- •1. Модель динамики об-в рег-ния уровня в-ва.
- •2. Модель дин-ки об-та рег-ния расхода в-ва.
- •3. Модель дин-ки об-тов рег-ния конц-ции в-в.
- •4. Модель идеал-го перемешивания.
- •5. Модель идеального вытеснения.
- •6. Диффузионные модели (дм).
- •7. Ячеечные модели.
- •8. Моделир-е проц-в прямот-х теплообмен-в без учета тепл-й емкости стенки турбы.
- •9. Моделир-е проц-в противоточ-х теплооб-в без учета тепл-й емкости стенки трубы
- •10. Моделир-е проц-в в теплообмен-х с учетом накопл-я теплоты в его стенках.
- •11. Получ-е перед-х ф-ций для противот-х -в.
- •12. Вывод передат-х ф-ций конденсатора без учета накопл-я тепла в стенке.
- •13. Вывод перед-х ф-ций конденсатора с учетом накопл-я тепла в стенке.
- •15. Оценка взаимосвязи перемен-х статист-й модели на основе кор-го анализа.
- •Определение вида уравнения регрессии.
- •Определение силы линейной связи между , .
- •Определение коэффициентов уравнения регрессии:
- •17. Оценка значимости коэф-в ур-я регрессии. 18. Оценка адекват-сти ур-я регрессии.
- •19. Ортогон-е планы 1-го порядка.
- •Полный факторный эксперимент (пфэ).
- •20. Планы 2-го порядка.
- •Ортогональный план второго порядка.
- •22. Идент-я пар-в перед-й ф-ции м-дом м-нтов.
- •23. Идент-ция пар-в передат-й ф-ции м-дом модулирующих ф-ций.
- •24. Беспоиск-е алг-мы идентиф-и с адапт-й моделью в прост-ве перем-х сост-я.
- •25. Поисковые алгоритмы идент-ции с адаптивной моделью.
- •26. Идентиф-я пар-в перед-й ф-ции м-дом площадей.
- •27. Провед-е экспер-та по снятию перех-х ф-ций. М-ды сглажив-я перех-х ф-ций.
- •28. Виды акт-х возд-й для опред-я динамич-х х-к. Изуч-е объекта и подготовка ап-ры для провед-я эксп-нта.
- •Блочный пр-п разработки мат-х моделей хтп.
- •Основные подходы получения мат-х моделей хтп.
- •30. Матем-я модель проц-а газ-й абсорбщии.
20. Планы 2-го порядка.
Описание почти стацион-й обл. Т.е. эта область близкая к экстрем-му знач-ю , предст-щее собой куполообр-ю форму. Для описания данной обл. необх. применить нелин-е ур-ния регрессии, в кот значимыми явл-ся квадратич-е члены. Методика:
Пров-ся ПФЭ выч-м своб-й член
Приводится эксперимент в центре и находим :
Если это соотн-е явл-ся значимым, тогда это означает, что в данной обл. факторного простр-ва явл-ся значимыми квадратичные коэф-ты. Для получ-я ур-ний регрессии необх-о перем-е варьировать как минимум на трех уравнениях:
Таблица 2.8
n |
2 |
3 |
4 |
5 |
N |
9 |
27 |
81 |
243 |
Д ля ум-ния кол-ва опытов Бокс и Уилсон предложили композиц-е или последовательные планы. Ядро этого плана:
ПФЭ= для ; 1.2 ДФЭ= для .
Если получ-е ур-ние регрессии по данному плану явл-ся неадекв-м, то пров-ся доп-е кол-во опытов в т.н. “звездных точках”:
где - звездное плечо – расст-е от центра плана до данной звездной точки.
Пров-ся эксп-нт в центре плана . Общее кол-во опытов в данном плане
Пример:
Таблица 2.9
№ |
|
|
|
|
|
|
|
1 |
+1 |
-1 |
-1 |
+1 |
1 |
1 |
|
2 |
+1 |
+1 |
-1 |
-1 |
1 |
1 |
|
3 |
+1 |
-1 |
+1 |
-1 |
1 |
1 |
|
4 |
+1 |
+1 |
+1 |
+1 |
1 |
1 |
|
5 |
+1 |
+ |
0 |
0 |
|
0 |
|
6 |
+1 |
|
0 |
0 |
|
0 |
|
7 |
+1 |
0 |
+ |
0 |
0 |
|
|
8 |
+1 |
0 |
|
0 |
0 |
|
|
9 |
+1 |
0 |
0 |
0 |
0 |
0 |
|
Рассмотрим свойства композиционного плана (Таблица 2.9):
Т.е. данная матрица (Табл. 2.9) не ортогональна. Её можно привести к ортог-му виду используя следующие методы:Замена квадратичных столбцов линейными преобраз-ми переменными: .Выбор соотв-й в-ны звездного плена зав-щего от числа :
Ортогональный план второго порядка.
Преобр-е квадрат-х эл-тов столбцов в лин-е эл-нты производ-ся по след-му соотн-ю:
Для окончания привед-я матрицы (Табл. 2.9) необх. произвести выбор звездного плеча т.о., чтобы обратная матрица была диагональной:
Для опред-я в-ны для выполн-я усл-я (52) вел-на будет иметь след-щие знач-я
|
2 |
3 |
4 |
5 |
|
1,0 |
1,216 |
1,415 |
1,576 |
С учетом зав-сти (51) и данных Табл. 2.10 матрица будет ортогон-й (Табл. 2.11):
№ |
|
|
|
|
|
|
|
1 |
+1 |
-1 |
-1 |
+1 |
1/3 |
1/3 |
|
9 |
+1 |
0 |
0 |
0 |
-2/3 |
-2/3 |
|
По данным Таблицы 2.10 можно получить следующие уравнения регрессии:
В ортог-ных планах 2го порядка коэф-нты регрессии вида (53) оценив-ся с различной точностью. Запишем уравнение (52) для :
Вычислит-й алгоритм для ортогон-х планов 2го пор-ка вкл-т те же планы, что и для 1го порядка. Отличие закл-ся в оценке значимости коэф-в уравнения (53) с учетом различных значений величин , , .
21. СВ-ВА И Х-КИ СТАЦИОН-Х СЛУЧАЙНЫХ ПРОЦ-В.
СП-сы статич-е х-ки, кот-х не измен-ся во времени наз-ся стаци-ми. Эти х-ки опред-ся путем осреднения ординат данного СП-са или по времени, или по мн-ву реализаций данного СП-са. Если рез-ты осреднения одинаковы, то данный СП наз-ся эргодич-м.
Осн-ми х-ми случайных стац-х эргодич-х процессов является:
Математическое ожидание:
где — время реализации случайного процесса.
Осн-е статист-е х-ки удобно определить с использованием центрированных значений случайного процесса:
Для расчета лин-х систем инф-я сод-ся в их кор-ных ф-х:
где — время сдвига между ординатами случайного процесса.
Данная функция показ-т наск-ко ордината СП-са ( ) связана с ординатой случайного процесса через время сдвига .
Свойства корреляционной функции:
она имеет четный характер: ;
Если изуч-ся взаимосвязь между и , то применяется взаимокор-ная ф-ция:
Свойства корреляционной функции:
данная функция имеет не четный характер;
При частном анализе СУ исп-т статич-е частотные х-ки:
4.1) Спектральная плотность:
Физический смысл спектральной плотности характеризует часть (долю) мощности случайного процесса для определенного интервала частот.
4.2) Взаимоспектральная плотность:
Обратное преобразование Фурье:
При прохождении случайного сигнала через некоторую линейную систему его характеристика изменяется — сигнал на выходе.
Взаимоспектральная плотность и спектральная плотность связаны следующим соотношением:
Взаимосв. м/д взаимокор-й ф-й и импульсной ф-ми опр-ся:
Зав-сти 2.6.8÷2.6.11 исп-ся для опр-ния динамич-х х-к объектов при действии на эти объекты стац-х случайных процессов.