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

149 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

991. Электропитающие системы и электрические сети 236 KB
  Баланс активной мощности и выбор генераторов ТЭЦ. Обоснование схемы и напряжения электрической сети. Регулирование напряжения. Расчет установившегося режима электрической сети. Приведение нагрузок узлов и мощности ТЭЦ к стороне ВН.
992. Методы управления рисками в системе ипотечного кредитования 422 KB
  Основные принципы и структурные элементы системы ипотечного кредитования. Европейская (одноуровневая) модель ипотечного кредитования. Современная американская (двухуровневая) модель ипотечного кредитования. Законодательное обеспечение системы ипотечного кредитования в Российской Федерации. Классификация методов управления рисками в системе ипотечного кредитования. Обеспечение кредитного обязательства рыночной стоимостью предмета ипотеки.
993. Методы поиска минимума функции на отрезке. Программная реализация 579.5 KB
  Нахождение минимума функции на заданном отрезке - одна из простейших задач в разделе численных методов анализа. Существует множество различных способов определения минимума функции с разным количеством итераций и уровнем определения точности. Так же возможно комбинировать некоторые способы для достижения большей эффективности алгоритма.
994. Математические методы и исследование операций в экономике 662.91 KB
  Диагностика функционирования рыночных механизмов на предприятии. Жизненный цикл конкурентного преимущества фирмы. Внешние сигналы о возможных изменениях состояния. Сканирование внешней и внутренней среды фирмы — условие обнаружения слабых сигналов о надвигающемся кризисе.
995. Разработка технологического процесса обработки щита подшипникового 275.5 KB
  Описание конструкции и служебного назначения детали. Выбор вида и обоснование метода получения заготовки. Определение размеров, массы и стоимости детали. Проектирование технологического маршрута обработки и технологического процесса. Выбор оборудования, приспособлений, мерительного инструмента.
996. Метеонавигационный радиолокатор Контур-10СВ 556 KB
  Метеонавигационный радиолокатор Контур-10СВ предназначен для использования на борту самолетов различного класса в составе комплекса бортового радиоэлектронного оборудования (БРЭО). Частота излучения МНРЛ от 9,3 до 9,5 ГГц.
997. Система социальной защиты детства в Республике Башкортостан 427 KB
  Понятие, значение и методы государственного управления социальной защитой детства. Анализ состояния социальной защиты детства в Республике Башкортостан. Правовые аспекты государственного управления социальной защитой детства в Республике Башкортостан. Возможность применения опыта США по социальной защите детства в Российской Федерации. Применение информационных технологий в системе государственного управления социальной защитой детства в Республике Башкортостан.
998. Создание локальной вычислительной сети небольшого городка 454.5 KB
  Разделение данных предоставляет возможность доступа и управления базами данных с периферийных рабочих мест. Многопользовательские свойства системы содействуют одновременному использованию централизованных прикладных программных средств. Технологии беспроводных сетей (радиотехнологии). Выбор кабельной системы.
999. Инфляция и антиинфляционная политика 433 KB
  Определение и значение инфляции, ее виды и методы расчета. Основные направления антиинфляционной политики РБ. Кейнсианская теория инфляции. Сущность антиинфляционной политики и ее инструменты. Основные направления антиинфляционной политики Республики Беларусь.