1) statistical damage variable
统计损伤变量
1.
Assuming distribution statistical probability of micro-units strength,statistical damage variable is defined;and the statistical damage constitutive equation is proposed under triaxial .
假定软岩微元强度分布统计概率,定义软岩的统计损伤变量,依据统一强度理论建立三轴应力状态下软岩的损伤统计本构模型。
2) statistical creep damage
统计蠕变损伤
3) damage variable
损伤变量
1.
Study on triaxial meso-failure mechanism and damage variables of sandstone under chemical erosion;
化学腐蚀下砂岩三轴细观损伤机理及损伤变量分析
2.
The measurement of the high-cycle fatigue damage variable and the study of the damage evolutional law;
高周疲劳损伤变量的测试和损伤演变规律的研究
3.
The variety of the stress-displacement curve area is selected to be the damage variable instead of the plastic strain energy per cycle.
通过316L钢在420℃环境下应力控制的低周疲劳实验,基于连续损伤力学,提出一种新的低周疲劳损伤模型,采用 间接反映循环塑性应变能的应力-位移曲线面积的变化作为损伤变量,实验结果与该模型显示的疲劳损伤演变规律符合较好。
4) damage variables
损伤变量
1.
A rational method for defining damage variables in one dimension;
一维损伤变量的合理定义方法
2.
In addition,six types of damage variables are defined.
提出了损伤应力和应变门槛值的确定方法,并定义了六种损伤变量(横观各向同性有效弹性模量损伤变量、简单有效弹性模量损伤变量、密度损伤变量、体积损伤变量、体积密度损伤变量、面积密度损伤变量),在此基础上得出了硬化屈服损伤过程中的损伤演化曲线和演化方程。
3.
Assuming the function of damage variables under the force of pile soil,and selecting ideal flexible model,it derives a set of formulas of the load-subsidence behavior of pile under axial load considering damage,and analyses the influence of soil around pile and pile base and the relation between pile loading capacity and the initial stiffness of loading.
假定桩土作用损伤变量的函数以及桩破坏时的状态,并选用理想弹性模型,导出了一组确定在损伤作用下桩顶轴向荷载—沉降曲线的解析算式,并由此分析了桩周和桩底土的影响以及桩承载力与其加载初始刚度间的关系。
5) damage parameter
损伤变量
1.
It also discusses the display of damage, the damage parameters and how to measure them with direct or indirect methods of mechanics or physics.
回顾了对损伤及岩体损伤理论的发展历史，并简要介绍了岩体损伤力学的主要内容、任务和研究它的若干假设；详细讨论了什么是损伤的表征，什么样的变量可作为损伤变量及如何用直接的或间接的、力学的或物理学的方法来测量它们。
2.
Then the feasibility of rock mass quality evaluation by fractal dimension is vertified, and a fractal method of rock damage parameter is advanced.
针对节理岩体损伤张量采用统计概率模型确定存在问题，首先建立了岩体结构分维与波速的关系方程，验证了采用分维数进行岩体质量评价的可行性，然后提出了采用室内岩块波速值与岩体结构分维确定节理岩体损伤变量的分形方法。
6) statistical damage
统计损伤
1.
Study on statistical damage constitutive model in consideration of damage threshold;
考虑损伤门槛的统计损伤本构模型研究
2.
New Study on Statistical Damage Theory for the Simulation of Deformation Process of Geo-material;
岩土变形过程模拟的统计损伤方法新探讨
3.
Based on thermodynamic and statistical damage theory, The constitutive relationship of the viscoelastic plastic damage-coupling constitutive function with plastic normality flow rule is deduced.
假定冻土粘塑性微元损伤符合修进的莫尔-库仑准则,损伤变量服从Weibull随机概型分布;基于热力学原理和统计损伤理论,通过推导得到了相关联流动法则下的蠕变损伤耦合本构方程。
补充资料：单变量统计分析
在一个时间点上对某一变量的描述和推论。根据数据获取方式的不同，对单变量的统计分析采用统计描述和统计推论两种方式。
单变量统计描述 当数据的获取包括了研究的全体对象时采用。它分为研究变量的全貌和典型特征两部分。变量的全貌是通过分布来描述的，即将资料简化为变量值和频次对的集合。为了使这种分布更直观，常采取统计表式统计图的形式（见表）。变量的典型特征由一系列特征值描述，变量的层次不同，使用的特征值也不同，最常见的特征值有集中值和离散值。集中值又称集中趋势，表明一组数据的典型情况和平均水平。离散值又称离散趋势，反映变量值的分散程度或波动范围。
常用的特征值有：①众值М0 和异众比例γ。适用于各种层次的变量,但以定类变量最为适用。众值М0 用来表示变量的集中值,异众比例γ用来表示变量的离散值。
众值М0＝数据中具有频次最高的变量值,如表中生育孩子数是2时，频次为48，即是众值。
式中N为观察总数；fmo为众值的频次。
②中位值Мd和极差R或四分互差Q。适用于定序以上层次的变量,但以定序变量最为常用。中位值Мd用来表示变量的集中值，极差R或四分互差Q用来表示变量的离散值
中位值Мd为数据中居中位置的变量值。对于未分组资料，当资料按序排列后，对应（N+1)/2位置的变量值，即为中位值,表中数据的中位值为3（孩子数）。对于分组资料，则累计频率达50％点的变量值即为中位值。
极差 R为数据中变量最大值与最小值之差。表中极差为12。四分互差Q为数据分布中累计频率达25％或75％点变量值之差。
③均值μ和标准差 。仅适用于定距以上变量。均值μ用来表示变量的集中值，是数据总和的平均。标准差用来表示变量围绕均值μ 的平均分散程度。计算公式为
式中N为观察总数；Xi为观测值。
标准差的平方称作方差。方差也可用来表示定距以上变量的离散值。
单变量统计推论 当资料的搜集只包括研究对象的一个随机样本时采用。它分为参数估计和假设检验两部分。参数估计就是根据抽样结果，科学地估计总体特征值的大小或范围。用样本的均值塣、成数p和标准差s作为总体的特征值，均值μ、成数 p和标准差的估计值，称作参数的点估计。例如，根据样本的人均收入，估计总体的人均收入。
式中Xi为样本中的观察值;为样本的容量；为所研究的类别在样本中的数目。
参数的区间估计是对总体的特征值所在范围作出估计。例如，根据样本的人均收入，估计总体的人均收入在什么范围。在样本容量不小于30时,总体均值的区间估计为
总体成数的区间估计为
根据公式确定：
区间估计公式中，估计正确的概率为1-α（见图）。
假设检验是根据抽样结果在一定可靠性的基础上对原假设作出接受或拒绝的判断。例如，为了确信某地生育率是否已控制在15‰，可进行一次抽样调查。根据抽样结果，来检验生育率为15‰的假设是否可以接受。这样的判断都带有概率的性质，百分之百判断正确是不可能的。衡量判断中可靠性大小，一般用显著性水平大小来表示。
使用统计推论技术的条件是：赖以抽样的总体名单必须是齐全的；抽样是概率抽样。同时非抽样误差在推论中没有涉及。如果数据的非抽样误差太大，统计推论的结果将失去其应有的正确性。
单变量统计描述 当数据的获取包括了研究的全体对象时采用。它分为研究变量的全貌和典型特征两部分。变量的全貌是通过分布来描述的，即将资料简化为变量值和频次对的集合。为了使这种分布更直观，常采取统计表式统计图的形式（见表）。变量的典型特征由一系列特征值描述，变量的层次不同，使用的特征值也不同，最常见的特征值有集中值和离散值。集中值又称集中趋势，表明一组数据的典型情况和平均水平。离散值又称离散趋势，反映变量值的分散程度或波动范围。
常用的特征值有：①众值М0 和异众比例γ。适用于各种层次的变量,但以定类变量最为适用。众值М0 用来表示变量的集中值,异众比例γ用来表示变量的离散值。
众值М0＝数据中具有频次最高的变量值,如表中生育孩子数是2时，频次为48，即是众值。
式中N为观察总数；fmo为众值的频次。
②中位值Мd和极差R或四分互差Q。适用于定序以上层次的变量,但以定序变量最为常用。中位值Мd用来表示变量的集中值，极差R或四分互差Q用来表示变量的离散值
中位值Мd为数据中居中位置的变量值。对于未分组资料，当资料按序排列后，对应（N+1)/2位置的变量值，即为中位值,表中数据的中位值为3（孩子数）。对于分组资料，则累计频率达50％点的变量值即为中位值。
极差 R为数据中变量最大值与最小值之差。表中极差为12。四分互差Q为数据分布中累计频率达25％或75％点变量值之差。
③均值μ和标准差 。仅适用于定距以上变量。均值μ用来表示变量的集中值，是数据总和的平均。标准差用来表示变量围绕均值μ 的平均分散程度。计算公式为
式中N为观察总数；Xi为观测值。
标准差的平方称作方差。方差也可用来表示定距以上变量的离散值。
单变量统计推论 当资料的搜集只包括研究对象的一个随机样本时采用。它分为参数估计和假设检验两部分。参数估计就是根据抽样结果，科学地估计总体特征值的大小或范围。用样本的均值塣、成数p和标准差s作为总体的特征值，均值μ、成数 p和标准差的估计值，称作参数的点估计。例如，根据样本的人均收入，估计总体的人均收入。
式中Xi为样本中的观察值;为样本的容量；为所研究的类别在样本中的数目。
参数的区间估计是对总体的特征值所在范围作出估计。例如，根据样本的人均收入，估计总体的人均收入在什么范围。在样本容量不小于30时,总体均值的区间估计为
总体成数的区间估计为
根据公式确定：
区间估计公式中，估计正确的概率为1-α（见图）。
假设检验是根据抽样结果在一定可靠性的基础上对原假设作出接受或拒绝的判断。例如，为了确信某地生育率是否已控制在15‰，可进行一次抽样调查。根据抽样结果，来检验生育率为15‰的假设是否可以接受。这样的判断都带有概率的性质，百分之百判断正确是不可能的。衡量判断中可靠性大小，一般用显著性水平大小来表示。
使用统计推论技术的条件是：赖以抽样的总体名单必须是齐全的；抽样是概率抽样。同时非抽样误差在推论中没有涉及。如果数据的非抽样误差太大，统计推论的结果将失去其应有的正确性。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条