3. Задача классический эксперимент
1.ЦЕЛЬ РАБОТЫ
Освоить методику планирования, обработки результатов классического однофакторного эксперимента и построения на его основе обобщённых моделей.
2.ОБЩИЕ ПОЛОЖЕНИЯ
Классическим называют наиболее старый метод планирования и реализации экспериментов. Он предусматривает фиксирование на определённых уровнях всех переменных факторов, кроме одного, который принимает некоторые дискретные значения (уровни) в исследуемой части области своего существования. В результате находим зависимость исследуемой величины (параметра выхода) только от одного фактора. Математическая модель этой зависимости может быть получена в результате ряда геометрических построений или, чаще всего и с гораздо меньшей погрешностью, методом наименьших квадратов.
Поскольку этот метод не определяет структуру получаемой однофакторной модели и требует наличия перенасыщенной системы уравнений (число уравнений превышает число неизвестных) для вычисления параметров, на количество уровней переменного фактора налагаются определённые ограничения.
Если выход изменяется по закону, близкому к линейному, то для нахождения параметров линейной модели достаточно трёх точек на линии отклика. То есть достаточно варьировать переменный фактор на трёх дискретных уровнях. Однако вид линии отклика экспериментатору зачастую неизвестен. В этом случае естественное стремление сократить объём экспериментов вступает в противоречие с последующей возможностью функциональной или графической интерпретации их результатов. Последние могут подчиняться более сложному закону, (например, квадратичному) с большим числом параметров. Это обстоятельство заставляет планировать однофакторный эксперимент как минимум на четырёх уровнях переменного фактора. А при имеющейся опасности срыва одного из опытов необходимо предусмотреть пятую резервную точку.
Следует отметить, что если нелинейную экспериментальную зависимость линеаризовать логарифмированием (отложив на графике в логарифмическом масштабе), то можно для аппроксимации экспериментальных результатов использовать степенную или показательную функции.
3.ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ
3.1 Ознакомиться с содержанием методического пособия и выбрать индивидуальное задание (Табл.3).
Пример: Таблица 1.Исходные данные
Параметры |
Величина |
|||||||
Переменные факторы |
х1 |
50 |
100 |
150 |
200 |
|||
х2 |
35 |
50 |
70 |
100 |
35 |
|||
Выход |
у |
38 |
52 |
61 |
83 |
57 |
84 |
132 |
3.2 Выбрать структуру моделей
Критерием выбора той или иной модели является погрешность аппроксимации.
Пример: Для аппроксимации экспериментальных зависимостей
выбираем показательную Т = а1∙(в1)σ и степенную Т = а2∙(V)в2 функции.
3.3 Линеаризовать выбранные функции логарифмированием
Пример: После логарифмирования получим lgТ = lga1 + σlgв1 и
lgТ = lga2 + в2lgV , что эквивалентно линейной зависимости
Y = A + BX
3.4 Получить исходные данные для расчёта параметров моделей метода наименьших квадратов (МНК)
Пример: Таблица 2. Данные для МНК T = f(σ)
№ п/п |
σ |
lgT |
σ2 |
σ(lgT) |
1 |
σmin |
|
|
|
… |
… |
… |
… |
… |
N |
∑σ |
∑lgT |
∑σ2 |
∑σ(lgT) |
Таблицу 2. повторить для второй частной модели.
: Таблица 3. Данные для МНК T = f(V)
№ п/п |
lgV |
lgT |
(lgV)2 |
(lgV)(lgT) |
1 |
σmin |
|
|
|
… |
… |
… |
… |
… |
N |
∑ lgV |
∑lgT |
∑(lgV)2 |
∑(lgV)(lgT) |
3.5 Получить систему уравнений
П ример:
Для модели T = а1∙(в1)σ имеем (1) Nlga1 + lgв1∑σ = ∑(lgT)
lga1∑σ + lgв1∑σ2 = ∑σ(lgT)
Для модели T = а2∙(V)в2 получим аналогично .
(2) Nlga2 + в2∑lgV = ∑(lgT)
lga2∑lgV + в2∑(lgV)2 = ∑(lgT)(lgV)
3.6 Решить систему уравнений и найти величины коэффициентов регрессии
Пример:
Для первой модели получим (3)
lg a1 = ; lg в1 = .
Потенцируя найдём параметры модели «а1» и «в1». Параметры второй модели найдём аналогично.
lg a2 = ; (4)
в2 = .
3.7 Определить среднюю дисперсию всех опытов – дисперсию воспроизводимости
Мерой оценки рассеяния параметра выхода является дисперсия воспроизводимости – средняя дисперсия всех опытов.
, (5)
где u – количество параллельных опытов (1…n=3);
i – количество уровней переменного фактора (точек на кривой отклика) (1…N=4);
– среднее значение выхода из серии параллельных опытов. Вариации параллельных опытов составляют ± (10 – 15)% и рассчитываются самостоятельно.
3.8 Определить дисперсию коэффициентов регрессии
В однофакторных экспериментах дисперсия коэффициентов модели, полученных методом наименьших квадратов, равна
. (6)
3.9 Оценить значимость коэффициентов модели.
Коэффициенты моделей статистически значимы при соблюдении условия
, (7)
где tp и tT -расчётный и табличный коэффициенты распределения Стьюдента (Табл. П1 приложения) с достоверностью 95% и степенями свободы f = N(n – 1).
3.10 Объединить частные модели в одну общую многофакторную модель.
Пример:
Дано: частные модели вида: Т = а1∙(в1)σ и Т = а2∙(V)в2 .
Приведём любую из моделей к безразмерному виду, разделив её на наименьшее значение выхода.
Пример: Получим m = и, умножив вторую модель на эту величину, будем иметь Y = m∙а2∙Vв2 = С∙