- •Методология научных исследований и словарь машиностроителя
- •1.Введение
- •1. Научные исследования и инновации
- •2. Методологические основы научного познания и творчества
- •2.1. Основные понятия и определения
- •2.2. Методы познания, теоретических и экспериментальных исследований
- •3. Направления научных исследований и этапы научно-исследовательских работ
- •4. Научно-техническая информация
- •5. Патентная информация
- •6. Тема и объект исследований
- •7. Методика исследований
- •8. Теоретические исследования
- •9. Экспериментальные исследования
- •10. Исследование методом моделирования
- •10.1. Физическое моделирование
- •10.2. Математическое моделирование
- •10.3. Другие методы моделирования
- •10.4. Вычислительный эксперимент
- •10.5. Основные положения теории подобия
- •11. Обработка результатов экспериментальных исследований.
- •11.1. Основные положения теории случайных погрешностей.
- •11.2. Представление результатов параллельных измерений.
- •11.3. Доверительный интервал и доверительная вероятность.
- •11.4. Минимальное количество измерений
- •11.5. Исключение грубых ошибок.
- •12. Основные положения корреляционного и регрессионного анализа
- •13. Графическая обработка результатов эксперимента
- •13.1. Общие положения
- •13.2. Методы подбора эмпирических формул
- •13.3. Метод средних отклонений
- •13.4. Метод наименьших квадратов
- •14. Планирование и обработка результатов многофакторного эксперимента
- •14.1. Общие положения и основные понятия.
- •X1, x2, x3, …, xn – входные основные факторы;
- •14.2. Построение линейных планов полного и дробного факторного экспериментов
- •14.2.1. Полный факторный эксперимент (пфэ)
- •14.2.2. Дробный факторный эксперимент (дфэ)
- •14.2.3. Свойства матриц пфэ и дфэ
- •14.2.4. Проведение и обработка результатов эксперимента.
- •14.3. Поиск оптимума
- •14.3.1. Метод Гаусса-Зайделя
- •14.3.2. Метод градиента
- •14.3.3. Метод крутого восхождения
- •14.3.4. Симплексный метод
- •14.3.5. Оптимизация при наличии ограничений.
- •Литература.
- •Приложение 2
- •2.1. Задание
- •2.2. Критерий грубых ошибок Груббса βmax
- •2.3. Значения коэффициента Стьюдента
- •2.4. Значения Fm – критерия Фишера при 5% уровне значимости
- •2.5. Критерий Кохрена
13.3. Метод средних отклонений
Метод средних отклонений основан на следующем положении. По экспериментальным данным (точкам) можно построить множество плавных, кривых. Наилучшей будет та кривая, у которой сумма разностных отклонений будет равна нулю, т.е.
.
Порядок расчёта коэффициентов полинома состоит в следующем.
Экспериментальные данные изменения «у» от «х» заносят в таблицу, строится диагональная таблица тех разностей, которые можно принять постоянными. Например, для семи экспериментальных точек диагональная таблица разностей имеет следующий вид.
x |
y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Определяется число ряда и степень полинома «n». Обычно берётся n = 3...4. В принятый полином последовательно подставляются координаты х и у нескольких экспериментальных точек (m). Получают систему из «m» уравнений, линейных относительно неизвестных коэффициентов «b». Каждое уравнение приравнивается соответствующему отклонению ε, которое представляет собой разность между экспериментальным и расчётным значением «у» (рис. 16). Число точек «m» должно быть больше степени полинома «n», т.к. иначе система уравнений не решается. Если m значительно больше n, то сначала разбивают все уравнения на n+1 группы по мере увеличения переменной х. В каждой группе складывают уравнения и получают новую систему уравнений, равную n+1 групп.
.
y
x1
0
x
x2
x3
xm-1
xm
ε1
ε2
ε3
εm-1
εm
y=f(x)
y1
y2
y3
ym-1
ym
Рис.16. Экспериментальные точки и аппроксимирующая кривая
Решая систему линейных уравнений, определяют коэффициенты «b» аппроксимирующего полинома. Метод средних обладает высокой точностью при большом числе точек (m > 4).
Пример
Таблица 6
x |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
||||||||||||
yэ |
8,8 |
6,5 |
4,8 |
3,6 |
2,7 |
2,1 |
1,7 |
||||||||||||
|
|
2,3 |
1,7 |
1,2 |
0,9 |
0,6 |
0,4 |
|
|||||||||||
|
|
0,6 |
0,5 |
0,3 |
0,3 |
0,2 |
|
||||||||||||
|
|
0,1 |
0,2 |
0 |
0,1 |
|
|||||||||||||
y |
8,71 |
6,6 |
4,87 |
3,54 |
2,59 |
2,04 |
1,88 |
||||||||||||
Выбираем полином второй степени
.
Разбиваем систему из 7 уравнений на 3 группы, считая, что внутри групп также действует принцип
,
где к - количество уравнений в группе.
Тогда, суммируя уравнения в каждой группе, получаем систему из 3-х уравнений с 3-я неизвестными коэффициентами b0, b1, b2.
|
|
– 1-я группа, – 2-я группа, – 3-я группа. |
|
||
|
Решая уравнения относительно коэффициентов b0, b1, b2 и подставляя их значения в выбранный полином, получаем
.
Результаты расчета значений «y» по аппроксимирующему полиному приведены в таблице 6.
Метод средних может также быть применён для различных кривых после их выравнивания (спрямления).
Пример
Таблица 7
x |
3 |
6 |
9 |
12 |
15 |
18 |
21 |
24 |
yэ |
57,6 |
41,9 |
31,0 |
22,7 |
16,6 |
12,2 |
8,9 |
6,5 |
y |
57,29 |
42,01 |
30,81 |
22,59 |
16,5 |
12,15 |
8,91 |
6,53 |
Анализ представленной в виде таблицы зависимости в прямоугольной системе координат дает возможность аппроксимировать ее зависимостью
,
или
,
где
,
,
Так как необходимо определить только 2 параметра (А, b), то все результаты измерений делим на 2 группы:
I-я группа |
|
II-я группа |
1.
|
|
5.
|
2.
|
|
6.
|
3.
|
|
7.
|
4.
|
|
8.
|
|
|
|
|
|
|
Решая
систему из двух уравнений, получаем
,
,
тогда
.
Расчетные значения y приведены в табл.7.

или
;
;
;
;
;
;