Федеральное агентство по образованию
Государственное образовательное учреждение
высшего профессионального образования
“Ивановская государственная текстильная академия”
(ИГТА)
Кафедра МТТМ
КУРСОВАЯ РАБОТА
на тему “Расчёт полиномиальных регрессионных однофакторных и многофакторных математических моделей второго порядка по данным экспериментов с факторным планированием ”
по дисциплине “Организация и планирование эксперимента”
Автор Садовская Е.Л.
Специальность 200503 “Стандартизация и сертификация”
Номер зачётной книжки 062033 группа 4и4
Руководитель Зимин С.П.
Работа защищена Оценка
Иваново 2009
ЗАДАНИЕ НА КУРСОВУЮ РАБОТУ
Студент Садовская Екатерина Леонидовна
Номер зачётной книжки 062033 группа 4и4
Специальность стандартизация и сертификация
Тема
Срок предоставления к защите «» 2009г.
Содержание курсовой работы:
Содержание задания
По результатам экспериментальных исследований, приведённых в задачах, требуется:
определить входные и выходные параметры и стратегию поиска максимальной и минимальной функции;
определить подходящий вид регрессионной однофакторной модели.
Рассчитать коэффициент регрессии;
определить адекватность полученного уравнения, значимость коэффициентов регрессии и их доверительные интервалы;
произвести аппроксимацию результатов эксперимента на ЭВМ и получить регрессионную однофакторную модель искомой зависимости;
аналитическим методом рассчитать оптимальное значение функции;
произвести оптимизацию функции на ЭВМ методами дихотомии, «золотого сечения» и Фибоначчи;
сравнить полученные значения оптимума функции, рассчитанные различными методами, оценить точность этих методов.
2.1 Содержание задания
По результатам активного факторного эксперимента, приведённым в задаче 2, требуется:
Провести проверку гипотезы об однородности дисперсий в опытах матрицы с помощью критерия Кочрена;
Определить коэффициенты регрессии в регрессионной многофакторной модели (РМФМ) и их значимость;
Провести проверку адекватности полученной математической модели.
Список использованной литературы
Руководитель Зимин С.П.
Задание принял к исполнению Садовская Е.Л.
Содержание курсовой работы:
Расчёт регрессионной квадратической параболической однофакторной математической модели второго порядка
Содержание задания
Расчётный метод
Компьютерная обработка данных
Расчёт полиномиальной регрессионной многофакторной математической модели второго порядка по данным эксперимента с факторным планированием
Содержание задания
Расчёт математической модели с помощью полного факторного эксперимента (ПФЭ)
Расчёт математической модели по результатам рототабельного центрального композиционного эксперимента (РЦКЭ)
Компьютерная обработка данных
Список использованных источников
Расчёт регрессионной квадратической параболической однофакторной математической модели второго порядка.
1.1Содержание задания
По результатам экспериментальных исследований, приведённых в задачах, требуется:
определить входные и выходные параметры и стратегию поиска максимальной и минимальной функции;
определить подходящий вид регрессионной однофакторной модели.
Рассчитать коэффициент регрессии;
определить адекватность полученного уравнения, значимость коэффициентов регрессии и их доверительные интервалы;
произвести аппроксимацию результатов эксперимента на ЭВМ и получить регрессионную однофакторную модель искомой зависимости;
аналитическим методом рассчитать оптимальное значение функции;
произвести оптимизацию функции на ЭВМ методами дихотомии, «золотого сечения» и Фибоначчи;
сравнить полученные значения оптимума функции, рассчитанные различными методами, оценить точность этих методов.
Задача.
В результате проведённого эксперимента на пневмомеханической прядильной машине установлены зависимости влияния коэффициента крутки ( ) на показатель качества пряжи. Пряжа 25 Текс.
Таблица 1
X Y |
Коэффициент крутки ( ) |
||||||||
53.8 |
57.5 |
61.0 |
64.7 |
66.4 |
69.1 |
71.8 |
74.5 |
78.9 |
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
Разрывная нагрузка пряжи P,сН |
240 |
242 |
246 |
250 |
268 |
278 |
268 |
254 |
240 |
236 |
240 |
244 |
254 |
272 |
280 |
272 |
250 |
236 |
|
234 |
238 |
240 |
258 |
264 |
284 |
264 |
248 |
232 |
|
|
236.67 |
240 |
243.33 |
254 |
268 |
280.67 |
268 |
250.67 |
236 |
|
9.33 |
4 |
9.33 |
16 |
16 |
9.33 |
16 |
9.33 |
16 |
=105.32 |
1.2Расчётный метод
Определение всех дисперсий опыта
(Y) = , где m – число повторностей;
– среднее значение в серии.
(Y) = = 9.33
(Y) =
(Y) =
(Y) =
(Y) =
(Y) =
(Y) =
(Y) =
(Y) =
Построение графика данной зависимости
Проверка гипотезы об однородности дисперсий в опытах матрицы (с помощью критерия Кочрена)
,
где - максимальна дисперсия в каком-либо u- том опыте;
- сумма всех дисперсий опыта.
= 0,1519
Т.к. , то гипотеза об однородности дисперсий подтверждается, т.е. опыты равноточные и воспроизводимы.
Определение средней дисперсии выходного параметра в опытах матрицы.
=
Определение дисперсии среднего значения.
Выбор подходящего вида математической модели.
Определение коэффициентов регрессии математической модели. Для рассматриваемой модели нормальные уравнения имеют следующий вид:
При условии, что дисперсии в опытах матрицы однородны, коэффициенты регрессии , , можно определить по МНК. Все необходимые величины сведены в таблицу 2.
Таблица 2
u |
|
|
|
|
|
|
|
1 |
53.8 |
2894.44 |
155720.872 |
8377782.914 |
236.67 |
12732.846 |
685027.1 |
2 |
57.5 |
3306.25 |
190109.375 |
10931289.06 |
240 |
13800 |
793500 |
3 |
61.0 |
3721 |
226981 |
13845841 |
243.33 |
14843.13 |
905430.9 |
4 |
64.7 |
4186.09 |
270840.023 |
17523349.49 |
254 |
16433.8 |
1063266 |
5 |
66.4 |
4408.96 |
292754.944 |
19438928.28 |
268 |
17795.2 |
1181601 |
6 |
69.1 |
4774.81 |
329939.371 |
22798810.54 |
280.67 |
19394.297 |
1340145 |
7 |
71.8 |
5155.24 |
370146.232 |
26476499.46 |
268 |
19242.4 |
1381604 |
8 |
74.5 |
5550.25 |
413493.625 |
30805275.06 |
250.67 |
18674.915 |
1391281 |
9 |
78.9 |
6225.21 |
491169.69 |
38753239.54 |
236 |
18620.4 |
1469149 |
∑ |
597.7 |
40222.25 |
2741154.511 |
189051015.3 |
2277.34 |
151536.988 |
1021100 |
Подставляя эти значения в уравнения, получим следующую систему:
Регрессионное уравнение имеет вид:
Определение коэффициентов регрессии в уравнении упрощается, если в матрице планирования эксперимента использовать кодированные значения факторов, и опыты располагаются симметрично относительно основного уровня фактора.
Матрица планирования для кодированных значений фактора X представлена в таблице 3.
Таблица 3
u |
|
|
|
|
|
|
|
|
1 |
53.8 |
-4.016 |
1 |
236.67 |
16.13 |
-950.4667 |
3817.4871 |
260.18 |
2 |
57.5 |
-2.832 |
1 |
240 |
8.01 |
-679.68 |
1922.4 |
64.16 |
3 |
61.0 |
-1.712 |
1 |
243.33 |
2.92 |
-416.5809 |
710.5236 |
8.53 |
4 |
54.7 |
-0.528 |
1 |
254 |
0.28 |
-134.112 |
71.12 |
0.078 |
5 |
66.4 |
0 |
1 |
268 |
0 |
0 |
0 |
0 |
6 |
69.1 |
0.88 |
1 |
280.67 |
0.77 |
246.9896 |
216.1159 |
0.59 |
7 |
71.8 |
1.648 |
1 |
268 |
2.72 |
441.664 |
728.96 |
7.4 |
8 |
74.5 |
2.608 |
1 |
250.67 |
6.80 |
653.747 |
1704.556 |
46.26 |
9 |
78.9 |
4.016 |
1 |
236 |
16.13 |
947.776 |
3806.68 |
260.18 |
∑ |
597.7 |
0.064 |
9 |
2277.34 |
53.76 |
109.337 |
12977.843 |
647.389 |
Натуральное значение основного уровня фактора:
Интервал варьирования фактора:
Кодированные значения уровней фактора:
Матрица планирования эксперимента (см. таблицу 3) обладает свойством ортогональности ( ). Поэтому решение системы уравнений исключается, следовательно, расчёт коэффициентов регрессии полинома второго порядка
осуществляется следующим образом:
;
;
,
где
B= N .
Подставляя в эти формулы соответствующие значения сумм (из таблицы 3) получаем:
B= 9×647,378 – = 5826,402 – 2890,1376=2936,26
Уравнение в кодированных значениях фактора имеет следующий вид:
Переход от коэффициентов при кодированных значениях фактора к коэффициентам при натуральных значениях фактора осуществляется следующим образом:
Уравнение в натуральных значениях фактора имеет следующий вид:
Проверка адекватности полученной математической модели (В натуральных значениях).
Данные, необходимые для расчёта значения критерия Фишера, сведены в таблицу 4.
Таблица 4
u |
|
|
|
|
|
1 |
-4.016 |
236.67 |
225.491 |
11.179 |
124.97 |
2 |
-2.832 |
240 |
243.368 |
-3.368 |
11.34 |
3 |
-1.712 |
243.33 |
255.378 |
-12.048 |
145.15 |
4 |
-0.528 |
254 |
262.894 |
-8.894 |
79.10 |
5 |
0 |
268 |
264.565 |
3.435 |
11.80 |
6 |
0.88 |
280.67 |
264.905 |
15.765 |
248.54 |
7 |
1.648 |
268 |
262.412 |
5.588 |
31.23 |
8 |
1.744 |
250.67 |
257.085 |
-6.415 |
41.15 |
9 |
4.016 |
236 |
242.331 |
-6.331 |
40.08 |
∑ |
0.064 |
2277.34 |
2278.429 |
-1.089 |
733.36 |
Находим расчётное значение критерия Фишера:
,
где
– значение выходного параметра для u-го опыта;
- число коэффициентов в уравнении.
< , значит, гипотеза об адекватности найденной математической модели отвергается.
Компьютерная обработка данных
Исходные данные
|
53.8 |
57.5 |
61.0 |
64.7 |
66.4 |
69.1 |
71.8 |
74.5 |
78.9 |
|
236.67 |
240 |
243.33 |
254 |
268 |
280.67 |
268 |
250.67 |
236 |
|
227.58 |
244.76 |
256.14 |
263.01 |
264.39 |
264.29 |
261.36 |
255.61 |
240.19 |
Невязка |
9.09 |
-4.76 |
-12.81 |
-9.01 |
3.61 |
16.38 |
6.64 |
-4.94 |
-4.19 |
Коэффициенты полинома:
B(0)= - 620.6902051
B(1)=26.1840115
B(2)= - 0.1935297
Коэффициент корреляции R= 0.29
Расчётное значение критерия Фишера F= 19.77
Число степеней свободы 1/-4
Число степеней свободы -4/1
Среднее квадратическое отклонение 6.05
Сумма квадратов отклонений 718.1534423828125
Квадратическая математическая модель после компьютерной обработки имеет вид:
Расчёт полиномиальной регрессионной многофакторной математической модели второго порядка по данным эксперимента с факторным планированием.