Использование регрессионного анализа для оценки влияния характеристик системы подрессоривания на подвижность военных гусеничных машин

Обложка

Цитировать

Полный текст

Аннотация

В статье представлены результаты регрессионного анализа имитационной модели движения военных гусеничных машин с ходовой частью, выполненной на базе танка Т-80БВМ. С помощью разработанной имитационной модели движения военной гусеничной машины по маршруту проведен ряд модельных экспериментов. В качест­ве варьируемых параметров выбраны жесткость упругих элементов, динамические характеристики амортизаторов и количество амортизаторов, устанавливаемых на машине заводом-изготовителем. Откликом являлось значение средней скорости при движении по маршруту. В результате с помощью имитационного моделирования стало возможным получить регрессионную зависимость показателя подвижности — средней скорости от значения изменения показателей жесткости упругих элементов, динамических характеристик амортизаторов и количества амортизаторов в системе подрессоривания военных гусеничных машин.

Об авторах

А. А. Ташкинов

Филиал Военной академии материально-технического обеспечения им. А.В. Хрулева (г. Омск)

Автор, ответственный за переписку.
Email: sacha146@mail.ru

адъюнкт

Россия

Список литературы

  1. Некрасов В.И. Планирование и обработка результатов: учеб. пособие. Курган: Изд-во Курганского гос. университета, 1998. 146 с.
  2. Ермаков С.М., Жиглявский А.А. Математическая теория оптимального эксперимента: учебник. М.: Наука, 1987. 320 с.
  3. Лемешко Б.Ю., Лемешко С.Б., Горбунова А.А. О применении и мощности критериев проверки однородности дисперсий. Ч. 2. Параметрические критерии // Измерительная техника. 2010. № 3. С. 21–32.
  4. Шевченко А.А. Проблемы и перспективы развития бронетанковой и автомобильной техники: Федеральный справочник / Оборонно-промышленный комплекс России 2009–2010. Вып. 6. М.: Центр стратегических программ, 2010. 226 с.
  5. Клепик Н.К., Клементьев Д.С. Корреляционно-регрессионный анализ в задачах автомобильного транспорта: учеб. пособие. Волгоград: ВолгГТУ, 2009. 58 с.
  6. Лапач С.Н., Радченко С.Г. Регрессионный анализ в условиях неоднородности факторного пространства // Математические машины и сис­темы. 2016. № 3. С. 55–63.
  7. Лысенко А.А. Введение в регрессионный анализ данных и регрессионные модели // Труды Санкт-Петербургского государственного морского технического университета. 2020. Т. 1, № S2. С. 15.
  8. Ташкинов А.А., Денисенко В.И., Стихановский Б.Н. Параметры дорожного полотна, учитываемые при расчетах систем подрессоривания военных гусеничных машин // Наука и военная безопасность. 2024. № 2 (37).
  9. С. 36–40.
  10. Ташкинов А.А., Попов А.Ю. Определение средних скоростей движения военных гусеничных машин по «пробою подвески» // Наука и военная безопасность. 2024. № 4 (39). С. 11–14.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».