Оценка и прогнозирование приформовываемости верха обуви к стопе
Дипломная работа - Разное
Другие дипломы по предмету Разное
нтной модели Кельвина-Фойгта.
С помощью четырехкомпонентной механической модели были описаны процессы релаксации деформации материалов и систем, у которых отмечались наибольшие несовпадения раiетных и эмпирических значений деформации при использовании трехкомпонентной модели Кельвина-Фойгта.
Как видно на рисунке 3.12, применение механической модели, состоящей из последовательно соединенных четырех звеньев Кельвина-Фойгта, даёт значительно лучшее совпадение теоретической кривой релаксации с эмпирическими данными.
Сравнительный анализ величин деформации, расiитанных с использованием трех- и четырехкомпонентных механических моделей, представленный в таблице 3.19, показал, что четырехкомпонентная модель позволяет получить более точное количественное описание процессов релаксации деформации исследованных в работе материалов и их систем. Отмечаются значительно меньшие отклонения раiетных значений деформации от экспериментальных.
Данная механическая модель может быть рекомендована в качестве универсальной модели, позволяющей с достаточной степенью точности описать процессы релаксации деформации в обувных материалах и системах материалов для верха обуви, и использоваться на практике для определения и прогнозирования их реологических свойств.
3.5 Снижение размерности признакового пространства. Выбор наиболее информативных показателей, характеризующих упруго-пластические свойства материалов и систем для верха обуви
Как указывалось ранее, упруго-пластические свойства обувных материалов и их систем могут характеризоваться одновременно значениями нескольких количественных показателей, определяемых по различным методикам и при различных видах деформации. При этом исходное число рассматриваемых, т.е. замеряемых на исследуемых объектах, признаков довольно велико, что существенно усложняет процесс обработки, наглядного представления и интерпретации полученной в ходе исследований информации.
В таких случаях часто возникает необходимость в снижении размерности признакового пространства и выделении наиболее информативных признаков с точки зрения полноты и точности описания изучаемой характеристики. Чем меньшее число признаков используется для характеристики изучаемого явления, тем проще, нагляднее и содержательнее интерпретация окончательных результатов [137, с.5].
Наиболее распространенным методом снижения размерности признакового пространства является метод главных компонент [137-139].
Таблица 3.19 - Сравнительный анализ раiетных значений деформации, полученных с использованием трех- и четырехкомпонентной механических моделей
Момент времени, ? минЗначения показателейСК марки 2 + термобязь + ткань обувная (двухосное растяжение)СК марки 2 +трикотаж + ткань экспериментальная (двухосное растяжение)ИК CAPRETTO P UNDRUSH (одноосное растяжение)?эксп, %4-х компонент. модель3-х компонент. модель?эксп, %4-х компонент. модель3-х компонент. модель?эксп, %4-х компонент. модель3-х компонент. модель?раi,%?,%?раi,%?, %?раi,%? , %?раi,%? , %?раi,%?, %?раi,%?, 3456789101112131415160,083,563,5370,593,5360,603,343,404-1,993,348-0,331,951,9420,421,9420,400,303,213,221-0,503,235-0,922,852,8021,822,8410,461,801,814-0,751,813-0,720,503,043,0320,133,0240,382,562,564-0,332,560-0,161,721,7140,351,7140,331,002,672,711-1,482,6670,172,222,298-3,432,2170,211,451,521-4,871,526-5,242,002,262,272-0,692,275-0,801,972,006-1,751,989-0,871,191,282-7,741,302-9,433,001,941,964-1,042,030-4,441,811,8100,221,865-2,811,071,146-7,071,177-9,995,001,621,5842,451,685-3,781,631,5782,901,670-2,760,990,997-0,691,030-4,0810,001,231,235-0,191,2161,381,371,369-0,171,3511,210,870,8482,550,8324,3430,001,000,998-0,010,89010,791,151,15201,00412,850,70 0,700-0,020,62410,8860,000,860,85900,865-0,750,970,97400,9571,760,600,60000,5960,6590,000,750,793-5,440,850-13,030,770,874-13,090,939-21,420,500,547-9,320,586-17,091440,000,380,38000,3780,530,410,41000,4070,770,270,27000,2680,64Метод главных компонент - это метод преобразования исходной последовательности взаимосвязанных переменных xij в новое множество независимых переменных Fj, называемых главными компонентами, каждая из которых представляет собой ортогональную линейную комбинацию непосредственно измеренных на объектах исходных признаков.
Fj = l1j x1 + l2j x2 + тАжтАж+ lmj xm= Lj? X;
(j= 1, тАж, m) (3.40)
(j,k = 1, тАж, m, i ? k)
где Fj -j-тая главная компонента. Максимально возможное число главных компонент равно количеству исходных признаков;
lj1, lj2, тАж,ljm - факторные нагрузки, характеризующие существенность влияния каждого фактора в вариации данного признака (параметры модели, подлежащие определению).
Линейные комбинации выбираются таким образом, что среди всех возможных линейных нормированных комбинаций исходных признаков первая главная компонента F1 обладает наибольшей дисперсией. Графически это выглядит как ориентация новой координатной оси у1 вдоль направления наибольшей вытянутости эллипсоида рассеивания объектов исследуемой выборки в пространстве признаков х1,тАж, хm. Вторая главная компонента имеет наибольшую дисперсию среди всех оставшихся линейных преобразований, некоррелированных с первой главной компонентой. Она интерпретируется как направление наибольшей вытянутости эллипсоида рассеивания, перпендикулярное первой главной компоненте. Следующие главные компоненты определяются по аналогичной схеме.
Учитывая то, что главные компоненты упорядочены по степени рассеяния в изучаемой совокупности объектов, т.е. первая главная компонента определяет максимальную дисперсию исходного массива признаков Х, а дисперсии последующих убывают с ростом номера компоненты, то метод главных компонент позволяет осуществить переход к пространству меньшей размерности используя минимальное число первых главных компонент, объясняющих наибольшую долю суммарной ди