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

11580. Создание физической модели данных с помощью Allfusion ERwin Data Modeler 122.49 KB
  Лабораторная работа 6 по дисциплине: Проектирование и архитектура программного проектирования На тему: Создание физической модели данных с помощью Allfusion ERwin Data Modeler Цель работы: Создание физической модели. Ход работы: Различают два уровня физической модели: ...
11581. Проект участка на базе станков с ЧПУ по изготовлению деталей колёсного тягача 2.08 MB
  Тема: Проект участка на базе станков с ЧПУ по изготовлению деталей колёсного тягача. Содержание. Аннотация. Введение. Характеристика объектов производства. Технологический раздел. Определение типа производства. Анализ технологичности дета
11582. Информационная безопасность в телекоммуникационных системах 420 KB
  Лабораторный практикум по дисциплине Информационная безопасность в телекоммуникационных системах / Уфимск. гос. авиац. техн. унт; Сост.:Ж.А. Сухинец А.И. Гулин. Уфа2011. 20 с. Приводится описание двух лабораторных работ для исследования студентами основных методов к...
11583. Устройства на операционных усилителях 472 KB
  Лабораторная работа № 5 Устройства на операционных усилителях Цель работы Изучить назначение принцип действия свойства и возможные схемотехнические решения устройств на операционных усилителях. 2. Задание 1. Ознако...
11584. Знакомство с Маткадом 83.95 KB
  Лабораторная работа № 1. Тема: Знакомство с Маткадом. Цель: Ознакомить студентов с интерфейсом пакета Маткад особенностями работы в пакете научить производить простейшие вычисления. Ход работы. Задача 1. Войдите в Маткад. 1.Поиграйте красным крестиком на экране...
11585. ЛАБОРАТОРНАЯ РАБОТА №1. ЗНАКОМСТВО С МАТКАДОМ 231.29 KB
  ЛАБОРАТОРНАЯ РАБОТА №1. ЗНАКОМСТВО С МАТКАДОМ Найдите на рабочем столе ярлык Маткад щелкните мышью и войдите в пакет. Обратите внимание на то что вся работа в Маткаде должна проводиться на латинском английском алфавите. Рис.1 Окна после запуска После за
11586. ВЕКТОРЫ И МАТРИЦЫ 39.75 KB
  Лабораторная работа Векторы и матрицы Общие сведения Задачи линейной алгебры решаемые в MathCAD можно условно разделить на два класса. Первый это простейшие матричные операции которые сводятся к определенным арифметическим действиям над элементами матрицы. Они реал...
11587. Форматирование текста в HTML-документах 66 KB
  ЛАБОРАТОРНАЯ РАБОТА № 21 Тема: Форматирование текста в HTMLдокументах Цель: ознакомить студентов с HTML основными понятиями структурой документа. Задание Подготовьте бланк для HTMLкода Вашего резюме. Для этого следует: выполнить команду Пуск Програм
11588. Исследование транзисторного генератора с внешним возбуждением 396.42 KB
  Исследование транзисторного генератора с внешним возбуждением Цель работы: Ознакомление с принципом работы и расчетом электронного режима транзисторного генератора с внешним возбуждением; изучение формы импульсов коллекторного тока при различных значениях нап...