- •Физическое моделирование (ф м). Теория подобия. Достоинства и недостатки
- •Математическое моделирование (м. М.). Математическое подобие. Достоинства и недостатки метода.
- •Классификация математических моделей (м. М.). Компьютерное моделирование.
- •Статические и динамические характеристики типовых процессов. Типовые сигналы.
- •Преобразование Лапласса. Свойства операционного соответствия.
- •Изображение интеграла:
- •Изображение производных:
- •Изображение функции с запаздыванием:
- •8. Понятие химико-технологической системы(хтс). Объект химической технологии.
- •Т иповые химико-технологические процессы
- •9. Внешние связи системы. Факторы . Контролируемые (регулируемые, нерегулируемые) и неконтролируемые входы. Отклики. Причины неконтролируемости факторов. Шум.
- •10. Этапы построения математической модели химико-технологических систем. Математическое описание. Статический и детерминированный подходы.
- •11. Структурные схемы объектов химической технологии
- •12. Применение операционного исчисления при решении дифференциальных уравнений. Передаточная функция.
- •14. Типовые законы изменения входных параметров. Ступенчатое и импульсное возмущение на входе. Инерционность технологического объекта.
- •15. Вероятность. Понятие о дискретных и непрерывных случайных величинах. Законы распределения случайной величины.
- •17. Построение матрицы планирования при полнофакторном эксперименте. Нулевой уровень. Интервал варьирования. Принципы оптимальности матрицы планирования.
- •18. Дифференциальное уравнение модели идеального вытеснения и его решение в общем виде.
- •19. Зависимые и независимые случайные величины. Корреляция случайных величин. Корреляционное отношение и его свойства.
- •20. Генеральная совокупность, выборка. Статист. Оценки. Проверка статист. Гипотез.
- •21. Математическое описание химико-технологических систем при детерминированном подходе. Иерархическая структура математической модели.
- •22. Проверак значимости коэффициентов регрессии и адекватности статистической модели, полученной при дфэ.
- •23. Критерий исключения грубой ошибки.
- •24. Планы второго порядка. Центральные композиционные планы.Статистический анализ уравнения регрессии для планов второго порядка.
- •25.Типовые химико-технологические процессы.Характеристики объектов химической технологии.
- •26. Интерпритация уравнений регрессии
- •27. Построение матрицы планирования црп эксперимента,выбор звездного плеча и числа звездных точек.Условия оптимильности цр плана.
- •28. Экспериментально-статистические методы построения в моделей.Уравнение регрессии.
- •30. Нуль и альтернативная гипотезы. Ошибки первого и второго рода. Способы уменьшения ошибок. Уровень значимости. Проверка гипотезы о нормальности закона распределения случайной величины.
- •31 Статистические модели на основе пассивного эксперимента. Достоинства и недостатки пассивного эксперимента. Понятие о корреляционном и регрессионном анализе.
- •32. Пассивный и активный эксперимент. Подходы к исследованию многофакторных систем.
- •33 Дробный факторный эксперимент (дфэ). Генерирующее соотношение, определяющий контраст
- •34. Проверка гипотез о значимости коэффициентов и адекватности уравнения регрессии, построенного по данным пассивного эксперимента
- •35 Экспериментальное изучение распределения частиц потока во времени
- •36. Модель идеального перемешивания.
- •37. Математическое моделирование гидродинамической структуры однофазных потоков. Типовые модели.
- •38. Метод наименьших квадратов. Постановка задачи и общий вид решения. Система нормальных уравнений
- •39. Решение дифференциального уравнения однопараметрической диффузионной модели в общем виде. Понятие о комбинированных моделях.
- •40. Экспериментальное изучение распределения времени пребывания элементов потока. Интегральная и дифференциальная функции распределения времени пребывания элементов потока.
- •41. Критерии проверки статистических гипотез. Проверка однородности дисперсий.
- •42. Однопараметрическая диффузионная модель(одм).
- •43 Статистические модели в виде линейных полиномов. Метод наименьших квадратов для линейного уравнения регрессии.
- •44. Виды моделей при планировании эксперимента по методике Шеффе. Методика расчета коэффициентов аппроксимирующих полиномов. Выделение локальных областей.
- •45.Оптимизация хтп методом градиента.
- •47. Симплекс-планирование с помощью правильных многогранников.
- •50. Экспериментальный поиск. Метод Гаусса-Зайделя.
- •52. Симплекс - решетчатые планы Шеффе.
- •54. Оптимизация химико-технологических процессов методом дихотомии
- •55. Методы направленного поиска (мнп). Унимодальность функции. Одномерный и многомерный поиск.
- •56.Поиск оптимума численными методами.
- •57. Дифференциальное уравнение однопараметрической диффузионной модели и его решение.
- •58 Методы решния оптимизационных задач. Оптимизация хтп аналитическим методом
- •61.Критерий оптимальности.Требования к крит оптимальности. Аналитические выражения для крит оптималь.
- •63. Ячеечная модель
- •64.Обобщённая и частная ф-ции желательности.
- •65.Модель идеального вытеснения.
- •66.Классификация типовых химико-технолог процессов
44. Виды моделей при планировании эксперимента по методике Шеффе. Методика расчета коэффициентов аппроксимирующих полиномов. Выделение локальных областей.
Из числа наиболее опробованных планов можно указать два типа симметричных планов: Шеффе и Дрейпера-Лоуренса. Первые для двух- и трехкомпонентных смесей при одинаковом числе параллельных наблюдений в каждой точке плана в случае моделей в виде третьей степени весьма удачны. Они минимизируют случайные ошибки предсказания этими моделями поверхности отклика. Однако точность моделей ухудшается при использовании планов Шеффе выше третьего порядка.
Планы на симплексных
решетках, т.е. планы Шеффе, не обладают
обычно свойством композиционности,
т.е. для перехода к построению более
сложной модели исследователю приходится
ставить новые опыты, не полностью
используя информацию, полученную из
предыдущих опытов. Чтобы уменьшить
подобные потери, либо выбирают координаты
для контрольных точек в точках плана
модели более высокого порядка, либо
сразу строят план модели более высокого
порядка (n2>n1).
В многокомпонентных сплавах приходится
строить полиномы сравнительно высоких
степеней. Условие нормировки
облегчает эту
задачу, позволяет
вместо полных
многочленов вида
y=b0+
использовать либо канонические полиномы Шеффе:
либо однородные полиномы:
Число экспериментальных точек симплексного плана зависят от числа компонентов изучаемой смеси к и выбранной степени полинома
,
где к – число компонентов в смеси,р – степень полинома
Например для получения модели четвертой степени (р=4) для системы из пяти компонентов (к=5) необходимо провести следующее число опытов (N)
Использование приведенных полиномов позволяетт уменьшить число опытов для аппроксимации свойств и оценки адекватности модели полиномами одного и того же порядка.
Виды моделей и расчет коэффициентов. Коэффициенты аппроксимирующих полиномов представляют собой комбинации значений изучаемого свойства, полученных в узлах симплексных решеток для S-компонентных смесей n-го порядка.
Например, в модели второго порядка для трехкомпонентной смеси:
М
одель
второго порядка для S-компонентной
смеси:
Чтобы воспользоваться формулами вычисления коэффициентов моделей следует оговорить расположение экспериментальных точек, значения показателя в которых подставляются в эти формулы.
В каждой узловой точке симплекса третьего порядка содержится по три части компонентов.
В первой точке смесь состоит из трех частей третьего компонента; в шестой точке к одной части первого компонента добавлено две части второго; в восьмой – к двум частям второго добавлена одна часть третьего, а десятая точка содержит по одной части всех трех компонентов.
Рисунок 1 – Барицентрическая система Рисунок 2 – {S, n}-решетка
координат Шеффе {S, n} = {3, 3}
Чтобы ставить эксперимент на решетке трехкомпонентного симплекса четвертого порядка, следует иметь в виду, что смеси во всех узловых точках в этом случае состоят уже из четырех частей. Так, например, в четвертой точке содержится три части первого и одна часть третьего компонента и т. д.
Выделение локальных областей
Допустим, что нам предстоит оптимизировать смесь для производства силикатного кирпича, состоящую из нескольких компонентов – извести, песка и воды. Если за основу взять симплекс третьего порядка (рисунок 2), то становится самоочевидно, что проведение эксперимента в первой, четвертой и седьмой точках решетки практически исключается, так как смеси, содержащие только индивидуальные компоненты, для достижения цели совершенно непригодны.
В этих случаях исследования нужно проводить в локальных областях факторного пространства, т. е. внутри внешнего симплекса надо выделять внутренний. Естественно, что две системы координат внутреннего и внешнего симплексов должны быть согласованы между собой. Для выделения внутренних локальных областей в факторном пространстве должны быть заданы координаты вершин многоугольников, причем точки могут располагаться как угодно, в любом месте. Их положение фиксируется с помощью матриц. Элементами каждой строки являются координаты одной точки (вершины) внутреннего симплекса в единицах внешнего симплекса.
Рисунок 3 – Иллюстрация правил выделения локальных областей внутри внешнего симплекса
При выделении локальной области (рисунок 3) следует придерживаться основных правил:
точка (А) может располагаться в любом месте внешнего факторного треугольника;
точка (В) должна быть вершинной точкой треугольника ABCи не может располагаться ниже точки (А);
точка (С) должна располагаться правее точки (А);
обегание вершин в треугольнике ABC должно осуществляться по часовой стрелке: (А) =>(В) =>(С);
точка (D) в четырехкомпонентном симплексе должна занимать самое верхнее положение (координата Z4 точки Dдолжна быть максимальна).
Для перевода координат относительных единиц внутреннего симплекса в натуральные единицы внешнего симплекса следует использовать следующие формулы:
а)
для трехкомпонентного симплекса
для
четырехкомпонентного симплекса
