|
Часть 1
Проверка адекватности линейной модели
Задание:
Металлические, прямоугольной формы образцы испытывают на растяжение с целью определения времени до их разрушения. Испытывается два различных вида металла с содержанием в них примесей 18% и 26% соответственно. Площадь поверхности образов различна, 300 мм2 и 800 мм2. Усилие, развиваемое разрывной машиной также различно: 500 кг и 1000 кг. Необходимо установить время до полного разрушения образов (в секундах).
Решение:
1. Определение типа эксперимента.
В постановке эксперимента задействованы 3 фактора: вид металла (% примесей), площадь поверхности образцов и усилие, развиваемое разрывной машиной. Каждый из перечисленных факторов варьируется на двух уровнях. Следовательно, тип эксперимента 23, где 2 – количество уровней факторов, 3 – количество факторов.
2. Определение уровней факторов и их интервалов варьирования.
Определение уровней факторов и их интервалов варьирования происходит следующим образом:
- нулевой уровень устанавливается как среднее арифметическое уровней факторов;
- интервал варьирования выбирается произвольно так, чтобы его значение не было слишком большим и не было слишком маленьким;
- нижний уровень фактора устанавливается как разность между нулевым уровнем фактора и интервалом варьирования;
- верхний уровень фактора образовывается как сумма нулевого уровня фактора и интервала варьирования.
Уровни факторов и их интервалы варьирования представлены в таблице 1.
Таблица 1
Уровни факторов и интервалы варьирования
Интервал варьирования и уровни факторов | Вид металла х1 | Площадь поверхности образцов х2 | Усилие, развиваемое разрывной машиной х3 |
Нулевой уровень | |||
Интервал варьирования | |||
Нижний уровень | |||
Верхний уровень |
3. Кодирование уровней факторов.
Кодовые значения уровней факторов определяются по формуле:
, где (1)
- натуральное значение фактора;
– значение i -го фактора на нулевом уровне;
- интервал варьирования.
Для фактора х1 (вид металла) получим:
;
.
Для фактора х2 (площадь поверхности образцов) получим:
;
.
Для фактора х3 (усилие, развиваемое разрывной машиной) получим:
;
.
4. Составление матрицы плана эксперимента [1].
Для постановки эксперимента данного типа необходимо провести n= 23=8 опытов. Для фактора х1 кодовые значения -1 и +1 чередуются в каждом опыте. Для фактора х2 кодовые значения -1 и +1 чередуются через два опыта. Для фактора х3 кодовые значения -1 и +1 чередуются через четыре опыта. Таким образом, обеспечивается уникальность (неповторяемость) набора значений факторов в каждом опыте.
Матрица планирования для данного типа эксперимента представлена в таблице 2.
Таблица 2
Матрица планирования эксперимента
№ опыта | х1 | х2 | х3 |
-1 | -1 | -1 | |
+1 | -1 | -1 | |
-1 | +1 | -1 | |
+1 | +1 | -1 | |
-1 | -1 | +1 | |
+1 | -1 | +1 | |
-1 | +1 | +1 | |
+1 | +1 | +1 |
5. Рандомизация опытов.
Рандомизация опытов необходима для того, чтобы внести элемент случайности в процесс влияния неучтенных в ходе проведения эксперимента факторов. Это необходимо для обоснованного использования аппарата математической статистики.
С использованием таблиц случайных чисел получили следующую последовательность проведения опытов: 8, 2, 1, 4, 6, 5, 3, 7.
6. Дублирование опытов.
Дублирование опытов проводится с целью сглаживания случайных погрешностей.
Продублируем каждый опыт дважды. С использованием таблиц случайных чисел получили следующие последовательности проведения опытов:
а) для первого дублирования: 5, 4, 6, 8, 1, 3, 7, 2;
б) для второго дублирования: 3, 7, 5, 1, 4, 6, 2, 8.
7. Реализация эксперимента.
В ходе непосредственного проведения эксперимента получили значения откликов, которые представлены в таблице 3. Значения откликов, обозначенные переменной y, представляют собой время, выраженное в секундах до полного разрушения образцов.
Таблица 3
Значения откликов
№ опыта | х1 | х2 | х3 | у |
+1 | +1 | +1 | ||
+1 | -1 | -1 | ||
-1 | -1 | -1 | ||
+1 | +1 | -1 | ||
+1 | -1 | +1 | ||
-1 | -1 | +1 | ||
-1 | +1 | -1 | ||
-1 | +1 | +1 | ||
Первое дублирование опытов | ||||
-1 | -1 | +1 | ||
+1 | +1 | -1 | ||
+1 | -1 | +1 | ||
+1 | +1 | +1 | ||
-1 | -1 | -1 | ||
-1 | +1 | -1 | ||
+1 | +1 | -1 | ||
+1 | -1 | -1 | ||
Второе дублирование опытов | ||||
-1 | +1 | -1 | ||
+1 | +1 | -1 | ||
-1 | -1 | +1 | ||
-1 | -1 | -1 | ||
+1 | +1 | -1 | ||
+1 | -1 | +1 | ||
+1 | -1 | -1 | ||
+1 | +1 | +1 |
8. Проверка воспроизводимости опытов.
Воспроизводимость опытов оценивается по критерию Кохрена:
, где (2)
где (3)
- дисперсия, характеризующая разброс результатов опыта;
р – 1,2, … m – число параллельных опытов;
– максимальная из дисперсий;
0,05 – 5% уровень значимости;
= n – число независимых оценок дисперсий;
= m-1 – число степеней свободы каждой оценки;
n – количество опытов в эксперименте (без учета дублирования).
8.1. Определение среднего значения отклика в каждом опыте из трех серий.
Результаты определения среднего значения отклика сведены в таблицу 4.
Таблица 4
Результаты расчета среднего значения отклика
по трем сериям опытов[2]
№ опыта | у1 | у2 | у3 | |
9,33 | ||||
15,67 | ||||
12,33 | ||||
14,33 | ||||
8.2. Определение дисперсии опытов [3].
Подставим известные значения в формулу (3), получим:
;
;
;
;
;
;
;
.
8.3. Определение табличного критерия Кохрена.
= n=8;
= m-1 =3-1=2.
По таблице, расположенной в приложении 1, определяем табличный критерий Кохрена: =0,5157.
8.4. Проверка воспроизводимость опытов.
Воспроизводимость опытов определим по неравенству (2):
, следовательно, опыты воспроизводимы.
9. Определение дисперсии воспроизводимости.
Дисперсия воспроизводимости определяется по формуле:
. (4)
.
10. Определение коэффициентов регрессии.
Коэффициенты регрессии определяются по формулам:
; (5)
; (6)
где (7)
– кодовые значения переменных в каждом опыте.
10.1. Составление расширенной матрицы планирования эксперимента.
Для нахождения коэффициентов регрессии составим расширенную матрицу планирования, внеся в него дополнительные столбцы с данными, позволяющими оценить совместное влияние факторов на значение величины отклика (таблица 5).
Таблица 5
Расширенная матрица планирования эксперимента[4]
№ опыта | х1 | х2 | х3 | х1 х2 | х1 х3 | х2 х3 | х1х2 х3 | |
- | - | - | + | + | + | - | 9,33 | |
+ | - | - | - | - | + | + | ||
- | + | - | - | + | - | + | ||
+ | + | - | + | - | - | - | 15,67 | |
- | - | + | + | - | - | + | 12,33 | |
+ | - | + | - | + | - | - | 14,33 | |
- | + | + | - | - | + | - | ||
+ | + | + | + | + | + | + |
10.2. Расчет коэффициентов регрессии.
Подставляя известные значения в формулы (5), (6), (7), получим:
;
;
;
;
;
;
;
11. Получение линейной модели.
В общем виде линейная модель эксперимента типа 23 выглядит следующим образом: .
С учетом найденных коэффициентов регрессии линейная модель будет иметь вид: .
Данное уравнение позволит получать значения отклика при любых различных значениях факторов из заданного диапазона.
12. Оценка значимости коэффициентов регрессии.
Оценка значимости коэффициентов регрессии проводится при помощи неравенства:
, где (8)
- 5% точка распределения Стьюдента с степенями свободы.
12.1. Определение 5% точки распределения Стьюдента.
По таблице, представленной в приложении 2, определяем 5% точку распределения Стьюдента с степенями свободы: .
12.2. Определение величины .
Определяем : .
Согласно формуле (8), значения коэффициентов регрессии не должно быть меньше 1,7.
Таким образом, значимы следующие коэффициенты регрессии:
;
.
Остальные коэффициенты регрессии при подсчете значений отклика на результат вычислений не будут оказывать существенного влияния. Самым значимым фактором в данном эксперименте является второй фактор – площадь поверхности образцов.
13. Получение линейной модели с учетом значимости коэффициентов регрессии.
С учетом значимости коэффициентов регрессии получим следующую линейную модель: .
При помощи полученного уравнения относительно точно можно представить исследуемый эксперимент.
14. Проверка адекватности линейной модели [6].
Проверка адекватности линейной модели ведется при помощи критерия Фишера в соответствии с неравенством:
, где (9)
, где (10)
– табличное значение критерия Фишера при 5% уровне значимости;
к – общее число повторений опытов(основной+дублирование);
= n-k-1 – число степеней свободы дисперсии адекватности;
m-1=3-1=2 – число степеней свободы дисперсии воспроизводимости.
14.1. Расчет дисперсии адекватности.
Значение приведено в таблицах 4 или 5.
Значение получается на основании уравнения регрессии, полученного с учетом значимости коэффициентов регрессии , путем подстановки кодового значения , соответствующего номеру опыта.
;
.
Результаты расчета, необходимые для определения дисперсии адекватности, сведены в таблицу 6.
Таблица 6
Результаты расчета, необходимые для определения
дисперсии адекватности
№ опыта | х2 | |||
9,33 | - | 11,75 | 5,86 | |
- | 11,75 | 0,56 | ||
+ | 15,67 | 2,79 | ||
15,67 | + | 15,67 | ||
12,33 | - | 11,75 | 0,34 | |
14,33 | - | 11,75 | 6,66 | |
+ | 15,67 | 2,79 | ||
+ | 15,67 | 11,1 |
Тогда дисперсия адекватности будет: .
14.2. Установление табличного значения критерия Фишера.
= 8-3-1=4;
3-1=2.
По таблице, представленной в приложении 3, определяем табличное значение критерия Фишера:
14.3. Проверка адекватности линейной модели.
Подставляя ранее установленные значения в неравенство (9), получим:
.
Линейная модель адекватна.
Часть 2
Расчет серии опытов при движении по градиенту
Задание:
Металлические, прямоугольной формы образцы испытывают на растяжение с целью определения времени до их разрушения. Испытывается два различных вида металла с содержанием в них примесей 18% и 26% соответственно. Площадь поверхности образов различна, 300 мм2 и 800 мм2. Усилие, развиваемое разрывной машиной также различно: 500 кг и 1000 кг. При постановке полного факторного эксперимента получены следующие значения откликов[7] (таблица 7):
Таблица 7
Результаты эксперимента при получении линейной модели
Интервал варьирования и уровни факторов | Вид металла х1 | Площадь поверхности образцов х2 | Усилие, развиваемое разрывной машиной х3 | ||||
Нулевой уровень | |||||||
Интервал варьирования | |||||||
Нижний уровень | |||||||
Верхний уровень | |||||||
Реализация эксперимента | |||||||
№ опыта | х1 | х2 | х3 | ||||
- | - | - | 9,33 | ||||
+ | - | - | |||||
- | + | - | |||||
+ | + | - | 15,67 | ||||
- | - | + | 12,33 | ||||
+ | - | + | 14,33 | ||||
- | + | + | |||||
+ | + | + | |||||
По результатам эксперимента получена адекватная линейная модель: .
Необходимо совершить движение по градиенту в поисках оптимума. Наилучшим результатом отклика является его максимальное значение.
Решение:
1. Анализ линейной модели.
Линейная модель, полученная в части 1, не дает полного представления об эксперименте, поскольку содержит только один фактор, влияющий на значение отклика.
Из технологических соображений при движении по градиенту примем линейную модель с коэффициентами регрессии, значения которых не менее 1,21. Таким образом, получим предполагаемую линейную модель[8] эксперимента: .
2. Оформление таблицы расчетов, необходимых при движении по градиенту.
Расчеты, необходимые при движении по градиенту, сведены в таблицу 8. Таблица 8 состоит из двух частей.
В первой части таблицы указываются:
- нулевые уровни факторов, такие же, как при постановке эксперимента при выводе линейной модели;
- интервалы варьирования уровней факторов, такие же, как при постановке эксперимента при выводе линейной модели ;
- коэффициенты регрессии, стоящие в предполагаемой линейной модели[9], соответствующие уровням факторов ;
- значения, соответствующие произведению интервала варьирования фактора на соответствующий коэффициент регрессии ;
- коэффициент величина которого рассчитывается по формуле:
, где (11)
– максимальное значение данного произведения;
- величина нового интервала варьирования Для фактора, имеющего максимальное значение произведения , величина нового интервала устанавливается произвольно. Для остальных факторов величина расчитывается по формуле:
Дата добавления: 2015-11-04; просмотров: 18 | Нарушение авторских прав
<== предыдущая лекция | | | следующая лекция ==> |