Элементы научно-технического прогнозирования

Самолет как технический объект представляет собой сложную систему, состоящую из достаточно большого числа подсистем (агрегаты и системы оборудования самолета), которые, в свою очередь, образуются из более мелких подсистем и элементов (узлы, детали самолета). Каждое из этих слагаемых характеризуется тем или иным количеством параметров, определяющих их свойства – геометрические, массовые, аэродинамические, летно-тактические, эксплуатационные и др. В сумме все указанные параметры образуют то, что принято называть обликом самолета. Кроме такого обобщенного облика могут использоваться более простые частные варианты облика самолета, объединяющие определенную группу параметров – геометрических, массовых, летно-тактических и др.

Все параметры самолета условно можно разделить на две группы:

¾ постоянные параметры, которые в процессе проектирования не изменяются, они обычно определены техническим заданием;

¾ переменные параметры, которые выбираются, варьируются в процессе проектирования; их совокупность характеризует основные качества и свойства проектируемого объекта, которые принято называть характеристиками.

Статистика по выпущенным ранее самолетам–прототипам позволяет получать статистические графики зависимости их параметров и характеристик от тех или иных интересующих нас факторов. Если в качестве такого фактора (аргумента) принять текущее время t, то графики будут показывать динамику изменения параметров по годам выпуска прототипов, и мы получим для каждого исследуемого параметра x динамический параметрический ряд за прошедший (ретроспективный) период времени t _р (рисунок 1.1Рисунок_1_1).

Рисунок 1.1 – Параметрический динамический ряд.

При разработке нового самолета для правильного выбора его основных параметров и характеристик важно иметь представление об их величинах в будущем через определенный промежуток времен t _п. Такая задача перспективного анализа решается методами научно-технического прогнозирования.

Обычно прогнозирование базируется на предположении, что закономерности развития данного типа самолетов и их основных параметров в ретроспективном и в перспективном периодах времени сохраняются неизменными. Поэтому для получения прогноза достаточно интерполяцией ретроспективного ряда выявить основную тенденцию изменения параметра за время t _р и экстраполяцией распространить эту тенденцию на перспективу вплоть до времени t _п. Время t _п должно выбираться не менее срока, потребного для разработки нового самолета, что в настоящее время может составлять пять лет и более.

Выявление тенденции (тренда) изменения параметра выполняется подбором математической модели (функции), аппроксимирующей зависимость параметра от времени. В качестве аппроксимирующих функций обычно используются достаточно простые зависимости – линейная (1), квадратичная (2), экспоненциальная (3), логистическая (4) и некоторые другие (рисунок 1.2). Логистические аппроксимации, или S-образные кривые, представляют интерес для процессов и параметров, в которых есть, с одной стороны, стадия быстрого изменения, а, с другой стороны, есть существенное ограничение из физических или иных соображений. Так, коэффициент полезного действия не может быть больше единицы; максимальная дальность пассажирских самолетов быстро увеличивалась во второй половине прошлого века, но дальность больше примерно 16-17 тысяч километров становится уже ненужной из географических соображений. В практике могут быть использованы и другие аппроксимирующие функции.

Рисунок 1.2 – Типовые функции тренда.

Точность аппроксимации ретроспективного ряда выбранной функцией тренда и параметры этой функции определяются методом наименьших квадратов.

Характер аппроксимирующей функции может выбираться исходя из общей картины расположения статистических точек ретроряда или путем использования дополнительных зависимостей параметра от аргумента, вытекающих из физической сути этого параметра. Если подобные условия отсутствуют, то можно для данного ретроряда определить тренды для двух–трех типовых функций и остановиться на том из них, который даст наименьшую ошибку аппроксимации.

Покажем методику определения трендов для некоторых простейших типовых функций.