3132

Планирование многофакторных экспериментов

Контрольная

Информатика, кибернетика и программирование

Введение Исследование является экспериментом, если входные переменные изменяются исследователем в точно учитываемых условиях, позволяя управлять ходом опытов и воссоздавать их результаты каждый раз при повторении с точностью до случайных ошибок. П...

Русский

2012-10-25

207 KB

150 чел.

1 Введение

Исследование является экспериментом, если входные переменные изменяются исследователем в точно учитываемых условиях, позволяя управлять ходом опытов и воссоздавать их результаты каждый раз при повторении с точностью до случайных ошибок.

Планирование и анализ эксперимента представляет собой важную ветвь статистических методов, разработанную для решения разнообразных задач, возникающих перед исследователями. В одном случае необходимо обнаружить и проверить причинную связь между входными переменными (факторами) и выходными переменными (откликами), в другом – отыскать оптимальные условия ведения процесса или сравнить изучаемые объекты и т.д.

Под планированием эксперимента понимается процедура выбора числа опытов и условий их проведения, необходимых для решения поставленной задачи с требуемой точностью. Все переменные, определяющие изучаемый объект, изменяются одновременно по специальным правилам. Результаты эксперимента представляются в виде математической модели, обладающей определенными статистическими свойствами, например минимальной дисперсией оценок параметров модели.

Для экспериментаторов, которые не занимаются планированием многофакторного эксперимента, наиболее привычным методом исследования является однофакторный эксперимент. Он заключается в том, что варьируется один фактор на нескольких уровнях, а все другие факторы поддерживаются постоянными. В этом случае можно получить количественную оценку эффекта только одного фактора.

Влияние других факторов оценить нельзя. Выводы о влиянии изучаемого фактора могут существенно различаться в зависимости от уровня фиксирования прочих факторов. Это часто приводит к ошибочным рекомендациям. Лишь в тех случаях, когда отклик является функцией одного фактора, однофакторный эксперимент вполне закономерен.

Однако на практике приходится иметь дело с многофакторными объектами, где однофакторный эксперимент неэффективен.

В многофакторных планах одновременно варьируется несколько факторов, а не каждый в отдельности.

План должен быть составлен так, чтобы при статистической обработке имелась возможность хорошо проанализировать эксперимент: проверить: существуют ли эффекты изучаемых факторов, определить величину этих эффектов (не увидеть несуществующие и не "проглядеть" действительные эффекты), найти наименьший значимый эффект и т.д. Оценки эффектов факторов можно считать достоверными только тогда, когда ни неоднородность экспериментальных единиц, ни другие неучтенные факторы не в состоянии привести к полученному результату.

В планировании эксперимента сам эксперимент рассматривается как объект исследования и оптимизации. Здесь осуществляется оптимальное управление ведением эксперимента, в зависимости от характера изучаемого объекта и целей исследования обоснованно выбираются тип планирование эксперимента, метод обработки данных. К различным типам эксперимента относятся: экстремальный, отсеивающий, сравнительный, описательный и другие виды.

Планирование многофакторных экспериментов – новый подход к организации и проведению экстремальных исследований сложных систем. Цель планирования эксперимента – извлечение максимума информации при заданных затратах на эксперимент либо минимизация затрат при получении информации, достаточной для решения задач. Планирование эксперимента позволяет соразмерить число опытов поставленной задаче.

2. Расчет полного факторного эксперимента типа 22

В ходе проведения полного факторного эксперимента типа 22, проводимого с целью поиска минимального уровня колебаний мгновенной скорости (, об/мин) шагового фильма (ШД) типа ДШИ-200, при изменении обобщенных параметров привода ШД:

Х1≡kt-безразмерная электромагнитная постоянная времени;

Х2≡µн-относительный момент нагрузки,

получена матрица планирования вида:

1

2

1

5

+1

+1

+1

1.82

1.98

1.900

1.765

2

6

+1

-1

+1

0.97

0.92

0.945

1.080

3

7

+1

+1

-1

1.08

1.02

1.050

1.185

4

8

+1

-1

-1

0.69

0.58

0.635

0.500

С учетом значений нулевого уровня фактора и их интервалов варьирования:

 

 

2.1 Расчет среднего значения




2.2 Расчет коэффициентов регрессии

2.3 Расчет значения модели

  

2.4 Расчет дисперсии


Максимальная дисперсия оказалась в опыте №1

2.5 Расчет дисперсии параметра оптимизации равна


2.6 Дисперсия адекватности и критерий Фишера


Табличное значение критерия Фишера для
f1=1, f2=1 F=164.45. Наше значение не превышает табличного, следовательно модель адекватна.

2.7 Проверка значимости коэффициентов

Для этого найдем дисперсию коэффициента регрессии :


тогда доверительный интервал равен:

где t = 12.7060 – табличное значение критерия Стьюдента при количестве степеней свободы f=1 и p=0.95. Абсолютная величина наших коэффициентов  больше доверительного интервала, поэтому они все значимы.

2.8 Расчет шагов крутого восхождения

С учетом значений нулевого уровня факторов и их интервалов варьирования:

  

 

вектор

Шаги восхождения:

1)      

         

2)      

         

3)      

         

4)       

         

5)      

         

6)      

         

7)      

         

8)      

         

 

Рис. 1.

В результате расчета и построение графика,  показано, что система не вышла за пределы данной области за десять шагов.

Заключение

В результате проведённых опытов, мы получили адекватную линейную модель, которая  имеет вид полинома первой степени. Коэффициенты, которого являются производными целевой функции по соответствующим переменным.


Приложение А

Генератор псевдослучайной последовательности проведения эксперимента:

function t =gen(val,rs)

for j = 1:val

   b(1,j)=cos(j+rs);

end;

for i= 1: val;

   z=0;

   test=b(1,i);

   for j= 1: val

        if (test >=b(1,j))

        z=z+1;

        end;

        ind(1,i)=z;

   end;

end;    

t=ind;


Приложение Б

Расчет параметров модели:

>> a = 8;

b=gen(a,4)

load isx.txt

isx

%Среднее значение y

for i = 1 : 4

   sum=0;

   for j = 6 : 7

       sum = sum + isx (i,j);

       end;

   isx(i,8) = sum / 2;

   end;

isx

%Коэффициенты регресии

b0 = 0;

for i = 1 : 4

   b0 = b0 + isx(i,3)*isx(i,8);

   end;

b0 = b0 / 4

b1 = 0;

for i = 1 : 4

   b1 = b1 + isx(i,4)*isx(i,8);

   end;

b1 = b1 / 4

b2 = 0;

for i = 1 : 4

   b2 = b2 + isx(i,5)*isx(i,8);

   end;

b2 = b2 / 4

%Модель

for i = 1 : 4

   isx (i,9) = b0*isx(i,3) + b1*isx(i,4) + b2*isx(i,5);

   end;

isx

%Дисперсия

for i = 1 : 4

    des(i,1)=((isx(i,6)-isx(i,8))*(isx(i,6)-isx(i,8))+(isx(i,7)-isx(i,8))*(isx(i,7)-isx(i,8)))/2 ;

    end;

 des

%Дисперсия параметра оптимизации

 s = 0;

 for i = 1 : 4

    s = s + des(i,1);

    end;

sy = s    

s = s / 4

%Критерий Фишера

sa = 0;

for i = 1 : 4

    sa = sa + (isx(i,8)-isx(i,9))*(isx(i,8)-isx(i,9));

    end;

 sa 

 F = sa / s 

%Проверка значимости коэффициентов

 sb = sy / 4;

 dB = 12.7060 * sb

%Шаги крутого восхождения

 for i = 1 : 10

    x1(1,i) = 0.150 - b1 * 0.1 * i;

    x2(1,i) = 0.35 - b2 * 0.1 * i;

end;

x1

x2

plot(x1,x2)

b =

    5     8     6     3     1     2     4     7

isx =

 Columns 1 through 9

   1.0000    5.0000    1.0000    1.0000    1.0000    1.8200    1.9800   1.9000    1.7650

   2.0000    6.0000    1.0000   -1.0000    1.0000    0.9700    0.9200   0.9450    1.0800

   3.0000    7.0000    1.0000    1.0000   -1.0000    1.0800    1.0200   1.0500    1.1850

   4.0000    8.0000    1.0000   -1.0000   -1.0000    0.6900    0.5800   0.6350    0.5000

isx =

 Columns 1 through 9

   1.0000    5.0000    1.0000    1.0000    1.0000    1.8200    1.9800   1.9000    1.7650

   2.0000    6.0000    1.0000   -1.0000    1.0000    0.9700    0.9200   0.9450    1.0800

   3.0000    7.0000    1.0000    1.0000   -1.0000    1.0800    1.0200   1.0500    1.1850

   4.0000    8.0000    1.0000   -1.0000   -1.0000    0.6900    0.5800   0.6350    0.5000

  

b0 = 1.1325

b1 = 0.3425

b2 = 0.2900

isx =

 Columns 1 through 9

   1.0000    5.0000    1.0000    1.0000    1.0000    1.8200    1.9800   1.9000    1.7650

   2.0000    6.0000    1.0000   -1.0000    1.0000    0.9700    0.9200   0.9450    1.0800

   3.0000    7.0000    1.0000    1.0000   -1.0000    1.0800    1.0200   1.0500    1.1850

   4.0000    8.0000    1.0000   -1.0000   -1.0000    0.6900    0.5800   0.6350    0.5000

des =

   0.0064

   0.0006

   0.0009

   0.0030

sy =    0.0109

s =   0.0027

sa =   0.0729

F =  26.6301

dB =  0.0348

x1 =

 Columns 1 through 7

   0.1157    0.0815    0.0473    0.0130   -0.0212   -0.0555   -0.0897

 Columns 8 through 10

  -0.1240   -0.1582   -0.1925

x2 =

 Columns 1 through 7

   0.3210    0.2920    0.2630    0.2340    0.2050    0.1760    0.1470

 Columns 8 through 10

   0.1180    0.0890    0.0600


 

А также другие работы, которые могут Вас заинтересовать

21712. ИСПЫТАНИЯ НА НАДЕЖНОСТЬ ЭМС. КОНТРОЛЬНЫЕ ИСПЫТАНИЯ 2.49 MB
  Показатели надежности экспериментальными методами могут быть получены по результатам либо испытаний специальных или совмещенных либо наблюдением за функционированием объекта в условиях эксплуатации. Методы испытаний организуются специально с целью определения показателей надежности объем их обычно заранее планируется условия функционирования объектов устанавливаются исходя из требований оценки конкретных показателей. Показатели надежности таких объектов оцениваются в основном либо по результатам совмещенных испытаний при которых...
21713. СТАТИСТИЧЕСКИЕ МЕТОДЫ ОЦЕНКИ, АНАЛИЗА И КОНТРОЛЯ НАДЕЖНОСТИ 358.5 KB
  Сбор информации об отказе элементов технических систем В общем комплексе мероприятий по обеспечению надёжности любого изделия сбор статистической информации об отказах и оценка показателей надёжности в условиях эксплуатации являются последним заключительным этапом. При этом появляется возможность оценить реальные значения показателей надежности и следовательно оценить эффективность мероприятий по обеспечению надёжности на всех этапах проектирование производство испытания монтаж эксплуатация. Поэтому особое значение приобретает вопрос...
21714. ИСПЫТАНИЯ НА НАДЕЖНОСТЬ ЭМС. ОПРЕДЕЛИТЕЛЬНЫЕ ИСПЫТАНИЯ 3.06 MB
  При определительных испытаниях могут оцениваться законы распределения отказов и их параметры. При определительных испытаниях могут оцениваться законы распределения отказов и их параметры. Однако существует универсальный план испытаний позволяющий по единой методике проводить статистическую оценку величины Р для изделий с любым законом распределения. Полученные данные по отказам изделий в результате испытаний или по данным эксплуатации подвергаются статистической обработке для получения следующих результатов: определения вида функции...
21715. Планирование эксперимента при ускоренных испытаниях электрических машин 102 KB
  ТЕМА № 2 Регрессионный анализ установившихся режимов электрической системы Для этой цели целесообразно использование регрессионного моделирования сложной системы. При этом с использованием имеющихся программ расчета установившегося режима на ЭВМ проводятся целенаправленные исследования в результате которых получаются регрессионные модели для анализа или управления. Такие модели могут быть получены при регрессионном анализе или методом планирования многофакторного эксперимента МПЭ. При этом для построения линейных моделей используется полный...
21716. Законы распределения отказов 2.99 MB
  Законы распределения отказов Случайной называется величина которая в результате испытаний может принять то или иное значение причем заранее неизвестно какое именно. Если задан ряд распределений вероятностей для значений случайной величины X то математическое ожидание определяется по формуле Показателями характеризующими степень рассеяния случайной величины около своего математического ожидания являются дисперсия и среднее квадратическое отклонение: Для более полного описания случайных величин вводятся понятия функции распределения...
21717. Экономико-организационные проблемы разгрузки предприятий при дефиците мощности и прохождении максимумов нагрузки в энергосистеме 113.5 KB
  Экономикоорганизационные проблемы разгрузки предприятий при дефиците мощности и прохождении максимумов нагрузки в энергосистеме До настоящего времени работы по созданию экономически обоснованных рекомендаций по управлению электропотреблением промышленных предприятий практически не имели ни методической базы ни руководящих указаний позволяющих обеспечивать минимум экономических потерь от изменения режимов функционирования. Выполнение отмеченных условий связано с трудностями изза неопределенности а в отдельных случаях элементарного незнания...
21718. Задачи надёжности электроснабжения 203.5 KB
  Чтобы качественно сравнивать между собой события по степени их возможности нужно с каждым событием связать определенное число которое тем больше чем более возможно событие его вероятность. Найти вероятность исправной работы РП. Если вероятность одного события не изменяется от того произошло или не произошло другое событие то такие события называются независимыми и наоборот. Вероятность суммы n несовместных событий равна сумме вероятностей этих событий: где .
21719. Показатели надежности ЭМС 141 KB
  Вероятность безотказной работы ВБР это вероятность того что при определенных условиях эксплуатации в заданном интервале времени не произойдет ни одного отказа. Кривые вероятности безотказной работы и вероятности отказов Вероятность отказа Qt это вероятность того что при определенных условиях эксплуатации в заданном интервале времени произойдет хотя бы один отказ. Отказ и безотказная работа события противоположенные и несовместимые 2 Частота отказов at есть отношение отказавших изделий в единицу времени к первоначальному числу...
21720. Расчёт надежности при последовательном (основном) соединении элементов 225.5 KB
  С точки зрения надежности различают последовательные параллельные и системы со сложной структурой. Расчёт надежности при последовательном основном соединении элементов при таком соединении отказ технического изделия наступает при отказе одного из его узлов. Для повышения надежности систем и элементов применяют резервирование: Резервирование это применение дополнительных средств иили возможностей с целью сохранения работоспособного состояния объекта при отказе одного или нескольких его элементов. Резервирование основано на...