- •Ю.В.Захаров Математическое моделирование
- •Введение
- •1. Основные сведения из теории вероятностей и
- •1.1. Случайные величины. Выборка
- •1.2. Законы распределения случайных величин
- •Экспоненциальный закон распределения
- •Hормальный закон распределения (hзр)
- •1.3. Числовые характеристики случайных величин Характеристики положения
- •Характеристики рассеяния
- •1.4. Статистическая проверка гипотез
- •Гипотеза о равенстве дисперсий
- •Гипотеза об однородности дисперсий
- •Гипотеза о равенстве средних
- •Гипотеза о законе распределения случайной величины
- •1.5. Ошибки измерения физических величин и методы
- •Случайные, систематические и грубые ошибки
- •Методы исключения резко выделяющихся результатов эксперимента
- •Табличные значения критерия Романовского
- •2. Выбор наиболее существенных факторов объекта
- •2.1. Метод экспертных оценок
- •Матрица рангов параметров
- •Сумма рангов и коэффициент весомости
- •Сводные результаты экспертизы
- •2.2. Метод начальных моментов
- •2.3. Дисперсионный анализ
- •Общая постановка и решение задачи да
- •Однофакторный да
- •3. Математическое моделирование в технологии
- •3.1. Методы математического моделирования
- •3.2. Пассивный эксперимент для мм
- •3.2.1. Регрессионный анализ.
- •Примеры.
- •3.2.2. Метод экспоненциального сглаживания
- •3.2.3. Корреляционный анализ.
- •3.2.4 Оценка адекватности мм.
- •3.3. Активный эксперимент для мм
- •3.3.1. Вид и алгоритм построения математической модели
- •3.3.2. Полный факторный эксперимент типа 2k.
- •Проверка воспроизводимости эксперимента
- •Вычисление коэффициентов модели.
- •Примеры вычислений коэффициентов пфэ 22
- •Проверка значимости коэффициентов модели.
- •Проверка адекватности модели.
- •Анализ и синтез тп по полученной модели.
- •Получение математической модели с учетом взаимодействий факторов.
- •3.3.3. Дробный факторный эксперимент.
- •В записи плана дфэ 2k-p p означает количество взаимодействий факторов приравненным независимым переменным. Дфэ 23-1 – половина пфэ 23, т.Е. Полуреплика от пфэ 23.
- •3.3.4. Математические модели второго порядка.
- •Контрольные вопросы
- •Заключение
- •Содержание введение
- •Заключение
- •Литература
3.3.3. Дробный факторный эксперимент.
При большом числе исследуемых факторов ПФЭ становится неэффективным, так как число опытов с ростом k увеличивается по показательной функции (N = 2k). Однако при этом снижаются ошибки в определении коэффициентов ММ, так как все опыты используются для оценки каждого из коэффициентов.
Часто, особенно в начальной стадии исследования, возникает необходимость получить некоторые, пусть не особенно точные сведения о технологическом процессе при минимальных экспериментальных данных. Число опытов можно сократить, применяя для проведения эксперимента план дробного факторного эксперимента (ДФЭ). ДФЭ позволяет получить линейное приближение искомой функциональной зависимости y = f(x1, x2, …,xi, …., xk).
Допустим, что необходимо получить приближенную ММ показателя качества изделия от трех технологических факторов. Для решения задачи можно ограничиться только четырьмя опытами, если в плане ПФЭ 22 произведение приравнять третьему фактору (табл. 16).
Таблица 16
Матрица планирования ДФЭ 23-1 при
№ опыта |
№ опыта ПФЭ 23 |
|
|
|
|
1 |
5 |
-1 |
-1 |
+1 |
|
2 |
2 |
+1 |
-1 |
-1 |
|
3 |
3 |
-1 |
+1 |
-1 |
|
4 |
8 |
+1 |
+1 |
+1 |
|
В записи плана дфэ 2k-p p означает количество взаимодействий факторов приравненным независимым переменным. Дфэ 23-1 – половина пфэ 23, т.Е. Полуреплика от пфэ 23.
Приведенное планирование в табл.16 позволяет оценить коэффициент b0 и коэффициенты при факторах x1, x2, и x3,: b1, b2, b3. Применение ДФЭ всегда связано со смешанной оценкой коэффициентов ММ. В нашем примере, если коэффициенты при парных взаимодействиях факторов не строго равны 0, то каждый из коэффициентов bi будет оценкой двух теоретических коэффициентов:
,
так как столбцы матрицы планирования для линейных членов и парных взаимодействий совпадают (полностью скоррелированы).
Если после проведения эксперимента с числом опытов равным четырем (табл. 16) у исследователя возникнут сомнения в том, что (в нашем случае ), то он может провести еще четыре опыта, приравняв теперь к - (табл. 17).
Таблица 17
Матрица планирования ДФЭ 23-1 при
№ опыта |
№ опыта ПФЭ 23 |
|
|
|
|
1 |
1 |
-1 |
-1 |
-1 |
|
2 |
6 |
+1 |
-1 |
+1 |
|
3 |
7 |
-1 |
+1 |
+1 |
|
4 |
4 |
+1 |
+1 |
-1 |
|
Из табл.17:
.
Если взять среднее из сумм и разностей для первой и второй системы совместных оценок, то получим раздельные оценки коэффициентов:
; ; ; ;
; ; ; .
Объединение представленных полуреплик (табл. 16 и табл. 17) дает ПФЭ 23 и потому раздельные оценки b0, bi, bij получаются лишь с помощью ПФЭ. Таким образом, сокращение числа опытов приводит к получению смешанных оценок коэффициентов ММ.
ДФЭ 2k-p при заданных k и p может иметь различную систему смешивания и исследователь стремится к тому, чтобы максимальное число линейных эффектов оказалось не смешанным с парными взаимодействиями. Поэтому актуальным является вопрос о разрешающей способности дробной реплики, т.е. возможности раздельной оценки коэффициентов ММ.
Для характеристики разрешающей способности ДФЭ вводятся понятия “генерирующего соотношения (ГС)” и “определяющего контраста (ОК)”. ГС показывает, с каким из эффектов смешан данный эффект. ОК получается умножением ГС на зависимый фактор (т.е. тот, который вводят в план эксперимента вместо взаимодействия). ОК – символическое обозначение произведения столбцов, равного 1.
Было показано, что ДФЭ 23-1 может быть представлен двумя различными полурепликами, каждая из которых характеризуется одним из следующих ГС:
; .
ОК получается умножением левой и правой частей ГС на . При этом получаются элементы первого столбца матрицы планирования, всегда равные 1:
; .
Значение ОК позволяет определить всю систему совместных оценок, не изучая матрицу планирования. Для этого надо последовательно умножить независимые переменные на ОК:
, или ,
, ,
, .
Чтобы получить высокую разрешаемую способность стремятся так выбрать план ДФЭ, при котором линейные эффекты были бы смешаны с взаимодействиями самого высокого порядка (они чаще бывают равными 0) или с теми взаимодействиями, о которых априори известно, что они не оказывают влияния на показатель качества изделия. Оценить разрешающую способность помогает ГС: чем больше символов входит в него, тем выше разрешающая способность. Например, в ДФЭ 24-1 в качестве ГС могут быть взяты
или .
Определим ОК и с их помощью найдем системы совместных оценок:
и ,
, ,
, ,
, ,
, ,
, ,
, ,
. .
Отсюда для b1 имеем:
; .
Дальнейший анализ показывает, что если для экспериментатора важны оценки линейных эффектов, то в качестве ГС следует взять .
Дробные реплики с максимальным числом символов ГС называют главными. При исследовании многофакторных ТП применяют реплики и большей степени дробности:
1/4; 1/8; 1/16 и т.д.
Пример: ПФЭ 210, N = 1024;
ДФЭ 210-6 (1/64 реплика), N = 16.
Статистическая обработка результатов эксперимента и получение ММ для ДФЭ ничем не отличается от ПФЭ. Свойства ПФЭ 2k сохраняются и для ДФЭ.
Для правильного планирования ДФЭ необходимо использовать все сведения об исследуемом ТП, как теоретического, так и экспериментального характера, а в некоторых случаях и интуитивного характера. На основании этих сведений необходимо выделить те факторы и их произведения, влияние которых на показатель качества изделия минимально. Кроме того для электронных средств и их ТП производства всегда имеются некоторые невозможные сочетания или взаимодействия факторов (например, для ЭС – низкая температура и высокая влажность).