Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
моделирование-лаб раб 1-текст-Петров.docx
Скачиваний:
0
Добавлен:
01.05.2025
Размер:
94.8 Кб
Скачать
  1. Составление плана эксперимента.

Таблица, составленная из значений факторов для каждого опыта, как независимых (i= ), так и зависимых (i= ), называется матрицей планирования. Та ее часть, которая включает в себя значения независимых переменных, является планом эксперимента.

Эксперимент, в котором реализуются все возможные сочетания уровней факторов называется полным факторным экспериментом (ПФЭ). Если k факторов варьируется на двух уровнях, то число всех возможных сочетаний факторов равно 2k и полный факторный эксперимент называется ПФЭ типа 2k.

В общем случае ПФЭ типа 2k обладает следующими свойствами:

  • симметричностью относительно центра эксперимента (алгебраическая сумма элементов вектора столбца для каждого фактора равна 0: , i= ., где xiu – значение i-го фактора в u –том опыте);

  • сумма квадратов элементов каждого столбца равна числу опытов (условие нормировки): i= ;

  • условиям ортогональности (сумма почленных произведений любых двух векторов-столбцов матрицы равна 0): , I<j; i, j= . Ортогональность матриц позволяет получить независимые друг от друга оценки коэффициентов при обработке данных с помощью метода наименьших квадратов.

Коэффициенты полинома составляют: bi= xiu ; bij= xiu xju.

  1. Обработка результатов эксперимента.

Включает следующие этапы:

  • на основании данных параллельных наблюдений оценивается дисперсия воспроизводимости Dyi для каждой строки плана и определятся критерий равноточности (критерий Кохрена) G, осуществляется проверка однородности дисперсий и рассчитывается погрешность опыта ;

  • с помощью метода наименьших квадратов определяются коэффициенты аппроксимирующего полинома;

  • производится проверка адекватности модели исходя из критерия Фишера F;

  • проверяется значимость коэффициентов полинома, исключаются незначимые, осуществляется повторная проверка адекватности модели.

  1. Анализ результатов эксперимента.

Заключается в интерпретации модели в терминах объекта и определении оптимальных условий функционирования.

Пример.

Предварительные исследования показали, что наибольший интерес представляют 3 фактора: плотность тока Х1 , температура раствора Х2 и концентрация хрома Х3. Уровни факторов и их интервалы варьирования выбраны на основе априорных сведений об объекте (табл. 1).

 Таблица №1 

Параметр

 Фактор 

Плотность

тока, А/м2

Тем-ра, 0С

Кон-ция, кг/м3

 

Х1

Х2

Х3

Основной уровень , Хi

55

45

0,7

Интервал варьирования, Ii

25

15

0,3

Верхний уровень, Хi max

80

60

1

Нижний уровень Хi min

30

30

0,4

Решение.

Анализ имеющихся сведений об объекте свидетельствует, о том, что наибольший интерес представляют линейные эффекты и парные взаимодействия. Поэтому модель объекта имеет вид:

Y=b + b1 x1+ b2x2+ b3 x3 + b12 x1x2 + b13 x1x3 + b23 x2x3 (1)

Наиболее простой план, допускающий оценку всех коэффициентов такой модели (s=7), - ПФЭ типа 23 с N=8 (табл. 2).

Таблица № 2

№ оп.

Опыты

Фактор

Отклик

Оценка

 

 

Х0

Х1

Х2

Х3

Y1

Y2

Yср.

Dy

1

8,13

+1

-1

-1

-1

3,40

4,10

3,750

0,245

2

11,15

+1

+1

-1

-1

-0,40

-0,60

-0,500

0,020

3

6,14

+1

-1

+1

-1

2,70

1,80

2,250

0,405

4

3,12

+1

+1

+1

-1

2,35

3,15

2,750

0,320

5

2,4

+1

-1

-1

+1

2,20

3,30

2,750

0,605

6

1,9

+1

+1

-1

+1

-0,84

-1,16

-1,000

0,051

7

5,7

+1

-1

+1

+1

0,60

0,90

0,750

0,045

8

10,16

+1

+1

+1

+1

0,60

0,40

0,500

0,020

 

 

 

 

 

 

 

 

1,711

Yср.

 

 

 

 

 

 

1,406

 

В таблице № 2 приведены результаты опытов (при m=2), расчетные средние значения и дисперсия отклика в каждой точке опыта. Последовательность проведения опытов (от 1-го до 16-го) удовлетворяет требованию рандомизации, т.е. организации случайной последовательности опытов, позволяющей минимизировать влияние помех.

По данным табл. 2 определим критерий Кохрена:

/ (2)

G=0,605/1,711=0,35

Табличное значение GТ при m-1=1 и N=8 равно 0,680 (см. табл. I. Приложение). Так как G< GТ , гипотеза равноточноcти не отвергается. При этом дисперсия опыта равна:

= (3)

=1,711/(2*8)=0,107

Для определения коэффициентов регрессии воспользуемся выражениями:

bi= xiu (4 а)

b0 = 1/8(3,75-0,50+2,25+2,75+2,75-1,0+0,75+0,5)=1,406

bij= xiu xju (4 б)

Тогда:

b0

b1

b2

b3

b12

b13

b23

1,406

-0,968

0,156

-0,656

1,031

-0,031

-0,281

Подставив найденные значения коэффициентов регрессии в аппроксимирующий полином, получим:

Y=1,406 – 0,968 x1+ 0,156 x2 – 0,656 x3 + 1,031 x1x2 – 0,031 x1x3 – 0,281 x2x3 (5)

Воспользовавшись приведенной зависимостью (5), составим табл. 3 и по ее данным вычислим дисперсию адекватности:

 Таблица №3 

№ оп.

Yср

Yр-Yср

(Yр-Yср)2

1

3,75

3,594

-0,156

0,024

2

-0,50

-0,344

0,156

0,024

3

2,25

2,406

0,156

0,024

4

2,75

2,594

-0,156

0,024

5

2,75

2,906

0,156

0,024

6

-1,00

-1,156

-0,156

0,024

7

0,75

0,594

-0,156

0,024

8

0,50

0,656

0,156

0,024

 

 

0,195

= (6)

=0,195/(8-7)=0,195

Для проверки гипотезы адекватности найдем значение критерия Фишера:

F= / (7)

F= 0,195/0,107=1,82

При числе степеней свободы N-s=8-7=1 и N*(m-1)=8*(2-1)=8 согласно табл. II Приложения.

Имеем F< FТ= 1,82<5,32

Следовательно, гипотеза об адекватности выбранной модели не отвергается.

Найдем значимые коэффициенты регрессии.

Дисперсии коэффициентов равны:

= /N (8)

= 0,107/8=0,0134

Среднее квадратичное отклонение равно:

= (9)

= =0,115

Расчетное значение критерия Стьюдента для коэффициентов:

tl = (10)

t0 = 1,406/0,115=12,13

t0

t1

t2

t3

t12

t13

t23

12,23

8,43

1,36

5,72

8,98

0,27

2,44

Табличное значение критерия Стьюдента для числа степеней свободы  =N (m-1)=8*(2-1) = 8 (см. табл. Приложение) составляет tТ = 2,31.

Сравнение расчетных значений t-критерия с табличным позволяет сделать заключение о незначимости коэффициентов b2 и b13.

Тогда аппроксимирующий полином примет вид:

Y=1,406 – 0,968 x1 – 0,656 x3 + 1,031 x1x2 – 0,281 x2x3 (11)

По данным таблицы № 4 вычислим дисперсию адекватности для данного случая:

=0,398(8-5)=0,133

 Таблица №4 

№ оп.

Yср

Yр-Yср

(Yр-Yср)2

1

3,75

3,781

0,031

0,001

2

-0,50

-0,219

0,281

0,079

3

2,25

2,281

0,031

0,001

4

2,75

2,406

-0,344

0,118

5

2,75

3,031

0,281

0,079

6

-1,00

-0,969

0,031

0,001

7

0,75

0,406

-0,344

0,118

8

0,50

0,531

0,031

0,001

 

 

0,398

Для проверки гипотезы адекватности данной модели найдем значение критерия Фишера:

F= 0,133/0,107=1,24

При числе степеней свободы N-s=8-5=3 и N*(m-1)=8*(2-1)=8 (табл. II, Приложение) имеем F< FТ= 1,82<4,07

Следовательно, гипотеза об адекватности модели и в данном случае не отвергается.

Описанная модель процесса позволяет определить оптимальные условия его протекания. На основании априорных сведений известно, что наиболее качественные показатели процесса получались при х1 = 0,21,0; х2 = 0,331,0; х3 = 0,331,2.

Исходя из требований практики достаточно исследовать уравнения для температур 50, 55, 60 0С, т.е. при х2 = 0,33; 0,66 и 1,0.

Поочередно подставив указанные значения х2 в уравнение регрессии и положив Y=0, что соответствует оптимальному протеканию процесса имеем:

х2 = 0,33; 0,625 х1 + 0,749 х3 = 1,406 (12)

х2 = 0,66; 0,286 х1 + 0,841 х3 = 1,406 (13)

х2 = 1,0 0,063 х1 - 0,937 х3 = -1,406 (14)

Из уравнений (13) и (14) следует, что даже при х1 =  1 имеем х3 > 1,2, т.е. фактор х3 выходит за заданный интервал. Поэтому для определения оптимальных условий работы можно воспользоваться только уравнением (12).

Приняв х1 = 1, получим х3 = (1,406-0,625)/0,749 = 1,04.

Найдем натуральные значения факторов:

Хi = xi * Ii + Хср (14)

Выводы. Оптимальные параметры процесса следующие (в табл.):

Плотность тока, А/м2

Температура, 0С

Концетрация, кг/м3

X1

X2

X3

80

50

1,01