- •200106 «Информационно-измерительная техника и технологии»
- •Введение
- •1.2. Сигналы
- •1.3. Преобразование измерительных сигналов
- •1.4. Спектр периодических сигналов
- •1.5. Модуляция
- •1.5.1. Амплитудная модуляция
- •1.5.2. Частотная модуляция
- •1.5.3. Фазовая модуляция
- •1.5.4. Двукратные виды модуляции
- •1.6. Квантование
- •1.6.1. Квантование по уровню
- •1.6.2. Квантование по времени
- •1.6.3. Квантование по уровню и времени
- •1.7. Кодирование
- •1.7.1. Цифровые коды
- •1.7.2. Помехи
- •1.8. Модель канала
- •Раздел 2 измерительные каналы и их разделение
- •2.1. Канал связи и его характеристики
- •2.2. Согласование канала с источником информации
- •2.3. Линии связи для передачи измерительной информации
- •2.4. Структуры линий связи
- •2.5. Многоканальные системы для передачи измерительной информации
- •2.6. Погрешность систем с частотным разделением каналов
- •2.7. Погрешности систем с временным разделением каналов
- •Раздел 3 принципы обработки данных
- •3.1. Виды погрешностей
- •3.2. Обработка результатов измерений. Оценки измеряемой величины
- •3.3. Обработка результатов прямых равноточных измерений
- •3.4. Обработка результатов косвенных измерений
- •3.5. Обработка результатов совместных измерений
- •3.6. Обработка результатов неравноточных измерений
- •3.7. Проверка статистических гипотез
- •3.7.1. Проверка соответствия гипотезы и экспериментальных данных
- •3.7.2. Исключение резко отклоняющихся значений
- •3.8. Построение эмпирических распределений
- •3.9. Критерии согласия
- •3.9.1. Критерий согласия Пирсона
- •3.9.2. Критерий согласия Колмогорова
- •Раздел 4 планирование многофакторного эксперимента
- •4.1. Задачи планирования эксперимента
- •4.2. Пассивные эксперименты
- •4.3. Дисперсионный анализ
- •4.4. Регрессионный анализ
- •4.5. Активный эксперимент
- •4.6. Полный факторный эксперимент
- •4.7. Дробный факторный эксперимент
- •4.8. Устранение влияния временного дрейфа
- •4.9. Проведение факторного эксперимента и обработка его результатов
- •4.10. Оптимизация
- •4.11. Рандомизация
- •Раздел 5 введение в алгоритмическую теорию измерений
- •5.1. Вводные замечания
- •5.2. Развитие понятий числа и измерения величин
- •5.3. Теория шкал и алгоритмические измерения
- •5.4. Алгоритмы измерения в номинальной шкале, аддитивной и порядка
- •5.5. Моделирование цифровых алгоритмических измерений
- •5.6. Эквивалентность между фильтрацией и алгоритмическим измерением
- •5.7. Моделирование сигналов. Дискретизация
- •5.7.1. Модели дискретизации аналогового сигнала
- •5.7.2. Дискретизация с усреднением
- •5.7.3. Дискретизация сигналов конечной длительности
- •5.8. Цифровое представление информации
- •5.9. Системы счисления с иррациональными основаниями
- •5.9.1. Золотая пропорция
- •5.9.2. Числа Фибоначчи
- •5.9.4. Код золотой p-пропорции
- •5.10. Общий алгоритм метрологического кодирования
- •5.10.1. Алгоритм Стахова
- •5.10.2.Фибоначчиевы алгоритмы цифрового метрологического кодирования
- •Раздел 6 введение в информационную теорию измерений
- •6.1. Основные положения теории информации
- •6.1.1. Энтропия
- •6.1.2. Единицы измерения энтропии
- •6.1.3. Условная энтропия (энтропия помехи)
- •6.1.4. Суммирование нескольких погрешностей
- •6.1.5. Явление «краевой эффект». Приближенность информационных оценок каналов передачи информации
- •6.1.6. Основные положения теории информации для характеристики процесса измерения
- •6.2. Сущность измерения
- •6.2.1. Понятие натурального ряда однородных величин
- •6.2.2. Понятие шкалы реперов измеряемой величины
- •6.2.3. Измерение как сужение интервала неопределенности
- •6.3. Измерительные преобразования, функциональные шкалы, единицы измеряемой величины
- •6.3.1. Функциональная шкала измеряемой величины
- •6.3.2. Понятие единицы измерения
- •6.3.3. Метод построения измерительных устройств
- •6.4. Измерительные преобразования и преобразователи
- •6.5. Энтропийное значение погрешности
- •6.5.1. Математическое определение энтропийного значения погрешности
- •6.5.2. Эффективное значение погрешности
- •6.6. Сравнение энтропийного и среднеквадратического значений погрешности для плавных симметричных одномодальных законов распределения погрешностей
- •6.7. Энтропийное значение погрешности – основной критерий точности приборов и измерений
- •6.8. Определение энтропийного значения погрешности на практике
- •6.9. Суммирование погрешностей измерительных устройств
- •6.10. Статистическое суммирование погрешностей при наличии корреляции
- •6.11. Энтропийное значение результирующей погрешности
- •6.12. Суммирование погрешностей с равномерными законами распределения вероятностей
- •6.13. Суммирование погрешностей при равномерном и нормальном законах распределения составляющих результирующей погрешности
- •6.14. Суммирование погрешностей при произвольной степени корреляции и произвольных законах распределения вероятностей составляющих результирующей погрешности
- •И объемов (n) выборок
- •Интервала
- •Оглавление
4.5. Активный эксперимент
В отличие от пассивного эксперимента планирование активного эксперимента предполагает воздействие на ход процесса и возможность выбора в каждом опыте тех уровней факторов, которые представляют интерес.
Установление каждого фактора на некоторый уровень определяет одно из вероятных состояний объекта. Если перебрать все допустимые наборы уровней факторов, то получим полное множество различных состояний данного объекта, что и определит число возможных различных опытов.
Число различных состояний объекта определяется соотношением bk, где b – число уровней факторов; k – число факторов. Реальные объекты обладают большой сложностью. Так, система с пятью факторами на пяти уровнях имеет 3125 состояний.
В этих условиях приходится отказываться от таких экспериментов, которые включают в себя все возможные опыты. Тогда возникает вопрос: какие опыты и сколько надо включать в эксперимент? Для решения этой задачи используется планирование активного эксперимента. При планировании активного эксперимента в рассмотрение необходимо включать все существенные факторы, которые могут влиять на объект исследования. Если какой-либо существенный фактор окажется неучтенным, то это может привести к нежелательным последствиям. Так, если неучтенный фактор произвольно изменялся, принимая случайные значения, которые не контролировались в процессе эксперимента, то это приведет к существенному увеличению погрешности опыта.
Вместе с тем увеличение числа включенных в рассмотрение факторов приводит к значительному возрастанию числа опытов по показательной функции. При большом числе факторов следует обратиться к методам отсеивания несущественных факторов.
Каждый фактор имеет область определения. Будем считать фактор заданным, если вместе с его названием указана и область определения. Под областью определения понимается совокупность всех значений, которые в принципе может принимать данный фактор. Ясно, что совокупность значений фактора, которая используется в эксперименте, является подмножеством из множеств значений, образующих область определения. Область определения может быть непрерывной или дискретной. В реальных задачах планирования эксперимента используются дискретные области определения. Так, для факторов с непрерывной областью определения, таких, как температура, напряжение питания и т.п., всегда выбираются дискретные множества уровней. В практических задачах области определения факторов, как правило, ограничены. Ограничения могут носить принципиальный либо технический характер.
Факторы делятся на количественные и качественные. К качественным факторам относятся, например, различные вещества, технологические способы, аппараты, исполнители и т.п. Хотя качественным факторам не соответствует числовая шкала в том смысле, как это понимается для количественных факторов, однако можно построить условную порядковую шкалу, которая ставит в соответствие уровням качественного фактора числа натурального ряда, т.е. производит кодирование. Пусть, например, при изучении производства резисторов надо установить влияние положения тигеля в печи. Можно разделить печь на квадраты и считать номера квадратов уровнями качественного фактора, определяющего положение тигля. Также можно ввести два количественных фактора: координаты тигля по длине и ширине печи.
При планировании эксперимента факторы должны быть управляемыми. Это значит, что экспериментатор, выбрав нужное значение фактора, может его поддерживать на постоянном уровне в течение всего опыта. В этом состоит особенность активного эксперимента.
Чтобы точно определить фактор, нужно указать последовательность действий, с помощью которых устанавливаются его конкретные значения. Такое определение фактора называется операциональным. Так, если фактором является давление в некотором аппарате, то необходимо указать, в какой точке и с помощью какого прибора оно определяется и как устанавливается. Введение операционального определения обеспечивает однозначное понимание фактора.
При планировании эксперимента обычно одновременно изменяют несколько факторов. Поэтому к совокупности факторов предъявляются следующие требования. Прежде всего, выдвигается требование совместимости. Совместимость факторов означает, что все их комбинации осуществимы и безопасны. Несовместимость факторов может наблюдаться на границах областей их определения. Исключить ее можно сокращением областей. Положение усложняется, если несовместимость проявляется внутри области определения. Одно из возможных решений в этом случае – разбиение на подобласти и планирование эксперимента для каждой из них.
При планировании эксперимента важна независимость факторов, т.е. возможность установления фактора на любом уровне вне зависимости от уровней других факторов.
Выбор факторов является очень ответственным этапом при подготовке и планировании эксперимента. От удачного выбора факторов во многом зависит успешное решение поставленной задачи. Планирование эксперимента предполагает одновременное изменение возможно большего числа факторов, т.е. проведение так называемого многофакторного эксперимента, при планировании которого возникают типичные задачи математической статистики: выбор оптимальной стратегии эксперимента в условиях неопределенности, обработка результатов измерений, проверка гипотез и принятие решений.
Так же, как и при пассивном эксперименте, важным этапом планирования активного эксперимента является выбор математической модели объекта. Чаще всего используют полиномиальные модели, достоинством которых является универсальность и линейность относительно искомых параметров.
Полином первого порядка выглядит следующим образом:
(4.5.1)
второго порядка –
(4.5.2)
Полином второго порядка содержит свободный член , линейные члены и , квадратичные члены , и член , определяющий эффект взаимодействия, который происходит в том случае, когда влияние на выходной параметр у одного фактора зависит от уровня другого фактора.
Прежде, чем приступить к планированию, необходимо выбрать локальную область факторного пространства. Это важный этап принятия неформализованных решений, предшествующих построению плана первой серии эксперимента.
При выборе области эксперимента, прежде всего, надо оценить границы областей определения факторов. При этом должны учитываться ограничения нескольких типов.
Первый тип – принципиальные ограничения для значений факторов, которые не могут быть нарушены ни при каких обстоятельствах. Например, если фактор – температура, то нижним пределом будет абсолютный нуль.
Второй тип – ограничения, связанные с технико-экономическими соображениями, например со стоимостью сырья, дефицитностью отдельных компонентов, временем ведения процесса.
Третий тип ограничений определяется конкретными условиями проведения процесса, например существующей аппаратурой, технологией, организацией.
Далее на основании априорной информации необходимо найти в области определения фактора локальную подобласть для планирования эксперимента. Процедура выбора этой подобласти включает в себя два этапа: выбор основного уровня и выбор интервалов варьирования.
Наилучшим условиям, определенным из анализа априорной информации, соответствует комбинация или несколько комбинаций уровней факторов. Каждая из них является точкой в многомерном факторном пространстве. Ее можно рассматривать как исходную точку для построения плана эксперимента. Назовем ее основным (нулевым) уровнем.
В качестве априорной информации можно использовать сведения о точности, с которой экспериментатор фиксирует значения факторов, о кривизне поверхности отклика и о диапазоне изменения выходной величины. Обычно такая информация бывает ориентировочной и, в некоторых случаях, просто ошибочной, но это единственная основа, на которой можно начинать планировать эксперимент. В ходе эксперимента ее часто приходится корректировать.
Построение плана эксперимента сводится к выбору экспериментальных точек, симметричных относительно нулевого уровня.
После того, как нулевой уровень выбран, переходим к следующему шагу – выбору интервалов варьирования.
Затем для каждого фактора необходимо выбрать два крайних уровня, на которых он будет варьироваться в эксперименте.
Пусть в качестве фактора в неком эксперименте рассматривают температуру. Пусть основной уровень выбран и равен 100°С. Это значение изображается точкой. Тогда два интересующих нас уровня можно изобразить двумя точками, симметричными относительно первой. Один из этих уровней называется верхним, а второй – нижним. Обычно за верхний уровень принимается тот, который соответствует большему значению фактора, а для качественных факторов не важно какой уровень фактора будет принят за верхний, а какой за нижний.
Интервалом варьирования факторов называется некоторое число (свое для каждого фактора), прибавление которого к основному уровню дает верхний уровень фактора, а вычитание – нижний. Другими словами, интервал варьирования – это расстояние на координатной оси между основным и верхним (или нижним) уровнями. Таким образом, задача выбора уровней сводится к задаче выбора интервала варьирования.
Для упрощения записи условий эксперимента и обработки экспериментальных данных масштабы по осям выбираются так, чтобы верхний уровень соответствовал +1, нижний –1, а основной 0. Для факторов с непрерывной областью определения это всегда можно сделать с помощью преобразования
(4.5.3)
где – кодированное значение фактора; – натуральное значение фактора; – натурное значение основного уровня; – интервал варьирования; j – номер фактора.
Для качественных факторов, имеющих два уровня, один обозначается +1, а другой – -1, порядок уровней не имеет значения.
Пусть процесс определяется четырьмя факторами. Основной уровень и интервалы варьирования выбраны следующим образом.
Натуральные значения |
|
1 |
2 |
3 |
4 |
5 |
Кодированные значения |
|
–1 |
–0,5 |
0 |
+0,5 |
+ 1 |
Рассмотрим первый фактор.
В соответствии с (4.5.3) перейдем от натуральных значений фактора к кодированным:
Факторы |
|
|
|
|
Основной уровень |
3 |
30 |
1,5 |
15 |
Интервал варьирования |
2 |
10 |
1 |
10 |
На выбор интервалов варьирования накладываются естественные ограничения сверху и снизу. Интервал варьирования не может быть меньше той погрешности, с которой экспериментатор фиксирует уровень фактора. В противном случае верхний и нижний уровни окажутся неразличимыми. Вместе с тем интервал не может быть настолько большим, чтобы верхний или нижний уровень оказался за пределами области определения. Внутри этих ограничений обычно еще остается значительная неопределенность выбора, которая устраняется с помощью интуитивных решений.