
ОИИКВТ_курсовая
.docx
|
МИНОБРНАУКИ РОССИИ |
Федеральное государственное бюджетное образовательное учреждение высшего образования «МИРЭА – Российский технологический университет» РТУ МИРЭА |
Институт искусственного интеллекта
Кафедра системной инженерии
КУРСОВОЙ ПРОЕКТ (РАБОТА)
по дисциплине «Технологии сбора и обработки данных»
Тема курсового проекта (работы): Анализ экспериментальной вольт-амперной характеристики туннельного диода
_____________________________________________________________________________
Студент группы КСБО-02-21 Ржаных И.А. _________________
(учебная группа, фамилия, имя, отчество студента) (подпись студента)
Руководитель курсового проекта (работы) доцент, к.т.н. Бессонов А.С, __________
(должность, звание, ученая степень) (подпись руководителя)
Рецензент (при наличии) ______________________ _________________
(должность, звание, ученая степень) (подпись рецензента)
Работа представлена к защите «___» ___________ 20__г.
Допущен к защите «___» ___________ 20__г.
Москва 2024
МИНОБРНАУКИ РОССИИ
Федеральное государственное бюджетное образовательное учреждение высшего образования «МИРЭА – Российский технологический университет»
РТУ МИРЭА
Институт искусственного интеллекта
Кафедра системной инженерии
|
УТВЕРЖДАЮ |
|||
|
Заведующий кафедрой СИ _____________ А.С. Королев |
|||
|
«____» __________20___ г. |
|||
ЗАДАНИЕ |
||||
на выполнение курсовой работы (проекта) |
||||
по дисциплине «Основы системной инженерии» |
||||
Обучающийся Ржаных Илья Алексеевич
Шифр 21К0960 Группа КСБО-02-21 |
||||
Вариант № 13 |
||||
|
||||
|
||||
1. Массив значений напряжений U1. 2. Массив значений тока I1 в основном эксперименте. 3. Массив значений тока I2 в дополнительном эксперименте. |
||||
|
||||
|
||||
1. Статистический анализ данных; 2. Проверка гипотезы о нормальном распределении; 3. Полиномиальная МНК-регрессия. Проверка адекватности моделей 4,5,6 степеней; 4. Дисперсионный анализ. Проверка значимости коэффициентов моделей 4,5,6 степеней; 5. Корреляционный анализ; 6. Построение LabVIEW виртуальных приборов по пп. 1-5; 7. Вывод о выборе полиномиальной модели. |
||||
|
||||
|
||||
|
||||
Задание на курсовую Работу (проект) выдал |
«___»______20___г. |
____________________ |
(____________________) |
|
Задание на курсовую Работу (проект) получил |
«___»______20___г. |
_____________________ |
(____________________) |
Москва 2024
Реферат
Курсовая работа 29 с., 22 рис., 6 источн.
ВОЛЬТ-АМПЕРНАЯ ХАРАКТЕРИСТИКА, СТАТИСТИКА, РЕГРЕССИЯ, КОРРЕЛЯЦИЯ, ДИСПЕРСИЯ, LABVIEW, ВИРТУАЛЬНЫЙ ПРИБОР, ПРОГРАММА, ИЗМЕРЕНИЕ
Объектом исследования является обработка экспериментальных данных измерений.
Цель работы - обработать экспериментальные данные, используя статистический, регрессионный, дисперсионный и корреляционный анализ.
В процессе работы были использованы методы статистического, регрессионного, дисперсионного и корреляционного анализа.
В результате исследования была разработана программа в среде графического программирования LabVIEW, позволяющая построить три различные полиномиальные модели вольт-амперной характеристики туннельного диода и выделить среди них оптимальную.
Графический код программы представлен в виде набора изображений, сопровождающихся подробным описанием.
По итогам работы были сделаны выводы о полученных результатах.
Содержание
Введение
Тема настоящей работы – «Анализ экспериментальной вольт-амперной характеристики туннельного диода». Работа посвящена построению оптимальной полиномиальной модели, описывающей вольт-амперную характеристику (ВАХ) туннельного диода, а также проведению статистического анализа шума, присутствующего при измерении данных для ВАХ.
Одним из основных этапов любого эксперимента является статистическая обработка экспериментальных данных. В конечном итоге она направлена на построение математической модели исследуемого объекта или явления. В связи с этим, существенную пользу приносит применение программных средств, упрощающее получение моделей экспериментальных данных и их анализ, в том числе применение программы LabVIEW.
Цель работы: обработать экспериментальные данные, используя статистический, регрессионный, дисперсионный и корреляционный анализ.
Задачи работы:
Отобразить результаты измерения ВАХ, хранящиеся в текстовых файлах, на координатной плоскости;
Вычислить статистические характеристики распределения шума;
Проверить гипотезу о нормальном распределении шума;
Построить полиномиальные модели ВАХ 4-го, 5-го и 6-го порядков, используя метод наименьших квадратов;
Оценить адекватность полиномиальных моделей;
Оценить значимость коэффициентов полиномиальных моделей;
Построить и оценить графики остатков полиномиальных моделей;
Провести корреляционный анализ полиномиальных моделей
Выбрать оптимальную модель ВАХ
Сделать выводы о проделанной работе
Объект исследования: обработка экспериментальных данных измерений.
Предмет исследования: анализ экспериментальной ВАХ туннельного диода.
Используемые методы исследования:
Статистический анализ;
Регрессионный анализ;
Дисперсионный анализ;
Корреляционный анализ.
В данной работе описывается построение полиномиальной модели ряда измерений при помощи метода наименьших квадратов в программной среде LabVIEW [4][5]. Суть метода заключается в минимизации суммы квадратов отклонений реально наблюдаемых значений от соответствующих значений в модели [1].
При помощи дисперсионного и корреляционного анализа осуществляется выбор оптимальной модели, адекватно описывающей исходные данные и не являющейся избыточной [2][3].
1. Вывод ВАХ туннельного диода, статистический анализ и проверка гипотезы о нормальном распределении
На рисунке 1.1 изображена часть блок-диаграммы, на которой значения массива факторов (значения напряжений в вольтах) и массива откликов (значения силы тока в миллиамперах) считываются из текстовых файлов. Сначала данные из текстового файла преобразуются в строку при помощи функции «Read from Text File», на вход которой подается путь к файлу. Далее в каждой из 101 итераций цикла «For Loop» функция «Scan From String» извлекает из строки одно число, удаляя его из нее, и передает измененную строку на следующую итерацию. В результате цикл собирает все числовые значения в массивы, с которыми можно работать дальше. Функция «Bundle» собирает два полученных массива в один кластер для вывода зависимости тока от напряжения на лицевую панель прибора.
Рисунок 1.1. Считывание данных из текстовых файлов
На рисунке 1.2 показана часть блок-диаграммы, вычисляющая математическое ожидание, дисперсию и стандартное отклонение шума по соотношениям (1.1) – (1.3) соответственно [6]:
(1.1)
(1.2)
(1.3)
Рисунок 1.2. – Вычисление мат. ожидания, дисперсии и стандартного отклонения шума
На рисунке 1.2 расположены стандартные арифметические функции, а также функция «Array Size», определяющая количество элементов в массиве.
На рисунке 1.3 представлен набор функций, отвечающих за вычисление коэффициента асимметрии (соотношение (1.4)) и коэффициента эксцесса (соотношение (1.5)).
(1.4)
(1.5)
Рисунок 1.3. Вычисление коэффициента асимметрии и коэффициента эксцесса шума
На рисунке 1.4 отражено вычисление координат y теоретической кривой, а также ее масштабирование таким образом, чтобы ее максимальное значение по оси Y было равно максимальному значению на гистограмме.