Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Лекции по матем. модел и оптим. технолог процессов.doc
Скачиваний:
8
Добавлен:
01.07.2025
Размер:
4 Мб
Скачать
☆

Лекция №20 математическое планирование экспериментов в технологических процессах Выбор вида статистической модели

Приступая к построению статистической модели, экспериментатор обычно имеет начальные представления о том, как влияют изучаемые факторы на выходные параметры.

При выборе вида модели обычно отвечают на вопрос, допустимо ли представлять функцию отклика линейной или заведомо известно, что зависимости являются немонотонными или сильно нелинейными. В области, где функция отклика имеет экстремум, предположение о линейном характере модели скорее всего не будет подтверждено. Если в дальнейшем потребуется, могут быть проведены дополнительные опыты по уточнению вида модели. При этом результаты первой серии опытов не пропадают и используются в полной мере для построения нелинейной модели.

При планировании экспериментов исходный этап включает определение основного уровня факторов (X=0) и выбор интервалов варьирования X с учетом области действия разрабатываемой модели, предполагаемого характера поверхности отклика и вероятной погрешности определения параметров Y, а также точности фиксирования принятых уровней факторов. Чем больше погрешность опытов и ниже точность поддержания факторов, тем шире должны быть приняты их интервалы варьирования.

Рассмотрим основные виды линейных и нелинейных статических моделей.

  1. При разработке линейной модели ограничиваются обычно варьированием факторов на двух уровнях. Для проведения полного факторного эксперимента (ПФЭ) при k факторах необходимо осуществить N=2k опытов со всевозможными сочетаниями двух (x=-1 и x=+1) уровней факторов (табл.20.1)

Таблица 20.1

Матрица планирования ПФЭ 22

№ опыта

Факторы xi

x1

x2

1

+

+

2

+

—

3

—

+

4

—

—

Матрица планирования ПФЭ 23 получается повторением матрицы ПФЭ 22 для факторов x1 и x2 при x3=-1 и x3=+1 (табл.20.2).

Таблица 20.2

Матрица планирования ПФЭ 23

№ опыта

Факторы xi

x1

x2

x3

1

+

+

+

2

+

—

+

3

—

+

+

4

—

—

+

5

+

+

—

6

+

—

—

7

—

+

—

8

—

—

—

Аналогичным образом могут быть построены матрицы планирования с большим числом факторов, однако при этом число опытов быстро растет и при k5 становится весьма значительным. При этом количество опытов (2k) намного превышает число неизвестных коэффициентов регрессии (k+1) линейной модели.

Для построения трех факторной модели необходимо определить четыре коэффициента (b0, b1, b2, b3), поэтому достаточно всего четырех опытов и можно воспользоваться дробным факторным экспериментом (ДФЭ) - половиной ПФЭ 23, называемой полурепликой 23-1 . Для этого надо выбрать из опытов, матрицы ПФЭ 23 (табл.20.2), такие, в которых бы факторы x1, x2, x3, равномерно принимали все возможные значения. Если воспользоваться генерирующим соотношением, x3=+x1x2 (или x3=-x1x2), то можно получить две антисимметричные экономные матрицы ДФЭ, одинаково пригодные для построения модели 23-1 (табл.20.3)

Таблица 20.3

Матрица планирования ДФЭ 23-1 (x3=-x1x2)

№ опыта

Факторы xi

x1

x2

x3

1

+

+

—

2

+

—

+

3

—

+

+

4

—

—

—

Аналогичным образом могут быть построены полуреплики, четверть реплики, и реплики более высокой дробности ПФЭ 2k , что дает существенную экономию количества опытов.

Например для k=6 ПФЭ требует проведения 26=64 опытов. Однако для определения 7 коэффициентов линейного уравнения регрессии задачу можно решать, проведя всего 8 опытов, т.е. осуществив ДФЭ 26-3 в котором реплика дробности 1/8. Рекомендуемыми генерирующими соотношениями при этом могут быть x4= x1x2x3, x5= x1x2, x6= x1x3 или др.

  1. При построении нелинейной модели, учитывающей кроме линейных членов также некоторые взаимодействия (xixj), в матрицу вводят дополнительные столбцы, содержащие соответствующие произведения факторов (табл.20.4) и увеличивают число опытов.

Таблица 20.4

Матрица планирования ДФЭ 24-1 (x4= x1x2x3)

№ опыта

Факторы xi

Взаимодействующие факторы xi xj

x0

x1

x2

x3

x4

x1 x2

x2 x4

x2 x3

1

+

+

+

+

+

+

+

+

2

+

—

+

+

—

—

—

+

3

+

+

—

+

—

—

+

—

4

+

—

—

+

+

+

—

—

5

+

+

+

—

—

+

—

—

6

+

—

+

—

+

—

+

—

7

+

+

—

—

+

—

—

+

8

+

—

—

—

—

+

+

+

9

+

0

0

0

0

0

0

0

10

+

0

0

0

0

0

0

0

11

+

0

0

0

0

0

0

0

Так, планируя выявить эффекты взаимодействия факторов x1x2, x2x4, и x2x3 при k=4 можно воспользоваться восемью опытами, если для построения матрицы экспериментов воспользоваться генерирующим соотношением, например x4= x1x2x3 (табл.20.4). Это позволяет найти четыре коэффициента для линейных членов(b1, b2, b3, b4,), свободный член (b0) и три эффекта взаимодействия (b12, b24, b23).

Условия проведения опытов задают значения факторов в столбцах x1, x2, x3, x4. Столбец x0 заполнен знаками «+», а столбцы x1x2, x2x4, x2x3, , образованы как произведения соответствующих столбцов и применяются при последующем вычислении коэффициентов регрессии.

Матрицы планирования экспериментов (табл.20.1-20.4) формируются таким образом, чтобы выполнить обеспечивающие простоту вычисления и оптимальные оценки коэффициентов модели требования:

  1. Нормировки - сумма квадратов элементов каждого столбца равна числу элементов N:

.

2. Симметрии - сумма элементов каждого столбца равна нулю:

.

3. Ортогональности - сумма произведений элементов каждой пары столбцов равна нулю.

; .

При выполнении этих требований все коэффициенты регрессии определяются независимо друг от друга с одинаковой погрешностью по результатам всех N опытов.