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

com

CAPITOLUL 4

STUDIUL DINAMICII AUTOVEHICULELOR FOLOSIND METODE GRAFICE

4.1. GRAFICE n domeniul ingineresc, reprezentarea grafic reprezint un mijloc frecvent folosit de studiu, avnd avantajele c este sugestiv, concentreaz multe informaii i evideniaz tendinele centrale de evoluie a procesului sau sistemului vizat. Graficele i-au dovedit eficiena i pentru analiza pe baza datelor experimentale a dinamicii autovehiculelor i/sau a funcionrii motoarelor acestora [5; 8; 30; 31; 40; 59; 82; 84; 98; 127]. Exist o mare diversitate de grafice care se folosesc n domeniul ingineresc, o clasificare a acestora fiind destul de dificil i datorit unor interferene inerente. n continuare se ncearc a asemenea clasificare, fr a considera c este una complet; n plus, trebuie menionat c aceast clasificare se refer doar la grafice, nu la reprezentri grafice n general, de exemplu prin arbori de decizie, grafuri i metode topologice, acestea fiind abordate separat. Principalele criterii de clasificare a graficelor sunt: 1) n funcie de suportul fizic de reprezentare: - prin puncte (de exemplu reprezentrile discrete) - prin linii drepte sau curbe (de exemplu reprezentrile continui) - prin imagini (tip imagesc) - prin suprafee (tip surf, mesh etc.) - prin simboluri (tip stea, fee Chernoff etc.) 2) n funcie de scopul urmrit: - grafice ordinare (de exemplu curbe) - grafice specializate (de exemplu histograme, tip boxplot etc.) 3) n funcie de modul de reprezentare: - prin reprezentare discret (de exemplu de tip stem) - prin reprezentare continu (de exemplu curbe) 4) n funcie de domeniul de reprezentare: - grafice plane (de exemplu tip contur) - grafice spaiale (de exemplu de tip mesh, surf, contur, slice etc.) 5) n funcie de numrul de axe: - grafice cu axe simple (cele clasice ) - grafice cu axe multiple (de exemplu cu 3 axe Oy)
1

6) n funcie de numrul de variabile reprezentate: - grafice monovariabile (de exemplu o curb ) - grafice multivariabile (de exemplu de tip boxplot, bagplot, scaterplot, multcompare etc.) 7) n funcie de tipul variabilelor reprezentate: - grafice cu mrimi funcionale (de exemplu de tip boxplot) - grafice cu probabiliti (de exemplu de tip violinplot) 8) n funcie de dimensiunea variabilelor reprezentate: - variabile cu dimensiunea egal cu 1 (pentru analiza vectorial, deci prin apelarea la vectori de valori) - variabile cu dimensiunea egal cu 2 (pentru analiza matricial, deci prin apelarea la matrice) - variabile cu dimensiunea egal cu 3 i mai mare (pentru analiza tensorial, deci prin apelarea la tensori) 9) n funcie de tipul coordonatelor de reprezentare: - n coordonate carteziene (cele mai folosite) - n coordonate polare - n coordonate sferice (de exemplu la analiza armonic spaial) 10) n funcie de domeniul abordat: - grafice specifice analizei n timp (grafice cu o ax a timpului) - grafice aferente analizei n frecven (de exemplu diagrama Nyquist) - grafice specifice analizei n timp-frecven (de exemplu spectrograma) - grafice corespunztoare analizei de corelaie (de exemplu pentru funcia de autocorelaie, pentru funcia de intercorelaie etc.) - grafice aferente analizei dispersionale (de exemplu ANOVA) - grafice corespunztoare tehnicilor de compresie a datelor (pentru analiza pe componente principale, analiza pe factori i analiza pe grupe: de exemplu grafic de tip biplot, de tip dendrogram etc.) - grafice specifice analizei discriminatorii, clasificrii i stabilirii paternitii datelor (de exemplu grafic de tip gscatter) - grafice aferente teoriei informaiei etc. n continuare se prezint unele din cele mai folosite tipuri de grafice, pe baza crora se pot desprinde concluzii referitoare la dinamica autovehiculelor sau la studiul funcionrii motoarelor acestora. Astfel, n fig.4.1, pentru autoturismul Logan Laureate se prezint cele dou variabile independente frecvent folosite, turaia i sarcina motorului, ultima prin poziia relativ a clapetei obturatoare; graficele din stnga conin reprezentrile continui, iar cele din dreapta reprezentrile discrete. Similar, n fig.4.2fig.4.6 se redau i alte mrimi funcionale, n reprezentare discret, n plan sau n spaiul cu 3 dimensiuni. Trebuie observat c reprezentarea discret este cea corect, deoarece nu introduce date suplimentare, inexistente experimental, evideniind totodat regimurile de sarcin i turaie cele mai folosite pe timpul experimentrilor. De
2

exemplu, din fig.4.1b se constat c cele mai multe puncte funcionale au turaii n plaja 2000-3000 rot/min. Similar, din fig.4.1d se remarc faptul c motorul a funcionat cu preponderen la sarcini mijlocii i mari, n special peste 60% din sarcina maxim.

Fig.4.1

Fig.4.2
3

Graficul din fig.4.2a arat o funcionare pe ansamblul probelor cu o compoziie a amestecului aer-combustibil aproape de valoarea stoichiometric (=1), care asigur o economicitate ridicat a autovehiculului. n plus, din fig.4.2b se constat c cele mai multe valori ale avansului la aprindere variaz n jurul valorii de 20 grade. Graficele superioare din fig.4.3 arat c cele mai multe valori ale acceleraiilor i deceleraiilor autoturismului sunt sub valoarea de 1m/s2, n primul caz existnd o concentrare mai accentuat a valorilor. n plus, din graficele inferioare se constat c cele mai multe valori ale duratei injeciei sunt n jurul valorii de 10 ms, iar ale presiunii aerului admis de peste 80 kPa.

Fig.4.3 Din fig.4.4a se constat c pe timpul experimentrilor viteza de deplasare a variat n plaja 14,2-127,6 km/h. n fig.4.4b i fig.4.4c se evideniaz i valorile maxime ale momentului i puterii motorului, rezultate din caracteristica static a acestuia. Din fig.4.4d se constat c pe ansamblul celor 50 probe consumul de combustibil este de 6,38 litri/100 km. Graficul din fig.4.5, de tip tridimensional, deci spaial, confirm funcionarea motorului la numeroase regimuri de sarcin i turaie, evideniind totodat regimurile funcionale cele mai ntlnite pe timpul experimentrilor. Mai trebuie menionat c operarea n domeniul discret este specific i calculatorului electronic, reprezentarea discret avnd astfel nc un avantaj. n fig.4.6 sunt redate patru grafice tot n reprezentare discret, din care se constat dependene neliniare mai mult sau mai puin accentuate ntre mrimile funcionale menionate.
4

Fig.4.4

Fig.4.5 i reprezentarea discret din fig.4.7a evideniaz valorile cele mai ntlnite pe timpul experimentrilor ale randamentului efectiv al motorului. Graficul inferior din fig.4.7, de tip bar, arat valorile minime, medii i maxime ale randamentului efectiv. Din grafic se remarc faptul c pe ansamblul probelor, valoarea medie a randamentului efectiv este de 27,2%, iar cea mai mare valoare este de 43,3%.
5

Fig.4.6

Fig.4.7 n fig.4.8 i fig.4.9 se prezint, n partea superioar, grafice de tip imagine; n partea dreapt apar i valorile aferente vitezei de deplasare i respectiv consumului de combustibil la 100 km parcuri pentru 50 probe experimentale ale autoturismului Logan Laureate.
6

Fig.4.8

Fig.4.9 Reprezentrile prezentate sunt sugestive pentru interpretare. De exemplu, din fig.4.8a se constat c la proba L34 exist preponderent viteze ridicate (culori roii), la proba L46 preponderent sczute (culori albastre), iar la proba L48 viteze de ambele tipuri, ceea ce se constat i din graficul inferior.
7

n mod similar, din fig.4.9a se constat, de exemplu, c la proba L34 exist valori ponderate, cu variaii foarte mici, iar la proba L47 valori att ridicate, ct i sczute, cu variaii accentuate, aa cum se confirm din graficul inferior. n schimb, de exemplu la proba L9, din graficul superior se constat c exist valori de toate tipurile ale consumului de combustibil la 100 km parcuri: mici, medii i mari. Pentru evidenierea dependenelor funcionale se folosesc grafice cu axe multiple, redate n fig.4.10fig.4.14. Graficul din fig.4.10, cu dou axe orizontale (aici cu aceeai mrime, timpul) i dou axe verticale, pentru viteza v i pentru variaia acesteia dv/dt, permite evidenierea acceleraiilor i deceleraiilor; graficul relev i dou momente de timp ntre care viteza scade, deci exist deceleraie (se observ momentele de timp t=23,5 s i t=33,3 s).

Fig.4.10 Graficul din fig.4.11, cu dou axe verticale, pentru poziia clapetei obturatoare i pentru presiunea aerului admis pa, permite s se remarce o corelare temporal liniar direct accentuat ntre aceste dou mrimi funcionale; dac s-ar calcula, valoarea ridicat a coeficientului de corelaie ar confirma aceast corelaie. Similar, n fig.4.12 se prezint un grafic cu trei axe verticale (deci cu axe multiple), pentru poziia clapetei obturatoare , presiunea aerului admis pa i momentul motor Me; i acest grafic evideniaz o corelare temporal liniar direct accentuat ntre aceste trei mrimi funcionale, ceea ce se poate confirma prin valorile coeficientului de corelaie.

Fig.4.11

Fig.4.12 n fig.4.13 se prezint un grafic cu patru axe verticale (grafic cu axe multiple), pentru aceleai trei mrimi anterioare, la care se adaug consumul orar de combustibil Ch; i acest grafic evideniaz o corelare temporal liniar direct accentuat ntre aceste mrimi funcionale, cu unele excepii pe anumite momente de timp.
9

Fig.4.13 n aceste ultime exemple, ce evideniaz dependene funcionale, axele verticale sunt separate. n schimb, n fig.4.14 i fig.4.15 se prezint grafice cu axe verticale suprapuse, mrimile vizate fiind viteza de deplasare V, turaia motorului n, poziia clapetei obturatoare i momentul motor Me.

Fig.4.14
10

Din aceste grafice se constat, de exemplu din fig.4.15, c momentul motor Me are variaii similare cu cele ale poziiei clapetei obturatoare .

Fig.4.15 Analiza dependenei dintre mrimile funcionale se poate efectua i prin folosirea graficului de tip gplotmatrix, redat n fig.4.16 doar pentru cinci variabile.

Fig.4.16
11

Dup cum se constat din fig.4.16, ntre diverse mrimi funcionale exist dependene aproximativ liniare (1 - ntre presiunea aerului admis pa i durata injeciei ti), uor neliniare (2 - ntre presiunea aerului admis pa i poziia clapetei obturatoare ) sau accentuat neliniare (3 - ntre viteza de deplasare V i durata injeciei ti); n acest grafic, pe diagonala principal exist histogramele mrimilor menionate (cadrul 4). Exist i alte tipuri de grafice care chiar prin expresivitatea lor asigur deducerea imediat a unor concluzii. Spre exemplu, n fig.4.17 se prezint curburile a patru mrimi funcionale: poziia clapetei obturatoare , turaia motorului n, viteza de deplasare V i acceleraia vehiculului a. Din aceste grafice se constat c cele mai mari variaii le are acceleraia autovehiculului, deci aceasta este mrimea cu cea mai mare curbur (prin definiie, curbura reprezint abaterea de la o form plat/regulat).

Fig.4.17 n fig.4.18 se prezint un grafic de tip bubbleplot, care evideniaz dependena dintre viteza de deplasare V, presiunea aerului admis pa i turaia motorului n. La acest tip de grafic, pe axele de coordonate sunt mrimile factoriale (presiunea aerului admis i turaia motorului), iar valorile mrimii rezultative (viteza de deplasare) sunt proporionale cu dimensiunea cercului; n plus, un anumit punct experimental este evideniat printr-o culoare. Un tablou similar este i n fig.4.19, unde o valoare a vitezei de deplasare (fig.4.19a), respectiv a consumului de combustibil (fig.4.19b), se regsete n

12

simbolistica culorilor. Spre exemplu, din fig.19a se constat c viteze mari de deplasare (culoarea roie) se ntlnesc cu preponderen la turaii mari.

Fig.4.18

Fig.4.19 Unele din cele mai folosite grafice sunt caracteristicile statice, ce conin valorile mrimilor la regimuri staionare.
13

Spre exemplu, n fig.4.20 se prezint una din caracteristicile statice ale motorului autoturismului Logan Laureate, ce arat dependena momentului motor Me de turaia acestuia n i de poziia clapetei obturatoare . Aceasta constituie o caracteristic spaial, pe cnd n fig.4.21 este redat o caracteristic plan, de tip contur.

Fig.4.20

Fig.4.21 O mare parte din graficele utilizate pentru studiul dinamicii autovehiculelor apeleaz la statistic. Spre exemplu, n fig.4.22 i fig.4.23 se prezint histogramele unor mrimi funcionale. Din aceste grafice se pot extrage zonele cu cele mai multe valori ale mrimilor; de exemplu, din fig.4.23a se
14

constat c cele mai multe valori ale vitezei de deplasare se gsesc n jurul valorii de 70 km/h.

Fig.4.22

Fig.4.23 Fig.4.24 evideniaz faptul c valorile vitezei de deplasare a probei L37 nu se ncadreaz nici n legea de repartiie normal, nici n cea Weibull; similar se pot aplica teste de concordan i pentru alte legi de repartiie.

15

Fig.4.24 Graficul din fig.4.25 relev valorile pe probe ale vitezei de deplasare care au probabilitatea cea mai mare de apariie; spre exemplu, la proba L34, valoarea cu cea mai mare probabilitate de apariie este de 108 km/h.

Fig.4.25 n fig.4.26 se prezint densitile de probabilitate mutuale pentru unele mrimi funcionale.
16

Din fig.4.26a se constat c autoturismul s-a deplasat cel mai mult n ultimele dou trepte de vitez; din fig.4.26c rezult c cele mai multe valori ale acceleraiilor vehiculului sunt sub 1 m/s2, n plaja de turaii 2000-3000 rot/min.

Fig.4.26 Graficul din fig.4.27 evideniaz faptul c exist diferite densiti de probabilitate la diverse momente de timp (aici timpul discret). Mai mult, din fig.4.27 i fig.4.28 rezult diverse densiti de probabilitate la diferite mrimi funcionale.

Fig.4.27
17

Fig.4.28 Graficul din fig.4.29 asigur ncadrarea datelor n elipse de ncredere cu diferite probabiliti impuse; n statistic, elipsele de ncredere sunt similare intervalelor de ncredere, primele fiind n cazul unor dependene dintre mrimi (n fig.4.29 viteza n funcie de turaie), iar intervalele fiind n cazul unor mrimi funcionale.

Fig.4.29
18

n fig.4.30 se prezint alte patru grafice care apeleaz la statistic. Din fig.4.30b se constat c la proba L5, probabilitatea ca turaia motorului s se gseasc n plaja 2000-3000 rot/min este de 0,814 (81,4%). n acest sens, fig.4.31 permite stabilirea numrului de valori ale acceleraiei situate n anumite limite impuse.

Fig.4.30

Fig.4.31
19

Exist o categorie larg de grafice specifice statisticii multivariabile. Spre exemplu, n fig.4.32, fig.4.33 i fig.4.34 se prezint cte un grafic de tip boxplot care asigur stabilirea cuartilelor, intervalului intercuartile i erorilor grosolane (acestea din urm eliminndu-se n analize ulterioare).

Fig.4.32

Fig.4.33
20

Fig.4.34 Dup cum se constat din fig.4.32, la proba L1 nu exist erori grosolane, adic valori situate n afara intervalului intercuartile IQR calculat cu expresia din partea superioar a graficului. De asemenea, din fig.4.33 i fig.4.34 se pot deduce probele unde nu sunt erori grosolane; n plus, din aceste grafice se constat c n cazul acceleraiilor autovehiculului (fig.4.34) exist mai multe erori grosolane dect n cazul vitezelor de deplasare (fig.4.33). Dup cum se constat din aceste ultime trei exemple, graficul de tip boxplot este pentru cazul unei mrimi funcionale; n cazul dependenei dintre dou mrimi funcionale se folosete graficul de tip bagplot [98]. n acest sens, n fig.4.35 i fig.4.36 se prezint grafice de tip bagplot. Din aceste grafice se constat c un asemenea grafic are o bucl, un nucleu i un punct ce marcheaz intersecia celor dou mediane (n graficul de tip boxplot, mediana este cuartila medie); acestea au corespondene n graficul de tip boxplot: nucleul corespunde celor trei cuartile, iar bucla intervalului intercuartile. Ca urmare, punctele situate n afara buclei sunt erori grosolane. Din fig.4.35a se constat c nu sunt erori grosolane n cazul dependenei vitez-poziie clapet obturatoare, n celelalte trei grafice acestea existnd. Fig.4.36 evideniaz legtura dintre graficele de tip boxplot i de tip bagplot. Dup cum se constat din fig.4.36a, la viteza de deplasare nu exist erori grosolane, pe cnd la consumul de combustibil din fig.4.36c acestea exist (din graficele boxplot). Ceea ce este interesant este c dac se vizeaz dependena dintre cele dou mrimi, adic graficul bagplot din fig.4.36b, atunci numrul erorilor grosolane se micoreaz.
21

Ultimul aspect menionat permite stabilirea unei concluzii importante n practic: erorile grosolane nu trebuie eliminate la fiecare mrime n parte (din graficele boxplot), ci cele care rmn din analiza dependenelor funcionale vizate (din graficul bagplot).

Fig.4.35

Fig.4.36
22

O variant a graficului tip boxplot este cel denumit violinplot, cu un exemplu n fig.4.37; la primul este redat mrimea funcional, iar la al doilea probabilitile aferente acesteia. n fig.4.38 sunt exemplificate dou probe din graficul violinplot redat n fig.4.37: probele L34 i L35.

Fig.4.37

Fig.4.38

23

Spre exemplu, la proba L34 n fig.4.38a i fig.4.38c este evideniat plaja de valori 106-120 km/h, unde densitatea de probabilitate este cea mai mare; acest aspect se constat i din fig.4.37, ce conine densitile de probabilitate i unde sunt trasate cele dou limite impuse ale vitezei. Mai trebuie remarcat c la graficul boxplot este evideniat mediana, care este cuartila medie (fig.4.32), pe cnd la cel de tip violinplot sunt stabilite media i mediana (fig.4.37); n plus, trebuie remarcat de unde provine denumirea graficului, de exemplu la violinplot fiind fcut asemnarea cu vioara/violina. Exist i alte numeroase grafice aferente statisticii multivariabile; deoarece procedurile multivariabile vor fi abordate separat, n continuare se mai prezint doar unele din aceste grafice. Astfel, n fig.4.39 se prezint graficul numit multcompare, care, conform denumirii, permite compararea valorilor medii ale unei mrimi, aici viteza de deplasare, la mai multe probe experimentale. n acest grafic s-a efectuat compararea cu prima prob luat drept referin (cea marcat cu culoarea albastr), dar poate fi adoptat oricare din cele 50; n plus, s-a adoptat nivelul de ncredere de 95%, deci concluziile sunt cu o eroare de 5%. Dup cum se constat din grafic, conform testului de concordan adoptat, 41 probe au media semnificativ diferit de cea a probei L1 (cele marcate cu culoarea roie), iar la 8 probe se poate accepta, cu o eroare de 5%, c media acestora este egal cu cea a probei L1 (cele marcate cu culoarea verde).

Fig.4.39 n fig.4.40 se prezint dou grafice de tip glyphplot, n fig.4.40a de tip stea, iar n fig.4.40b de tip fee Chernoff, ambele pentru consumul de combustibil.
24

Similar, n fig.4.41a i fig.4.41b se redau grafice de tip glyphplot pentru viteza de deplasare la aceleai 48 probe experimentale.

Fig.4.40

Fig.4.41 Graficele de tip stea evideniaz dou aspecte: - mrimea stelei este proporional cu valorile variabilei reprezentate; spre exemplu, din fig.4.41a se constat c vitezele de deplasare la proba L34 sunt mai mari dect cele ale probei L1, ceea ce este confirmat de fig.4.41c. - neuniformitatea stelei este proporional cu variaiile variabilei reprezentate; o stea cu raze egale corespunde unei viteze constante. Graficele de tip fee Chernoff, propuse de matematicianul Herman Chernoff n anul 1973, adopt 17 caracteristici ale feei umane, proporionale cu 17 caracteristici ale seriei dinamice experimentale. Spre exemplu, mrimea feei este proporional cu valorile variabilei reprezentate, adic are aceeai semnificaie ca graficul de tip stea.

25

n fig.4.42 se prezint dendrogramele vitezei de deplasare i respectiv consumului de combustibil la 100 km parcuri. Dendrograma reprezint rezultatul analizei pe grupe prin metode de ierarhizare, ce au la baz distana eucliden, distana fiind elementul definitoriu al statisticii multivariabile.

Fig.4.42 Din fig.4.42a se constat c cea mai mic distan este ntre grupele aparinnd probelor L46 i L47, deci acestea sunt cele mai apropiate din punct de vedere statistic, ierarhizarea distanelor continund conform graficului. n schimb, la consumul de combustibil din fig.4.42b, se constat c cele mai apropiate din punct de vedere statistic sunt probele L33 i L34. Invers, de exemplu din fig.4.42a se constat c ntre grupele aparinnd probelor L1 i L2 exist distane mai mari dect la probele L46 i L47; aadar, probele L1 i L2 sunt mai deprtate statistic dect celelalte. Consecina acestor aspecte este faptul c dac n analize ulterioare se adopt probele L1 i L2 n locul probelor L46 i L47 erorile introduse vor fi mai mari, de exemplu la stabilirea unor modele matematice ale dinamicii autovehiculului.
BIBLIOGRAFIE: 1. Copae I. Dinamica automobilelor. Teorie i experimentri. Editura Academiei Tehnice Militare, Bucureti, 2003 2. Copae I., Lespezeanu I., Cazacu C. Dinamica autovehiculelor. Editura ERICOM, Bucureti, 2006 3. Murtagh F. Multivariate Data Analysis. Queens University Belfast, 2000

26