ASPECTE PRIVIND PRELUCRAREA DATELOR EXPERIMENTALE

OBINUTE LA NCERCRILE AUTOVEHICULELOR

Prof. dr. ing. Ion COPAE
Academia Tehnic Militar, Bucureti, email: ioncopae@hotmail.com

Rezumat. n lucrare se prezint i se aplic tehnicile de prelucrare a datelor experimentale obinute la
ncercrile autovehiculelor. n acest sens, sunt prezentate caracteristicile statistice de ordinul I i II, sunt
evideniate metodele de analiz n timp (inclusiv analiza de corelaie), n frecven (analiza monospectral
Fourier clasic i analiza polispectral) i n timp-frecven (prin utilizarea transformatelor biliniare din clasa
Cohen, a transformatei wavelet, a transformatei Stockwell etc.) a seriilor dinamice experimentale. De asemenea,
se redau i se aplic elementele principale ale identificrii sistemelor, care asigur stabilirea modelului
matematic pe baza datelor experimentale.


Practica a dovedit c se impun trei
moduri de prelucrare a datelor obinute la
ncercrile autovehiculelor: prin analiz
temporal, caz n care se apeleaz la o
analiz comparativ n timp a datelor i o
analiz de corelaie a acestora; apelnd la
analiza spectral, situaie n care se
efectueaz analiza n frecven a datelor
experimentale prin utilizarea transformatei
Fourier; aplicnd analiza spectro-
temporal, deci o analiz n timp-frecven
a datelor experimentale, prin folosirea unor
transformate biliniare, precum cele din
clasa Cohen, transformate wavelet,
transformata Stockwell etc. Trebuie
remarcat c n ultimul timp pe plan
mondial s-a impus analiza n timp-
frecven [2], aplicat tot mai mult i n
domeniul mecanic. Trebuie subliniat faptul
c la studiul oscilaiilor i vibraiilor este
absolut obligatorie utilizarea analizei n
timp-frecven, deoarece aceste micri
constituie totdeauna serii dinamice
nestaionare, deci cu spectrul de frecvene
variabil n timp, aspect cunoscut i
confirmat de cercetrile experimentale.
Analiza n timp a datelor
experimentale permite aprecierea
caracterului variaiei temporale a seriilor
dinamice, determinarea parametrilor
statistici, stabilirea perturbaiilor asupra
sistemului sau ansamblului vizat,
compararea comportrii n regim dinamic
pentru diferite soluii constructive i
condiii de deplasare, precum i analiza de
corelaie i de intercorelaie temporal a
datelor.
Ca un prim exemplu, n fig.1 se
prezint variaiile acceleraiilor verticale pe
traseul punte-asiu-podea-scaun ofer, deci
pentru ntreg sistemul, n cazul deplasrii
autoturismului Dacia 1300 pe asfalt cu
viteza de 80 km/h (pentru proba
simbolizat C1P1A80). Graficele,
prezentate n mod intenionat la aceeai
scar pentru comparaie, relev variaii
temporale pronunate la toate elementele,
precum i o micorare a amplitudinilor
oscilaiilor de la factorul perturbator spre
captul opus al transferului energetic
(scaunul oferului).
n fig.2 se prezint, de asemenea
comparativ, seriile dinamice ale
acceleraiilor verticale ale asiului n cazul
deplasrii autoturismului pe asfalt cu
vitezele de 30 km/h, 50 km/h i 80 km/h;
n aceast ordine are loc o amplificare a
amplitudinii oscilaiilor.

Fig.1




Fig.2

Cellalt aspect al analizei n timp l
constituie cel al analizei de corelaie,
proprie proceselor aleatoare i statisticii
matematice. Stabilirea gradului de corelare
temporal a datelor experimentale are o
mare importan practic; o autocorelare
sau o intercorelare foarte bune n timp a
datelor ofer garania utilizrii corecte a
funciilor analitice cu care opereaz analiza
de corelaie n calcule de dinamic
statistic [1; 2]. n acest scop, pentru o
serie dinamic a unui proces aleator X(t) se
utilizeaz funcia de autocorelaie
( )
1 2
,
xx
R t t , notat mai simplu i
( )
1 2
,
x
R t t , ce reprezint o funcie
nealeatoare (analitic), care pentru o
pereche de valori arbitrar aleas (t
1
,t
2
), este
egal cu sperana matematic a produsului
a dou mrimi aleatoare x
1
i x
2
corespunztoare celor dou seciuni; ca
urmare, relaia de calcul este:

( ) ( ) ( ) ( ) { } ( )
1 1 2 1 2 1 2 1 2 1 2 2 2 1 2
, , , ; , d R t t R t t M X t X t x x f x t x t x
xx x
x

= = = } }

d (1)

n care f
2
(x
1
,t
1
; x
2
,t
2
) reprezint densitatea
de probabilitate de ordinul doi, iar {} M
simbolul medierii statistice.
Funcia de autocorelaie
caracterizeaz structura intern a
procesului; cu ct aceast funcie tinde mai
repede spre valoarea medie (spre valoarea
nul dac procesul aleator este centrat), cu
att exist o autocorelare temporal mai
slab a datelor experimentale [1;2]. n
fig.3 se prezint funciile de autocorelaie
ale acceleraiilor pentru roata spate
dreapta, asiu, podea i scaunul oferului,
la deplasarea autoturismului Dacia 1300 pe
asfalt cu viteza de 80 km/h.


Fig.3

Pentru analiza n frecven a
datelelor experimentale se aplic
transformata Fourier clasic [2]; se
apeleaz astfel la analiza monospectral a
datelor. Se apreciaz deci c autovehiculul
(sau un anume ansamblu vizat) constituie
un sistem liniar i se efectueaz analiza
spectral a seriilor dinamice experimentale
considerate staionare, cu spectrul de
frecvene invariabil n timp. n realitate,
practica a dovedit c ambele ipoteze sunt
false, orice sistem tehnic real fiind neliniar
(ceea ce necesit aplicarea analizei
bispectrale), iar seriile experimentale sunt
nestaionare, modificndu-i spectrul de
frecvene n timp (ceea ce solict aplicarea
analizei n timp-frecven).
n fig.4 este redat analiza n
frecven pentru cazul deplasrii
autoturismului Opel Vectra-B.1999 echipat
cu motorul cu injecie de benzin 20XEV,
datele experimentale corespunznd probei
P2, la o deplasare obinuit prin ora; n
partea superioar sunt seriile dinamice
experimentale, iar n partea inferioar
graficele de variaie a amplitudinii
componentelor armonice n funcie de
frecven. n fig.5 se prezint densitatea
spectral de putere pentru momentul motor
la proba experimental simbolizat T10.

Fig.4


Fig.5
Aa dup cum se cunoate, spectrul
de frecvene stabilit cu ajutorul
transformatei Fourier este valabil pentru
orice moment de timp t. Apare astfel
dezavantajul analizei spectrale clasice,
acela c nu permite precizarea la care
momente de timp exist o anumit
component armonic. Aadar, rezult c
transformata Fourier clasic, nu poate oferi
informaii n domeniul timp-frecven;
altfel spus, aceast transformat se poate
utiliza numai n cazul mrimilor staionare,
la care inclusiv spectrul de frecvene este
constant n timp. Experimentrile au
dovedit c este nevoie de un nou mod de
analiz a datelor; practic, aceast cerin a
fost satisfcut printr-o combinaie n
domeniul timpului i n cel al frecvenei
(pulsaiei); a aprut astfel i s-a dezvoltat
analiza n timp-frecven.
Cele mai utilizate tehnici de analiz
n timp-frecven sunt: reprezentri non-
transformate (spectrograma, sonograma,
vibrograma, scalerograma, periodograma);
transformate liniare (Fourier pe termen
scurt); transformate biliniare din clasa
Cohen (Wigner-Ville, Gabor, Zak, Choi-
Williams, Zao-Atlas-Mark, Born-Jordan,
Page-Levin, Bertrand, Flandrin, Rihaczek,
Unterberger, Margenau-Hill, Bud);
transformate wavelet (Haar, Morlet,
Gabor); metode de analiz multirezoluie
(Daubechies, Symmlet, Vaidyanathan,
Haar, Coillet); transformata S, propus de
Stockwell n anul 1996.
Spre exemplu, transformata
Wigner-Ville, este definit prin relaia [2]:

2
( , ) e d
2 2
j
Y t j y t y t
tut
t t
u t

= +
| | | |
| |
\ . \ .
}
(2)

n care, n cazul general, y(t) reprezint un
semnal complex, iar y
*
(t) complex-
conjugatul acestuia. Din expresia (2) se
constat c transformata Wigner-Ville
poart informaii att asupra timpului t, ct
i a frecvenei v, pe cnd transformata
Fourier este suportul numai al frecvenei v.
De exemplu, n fig.6 se prezint
aplicarea transformatei wavelet Morlet
unei seriei dinamice experimentale ce
conine timpii deschiderii injectorului
electromagnetic al unui motor cu injecie
de benzin (proba experimental
simbolizat T10).

Fig.6
n fig.7 sunt prezentate dou
exemple cu aplicarea transformatei
Stockwell (transformata S) pentru un
motor cu injecie de benzin; graficele
redate evideniaz acurateea separrii
componentelor armonice cu aport energetic
ridicat din seriile dinamice experimentale.

Fig.7

Datele experimentale se pot utiliza
i pentru stabilirea modelului matematic de
funcionare n regim dinamic a
autovehiculului sau a unui ansamblu (de
exemplu motorul), prin aplicarea
algoritmilor de identificarea sistemelor.
Dintre procedeele de identificare, cea
parametric ofer valorile coeficienilor
descrierii matematice: ecuaii difereniale
n timp continuu t R e i ecuaii cu
diferene n timp discret . Modelele
parametrice liniare sunt caracterizate
printr-un vector al coeficienilor notat cu u;
modelul corespunztor fiind notat cu M(u).
Cnd vectorul u parcurge un set de valori
realizabile (posibile) se obine un set de
modele sau o structur de model M. Dac
modelul matematic al procesului este
parametrizat prin vectorul u, problema
identificrii se reduce la determinarea sau
estimarea parametrilor acestuia utiliznd
datele experimentale ale variabilelor de
intrare i de ieire ale sistemului sau
elementului analizat.
k Z e
Pentru un sistem monovariabil la
intrare i la ieire (SISO Single Input
Single Output), forma general a
modelului liniar utilizat pentru
identificarea parametrilor este dat de
expresia:

( ) ( )
( ) ( ) ( ) ( )
( ) ( )
B q C q
A q y t u t nk e t
F q D q
= + (3)

n care: y(t) - mrimea de ieire n timp
discret; u(t) - mrimea de intrare n timp
discret; e(t) - perturbaia, care simbolizeaz
eroarea de modelare, aciunea exterioar
necunoscut etc.; t - variabila timp discret
(numr valori).
n plus, n expresia (3) mai intervin
cinci polinoame de argument q i ai cror
coeficieni rezult prin identificare pe baza
datelor experimentale:

1 2
1 2
( ) 1
na
na
A q a q a q a q

= + + + +

1
(4)

1 2
1 2 3
( )
nb
nb
B q b b q b q b q

= + + + +
+
(5)

1 2
1 2
( ) 1
nc
nc
C q c q c q c q

= + + + + (6)

1 2
1 2
( ) 1
nd
nd
D q d q d q d q

= + + + + (7)

1 2
1 2
( ) 1
nf
nf
F q f q f q f q

= + + + + (8)

n plus, n relaia (3) mrimea nk
reprezint numrul elementelor
ntrzietoare pe relaia intrarea-ieirea
sistemului, iar q constituie echivalentul
argumentului z al transformatei Z din
domeniul discret. Exist mai multe forme
particulare ale modelului generalizat (3),
utilizat i de toolboxul Identificarea
sistemelor al mediului de programare
Matlab; astfel, de exemplu algoritmul
ARMAX este caracterizat de nd=nf=0,
D(q)=F(q)=1.
n continuare se va exemplifica
algoritmul de identificarea sistemelor
ARMAX prin stabilirea unor modele
matematice pe baza datelor experimentale
obinute la ncercrile autoturismului Opel
Vectra-B.1999 echipat cu motorul cu
injecie de benzin 20XEV. Drept
exemplu, se va stabili ecuaia diferenial

care stabilete variaia n timp a
momentului motor efectiv, adoptnd un
model matematic liniar, printr-o ecuaie
diferenial de ordinul I. n acest caz se are
n vedere c o caracteristic static a
motorului cu injecie de benzin este de
forma ( , )
e
M f n =
( )
e
, unde reprezint
poziia clapetei, n turaia motorului, iar M
e

momentul motor efectiv. Ca urmare, fiind
2 mrimi de intrare, se adopt algoritmul
de identificare ARMAX pentru proba
experimental simbolizat P2; rezult c n
relaia (3) se adopt mrimile astfel:
( ) y t M t ( ) u t = ; ( ) t = ; . n
plus, se vor adopta urmtoarele mrimi:
na=1 (pentru a obine o ecuaie diferenial
de ordinul I), nb=1, nc=0
(
( ) ( ) e t n t =
, na nc na nb s < ), nk=0. Rezult astfel
o ecuaie n diferene de forma:
1 1
[ ] [ 1] [ ] [ ]
e e
M k a M k b k n k + = + (9)

Utiliznd datele experimentale i
toolboxul Identificarea sistemelor al
progamului Matlab se obin valorile:
. Rezult astfel
funciile de transfer n domeniul discret:
1 1
0, 9094; 0, 2465 a b = =

1
1 1
( ) ( ) 0, 2465 1 1
( ) ( )
( ) 0, 9094 ( ) 0, 9094
;
n
e e
M Mn
M z M z b
W z W z
z z a z n z z a z

= = = = = =

(10)

prima artnd variaia momentului motor
n funcie de variaia poziiei clapetei, iar a
doua n funcie de variaia turaiei
motorului.
Dac se dorete o descriere
matematic n timp continuu, se utilizeaz
expresiile anterioare i se trece de la
transformata Z la transformata Lapace. Se
obine astfel ecuaia diferenial dorit
pentru dinamica motorului:

d ( )
0, 4747 ( ) 1, 292 ( ) 5, 24 ( )
d
e
e
M t
M t t
t
+ = + n t (11)

Expresia (11) ofer variaia
momentului motor efectiv n timp continuu
( ), fiind stabilit pe baza datelor
experimentale, deci cunoscndu-se seriile
dinamice ale momentului motor, poziiei
clapetei i turaiei. Graficul din fig.8 arat
corectitudinea modelului matematic
adoptat, eroarea de estimare fiind de 0,41%
la norma 2.
t R e



Fig.8

Aa cum s-a menionat, s-a dorit un
model matematic printr-o ecuaie
diferenial de ordinul I, dar se poate
adopta i alt ordin. n aceste condiii,
toolboxul Identificarea sistemelor al
programului Matlab asigur i verificarea
corectitudinii modelului matematic
adoptat.


Bibliografie

[1] Copae I. Teoria reglrii automate cu aplicaii la autovehicule. Performanele sistemelor automate. Editura
Academiei Tehnice Militare, Bucureti, 1997.
[2] Copae I. Teoria reglrii automate cu aplicaii la autovehicule. Sisteme automate neliniare. Editura Academiei
Tehnice Militare, Bucureti, 1998.
[3]Copae I.Dinamica automobilelor.Teorie i experimentri.Editura Academiei Tehnice Militare,Bucureti,2003