Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Планирование эксперимента при оптимизации процессов химической техн

..pdf
Скачиваний:
15
Добавлен:
15.11.2022
Размер:
9.83 Mб
Скачать

Если

матрица R Uu плохо обусловленная, то решение

К будет

неустойчиво к ошибкам в R Uu { т) и /?и1/(т).

В этом -случае приходится прибегать к алгоритмам ре­

гуляризации, позволяющим избежать некорректности ре­

шаемой задачи.

2.5.5.

Алгоритм расчета моментов по весовой функ­

ции. Введение. Важнейшей и наиболее полной характе­ ристикой гидродинамической обстановки в аппарате является функция распределения частиц потока по вре­ мени пребывания их в аппарате. Дифференциальная

функция распределения

может быть отождествлена с

С — кривой, которая, как

известно, представляет собой

график изменения концентрации индикатора на выходе из аппарата в зависимости от времени при импульсном вводе индикатора во входной поток.

Эта функция распределения совпадает с весовой функцией гидродинамического объекта.

При обработке результатов наблюдений удобно про­ изводить операции не с самой функцией распределения, а с ее вероятностными характеристиками. Такими ха­ рактеристиками являются начальные \is и центральные £.s моменты случайных функций:

щ = Jt*k{tjclt\

(2.83)

h = f

(t-t)*k(t)dt,

(2.84)

о

 

 

 

5 =

0, 1, 2,

n.

 

Интегрируются уравнения (2.83) и (2.84) одним из методов численного интегрирования, например, методом Симпсона:

ь

А

+ 4у\

+ 2у2+ 4f/3 + -f 4yn-i + уп) ,

J /(x)dx

= ——(у0

 

и

 

 

 

 

 

(2.85)

где Д — шаг разбиения интервала -4- £?]; у*— ордина­

ты функции.

Исходные данные. Имеется весовая функция объекта исследования k(t). Необходимо рассчитать начальные моменты этой функции.

Решение. Вычисляется .начальный момент нулевого порядка (5 = 0):

р0 = jk(t)dt.

(2.86)

Если исследуется гидродинамика объекта, р0 соот­ ветствует общему количеству введенного в поток инди­ катора.

Вычисляется среднее время пребывания потока в ап­ парате, как отношение начального момента первого по­ рядка К |10

ftk(t)dt

7 = - ^ ---------

.

(2.87)

fk(t)dt

о

Обычно здесь вводится безразмерное время для /-ой ординаты

-0; =

Д -,

(2.88)

 

t '

 

и безразмерная ордината функции

 

</(0j) =

kitл

(2-89)

— — •

 

Но

 

Тогда расчет момента s-ro порядка определяется по формуле

=

0 fe>y(Q)dQ,

(2.90)

 

О

 

а решается (2.90) с учетом (2.85).

 

Замечание. Обычно

расчет моментов — трудоемкая

операция, требующая применения вычислительной тех­ ники.

Принятие решений. После расчета начальных момен­ тов JLIO, р>4 возможен расчет чисел Пекле, которые определяют тип модели гидродинамической системы (идеальное вытеснение, перемешивание и др.).

Дополнение. Параметром, характеризующим гидро­ динамику системы, может быть критерий Пекле

uL

Ре = - ----- ,

(2.91)

^П.д

-

где и — средняя

скорость потока;

L — длина

аппарата;

Аи* — коэффициент продольной диффузии.

функции

В [17]

показана связь моментов весовой

с параметром Ре в виде системы уравнений

 

|л0 =

1;

 

 

 

 

Pi ==

1;

2 (Ре—1 + е_рс)

 

 

ц2 =

1+

 

 

 

 

 

Ре2

 

 

 

 

6[Р е(Р е+1)—4 + ЗРее-ге + 4е-Ре]

(2.92)

Из =

 

 

1+ •

Ре3

 

 

 

 

 

 

 

Ц4=

 

[Ре3+ 4Р е2—28+(9Ре2+30Ре + 26)е-рс]+ 2 4 е -2Рс

1+ 12

Р?

 

 

 

 

 

 

 

Зная

ро,

Р4

и решив систему

(2.92), можно найти

значение Ре.

 

 

 

2.6.Алгоритмы оптимизации

впланировании эксперимента

Введение. При решении экстремальных задач теории планирования эксперимента, целью которой является достижение некоторого оптимума, широко используются различные методы оптимизации. В данном разделе рас­ смотрены метод крутого восхождения, симплексный метод и метод канонических преобразований уравнения регрессии второго порядка (как метод исследования поверхности отклика в области оптимума).

2.6.1. Алгоритм метода крутого восхождения. Введе­ ние. Метод крутого восхождения, или метод Бокса — Уилсона объединяет положительные стороны трех мето­ дов — метода Гаусса—Зейделя, метода градиента и ме­ тода полного (или дробного) факторного эксперимента, как средства получения линейной математической моде­ ли. Задача метода крутого восхождения заключается в осуществлении шагового движения в направлении наи­ скорейшего возрастания (или убывания) выходной пере­ менной, т. е. по grad y(Xi) :

 

ди

ди

ди

“*■

(2.93)

 

grad y(Xi, bi) = —— i + — — / +

••• + —— k,

 

oxi

ox2

ox

 

где

дУ

.

,

 

Г Г

---------частная производная по t-му фактору; t, /,

 

uXi

 

 

 

 

-►

k — единичные векторы.

~

Если y(xi, bi) — линейная модель, то частные произ­ водные равны ее коэффициентам.

В отличие от метода градиента корректировка направ­ ления шагового движения производится нс после каждо­ го следующего шага, а по достижении в некоторой точ­ ке Xq на данном направлении частного оптимума целе­ вой функции, как это делается при использовании метода Гаусса—Зейделя.

Исходные данные. Имеется линейная модель объекта исследования, полученная методами полного или дроб­ ного факторного эксперимента. Необходимо найти ло­ кальный оптимум объекта.

Расчет составляющей градиента. Практически расчет составляющих градиента реализуется вычислением про­ изведений коэффициентов регрессии на соответствующие интервалы варьирования значимых факторов. Тогда урав­ нение (2.93) примет вид

grad у (X) = biAXi -f- 4" •••Тг ЬпАХп, (2.94)

т. е. в качестве шагов крутого восхождения выбираются интервалы варьирования факторов.

Выбор базового фактора. Фактор, для которого про­ изведение коэффициента регрессии на интервал варьиро­ вания максимально, принимается базовым:

max (biAXi) = а.

(2.95)

Выбор шага крутого восхождения. Для базового (или другого) фактора выбирают шаг-крутого восхождения ha. Обычно этот шаг выбирают по рекомендации технологов или по имеющейся априорной информации.

Пересчет составляющих градиента. Здесь использует­ ся условие: умножение составляющих градиента на лю­ бое положительное число дает точки, которые также ле­ жат на градиенте. Пересчет составляющих градиента производят по выбранному шагу крутого восхождения базового фактора:

hi

(biAXj) ha.

(2.96)

 

а

 

Коэффициенты bi в выражении (2.96) берутся со своими знаками, значения шагов hj округляют.

Организация поиска локального оптимума осущест­ вляется последовательным прибавлением составляющих

градиента к нулевому уровню факторов. Получают серию значении факторов крутого восхождения. Переводя их в кодированную форму по уравнениям (1.128) и подстав­

ляя в уравнение регрессии, получают ряд «предсказан-

д

ных» значений выходной переменной у. Иногда эти опы­ ты называют «мысленными».

Условия крутого восхождения через несколько ша­ гов реализуются и, таким образом, проверяется степень точности описания объекта уравнением регрессии. В том случае, если ожидается отклонение опытных значений переменной от расчетных, реализуются все условия крутого восхождения. Стратегия проведения опытов за­ ключается в нахождении таких шагов, которые приводят к увеличению выходной переменной, а затем к ее умень­ шению.

Замечание 1. Отметим, что выбор шага крутого вос­ хождения до некоторой степени произволен. Здесь мож­ но рекомендовать следующее правило: при сложении численной величины шага с нулевым уровнем фактора результат должен давать координату, лежащую за пре­ делами экспериментальной области.

Замечание 2. В процессе выполнения расчетов не­ обходимо иметь в виду, что если отыскивается минимум выходной переменной, то знаки коэффициентов следует поменять на обратные, если какой-либо из факторов в процессе движения к оптимуму достигает границы об­ ласти определения, то его можно зафиксировать и про­

должать движение к оптимуму

по'остальным факторам.

2.6.2.

Алгоритм симплексного метода

оптимизации

представляется

следующей последовательностью

дей­

ствий и вычислений.

сведения о

процессе

и

1. Оцениваются априорные

выбираются интервалы варьирования ДХг- (i =

1,

2,

...,

п) по каждому фактору, необходимые для определения

ребра симплекса.

симплекса

в

единицах

2. Задается

значение ребра

варьирования соответствующих

переменных

(проводит­

ся кодирование переменных). Ребро симплекса обычно принимается равным единице.

3.Проводится первоначальная ориентация симплекса

вфакторном пространстве одним из способов, описан­

ных ниже.

4. Рассчитывается выходная переменная согласно матрицы симплексного плана или эта матрица реализу­ ется на объекте (при симплексном планировании).

5. Симплекс перемещается в факторном пространст­ ве. Для этого вершина симплекса, в которой значение выходной переменной* минимально (при поиске миниму­ ма) по сравнению с остальными, «отбрасывается» и на­ ходится вершина, являющаяся зеркальным отображе­ нием отброшенной вершины.v Координаты зеркальноотображенной вершины определяются по формуле

X*

 

2

(X\ t i + * 2 , i

 

X j - 1, i +

Xj +I,

i + • • • +

*71 + 1,

i ) — Xj, iy

=

--------

+ • • • - ) -

 

 

П

 

 

 

 

 

 

(2.97)

 

 

 

 

 

 

 

 

 

 

где

 

/ =

1,

2,

/ г +1 — номер

вершины

симплекса;

2 =

1’, 2,

...,

/г — номер

координаты;

Xjti — координата

наихудшей точки.

 

 

переменная

в

соответ­

 

6.

Рассчитывается выходная

ствии с координатами вершин нового симплекса и про­ цедура повторяется.

Первоначальная ориентация симплекса. Обычно при­ нято рассматривать два способа задания координат вер­ шин правильного симплекса.

П е р в ы й с пос об . Если одну из вершин симплек­ са поместить в начало координат, а остальные п вершин расположить так, чтобы ребра, выходящие из первой вершины, образовывали одинаковые углы с соответст­ вующими координатными осями’ (рис. 2.4, а), то коорди-

Рис. -2.4. Первоначальная ориентация симплекса:

а — угловая; б —центральная.

наты вершин симплекса будут определяться строками матрицы

- 0

0

0

0 “

р

я

я

я

я

р

я

я

_ я

я

я

р -

где р = — l— (п — 1 + У /г+ 1);

q = 1— Цп + 1 — 1);

пУ2

пП

п — число факторов.

симплекс-планирования

Например, при реализации

для трех факторов координаты вершин первоначального положения симплекса по вышеприведенному способу отображены в табл. 2.7.

 

 

Т а б л и ц а

2.7. План эксперимента

 

 

 

 

 

План

 

 

 

Номер опыта

 

 

 

 

Выходная

 

 

 

 

 

переменная

1

(К )

0

0

0

У

2

(V 2)

 

0,944

0,236

0,236

У2

3

(v3)

 

0,236

0,944

0,236

Ж

4

+<)

 

0,236

0,236

0,944

Уа

В т о р о й с п о с о б . Если центр

симплекса поме­

стить в начало координат, а вершину

Vn+i — на ось хп,

то остальные вершины расположатся симметрично от­ носительно координатных осей, плоскостей или, в об­ щем случае, гиперплоскостей (см. рис. 2.4,6). Координа­ ты вершин в этом случае будут определяться строками матрицы

( К , )

—Г\

— Г2

------Г3

— Гп - 1

' Гп

( V »)

R i

—г2

------Г3

—Ги-1

— Гп

( У 3 )

0

R 2

— / 3

Гп —1

п

( V n + 1 )

- 0

0

0

0

R n

При длине ребра, равной единице, радиусы вписан­ ной г,- и. описанной Ri окружностей будут определяться по формулам

1

' -' У2(i+0/1 1)-

( 2. 100)

V2f (i+ 1)

где i — номер столбца матрицы.

 

 

В

табл. 2.8

представлена

матрица планирования

трех

факторов

по второму

способу

ориентации

сим­

плекса.

 

 

 

 

 

 

Т а б л и ц а 2.8.

План эксперимента

 

 

 

 

План

Выходная

Номер опыта

 

 

 

-*Э

•**2

переменная

 

 

*3

 

 

1

—0,5

-0,289

-0,204

У\

 

2

0,5

—0,289

-0,204

У2

 

3

0

0,578

0,204

Уъ

 

4

0

0

 

0,612

У\

Принятие решений при реализации симплексного ме­ тода оптимизации. Можно выделить ряд типовых си­ туаций, когда принимаемые решения отличаются от стандартного, которое было описано выше.

1.При расчете выходной переменной согласно мат­ рице симплексного планирования может оказаться, что

ееминимальное значение будет находиться в двух вер­ шинах симплекса или в нескольких (последнее — мало­ вероятно). В такой ситуации рекомендуется принимать решение по одному из случайных механизмов (напри­ мер, бросание монеты).

2.Может возникнуть ситуация, когда во вновь орга­ низованной вершине симплекса значение выходной пе­ ременной снова минимально по сравнению с остальны­ ми. Рекомендуется вернуться к исходному симплексу и построить новый симплекс, являющийся зеркальным отображением предыдущей вершины по минимальности значения выходной переменной.

3.Последовательное «отбрасывание» вершин сим­ плекса может привести к замене поступательного дви­ жения симплекса вращательным вокруг одной из вер­

шин (так называемое «зацикливание» симплекса). Такая ситуация возможна при достижении области опти­ мума факторного пространства.

При «зацикливании» расчет выходной переменной на предыдущем симплексе повторяют. Также весьма эф­ фективно повторить процедуру поиска координаты опти­ мума из другой точки факторного пространства и с дру-

гимн размерами симплекса. Завершение поиска в перво­ начальной области свидетельствует о нахождении ло­ кального оптимума.

Симплексный метод оптимизации широко используй ется для поиска оптимума как непосредственно на объ­ екте, так и по математической модели. Ряд преимуществ делает его применение весьма эффективным, к числу которых следует отнести прежде всего независимость направления движения от абсолютных значений выход­ ной переменной в вершинах симплекса. Действительно, это направление зависит от ранжирования значений вы­ ходной переменной, что позволяет привлекать для при­ нятия решений другие переменные, характеризующие объект. Здесь обычно решаются компромиссные задачи. Метод легко позволяет достроить симплекс при включе­ нии новой переменной: добавляется еще одна вершина симплекса, алгоритм поиска при этом не изменяется.

2.6.3. Алгоритм канонического преобразования и ана­ лиза поверхности отклика. Введение. Для целей оптими­ зации исследуемого объекта, который описывается урав­ нением второго порядка, существует преобразование, позволяющее получить графическую и аналитическую интерпретации области оптимума. Упомянутое преобра­ зование называется к а н о н и ч е с к и м. Каноническое преобразование исходного уравнения регрессии второго порядка

У bo +

^

biXi + ^

bijXiXj + ^ Ьцх2^

(2.101)

 

 

i<5

 

 

 

представляет собой

переход к стандартному уравнению

 

 

Y - Y s =

ВцХ{,

 

(2.102)

 

 

1=

1

 

 

где Ys — значение

выходной

переменной

в центре по­

верхности отклика;

Х{ — канонические

переменные;

Ви — коэффициенты канонического уравнения.

Кновому уравнению переходят, перенося начало координат в центр поверхности отклика и поворачивая оси на определенный угол.

Перенос начала координат приводит к устранению линейных и свободного членов в уравнении, поворот осей — к исключению взаимодействий.

Трудности геометрической интерпретации уравнения регрессии второго порядка возрастают с увеличением числа факторов. При п > 3 дать наглядное представле­ ние о геометрии функции отклика, очевидно, невозмож­ но, однако и в этом случае каноническое преобразование дает хорошие результаты, если последовательно рас­ сматривать изменение двух факторов при стабилизиро­ ванных остальных. Такой прием позволяет получить серию контурных кривых на плоскости для числа факто­ ров п ^ 3 (очевидно, что объемное изображение функ­ ции отклика при п ^ 3 также не дает исследователю особых преимуществ).

При каноническом преобразовании уравнения регрес­ сии второго порядка для Двух факторов (п = 2) полу­ чают уравнение

 

Y -

Y, = В пХ \ + В 22Х\.

 

 

 

 

(2.103)

 

 

 

 

Для

уравнения (2.103)

 

 

 

 

в зависимости

от

знаков

 

 

 

 

и значений Вц и В22 во-

 

 

Xf зможны

четыре

 

вида

 

 

^

 

контурных

кривых

для

 

 

^

 

равных

значений

 

пара-

 

 

»

 

метра

оптимизации

(рис.

 

 

4

 

2.5):

а коэффициенты

 

 

\

 

В п и В22 имеют одинако-

 

 

\

 

вые

знаки;

 

контурные

 

 

 

 

кривые в этом случае яв­

 

 

 

 

ляются

эллипсами;

при

 

 

 

 

Вц <

0

центр

эллипсов

 

 

 

 

будет

максимумом,

при

 

 

\

 

Вц > 0

минимумом,

 

 

 

I если

(В2г) <

(Вц),

то эл-

 

 

I I

липе

вытянут

по

оси Х2

 

 

/

I

и наоборот;

б коэффи-

 

 

vJ

 

циенты

В ц

и В22

имеют

 

 

'

 

разные

знаки;

контурные

 

 

'

 

кривые

в

этом

случае

 

 

 

 

являются

гиперболами;

Рнс. 2.5. Контурные кривые функ­

 

центр

фигуры

называет­

 

ся «с е длом»

или

«м и-

ции отклика

области оптимума,

 

эписываемой

уравнением

второго

 

н и м а к с о м » ;

в зависи­

 

порядка.

 

 

мости

 

от

соотношения

юо