
- •Информационно- измерительные технологии на предприятиях кинематографии
- •Оглавление
- •1. Информационно- измерительные технологии и информационно- измерительные системы в кинематографии
- •1.1. Информационная метрология, измерительные сигналы
- •Информационно- измерительные системы, основные определения, отличие информационно- измерительной системы от измерительного прибора
- •1.3. Элементы информационно- измерительных систем, передаточная функция системы
- •Стандартизация в области информационно- измерительных систем
- •1.5. Классификация информационно- измерительных систем по степени сложности, особенности оценки точности информационно- измерительных систем
- •Оценка точности результатов измерения с использованием информационных подходов
- •2. Анализ измерительных сигналов как случайных функций
- •Вероятностные характеристики измерительных сигналов
- •2.2. Использование оценок для экспериментального определения вероятностных характеристик измерительных сигналов
- •Классификация измерительных задач
- •Формы представления и основные принципы передачи измерительной информации
- •3.1. Основные тенденции
- •3.2. Модуляция измерительных сигналов
- •3.3. Дискретизация измерительных сигналов
- •3.4. Кодирование измерительной информации
- •3.5. Согласование параметров измерительного сигнала с параметрами передающего канала
- •1.Теоретические основы ти
- •1.1. Формально- логические принципы измерений
- •1.2. Неоднозначность образов действительности
- •1.3. Решающие правила отображений
- •2.Моделирование измерительных систем
- •2.1. Общие принципы моделирования измерительных систем
- •2.2.Обработка экспериментальных данных перед разработкой модели
- •1. Сглаживание экспериментальных данных (измерительных сигналов)
- •Сглаживание экспериментальных во времени
- •2. Экстраполяция, интерполяция, аппроксимация.
- •2.3.Использование статистических моделей для оценки неоднозначности образа действительности
- •2.4. Неоднозначность многомерного образа действительности с использованием векторных статистических моделей
- •2.5. Информационные технологии, используемые при моделировании в метрологии
- •2.6. Соотношение между погрешностями и результатами измерений
- •2.7.Виды моделей, которые могут быть использованы для описания измерительных систем
- •2.8.Модели измерений
- •2.7. Математические модели измерительных систем
- •Математические модели и методы их расчета
- •1. Понятие операционного исследования
- •2.8. Выбор и обоснование модели, описывающей результаты измерений
- •3.Роль математических методов в метрологических процедурах
- •3.1. Разнообразие метрологических процедур, используемых на предприятиях и в организациях кинематографии
- •3.2. Место математических методов в метрологической системе (в системе метрологических процедур) предприятия
- •3.3. Требования к математическим моделям, используемым при разработке метрологической службы предприятия
- •3.4. Выбор математической модели, описывающей систему метрологических процедур(метрологическую службу) предприятия
- •3.5. Математические методы, используемые при функционировании метрологической системы
- •4.Модели и методы метрологии, основанные на статистических зависимостях
- •4.1. Статистические модели, используемые при дисперсионном анализе
- •4.2. Нахождение статистических зависимостей с использованием планирования экспериментов
- •4.2.1.Выбор входных и выходных переменных
- •4.2.2.Выбор математической модели
- •4.2.3.Обработка результатов аппроксимации при использовании метода планирования экспериментов
- •3.Оценка значимости коэффициентов аппроксимирующей зависимости
- •4.3. Пассивный и активный эксперимент
- •4.5. Корреляционный анализ
- •4.6. Кластерный анализ
- •4.7. Использование метода нейронных сетей для построения статистических математических моделей
- •5.Модели погрешностей измерений
- •5.1. Требования к моделям, описывающим погрешности измерений
- •Наиболее часто используемые модели, описывающие погрешности:
- •1.Модель погрешности в виде случайной элементарной функции
- •2. Модели погрешностей в виде суммы случайной и неслучайной функций
- •8.4. Характеристики моделей погрешностей
- •Литература
- •Кластерный анализ
4.2. Нахождение статистических зависимостей с использованием планирования экспериментов
Интерполяция экспериментальных данных и оценка погрешностей и неопределенностей результатов измерения позволяют выявлять закономерности между значениями выходных параметров и вариантами сочетаний влияющих факторов, т.е. решать типичную задачу построения многофакторной эмпирической модели по экспериментальным данным. Решение таких задач относится к математическому направлению, которое носит название планирования экспериментов. Это направление подразумевает использование таких математических методов, как метод минимальных квадратов, регрессионный анализ, многофакторный анализ и т.д., подчиняя эти методы одной цели – выбору математической модели, описывающей статистические данные.
В то же время методы, используемые в планировании экспериментов, дополняют друг друга, позволяют учитывать особенности полученных результатов измерения. Так метод минимальных квадратов, позволяющий определять параметры аппроксимирующей зависимости, становится регрессионным анализом, как только переходят к статистическим оценкам параметров этой зависимости.
4.2.1.Выбор входных и выходных переменных
Входные параметры, которые оказывают влияние на состояние объекта и могут быть измерены, называют факторами. Каждый фактор характеризуется областью определения, которая должна быть установлена до проведения измерений. Эта область может быть дискретной или непрерывной, причем, во втором случае проводят искусственную дискретизацию.
ГРАНИЦЫ области определения каждого отдельного фактора Обусловлены:
- его физической природой (значения яркости изображения при оценке качества изображения соответствуют зрительному восприятию),
- конкретными условиями, характерными для данного объекта исследования (временем действия, условиями в кинотеатре, стоимостью оборудования),
- возможностью совмещения факторов и т.д.
Каждую конкретную комбинацию факторов можно рассматривать как точку в многомерном факторном пространстве. Для того чтобы получить как можно больший объем статистических экспериментальных данных, на которых основывается формулируемая математическая модель, необходимо рассмотреть возможности моделирования значений влияющих факторов, т.е. их достаточную управляемость.
Область возможных
комбинаций факторов называют областью
возможных планов эксперимента или
факторным пространством
.
Графическое изображение области
возможных планов эксперимента при
двухфакторном эксперименте приведено
на рис.28.
Выходной параметр Y , определяющий состояние объекта, может быть принят за критерий оптимальности, целевую функцию. Графическое изображение этой функции называют поверхностью отклика. Ее значение зависит от значений входных параметров.
Выходными характеристиками могут быть
- экономические (стоимость, производительность),
- технологические (точность, качество),
= конструктивные,
- надежностные (вероятность безотказной работы) параметры.
Рис.28. Графическое изображение области возможных планов двухфакторного эксперимента