- •4. Основные методы планирования экстремального
- •Предисловие
- •Введение
- •1. Творчество и научные исследования
- •1.1. Основные понятия и определения
- •1.2. О научном исследовании Понятие научного знания
- •1.3. Методология теоретических и экспериментальных исследований
- •1.3.1. Законы и формы мышления (мышление, понятие, абстракция)
- •1.3.2. Законы и формы мышления (сравнение, индукция и дедукция, анализ и синтез)
- •1.3.3. Законы и формы мышления (обобщение, аналогия, гипотеза)
- •1.3.4. Методология исследований
- •1.3.5. Задачи теоретических исследований
- •1.4. Цель и предмет исследования
- •1.4.1. Цель исследования
- •1.4.2. Предмет исследования
- •1.5. Рабочая гипотеза
- •Примеры аналогий
- •1.6. Особенности исследования непрерывных процессов
- •1.7. Введение в методы исследования
- •1.7.1. Измерения и отметки
- •1.7.2. Точность измерений
- •Предельные ошибки при различных способах измерений
- •1.7.3. Наблюдение
- •1.7.4. Поисковые опыты
- •1.7.5. Основные опыты
- •1.7.6. Определение общего количества опытов
- •2. Погрешности измерений и устройств
- •2.1. Погрешности измерений
- •2.1.1. Измеряемые сигналы
- •2.1.2. Погрешности измерений
- •2.1.3. Случайные погрешности
- •2.1.4. Числовые характеристики
- •2.1.6. Нормальный закон распределения
- •2.1.6. Закон равномерной плотности распределения
- •2.1.7. Композиции законов распределения. Правила суммирования случайных погрешностей
- •2.1.8. Зависимые и независимые случайные величины. Корреляция случайных погрешностей
- •2.1.9. Определение законов распределения случайных величин
- •2.1.10. Числовые характеристики статистического распределения
- •2.1.11. Проверка правдоподобия гипотезы о соответствии статистического закона теоретическому
- •2.1.12. Погрешности косвенного измерения
- •2.1.13. Промахи
- •2.1.14. Систематические погрешности. Оценка неисключенного остатка.
- •2.1.15. Запись результата измерения
- •2.2. Погрешности измерительных устройств при неизменном во времени значении измеряемой величины
- •2.2.1. Структурные схемы измерительных устройств
- •2.2.2. Характеристики преобразователей
- •2.2.3. Погрешности преобразователей. Аддитивная и мультипликативная составляющие
- •2.2.4. Частные погрешности. Причины их возникновения и законы распределения
- •3) Методические погрешности;
- •I. Нормальный закон распределения
- •II. Закон равномерной плотности распределения
- •III. Закон распределения Симпсона
- •IV. Закон распределения арксинуса (арккосинуса)
- •2.2.5. Методические погрешности
- •2.2.6. Суммирование частных погрешностей
- •2.2.7. Нормирование погрешностей измерительных устройств
- •2.3. Погрешности измерительных устройств при изменении значении измеряемой величины во времени
- •2.3.1. Понятие динамической погрешности
- •3. Параметры, факторы, модели объектов исследования
- •3.1. Параметры оптимизации
- •3.1.1. Виды параметров оптимизации
- •3.1.2. Требования к параметру оптимизации
- •3.1.3. Задачи с несколькими выходными параметрами
- •3.2. Обобщенный параметр оптимизации
- •3.2.1. Способы построения обобщенного отклика
- •Натуральные, преобразованные и обобщенные отклики
- •3.3. Факторы
- •3.3.1. Определение фактора
- •3.3.2. Требования, предъявляемые к факторам при планировании эксперимента
- •3.3.3. Требования к совокупности факторов
- •3.4. Выбор модели
- •3.4.1. Модели объектов исследования
- •3.4.2. Шаговый принцип
- •3.4.3. Полиномиальные модели
- •4. Основные методы планирования экстремального эксперимента
- •4.1. Сущность теории планирования эксперимента
- •4.2. Принятие решений перед планированием эксперимента
- •4.3. Корреляционный анализ
- •4.3.1. Понятие о корреляции
- •1) Эксперимент;
- •1) Корреляционный;
- •2) Регрессионный;
- •3) Дисперсионный.
- •4.3.2. Линейная корреляция
- •Общая схема расчетов коэффициента корреляции
- •Корреляционная таблица для х, у
- •Определение данных для вычисления σх и σу
- •Корреляционная таблица для х и z
- •Определение данных для вычислений
- •4.3.3. Нелинейная корреляция
- •4.3.4. Множественная линейная корреляция
- •Корреляционная таблица для у, z
- •4.3.5 Корреляционные (регрессионные) уравнения
- •4.3.6. Ранговая корреляция
- •4.4. Дисперсионный анализ
- •4.4.1. Однофакторный дисперсионный анализ.
- •4.5. Регрессионный анализ
- •4.5.1. Метод наименьших квадратов (мнк).
- •Расчетная таблица для вычислений коэффициентов регрессии
- •Расчет остаточной суммы квадратов
- •Условия и результаты опытов
- •4.5.2. Статистический анализ уравнения регрессии.
- •Значения t-критерия Стьюдента при 5%-ном уровне значимости
- •4.5.3. Матричный подход к регрессионному анализу
- •4.5.3.1. Метод наименьших квадратов для одного фактора
- •Условия и результаты опытов
- •4.5.3.2. Некоторые операции над матрицами
- •4.5.3.6. Критерии оптимальности планов
- •4.5.4. Построение регрессионных моделей
- •4.5.4.1. Выбор модели.
- •4.5.4.2. Эксперимент.
- •4.5.4.3. Вычисление оценок коэффициентов модели.
- •4.5.4.4. Проверка модели на адекватность.
- •4.5.4.5.Упрощение модели.
- •4.5.4.6. Точность регрессионной модели.
- •Приложения
- •Список литературы
3.2. Обобщенный параметр оптимизации
Единый параметр оптимизации можно получить путем обобщения нескольких (частных ) параметров оптимизации. Как уже говорилось, из многих откликов, определяющих объект, очень часто трудно выбрать один, самый важный. Если же это возможно, тогда мы попадаем в ситуацию, описанную выше. Здесь же нам предстоит познакомиться с более сложной ситуацией, когда необходимо множество откликов обобщать (свертывать) в единый количественный признак. С таким обобщением связан ряд трудностей.
Каждый отклик имеет свой физический смысл и свою размерность. Чтобы объединить различные отклики, прежде всего приходится ввести для каждого из них некоторую безразмерную шкалу. Шкала должна быть однотипной для всех объединяемых откликов — это делает их сравнимыми. Выбор шкалы — не простая задача, зависящая от априорных сведений об откликах, а также от той точности, с которой мы хотим определить обобщенный признак.
После того как для каждого отклика построена безразмерная шкала, возникает следующая трудность — выбор правила комбинирования исходных частных откликов в обобщенный показатель. Единого правила здесь не существует. Можно идти различными путями, и выбор пути неформализован. Рассмотрим несколько различных способов построения обобщенного показателя.
3.2.1. Способы построения обобщенного отклика
Пусть исследуемый объект характеризуют п частных откликов уи (и=1,2, . . ., п) и каждый из этих откликов измеряется в N опытах. Тогда yui — это значение u-го отклика в i-м опыте (i =1,2, . . ., N). Каждый из откликов уи имеет свой физический смысл и, чаще всего, разную размерность. Введем простейшее преобразование: набор данных для каждого уи поставим в соответствие с самым простым стандартным аналогом — шкалой, на которой имеется только два значения: 0 — брак, неудовлетворительное качество, 1 — годный продукт, удовлетворительное качество. Преобразованные значения обозначим так: уui — преобразованное значение и-го отклика в i-м опыте. Здесь мы применили шкалу, в которой использовано числовое множество из двух элементов (в данном случае 0 и 1). Стандартизовав таким образом шкалу частных откликов, мы подошли ко второму этапу — их обобщению. По какому же правилу следует комбинировать частные отклики?
Будем рассуждать следующим образом. В ситуации, когда каждый преобразованный частный отклик принимает только два значения 0 и 1, желательно, чтобы и обобщенный отклик принимал одно из этих двух возможных значений, причем так, чтобы значение 1 имело место, если, и только если, все частные отклики в этом опыте приняли значение 1. А если хотя бы один из откликов обратился в 0, то и обобщенный отклик будет нулем.
При таких рассуждениях для построения обобщенного отклика удобно воспользоваться формулой
где
Y
i
—
обобщенный отклик в i-м
опыте;
—произведение
частных
откликов
Корень мы ввели для того, чтобы связать эту формулу с другой, более сложной, которая будет рассмотрена далее. В данном же случае ничего не изменится, если написать
Совершенно очевидно, что такой подход слишком груб .
Рассмотрим пример .
Пример 1. При разработке оптимальной рецептуры нового пластифицированного полимерного материала качество продукции оценивалось семью выходными параметрами: у1 — термостабильность композиции, мин; у2 — блеск (баллы), у3 — морозостойкость, °С;
у4 — модуль упругости при +20° С, кгс/см2; у5 — предел прочности при растяжении, кг/см2; у6, — относительное удлинение при разрыве, %; у7— число перегибов до разрушения, шт.
Для каждого частного отклика введем следующие преобразования:
Данные для девяти опытов приведены в табл. 3.2.
Таблица 3.2
