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

курсовая работа / Оптимизация многофакторного процесса

.RTF
Скачиваний:
15
Добавлен:
20.02.2014
Размер:
183.59 Кб
Скачать

МИНИСТЕРСТВО РФ ПО ВЫСШЕМУ И ПРОФЕССИОНАЛЬНОМУ

ОБРАЗОВАНИЮ

САРАТОВСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

БАЛАКОВСКИЙ ИНСТИТУТ ТЕХНИКИ, ТЕХНОЛОГИИ И УПРАВЛЕНИЯ

КАФЕДРА УИТ

КУРСОВАЯ РАБОТА

По курсу: “Моделирование систем управления”

Тема: “Оптимизация многофакторного процесса”

Выполнил: ст. гр. УИТ-42

Дорошенко А.В.

Принял: преп. каф.

Фролова М. А.

Балаково 1999

Задание1. Вариант 5.

Оптимизация процесса экстракции гафния трибутилфосфатом.

Таблица 1

Факторы

Уровни факторов

-1

+1

Х1

1

5

Х2

20

40

Х3

0,5:1

2,5:1

Х4

5

25

Факторы приведены через натуральные значения.

Составить 24-1.

Проведем оптимизацию дробного факторного эксперимента.

Воспользуемся для этой цели методом Бокса – Уилсона (метод крутого восхождения). Будем рассматривать задачу с максимальным числом факторов равным четырем и числом опытов 24-1=8.

Используя кодированные значения факторов, составим матрицу планирования для линейной модели.

Таблица №2

N

х0

х1

х2

х3

х4=x1x2x3

y

1

1

-1

-1

-1

-1

10,31;10,34

2

1

-1

1

-1

1

9,92; 9,935

3

1

1

-1

-1

1

7,67;7,63

4

1

1

1

-1

-1

10,1;10,14

5

1

-1

-1

1

1

10,18;10,20

6

1

-1

1

1

-1

11,81;11,86

7

1

1

-1

1

-1

10,13;10,11

8

1

1

1

1

1

9,49;9,51;10,1

Подсчитываем средние значения в сериях y.

(1)

где yi – i-ое значение в серии опытов;

n – количество опытов в серии.

Подсчитаем дисперсию S2 различных серий опытов.

(2)

Проверяем известные серии опытов на наличие ощибок.

Для этого проверим выполнение неравенства

< t, (3)

где t – табличный коэффициент Стьюдента. Для степени свободы (n – 1)=1 он равен: t=12,71.

В результате проверки выявлено нарушение указанного неравенства в восьмой серии опытов; при у=10,1 получаем:

=42,43, что нарушает неравенство (3). Таким образом, этот результат исключается из дальнейшего рассмотрения.

Проверяем дисперсию на однородность.

(4)

Полученное значение меньше табличного значения критерия Фишера равного F=164 (для степеней свободы числителя f2 = n-1 =1 и знаменателя f1 = n – 1=1). То есть, можно сказать, что дисперсия однородна.

Находим дисперсию выходного параметра.

=0.00050156 (5)

Линейная модель в общем виде:

у=b0+b1х1+b2х2+ b3х3 +b4х4, (6)

где коэффициенты

bi= (7)

Получили следующие коэффициенты:

b0=9,9584;

b1= - 0,6109;

b2= 0,3872; (8)

b3= 0,4528;

b4= - 0,6416.

Линейная модель запишется в виде:

у=9,9584 – 0,6109х1 + 0,3872х2 + 0,4528х3 – 0,6416х4 (9)

Cогласно полученному уравнению найдем значения параметра оптимизации уо (используя известные факторы; результаты в таблице 3).

После чего находим квадрат отклонения расчетного значения от экспериментального:

у2 =(уо – уср)2 (10)

и заносим полученные значения в таблицу.

Таблица 3.

yср

S2

yo

у2

10,325

4,5000E-04

10,3709

0,0021

9,9275

1,1250E-04

9,8621

0,0043

7,65

8,0000E-04

7,8659

0,0466

10,12

8,0000E-04

9,9235

0,0386

10,19

2,0000E-04

9,9933

0,0387

11,835

1,2500E-03

12,0509

0,0466

10,12

2,0000E-04

10,0547

0,0043

9,5

2,0000E-04

9,5459

0,0021

Затем находим дисперсию адекватности

S2ад = , (11)

где f – число степеней свободы; f=N- (k+1)=8-5=3

В нашем случае S2ад=0,1222.

Проверяем модель на адекватность, для чего находим рассчетный коэффициент Фишера как отношение:

(12)

Полученное значение сравниваем с табличным значением критерия Фишера F = 215,7 (cтолбец 3, строка 1) и поскольку полученное значение превышает его, то полученная линейная модель неадекватна.

Оценим значимость коэффициентов, для этого найдем дисперсию коэффициентов регрессии:

== 6,2695*10-5 (13)

Определим доверительный интервал

t=0,1006 (14)

Так как все коэффициенты по абсолютной величине больше доверительного интервала, то все они значимы.

Приступим к нахождению максимального значения параметра оптимизации движением по градиенту.

Составим таблицу уровней факторов, их интервалов варьирования (Ij) и кодированные значения факторов.

Таблица 4.

Натуральное значение

Х1

Х2

Х3

Х4

у

Основной уровень

3

30

1,5:1

15

Ij

2

10

1,0:1

10

Верхний уровень

5

40

2,5:1

25

Нижний уровень

1

20

0,5:1

5

Кодированное значение

х1

х2

х3

х4

y

Опыт:1

-1

-1

-1

-1

10,325

2

-1

1

-1

1

9,9275

3

1

-1

-1

1

7,65

4

1

1

-1

-1

10,12

5

-1

-1

1

1

10,19

6

-1

1

1

-1

11,835

7

1

-1

1

-1

10,12

8

1

1

1

1

9,5

Найдем произведение Ij*bj для каждого фактора. Далее, определяем шаги движения по факторам. Методом подбора были определены наиболее оптимальные шаги для каждого фактора, полученные путем умножения вышеуказанного произведения на (0,22) (см. таблицу 5).

И, наконец, находим значение параметра оптимизации, предварительно переведя натуральные значения факторов в кодированные согласно формуле:

хi=(Xi – Xi o)/Ij (15)

Таблица 5.

X1

X2

X3

X4

y

bi

-0,6109

0,3872

0,4528

-0,6416

Ii*bi

-1,2218

3,8720

0,4528:1

-6,4160

Шаг

-0,2688

0,8518

0,0996:1

-1,4115

1

2,7312

30,8518

1,5996:1

13,5885

2

2,4624

31,7036

1,6992:1

12,1770

3

2,1936

32,5554

1,7988:1

10,7655

4

1,9248

33,4072

1,8984:1

9,3540

5

1,6560

34,2590

1,9980:1

7,9425

6

1,3872

35,1108

2,0976:1

6,5310

7

1,1184

35,9626

2,1972:1

5,1195

Кодированное значение

х1

х2

х3

х4

y

1

-0,1344

0,0852

0,0996

-0,1412

10,2092

2

-0,2688

0,1704

0,1992

-0,2823

10,4599

3

-0,4032

0,2555

0,2988

-0,4235

10,7107

4

-0,5376

0,3407

0,3984

-0,5646

10,9614

5

-0,6720

0,4259

0,4980

-0,7058

11,2122

6

-0,8064

0,5111

0,5976

-0,8469

11,4629

7

-0,9408

0,5963

0,6972

-0,9881

11,7137

Сравнивая значения параметра оптимизации, поляченных в мысленных опытах экспериментальные результаты, определяем максимальное значение у и соответствующие факторы:

При x1= 1,1184; x2=35,9626; x3=2,1972:1; x4=5,1195; ymax =.11,7137

111

111