- •11.10. Генерирующие соотношения и определяющие контрасты
- •11.11. Статистический анализ результатов активного эксперимента
- •11.12. Определение коэффициентов регрессионной модели и проверка их значимости
- •11.13. Проверка адекватности и работоспособности регрессионной модели
- •11.14. Планы второго порядка
- •11.15. Регрессионный анализ результатов вычислительного эксперимента на детерминированной теоретической модели
- •11.16. Получение математической модели на основе пассивного эксперимента
- •12. Оптимизация параметров технических систем
- •12.1. Принцип локальной оптимизации в методологии автоматизированного проектирования
- •12.2. Основные понятия и определения параметрической оптимизации
11.16. Получение математической модели на основе пассивного эксперимента
При проведении экспериментов на реальных технических объектах независимое варьирование факторов в большинстве случаев оказывается невозможным, поэтому для получения их математических моделей обычно проводятся пассивные эксперименты. Объекты при этом находятся в нормальных условиях функционирования, а изменение их фазовых координат и выходных параметров обусловлено влиянием внешних возмущающих воздействий, носящих случайный характер. В этой связи фазовые координаты и выходные параметры представляют собой случайные процессы.
Для получения информации о физических свойствах объекта, необходимой при построении математической модели, выбирают некоторый интервал дискретизации независимой переменной (времени t) и фиксируют в дискретные моменты времени значения Фазовых координат и выходных параметров. Эти значения представляют собой случайные последовательности чисел, составляющие непрерывные множества. Необходимо, чтобы эти случайные числа были некоррелированными. Это достигается соответствующим выбором интервала дискретизации времени (см. § 10.9). Эксперимент должен проводиться таким образом, чтобы исследуемые случайные процессы были стационарными и эргодическими. Допускается лишь нестационарность по математическому ожиданию, которую можно легко отфильтровать и использовать центрированные значения случайных процессов.
Изложенный подход к проведению пассивного эксперимента составляет основу метода статистических испытаний (Монте-Карло). Используя полученные выборки значений факторов и выходных параметров, находят оценки вероятностных характеристик всех исследуемых случайных процессов. В результате получают вероятностную математическую модель объекта. Определение статистических оценок вероятностных характеристик изложено в главе 10.
Результаты статистических испытаний можно также использовать для получения регрессионной модели технического объекта. Уравнения регрессий принимают в виде
(11-96)
где — коэффициенты регрессии; — оценки математических ожиданий (выборочные средние) соответственно выходного параметра , и фактора ; т — количество выходных параметров; n — количество факторов.
Определение оценок коэффициентов регрессии осуществляется на основе корреляционного анализа результатов статистических испытаний. Но предварительно необходимо определить оценки вероятностных характеристик всех факторов и выходных параметров (выборочные средние , выборочные дисперсии ) и проверить выполнение гипотезы о нормальном их распределении.
В регрессионную модель технического объекта желательно включать только некоррелированные или слабокоррелированные выходные параметры с целью уменьшения вычислительных затрат на построение модели. Поэтому вначале необходимо оценить степень корреляции между всеми выходными параметрами и отсеять параметры, которые имеют сильную корреляцию с каким-либо параметром .
В число факторов могут входить фазовые координаты объекта и изменяемые случайным образом внутренние его параметры — параметры элементов.
В процессе корреляционного анализа определяют оценки коэффициентов парной корреляции между выбранными для построения математической модели выходными параметрами и факторами , а также между парами факторов и , т. е. оценки коррелированности этих факторов .
Оценка коэффициента корреляции между и вычисляется по формуле
(11.97)
где — число проведенных опытов; значения переменных и в -м опыте.
Коэффициенты являются элементами корреляционной матрицы , в которой
(11.98)
где - вектор-строка оценок коэффициентов парной корреляции между выходным параметром и всеми факторами .
Аналогично вычисляются оценки коэффициентов парной корреляции между факторами и
(11.99)
Обозначим . Тогда связь между факторами можно представить корреляционной матрицей
(11.100)
Используя вектор-строку матрицы (11.98) для -го выходного параметров и корреляционную матрицу (11.100), составим матричное уравнение
(11.101)
Решив систему линейных алгебраических уравнений (11.101) относительно неизвестного вектора , вычислим искомые коэ4эфициенты уравнения регрессии (11.96) по формуле
(11.102)
Если факторы — независимые случайные величины, то матрица единичная, т. е. . Тогда .