимости регрессионных остатков. Значение статистики Дарбина-Уотсона изменяется в диапазоне от 0 до 4. При этом d = 2 указывает на отсутствие автокорреляции элементов полинома. Если d меньше двух, то имеет место положительная автокорреляции, а больше двух - отрицательная.
Дальнейшее изложение метода статистической обработки данных летного эксперимента приводится на примере восстановления аэродинамической модели БЛА.
1. Полиномиальное представление аэродинамических характеристик.
В общем случае функциональные зависимости аэродинамических коэффициентов от фазовых переменных могут быть представлены в виде:
Сх = Сх {31,32,33,3А,а, р, М, ^, ^, )
су = СУ (з^з^з^з^а р M, ^, , ^)
сг = С (31,32,3з,34,а, р, М, wx, Wy, Wz) (3)
тх = тх (8х,5г,5ъ,5А,а, р М, wx, ^, ^)
ту = ту (51,52,5з, 54,a, р M, wx, ^, ^)
т = т (51, 52, 5з, 54,О р, М, ^, ^, ^) Здесь:
51 - угол отклонения руля I;
52 - угол отклонения руля II;
53 - угол отклонения руля III;
54 - угол отклонения руля IV; а - угол атаки;
в - угол скольжения; М - число Маха;
wx - угловая скорость относительно оси Х1; wy - угловая скорость относительно оси Y1; wz - угловая скорость относительно оси Z1;
В достаточно полном виде расчет аэродинамических коэффициентов можно представить в виде модели учитывающей перекрестные связи между фазовыми переменными [1]:
Сх = Сх 0 + 1(а2 + р2) + 72(5,2 + 5^2) + гз52 + г4(0,5в + 5) + г5(а4 + р4) + г6ар2 Су = СО + С& + СО + Спор2 + Сио25в + СзР25в + СиоР5щ + Ср + С;^ С, = -с; р- С55- СюР3 - Ср - С22р25¥ - С2Ъо252 - С2оР5в - СО + С7Жу (4) тх = т55. + т°х&х + т;Р;р + тах5,2о5¥ + тРх5вР5в
ту = т; Р + т52 5Щ + Ътр3 + ЬпР;2 + Ъ12р252 + ¿1з025^ + Ъи;Р5¥ + +
т2 = т;о + т55в + Ъ2;ъ + Ъ21оР2 + Ъ22;25в + Ъ2ър25в + Ъ2;Р5¥ - Ъ25Р5Ф + Здесь
5в = 1(52 +54),52 = \(51 + 5)А = 1(5з -51 + 54 Г2 , Ъ, ^ Г5» Г6» С10» С11, С12» С1з> С14» С15»
С20, С21» С22» С2з» С24» С25» Ъ10» Ъ11» Ъ12» Ъ1з» Ъ14» Ъ15» Ъ20» Ъ21» Ъ22» Ъ2з» Ъ24» Ъ25 " линейные параметры
полиномов подлежащих определению, исходя из условия минимума критерия регуляции.
Таким образом, окончательно, аэродинамическая модель формируется по результатам решения следующих оптимизационных задач:
Е (3" - 3Т )2
3,,„ = ,......т'п -,У = 1,6 (5)
Г1,Г2,Гз,Г4,Г5,Г6 I т 2
I 010,011,012,013,014,020 I / ( / ).
| Ь10,Ь11,Ь12,Ь13,Ь14,Ь20 Г ° У1
| Схо,С" ,0* Л ,т* | 1=0
где при 7=1, задача решается для Сх, при 7=2, задача решается для Су, при 7=3, задача решается для С2, при/=4, задача решается для тх, 7=5 , задача решается для ту, при 7=6, задача решается для т2.
Здесь JjM - модельное значение аэродинамических коэффициентов рассчитываемое
т
по системе (4). Jj - экспериментальные значения аэродинамических коэффициентов полученные по данным телеметрии.
2. Статистический анализ экспериментальной аэродинамической модели.
В данном разделе приводятся результаты обработки статистических моделей отдельно для каждого аэродинамического коэффициента.
Для оценки качества полученных статистических аэродинамических моделей был проведен статистический анализ, с применением всех основных функций применяемых для статистического анализа, таких как регрессии и описательные статистики.
В данной работе, для восстановления зависимостей была использована линейная регрессия.
Для коэффициент Cx такая зависимость имеет вид:
О = 0,18 - 0,5(а2 + р2) + 0,1(*2 + - 0,00999934*2 + 0,00999942(а* + р8щ) -0,00999987(а4 + р4) - 0,00991338а2 р2
Параметр Значения коэффициентов Стандартная ошибка
0,18 0,0
(а2 + р2) -0,5 0,0
(5е2 + 5У2) 0,1 0,0
5э2 -0,00999934 0,0
(а 5е + в 5У) 0,00999942 0,0
(а4 + в4) -0,00999987 0,0
а2в2 0,00997338 0,0
Исходные Сумма Число степ. Средний
данные квадратов свободы квадрат
Модель 33,82 6 5,63666
Остатки 0,0 5794 0,0
Итог 33,82 5800
Число степеней свободы для факториальной дисперсии равно числу совокупностей без единицы, т.к. все группы связаны друг с другом лишь одним общим условием -значением средней арифметической всего дисперсионного комплекса.
Коэффициент детерминации = 100%.
Коэффициент детерминации это мера качества регрессионной модели, описывающей связь между зависимой и независимыми переменными модели. Коэффициент детерминации показывает, что соответствующая модель объясняет 100,0% изменчивости данных Сх. Скоррелированный коэффициент детерминации, более подходящий для сравнения моделей с различным числом независимых переменных, равен 100,0%.
Стандартная ошибка оценки = 0,0.
Стандартная ошибка оценки, оценивает меру рассеяния наблюдаемых значений относительно регрессионной прямой. При подборе модели необходимо стремится к ёё минимизации. Стандартная ошибка оценки показывает, что стандартное отклонение разностей (остатков) 0,0. Это значение может быть использовано, чтобы построить прогнозные границы (пределы) для новых наблюдений.
Средняя абсолютная ошибка вычисляется как среднее абсолютных ошибок. Если она равна 0, то модель описана в полной мере.
Средняя абсолютная ошибка = 0,00954815
Статистика Дарбина-Уотсона = 1,02811 (Р=0,0000). Поскольку Р - значение меньше 0,05, есть признаки последовательной автокорреляции в разностях.
Автокорреляция — это взаимосвязь последовательных элементов полинома. Если существует корреляция между последовательными значениями некоторой независимой переменной, то будет наблюдаться и корреляция последовательных значений остатков. Кроме того, наличие автокорреляции остатков может означать, что необходимо ввести в модель новую независимую переменную.
1 интервал остаточной автокорреляции = 0,4719
Добавочный дисперсионный анализ для переменных в соответствующем порядке
Исходные данные Сумма квадратов Число степ. свободы Средний квадрат
(а2 + р2) 33,7405 1 33,7405
(5е2 + 5У2) 0,0788017 1 0,0788017
5э2 0,000233783 1 0,000233783
(а 5е + в 5У) 0,000214285 1 0,000214285
(а4 + в4) 0,000187934 1 0,000187934
а2в2 0,00000741985 1 0,00000741985
Модель 33,82 6
Данная таблица показывает статистическое значение каждой переменной при ее добавлении у данной модели. Эти данные могут помочь определить, как данная модель может быть упрощена.
95,0% доверительные интервалы для оценки коэффициентов:
Параметр Оценка Стандартная ошибка Нижний предел Верхний предел
0,18 0,0 0,18 0,18
(а2 + в2) -0,5 0,0 -0,5 -0,5
(5е2 + 5У2) 0,1 0,0 0,1 0,1
5э2 -0,00999934 0,0 -0,00999934 -0,00999934
(а 5е + в 5У) 0,00999942 0,0 0,00999942 0,00999942
(а4 + в4) -0,00999987 0,0 -0,00999987 -0,00999987
а2в2 0,00997338 0,0 0,00997338 0,00997338
Эта таблица показывает 95,0% доверительные интервалы для коэффициентов в модели. Доверительные интервалы показывают, насколько точно коэффициенты могут оценивать имеющиеся данные.
Cx0 (а2 + ß2) (5e2 + 5V2) 5э2 (а 5e + ß 5V) (а4 + ß4) 2ß2 а ß
Cx0 1,0000 -0,6763 -0,2338 -0,3474 -0,2350 0,6521 0,3569
(а2 + ß2) -0,6763 1,0000 -0,0221 0,2914 0,6720 -0,8949 -0,4531
(5e2 + 5V2) -0,2338 -0,0221 1,0000 -0,1401 0,2380 0,0778 -0,1773
5э2 -0,3474 0,2914 -0,1401 1,0000 0,1761 -0,2092 -0,0684
(а 5e + ß 5V) -0,2350 0,6720 0,2380 0,1761 1,0000 -0,3326 -0,2136
(а4 + ß4) 0,6521 -0,8949 0,0778 -0,2092 -0,3326 1,0000 0,4566
a2ß2 0,3569 -0,4531 -0,1773 -0,0684 -0,2136 0,4566 1,0000
Эта таблица показывает подсчитанные корреляции между коэффициентами в соответствующей модели. Эти корреляции могут быть использованы, чтобы определить присутствие мультиколлинеарности, т.е. корреляцию среди указанных коэффициентов. К тому же здесь присутствуют 2 корреляции с абсолютным значением более 0,5 (не включая константу).
Вывод: Следуя полученным статистическим оценкам данная математическая модель адекватна экспериментальным данным по аэродинамическому коэффициенту Сх.
Коэффициент Cy представлен в виде: С, = -4,86367E -12 +19,9915а -1,0042^ - 55,0007а3 + 0,0052685 laß2 -0,00416123а25в - 0,00528031ß2Se - 0,00886978aߣ + 0,00802078ß^ - 4WZ ^
Параметр Оценка Стандартная ошибка
Const -4,86367E-12 0,0
а 19,9975 0,0
5e -1,0042 0,0
а3 -55,0007 0,0
аß2 0,00526851 0,0
а2 5e -0,00416123 0,0
ß2 5e -0,00528031 0,0
aß 5V -0,00886978 0,0
ß 5э 0,00802078 0,0
Wz -4,0 0,0
Исходные Сумма Число степ. Средний
данные квадратов свободы квадрат
Модель 2,14919Б6 9 238799,0
Остатки 0,0 5791 0,0
Итог 2,14919Б6 5800
Коэффициент детерминации = 100%.
Коэффициент детерминации показывает, что соответствующая модель объясняет 100,0% изменчивости данных Су. Скоррелированный коэффициент детерминации, более подходящий для сравнения моделей с различным числом независимых переменных, равен 100,0%.
Стандартная ошибка оценки = 0,0.
Стандартная ошибка оценки показывает, что стандартное отклонение разностей (остатков) 0,0. Это значение может быть использовано, чтобы построить прогнозные границы (пределы) для новых наблюдений.
Средняя абсолютная ошибка - 1,8512Ш-12.
Статистика Дарбина-Уотсона = 2,28608 (Р=0,0000). Поскольку Р - значение меньше 0,05, есть признаки последовательной автокорреляции в разностях.
1 интервал остаточной автокорреляции = -0,148009. Добавочный дисперсионный анализ для переменных в соответствующем порядке
Исходные данные Сумма квадратов Число степ. свободы Средний квадрат
а 5е 11053,4 1876,81 1 1 11053,4 1876,81
а3 48608,9 1 48608,9
ар2 53595,7 1 53595,7
а2 5е 49700,3 1 49700,3
в2 5е 188,506 1 188,506
ав 5У 756,006 1 756,006
в 5Э 7432,18 1 7432,18
Wz 1,97598E6 1 1,97598E6
Модель 2,149^6 9
Данная таблица показывает статистическое значение каждой переменной при ее добавлении у данной модели. Эти данные могут помочь определить, как данная модель может быть упрощена.
95,0% доверительные интервалы для оценки коэффициентов
Параметр Оценка Стандартная ошибка Нижний предел Верхний предел
СОПБ1 -4,86367Е-12 0,0 -4,86367Е-12 -4,86367Е-12
а 19,9975 0,0 19,9975 19,9975
5е -1,0042 0,0 -1,0042 -1,0042
а3 -55,0007 0,0 -55,0007 -55,0007
ар2 0,00526851 0,0 0,00526851 0,00526851
а2 5е -0,00416123 0,0 -0,00416123 -0,00416123
в2 5е -0,00528031 0,0 -0,00528031 -0,00528031
ав 5У -0,00886978 0,0 -0,00886978 -0,00886978
в 5э 0,00802078 0,0 0,00802078 0,00802078
Wz -4,0 0,0 -4,0 -4,0
Эта таблица показывает 95,0% доверительные интервалы для коэффициентов в модели. Доверительные интервалы показывают, насколько точно коэффициенты могут оценивать имеющиеся данные.
Матрица корреляций для оценок коэффициентов модели
СО^ а 5е а3 ав2
СО^ 1,0000 -0,7508 0,0646 0,2575 0,0576
а -0,7508 1,0000 0,3334 -0,5001 -0,1535
5е 0,0646 0,3334 1,0000 -0,5787 -0,2725
а3 0,2575 -0,5001 -0,5787 1,0000 0,2394
ав2 0,0576 -0,1535 -0,2725 0,2394 1,0000
а2 5е -0,0316 -0,1008 -0,6496 0,8738 0,2579
в2 5е 0,0668 -0,1682 -0,3998 0,2094 0,9102
ав 5У 0,0415 -0,0583 -0,0668 0,0221 0,0430
в 5э -0,6434 0,4080 -0,3168 0,0162 -0,1563
Wz 0,2277 -0,0640 -0,0861 0,1270 -0,0406
а2 5е в2 5е ав 5у в 5э Wz
СОПБ1 -0,0316 0,0668 0,0415 -0,6434 0,2277
а -0,1008 -0,1682 -0,0583 0,4080 -0,0640
5е -0,6496 -0,3998 -0,0668 -0,3168 -0,0861
а3 0,8738 0,2094 0,0221 0,0162 0,1270
ар2 0,2579 0,9102 0,0430 -0,1563 -0,0406
а2 5е 1,0000 0,2536 0,0169 0,2323 0,1345
в2 5е 0,2536 1,0000 0,0998 -0,1595 0,0204
ав 5у 0,0169 0,0998 1,0000 -0,3124 0,0376
в 5э 0,2323 -0,1595 -0,3124 1,0000 -0,0612
Wz 0,1345 0,0204 0,0376 -0,0612 1,0000
Эта таблица показывает подсчитанные корреляции между коэффициентами в соответствующей модели. Эти корреляции могут быть использованы, чтобы определить присутствие мультиколлинеарности, т.е. корреляцию среди указанных коэффициентов. К тому же здесь присутствуют 3 корреляции с абсолютным значением более 0,5 (не включая константу).
Вывод: Следуя полученным статистическим оценкам данная математическая модель адекватна экспериментальным данным по аэродинамическому коэффициенту Су.
Коэффициент представлен в виде: С, = 6,25875Е -11 -19,99751,00428 - 55,0007/Зъ + 0,00526855^а2 0,00416132Р28 - 0,00528033а28 - 0,00886966«8 + 0,008020818
Параметр Оценка Стандартная ошибка
Со^ 6,25875Е-11 4,75692Е-8
в 19,9975 0,0000014656
5у -1,0042 0,00000124899
в 3 -55,0007 0,00000545954
ва2 0,00526855 0,00000891648
в 2 5У -0,00416132 0,0000318428
а2 5у -0,00528033 0,0000085232
ав 5е -0,00886966 0,0000223507
а 5э 0,00802081 0,0000138525
Wy 4,0 6,83623Е-9
+ 4Ж„
(8)
Исходные Сумма Число степ. Средний
данные квадратов свободы квадрат
Модель 3,68026Е6 9 408918,0
Остатки 5,58794Е-8 5791 9,64934Е-12
Итог 3,68026Е6 5800
Коэффициент детерминации = 100%.
Коэффициент детерминации показывает, что соответствующая модель объясняет 100,0% изменчивости данных С2. Скоррелированный коэффициент детерминации, более подходящий для сравнения моделей с различным числом независимых переменных, равен 100,0%.
Стандартная ошибка = 0,00000310634.
Стандартная ошибка оценки показывает, что стандартное отклонение разностей (остатков) 0,00000310634. Это значение может быть использовано, чтобы построить прогнозные границы (пределы) для новых наблюдений.
Средняя абсолютная ошибка - 1,45669Е-9.
Статистика Дарбина-Уотсона = 2,0484 (Р=0,0326). Поскольку Р - значение меньше 0,05, есть признаки последовательной автокорреляции в разностях.
1 интервал остаточной автокорреляции = -0,0340774. Добавочный дисперсионный анализ для переменных в соответствующем порядке
Исходные Сумма Число степ. Средний
данные квадратов свободы квадрат
в 7371,51 1 7371,51
5у 97,9803 1 97,9803
в 3 28950,0 1 28950,0
ва2 6830,34 1 6830,34
в 2 4486,07 1 4486,07
а2 5У 1387,266 1 1387,266
ав 5е 77241,7 1 77241,7
а 5э 250318,0 1 250318,0
3,30358Е6 1 3,30358Е6
Модель 3,68026Е6 9
Данная таблица показывает статистическое значение каждой переменной при ее добавлении у данной модели. Эти данные могут помочь определить, как данная модель может быть упрощена.
95,0% доверительные интервалы для оценки коэффициентов
Параметр Оценка Стандартная ошибка Нижний предел Верхний предел
СОПБ1 6,25875Е-11 4,75692Е-8 -9,31715Е-8 9,32967Е-8
в 19,9975 0,0000014656 19,9975 19,9975
5у -1,0042 0,00000124899 -1,00421 -1,0042
в 3 -55,0007 0,00000545954 -55,0007 55,0006
ва2 0,00526855 0,00000891648 0,00525108 0,00528603
в 2 -0,00416132 0,0000318428 -0,00422373 -0,00409891
а2 5У -0,00528033 0,0000085232 -0,00529703 -0,00526362
ав 5е -0,00886966 0,0000223507 -0,00891347 -0,00882586
а 5э 0,00802081 0,0000138525 0,00799366 0,00804796
4,0 6,83623Е-9 4,0 4,0
Эта таблица показывает 95,0% доверительные интервалы для коэффициентов в модели. Доверительные интервалы показывают, насколько точно коэффициенты могут оценивать имеющиеся данные.
Матрица корреляций для оценок коэффициентов модели
СО^ в 5у в 3 ва2
СО^ 1,0000 0,2372 0,2790 -0,0858 0,1665
в 0,2372 1,0000 0,2597 -0,3393 0,4093
5у 0,2790 0,2597 1,0000 -0,0009 0,1085
в 3 -0,0858 -0,3393 -0,0009 1,0000 0,2667
ва2 0,1665 0,4093 0,1085 0,2667 1,0000
в 2 -0,0301 0,2519 -0,4149 -0,2938 0,0849
а2 5у -0,0561 -0,1575 -0,4614 0,0350 -0,1165
ав 5е 0,1636 0,7256 0,1891 0,2211 0,8596
а 5э 0,2938 0,5894 0,0588 -0,0414 0,2363
-0,1397 -0,3119 -0,0498 0,0431 -0,1594
в 2 а2 5у ав 5е а 5э Wy
СОПБ1 -0,0301 -0,0561 0,1636 0,2938 -0,1397
в 0,2519 -0,1575 0,7256 0,5894 -0,3119
5у -0,4149 -0,4614 0,1891 0,0588 -0,0498
в 3 -0,2938 0,0350 0,2211 -0,0414 0,0431
ва2 0,0849 -0,1165 0,8596 0,2363 -0,1594
в 2 5У 1,0000 0,0449 0,1325 -0,2369 -0,0084
а2 5у 0,0449 1,0000 -0,1348 0,0579 -0,0081
ав 5е 0,1325 -0,1348 1,0000 0,4586 -0,2467
а 5э -0,2369 0,0579 0,4586 1,0000 -0,2654
Wy -0,0084 -0,0081 -0,2467 -0,2654 1,0000
Эта таблица показывает подсчитанные корреляции между коэффициентами в соответствующей модели. Эти корреляции могут быть использованы, чтобы определить присутствие мультиколлинеарности, т.е. корреляцию среди указанных коэффициентов. К тому же здесь присутствует 3 корреляция с абсолютным значением более 0,5 (не включая константу).
Вывод: Следуя полученным статистическим оценкам данная математическая модель адекватна экспериментальным данным по аэродинамическому коэффициенту С2.
Коэффициент ту представлен в виде: т = 6,66267Е - 7 - 4,41704( - 6,245678, -17,6394(3 - 0,00299045(За1 +
* ¥ (9)
0,00573879(28 -0,00919119а28 - 0,00926376а(8 + 0,00794641а8 -0,301599Ж
Параметр Оценка Стандартная ошибка
СО^ 6,66Е-07 9,81Е-07
в2 -4,41704 2,71748Е-05
5у -6,24567 2,33416Е-05
в3 -17,6394 0,000100219
ва2 -0,0029904 0,000166179
в\ 0,00573879 0,000585021
а25у -0,0091911 0,000157535
авбу -0,0092637 0,000418962
абэ 0,007946 0,000257473
Wz -0,301599 1,72Е-07
Исходные Сумма Число степ. Средний
данные квадратов свободы квадрат
Модель 13465,2 9 1496,14
Остатки 0,000018862 5791 3,25724Е-9
Итог 13465,2 5800
Коэффициент детерминации = 92,0281 процентов.
Коэффициент детерминации показывает, что соответствующая модель объясняет 92,0281% изменчивости данных С2. Скоррелированный коэффициент детерминации, более подходящий для сравнения моделей с различным числом независимых переменных, равен 91,4149%.
Стандартная ошибка оценки = 0,0000570722.
Стандартная ошибка оценки показывает, что стандартное отклонение разностей (остатков) 0,0000570722. Это значение может быть использовано, чтобы построить прогнозные границы (пределы) для новых наблюдений.
Средняя абсолютная ошибка = 0,00000173103.
Статистика Дублина-Уотсона = 2,00048 (Р=0,4927). Поскольку Р - значение меньше 0,05, есть признаки последовательной автокорреляции в разностях.
1 интервал остаточной автокорреляции = -0,00023898. Добавочный дисперсионный анализ для переменных в соответствующем порядке
Исходные данные Сумма квадратов Число степ. свободы Средний квадрат
в2 1431,38 1 1431,38
5у 124,963 1 124,963
в3 2,60Е+02 1 259,71
ва2 1,71625 1 1,71625
в\ 11,5403 1 11,5403
а25у 83,0109 1 83,0109
авбу 467,34 1 467,34
а5э 1016,84 1 1016,84
Wz 10068,7 1 10068,7
Модель 13465,2 9
Данная таблица показывает статистическое значение каждой переменной при ее добавлении у данной модели. Эти данные могут помочь определить, как данная модель может быть упрощена.
95,0% доверительные интервалы для оценки коэффициентов:
Параметр Оценка Стандартная ошибка Нижний предел Верхний предел
СОПБ1 6,66Е-07 9,81Е-07 -1,25654Е-06 2,58908Е-06
в2 -4,41704 2,71748Е-05 -4,41709 -4,41699
5у -6,24567 2,33416Е-05 -6,24572 -6,24562
в3 -17,6394 0,000100219 -17,6396 -17,6392
ва2 -0,0029904 0,000166179 -0,00331615 -0,00266474
в\ 0,00573879 0,000585021 0,00459217 0,00688542
а25у -0,0091911 0,000157535 -0,00949995 -0,00888243
авбу -0,0092637 0,000418962 -0,0100849 -0,00844261
абэ 0,00794641 0,000257473 0,00744177 0,00845105
Wz -0,301599 1,72Е-07 -0,3016 -0,301599
Эта таблица показывает 95,0% доверительные интервалы для коэффициентов в модели. Доверительные интервалы показывают, насколько точно коэффициенты могут оценивать имеющиеся данные.
Матрица корреляций для оценок коэффициентов модели:
СО^ в2 5у в3 ва2
СО^ 1,0000 0,3297 0,3275 -0,0760 0,23490
в2 0,3297 1,0000 0,3018 -0,3266 0,42870
5у 0,3275 0,3018 1,0000 -0,0008 0,14110
в3 -0,0760 -0,3266 -0,0008 1,0000 0,26760
ва2 0,2349 0,4287 0,1411 0,2676 1,00000
в25у -0,0281 0,2468 -0,4084 -0,2937 0,08230
а25у -0,1022 -0,1945 -0,4720 0,0363 -0,14060
авбу 0,2601 0,7354 0,2296 0,2241 0,86450
а5э 0,3687 0,5983 0,1016 -0,0328 0,25860
Wz 0,4710 0,3372 0,1894 -0,0104 0,22990
в25у а25у авбу абэ Wz
СОПБ1 -0,02810 -0,10220 0,26010 0,36870 0,47100
в2 0,24680 -0,19450 0,73540 0,59830 0,33720
5у -0,40840 -0,47200 0,22960 0,10160 0,18940
в3 -0,29370 0,03630 0,22410 -0,03280 -0,01040
ва2 0,08230 -0,14060 0,86450 0,25860 0,22990
в25у 1,00000 0,04460 0,12760 -0,23660 -0,00070
а25у 0,04460 1,00000 -0,16750 0,02170 -0,10940
авбу 0,12760 -0,16750 1,00000 0,47560 0,31270
а5э -0,23660 0,02170 0,47560 1,00000 0,30280
Wz -0,00070 -0,10940 0,31270 0,30280 1,00000
Эта таблица показывает подсчитанные корреляции между коэффициентами в соответствующей модели. Эти корреляции могут быть использованы, чтобы определить присутствие мультиколлинеарности, т.е. корреляцию среди указанных коэффициентов. К тому же здесь присутствует 3 корреляция с абсолютным значением более 0,5 (не включая константу).
Вывод: Следуя полученным статистическим оценкам, данная математическая модель восстановлена не в полном объеме, так например, аэродинамическая производная 5(шу)/ д( вЛ)
имеет большую стандартную ошибку, что требует дополнительного исследования перекрестной связи р25у.
Выводы.
1. Статистический синтез экспериментальной аэродинамической модели показывает уровень взаимосвязи между отдельными кинематическими параметрами в модели, и исходя из этого уровня необходимо корректировать проектные параметры, фазовые координаты аппарата или режим его движения.
2. Условия продолжения испытаний БЛА должны вырабатываться комплексно, по всем подсистемам БЛА, здесь же проводился анализ только по аэродинамическому каналу.
3. Статистический синтез экспериментальной аэродинамической модели проводится по всем значимым факторам статистики: дисперсионному анализу, добавочному дисперсионному анализу, по доверительному интервалу, по матрице корреляций.
4. Рассмотренный метод оценки полноты испытаний может быть распространён и на другие сложные технические системы при их экспериментальной отработке.
Библиографический список.
1.Святодух В.К. «Динамика пространственного движения управляемых ракет» -М.: Машиностроение 1989. - 270с
2. Елисеева И.И. «Эконометрика» -М.: Финансы и статистика, 2004. - 344 с
3. Брандт З. «Статистические методы анализа наблюдений» - М.: "Мир", 1975. - 313 с.
Балык Владимир Митрофанович, профессор Московского авиационного института
(национального исследовательского университета), д.т.н.
МАИ, Волоколамское ш., 4, Москва, А-80, ГСП-3, 125993;
тел.: (499) 158-46-76, 8-915-339-64-71;
e-mail: k608@mai.ru
Зенков Денис Николаевич, аспирант Московского авиационного института (национального исследовательского университета). тел.: 8-905-531-77-85; e-mail: deviron@mail.ru