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

145 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

8454. Anatomy and physiology of CVS 17.05 KB
  Anatomy and physiology of CVS The heart is the main organ of the cardiovascular system and is located in the left side of the mediastinum. There are three layers in the heart: the epicardium, the myocardium and the endocardium. The epicardium covers...
8455. Имитационное моделирование однопроцессорной МИКС, имеющей неограниченную очередь 59.5 KB
  Имитационное моделирование однопроцессорной МИКС, имеющей неограниченную очередь Задание: Построить структуру модели, используя блоки GPSS Составить программу на ASSEMBLERE с заданием параметров, имен элементов системы и обяз...
8456. Понятие экономической безопасности 32 KB
  Понятие экономической безопасности. Экономическая безопасность - это такое состояние нац экономики, которое позволяет обеспечить ее устойчивое функционирование в условиях воздействия внутренних и внешних факторов, достаточное удовлетворен...
8457. Моделирование выхода в Internet по телефонным линиям связи для просмотра электронной почты 103.29 KB
  Моделирование выхода в Internet по телефонным линиям связи для просмотра электронной почты. Цель моделирования - определить необходимый ресурс времени для успешного завершения заданного числа выходов в сеть.
8458. Имитационное моделирование вычислительных процессов и систем 486 KB
  Имитационное моделирование вычислительных процессов и систем Моделирование (дискретных систем). Имитационное моделирование. Концептуальная модель системы. Основы технологии имитационного моделирования. Метод с...
8459. Разработать модель одноканальной вычислительной системы с тремя процессорами и тремя режимами обслуживания заявок 300 KB
  Разработать модель одноканальной вычислительной системы с тремя процессорами и тремя режимами обслуживания заявок Задание: Постоянное время обслуживания со средним значением 3 с. (300 тактов). Экспоненциальное представление времени обс...
8460. Моделирование работы склада комплектующих элементов 142.5 KB
  Моделирование работы склада комплектующих элементов Задание: Исходное количество комплектующих 1000 ед. Ежедневно спрос на КИ равновероятно колеблется от 40 до 63 ед. Целевой уровень запаса после заказа израсходованных комплектующих изделий должен б...
8461. Моделирование эффективности процесса технического обслуживания сложного устройства 314.5 KB
  Моделирование эффективности процесса технического обслуживания сложного устройства Задание: В качестве примера рассмотрим модель малого предприятия, сдающего в аренду ПК и обеспечивающего их техническое сопровождение. В качестве « системы техническо...
8462. Моделирование системы контроля качества производства электронных элементов 81.5 KB
  Моделирование системы контроля качества производства электронных элементов Задание: Каждый электронный элемент производится с помощью 3-х технологий. После каждой технологии предусмотрен 2-х минутный контроль. После первого процесса необходимо перед...