Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Моделирование процессов методичка.docx
Скачиваний:
0
Добавлен:
01.07.2025
Размер:
638 Кб
Скачать
☆
    1. Алгоритм нахождения коэффициентов модели

Рассмотрим одномерную модель, т. е. зависимость от одной переменной. Поиск коэффициентов возможен после того, как определен характер функциональной зависимости y = f(x). Вид зависимости обычно определяют либо на основе физических представлений о технологическом процессе, либо на основе результатов проведенных экспериментов. Она может относиться как к одному классу функций (например, полиноминальная зависимость), так и включать функции из разных классов. Важно то, что модель содержит один или несколько коэффициентов, величина которых неизвестна. При этом желательно иметь представление о возможном диапазоне их варьирования.

Для проведения численных расчетов необходимо иметь экспериментальные результаты yi(xi). Схему расчета приведем для классического варианта метода наименьших квадратов (5), описанного в предыдущем разделе.

Алгоритм поиска коэффициентов aj представляет собой следующую последовательность операций, которая может быть легко реализована на любом языке программирования.

  1. Описание переменных и ввод исходных данных, включая диапазон изменения параметров aj, а также экспериментальные значения переменных xiи yi.

  2. Вычисляем расчетную величину f(xi, aj) для начальных значений коэффициентов aj.

  3. Вычисляем сумму квадратов отклонений расчетных и экспериментальных значений:

(8)

  1. Если полученное значение S меньше ранее найденного значения, то значение коэффициентов сохраняют и переходят к следующему варианту комплекта коэффициентов. Переходим к п. 2.

  2. Если полученное значение S больше ранее найденного значения, то переходят к следующему варианту комплекта коэффициентов. Переходим к п. 2.

Таким образом, после перебора всех вариантов коэффициентов в заданном диапазоне и с заданным шагом, сохраненными останутся значения параметров, обеспечивающие минимум суммы квадратов отклонений.

    1. Применение метода наименьших квадратов для случая линейной зависимости

Наилучшими коэффициентами зависимости в данном методе считают те, которые обеспечивают минимум суммы квадратов отклонений расчетных и экспериментальных значений. Математически это выглядит следующим образом:

(9)

Нужную систему уравнений для определения коэффициентов получают исходя из известных математических методов поиска экстремума функции.

Решая эту систему определяют коэффициенты линейной зависимости.

Р

асчётная таблица для определения коэффициентов в рассматриваемом нами примере имеет вид:

(10)

(11)

Таблица 5.

i 

xi 

 yi

xi2 

 xiyi

1

2,5

2,75

6,25

6,88

2

4

6,19

16

24,76

3

5,5

10,21

30,25

56,14

4

7

13,00

49

91,00

5

8,5

16,78

72,25

142,7

6

10

20,37

100

203,7

7

11,5

23,27

132,25

267,6

8

13

27,05

169

351,7

Σ

62

119,62

575

1144,3

Теперь легко вычислить значения коэффициентов:

a = (1144,3 - 62·119,62/8)/(575 – 622/8) = 2,2995 ,

b = 119,62/8 – 2,2995·62/8 = - 2,869 .

Полученная зависимость имеет вид:y3 = 2,2995x – 2,869 .

Проверка адекватности полученных коэффициентов

Для сравнения трех вариантов линейной зависимости, полученных разными методами, вычисляют сумму квадратов отклонений экспериментальных данных yi от рассчитанных по найденным формулам значений уpi в тех же точках.

Таблица 6.

i

xi

yi

y1i

y2i

y3i

(yi - y1i)2

(yi – y2i)2

(yi – y3i)2

1

2,5

2,75

2,5

2,8515

2,8798

0,063

0,010

0,016

2

4

6,19

5,98

6,309

6,329

0,044

0,014

0,019

3

5,5

10,21

9,46

9,7665

9,7783

0,558

0,194

0,184

4

7

13,00

12,94

13,224

13,228

0,004

0,050

0,052

5

8,5

16,78

16,42

16,6815

16,677

0,132

0,010

0,011

6

10

20,37

19,9

20,139

20,126

0,218

0,052

0,058

7

11,5

23,27

23,38

23,5965

23,575

0,013

0,109

0,095

8

13

27,05

26,86

27,054

27,025

0,036

0,000

0,001

Σ

1,067

0,439

0,436

Здесь у1i значения, рассчитанные по формулам метода «натянутой нити» ; y2i по методу «средней» ; у3i по методу наименьших квадратов.

В последней строке таблицы представлены суммы квадратов отклонений расчетных и экспериментальных значений, которые позволяют выбрать зависимость, наиболее адекватно описывающую результаты эксперимента. В данном случае это последняя зависимость, полученная методом наименьших квадратов, поскольку указанная сумма для нее минимальна.

Применение программы Excel для поиска коэффициентов

модели

  1. На основе экспериментальных данных определить коэффициенты линейной эмпирической зависимости на основе 3-х различных критериев приближения (близости в среднем, метода наименьших квадратов, среднего квадрата относительного отклонения).

  2. Проверить адекватность полученных регрессионных зависимостей по минимуму суммы квадратов отклонений расчетных и экспериментальных значений.

  3. Выбрать зависимость наилучшим образом описывающую результаты эксперимента.

Процесс поиска может быть проиллюстрирован в виде таблицы, заполняемой в Excel (табл. 7).

В столбцы для xiи yi заносят исходные данные. В столбце для F(xi) рассчитывают значения целевой функции на основе модели, для тех же значений переменной xi и начальных значений параметров А1 – А3. В последнем столбце вычисляют квадрат отклонения расчетных и экспериментальных значений и их сумму. Активировав ячейку для указанной суммы, включают опцию «поиск решения», задают диапазон изменения параметров и определяют их значения, обеспечивающие min для суммы квадратов отклонений.

Т а б л и ц а 7. Исходная таблица для расчета коэффициентов

номер строки

xi

yi

F(xi)

(yi - F(xi))2

1

2

…

n

Σ(yi - F(xi))2

A1

A2

A3

-

-

-

Расчет эмпирических коэффициентов регрессионной зависимости на основе экспериментальных данных, полученных в результате эксперимента с факторным планированием.

Методика расчета коэффициентов регрессионной многофакторной модели для любого количества управляемых переменных (факторов) хорошо известен [1, 3, 10]. Здесь мы покажем возможность использования для этой цели методов приближения эмпирической зависимости и, в первую очередь, метода наименьших квадратов в сочетании с возможностями программы «Excel». Продемонстрируем данный способ на конкретном примере.

При разработке модели процесса получения нетканого материала на чесально-вязально-прошивных агрегатах [20] были использованы следующие факторы:

X1 – заправочная плотность прошива (число петель на 5 см);

X2 – число сложений прочеса;

X3 – масса броска самовеса, г.

По мнению специалистов эти факторы должны оказывать наибольшее влияние на целый спектр свойств такого нетканого материала. Для вычисления коэффициентов зависимостей были выбраны некоторые из них:

Y1 – разрывная нагрузка по длине, кгс;

Y2 – разрывная нагрузка по ширине, кгс;

Y3 – разрывное удлинение по ширине, %;

Y4 – поверхностная плотность, г/м2.

В эксперименте были выбраны следующие уровни варьирования факторов (табл. 8).

Т а б л и ц а 8. Уровни варьирования факторов

Фактор

Уровни варьирования

Интервалы

варьирования

-1,68

-1

0

+1

+1,68

X1

21

24

28

32

35

4,0

X2

18

20

24

28

30

4,0

X3

100

140

200

260

300

60

Обобщенный вид полиномиального регрессионного уравнения выглядит следующим образом:

.

(12)

Результаты измерений всех выбранных критериев для различных комбинаций уровней факторов приведены в табл. 9. Здесь же показаны результаты расчетов коэффициентов регрессии. Данные табл. 9 скомпонованы следующим образом: столбцы с кодированными значениями факторов Xi, усредненные результаты измерения первого критерия Y1, расчитанные значения этого критерия (12), квадрат разности расчетного и экспериментального значений. Коэффициенты для каждого критерия представлены отдельно (табл. 10).

Т

26

а б л и ц а 9. Результаты расчета коэффициентов регрессионной модели

X1

X2

X3

Y1

Y1R

(Y1- Y1R)2

Y2

Y2R

(Y2- Y2R)2

Y3

Y3R

(Y3- Y3R)2

Y4

Y4R

(Y4- Y4R)2

1

1

1

17,9

19,710

3,276

19,7

22,644

8,669

57,8

49,481

69,200

371,3

369,178

4,503

1

1

-1

14,1

14,380

0,078

34,4

34,445

0,002

48,7

46,248

6,011

252,2

254,597

5,744

1

-1

1

14,6

15,753

1,328

36,8

39,214

5,829

46,8

44,339

6,055

277,3

288,241

119,714

1

-1

-1

11,9

13,422

2,318

29,2

29,566

0,134

47,1

42,656

19,746

203,7

206,760

9,364

-1

1

1

24,4

23,814

0,343

26,7

29,008

5,327

56,0

55,987

0,000

379,2

378,399

0,641

-1

1

-1

16,1

15,884

0,047

34,1

34,359

0,067

59,4

57,404

3,984

264,4

255,718

75,378

-1

-1

1

16,5

17,157

0,431

38,7

41,328

6,907

59,2

57,195

4,019

284,3

284,163

0,019

-1

-1

-1

13,1

12,226

0,763

25,5

25,229

0,073

56,3

60,162

14,915

190,2

194,581

19,197

-1,68

0

0

17,6

18,658

1,119

36,9

35,257

2,699

67,9

65,843

4,232

279,6

283,807

17,698

1,68

0

0

18,6

16,215

5,688

35,7

33,554

4,605

37,3

45,673

70,110

293,7

286,291

54,892

0

-1,68

0

13,3

12,288

1,024

36,9

35,130

3,132

47,8

48,657

0,734

230,3

220,528

95,485

0

1,68

0

19

18,685

0,099

30,9

28,881

4,078

45,2

50,659

29,804

333,3

339,870

43,161

0

0

-1,68

12,1

12,127

0,001

26,0

27,050

1,104

49,4

50,246

0,716

185,4

185,801

0,161

0

0

1,68

22,1

20,746

1,834

35,5

30,660

23,421

45,0

50,470

29,919

360,9

357,297

12,979

0

0

0

14,4

15,023

0,388

25,5

28,279

7,722

69,4

55,746

186,422

279,7

278,578

1,259

0

0

0

14,9

15,023

0,015

28,3

28,279

0,000

51,1

55,746

21,589

261,2

278,578

301,995

0

0

0

15,1

15,023

0,006

31,0

28,279

7,405

54,9

55,746

0,716

274,1

278,578

20,053

0

0

0

15,6

15,023

0,333

29,0

28,279

0,520

50,9

55,746

23,487

279,2

278,578

0,387

0

0

0

14,8

15,023

0,050

27,8

28,279

0,229

54,7

55,746

1,095

288,4

278,578

96,472

0

0

0

15,1

15,023

0,006

27,4

28,279

0,772

54,6

55,746

1,314

288,3

278,578

94,517

19,146

82,695

494,069

973,618

Расчет коэффициентов вели следующим образом: задавали произвольные исходные значения коэффициентов (например, Xi = Xij = 1), получали расчетное значение критерия YiR и вычисляли (Yi - YiR)2. Используя опцию «Поиск решения» вычисляли набор коэффициентов, обеспечивающих минимум суммы квадратов Σ(Yi - YiR)2. Результаты расчетов для всех критериев представлены в табл. 10.

Т а б л и ц а 10. Расчетные значения коэффициентов моделей

a0

a1

a2

a3

a12

a13

a23

a11

a22

a33

Для Y1

15,02

-0,73

1,90

2,565

-0,675

-0,65

0,75

0,855

0,164

0,501

a0

a1

a2

a3

a12

a13

a23

a11

a22

a33

Для Y2

28,28

-0,51

-1,9

1,074

-1,0625

-1,612

-5,36

2,171

1,32

0,204

a0

a1

a2

a3

a12

a13

a23

a11

a22

a33

Для Y3

55,75

-6

0,6

0,067

1,587

1,1625

0,387

0,00413

-2,157

-1,91

a0

a1

a2

a3

a12

a13

a23

a11

a22

a33

Для Y4

278,6

0,74

35,5

51,04

-3,325

-2,025

8,275

2,293

0,574

-2,49

Для сравнения приведем модели, полученные нами и те, которые были получены на основе факторного анализа [1, 10]. Следует лишь сразу отметить, что модели, приведенные в [20], учитывают только наиболее значимые коэффициенты.

Y1 = 15,02 – 0,73x1 + 1,9x2 + 2,565x3 – 0,675x1x2 – 0,65x1x3 + 0,75x2x3 + +0,855x12+ 0,164x22 + 0,501x32;

Y1 = 15,024 + 1,978x2 + 2,615x3 ;

Y2 = 28,28 – 0,51x1 - 1,9x2 + 1,074x3 – 1,0625x1x2 – 1,612x1x3 - 5,36x2x3 + +2,171x12+ 1,32x22 + 0,204x32;

Y2 = 28,207 – 4,737x2x3 + 2,369x12;

Y3 = 55,75 – 6,0x1 + 0,6x2 + 0,067x3+ 1,587x1x2+ 1,1625x1x3 + 0,387x2x3 + +0,00413x12- 2,157x22 - 1,91x32;

Y3 = 55,746 – 5,993x1- 2,174x22 - 1,908x32;

Y4 = 278,6 + 0,74x1 + 35,5x2 + 51,04x3 - 3,325x1x2 - 2,025x1x3 + 8,275x2x3 + +2,293x12+ 0,574x22 - 2,49x32;

Y4 = 279,2 + 34,7x2 + 51,0x3 + 7,693x2x3 .

Как мы видим, значения наиболее весомых коэффициентов близки и отличаются только из-за того, что в расчете по методу наименьших квадратов учтены все комбинации факторов.

Таким образом, мы получили те же регрессионные модели на основе тех же исходных экспериментальных данных. Отличие состоит в том, что при использовании для определения коэффициентов эмпирической зависимости метода наименьших квадратов не обязательно соблюдать все требования эксперимента с факторным планированием, а именно: в эксперименте с факторным планированием [1] исследователь «на основе известной информации о процессе определяет значение основного уровня факторов, интервал варьирования факторов и верхний и нижний уровни факторов». Соблюсти эти требования иногда сложно, особенно, если они касаются характеристик сырьевых компонентов. В методе наименьших квадратов не требуется строгого выполнения этого требования.