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

147 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

3813. МЕТОДЫ ОПРЕДЕЛЕНИЯ ЦЕНЫ С ОРИЕНТАЦИЕЙ НА СПРОС 104.5 KB
  Введение Установление определенной цены на товар или услугу служит для последующей их продажи и получения прибыли. Очень важно назначить цену таким образом, чтобы она не оказалась слишком высокой или слишком низкой. В малом бизнесе установление нужн...
3814. Ценообразование на разных типах рынков 228.5 KB
  Введение Производство товаров зависит от издержек, которые в свою очередь определяются ценами на факторы производства. Эти факторы имеют свой рынок, на котором они продаются и покупаются, а цена на них устанавливается в соответствии с законами спрос...
3815. Печать русской православной Церкви: традиции и перспективы 84.5 KB
  Печать русской православной Церкви: традиции и перспективы Конец 80-х – начало 90-х годов нашего столетия стало началом возрождения системы печати Русской православной церкви. Причем ее становление происходит с использованием богатого опыта изд...
3816. Цикличность развития рыночной экономики 125 KB
  Введение Цикличность экономического развития и ее причины Экономический рост — это не плавный, равномерно совершающийся подъём. В движении общественного производства есть годы, когда рост общего объема производства происходит очень быстро...
3817. Национальная модель социальной защиты Республики Беларусь 118 KB
  Введение Социальная защита населения является первоочередной задачей для большинства стран мира. В мировой практике насчитывается большое количество моделей социальной защиты, которые отличаются друг от друга источниками финансирования, способами по...
3818. Построение робототехнических и автоматизированных линий и комплексов на мебельном предприятии 1.05 MB
  Введение Успешное мебельное производство предполагает предварительный глубокий анализ всех его составных частей, современных тенденций и процессов. Не менее важно знать, в чем конкретно состоит влияние того или иного составляющего на весь комплекс в...
3819. Классификация тесных двойных систем. Алгоритм ZET 88 KB
  Введение Изучение фотометрических и абсолютных элементов тесных двойных систем, находящихся на разных стадиях эволюции, представляет большой интерес с точки зрения статистического исследования этих систем, изучения строения Галактики, а также теории...
3820. Теоретические основы экономического анализа инвестиционных проектов 392.5 KB
  Теоретические основы экономического анализа инвестиционных проектов. Прежде чем рассматривать вопросы анализа инвестиционных проектов необходимо дать краткое понятие инвестиций. Инвестиции- вложение капитала с целью его последующего увеличени...
3821. История и развитие радиотехники 45.5 KB
  История и развитие радиотехники Предметом электронной техники является теория и практика применения электронных, ионных и полупроводниковых приборов в устройствах, системах и установках для различных областей народного хозяйства. Гибкость электронно...