Построение моделей статики по методике активного эксперимента
Таблица 2.5
| g | z1 | z2 | z3 | z4 | z5 | z6 | z7 | z8 | Y |
| 1 | 1 | 1 | -1 | -1 | 1 | -1 | -1 | -1 | 209,55 |
| 2 | -1 | 1 | -1 | -1 | 1 | 1 | 1 | 1 | 292,5 |
| 3 | 1 | -1 | -1 | -1 | -1 | -1 | 1 | -1 | 184,45 |
| 4 | -1 | -1 | 1 | -1 | 1 | 1 | -1 | -1 | 243,95 |
| 5 | -1 | -1 | -1 | 1 | -1 | 1 | -1 | 1 | 158,35 |
| 6 | -1 | 1 | -1 | 1 | -1 | 1 | -1 | -1 | 189,35 |
| 7 | -1 | 1 | 1 | 1 | 1 | -1 | -1 | 1 | 247 |
| 8 | -1 | 1 | 1 | -1 | 1 | -1 | 1 | -1 | 301,6 |
| 9 | 1 | 1 | 1 | 1 | -1 | -1 | -1 | 1 | 265,3 |
| 10 | 1 | 1 | 1 | -1 | -1 | -1 | -1 | -1 | 255,65 |
| 11 | -1 | -1 | -1 | -1 | 1 | -1 | 1 | 1 | 221,9 |
| 12 | -1 | -1 | 1 | 1 | -1 | 1 | 1 | -1 | 262,7 |
| 13 | 1 | -1 | 1 | -1 | -1 | -1 | 1 | 1 | 262,1 |
| 14 | 1 | -1 | -1 | 1 | 1 | 1 | -1 | 1 | 210,9 |
| 15 | 1 | -1 | 1 | 1 | 1 | 1 | 1 | -1 | 353 |
| 16 | 1 | 1 | -1 | 1 | -1 | 1 | 1 | 1 | 254,9 |
2.3 Проверка воспроизводимости эксперимента
Проверка воспроизводимости эксперимента проводится аналогично ПФЭ.
Рассчитанные
для рассматриваемого
примера значения
занесены в
последний
столбец табл.
2.4.
Если вычисленное по данным эксперимента (эмпирическое) значение критерия G (G=0,2546)окажется меньше критического значения Gкр, найденного по таблице для n1вос = m – 1 и n2вос = N и выбранного уровня значимости qвос = 0,05 (в данном случае Gкр=0,3894), то гипотеза об однородности выборочных дисперсий отвечает результатам наблюдений. В данном случае воспроизводимость эксперимента выполняется.
2.4 Построение диаграммы рассеяния
Вид диаграммы рассеяния приведен на рисунке 1.
Рисунок 1

Рассчитанные значения вкладов и количество выделяющихся точек для соответствующих факторов приведены в таблице 2.6.
Таблица 2.6
| вклады | |||||||
| Bz1 | Bz2 | Bz3 | Bz4 | Bz5 | Bz6 | Bz7 | Bz8 |
| 16,95 | 27,31 | 53,05 | 2,65 | -5,6 | -2,95 | 36,9 | 1,25 |
| выделяющиеся точки | |||||||
| 2 | 0 | 8 | 0 | 6 | 0 | 4 | 3 |
2.5 Последовательность выделения наиболее существенных переменных при помощи выборочных ортогональных матриц планирования
Выделение наиболее существенных переменных и их ранжирование можно произвести двумя способами: с помощью вкладов и ортогональных выборочных МП.
Визуальное
оценивание
показало, что
самыми существенными
факторами
являются
и
,
имеющие и наибольшие
абсолютные
величины вкладов,
и наибольшее
число выделяющихся
точек (соответственно
восемь и четыре).
Построим ВОМП
ПФЭ типа
для этих двух
факторов (табл.
2.7), где
– число факторов
в ВОМП,
– номер строки
ВОМП.
Столбцы
заполняются
данными табл.
2.5 следующим
образом. Для
каждой строки
ВОМП выбирается
строка в исходной
МП, где факторы
и
имеют такие
же знаки. Например,
для первой
строки табл.
2.7 (
и
)
выбираются
строки 1,7,9 и 10 табл.
2.5. Таким образом,
в каждой строке
ВОМП (табл. 2.7)
оказалось по
4 параллельных
опыта (
,
,
и
).
Построчные
средние значения
отклика даны
в графе
.
Таблица 2.7
| z3 | z7 | y1 | y2 | y3 | y4 | Yвыб | S | G | Gтабл |
| -1 | -1 | 209,55 | 158,35 | 189,35 | 210,9 | 192,0375 | 601,5173 | 0,455986 | 0,6841 |
| 1 | -1 | 243,95 | 247 | 265,3 | 255,65 | 252,975 | 92,07083 | ||
| -1 | 1 | 292,5 | 184,45 | 221,9 | 254,9 | 238,4375 | 2127,302 | ||
| 1 | 1 | 301,6 | 262,7 | 262,1 | 353 | 294,85 | 1844,39 |
В графе Sg2выб приведены несмещенные оценки построчных дисперсий, однородность которых проверяется с помощью G-критерия Кохрэна. Расчетное значение критерия G=0,455986, а критическое Gкр=0,6841. Т.к. G<Gкр, можно сделать вывод об однородности оценок дисперсии.Оценки коэффициентов нормированного уравнения регрессии на основании данных ВОМП получились:
в 3=29,3375; в 7=22,0688.
Статистическую значимость оценок коэффициентов проводят по критерию:
вi≤ вiкр=tкр∙S{ вi},
где
![]()
Критическое значение t-критерия Стьюдента выбирают из таблицы для уровня значимости q=0,05 и числа степеней свободы:
nзн=nвос=Nвыб·m(mвыб-1)
Nвыб=4; mвыб=4; m=2
=1166,32
=36,4475
tкр=2,0639
вкр=12,4601
Оценки в 3, в 7 признают статистически значимыми.
Далее исходную табл. 2.5 корректируют по формуле
,
(23)
стабилизировав
и
на уровнях
и
.
При этом в тех
g-х строках,
где
,
из исходных
значений отклика
вычитают удвоенное
значение коэффициента
,
где
– удвоенное
значение
.
Если
,
то вычитание
соответствующего
не производится.
В результате получится скорректированная таблица 2.8.
Таблица 2.8
| g | z1 | z2 | z3 | z4 | z5 | z6 | z7 | z8 | Y | Y' |
| 1 | 1 | 1 | -1 | -1 | 1 | -1 | -1 | -1 | 209,55 | 209,55 |
| 2 | -1 | 1 | -1 | -1 | 1 | 1 | 1 | 1 | 292,5 | 248,3625 |
| 3 | 1 | -1 | -1 | -1 | -1 | -1 | 1 | -1 | 184,45 | 140,3125 |
| 4 | -1 | -1 | 1 | -1 | 1 | 1 | -1 | -1 | 243,95 | 185,275 |
| 5 | -1 | -1 | -1 | 1 | -1 | 1 | -1 | 1 | 158,35 | 158,35 |
| 6 | -1 | 1 | -1 | 1 | -1 | 1 | -1 | -1 | 189,35 | 189,35 |
| 7 | -1 | 1 | 1 | 1 | 1 | -1 | -1 | 1 | 247 | 188,325 |
| 8 | -1 | 1 | 1 | -1 | 1 | -1 | 1 | -1 | 301,6 | 198,7875 |
| 9 | 1 | 1 | 1 | 1 | -1 | -1 | -1 | 1 | 265,3 | 206,625 |
| 10 | 1 | 1 | 1 | -1 | -1 | -1 | -1 | -1 | 255,65 | 196,975 |
| 11 | -1 | -1 | -1 | -1 | 1 | -1 | 1 | 1 | 221,9 | 177,7625 |
| 12 | -1 | -1 | 1 | 1 | -1 | 1 | 1 | -1 | 262,7 | 159,8875 |
| 13 | 1 | -1 | 1 | -1 | -1 | -1 | 1 | 1 | 262,1 | 159,2875 |
| 14 | 1 | -1 | -1 | 1 | 1 | 1 | -1 | 1 | 210,9 | 210,9 |
| 15 | 1 | -1 | 1 | 1 | 1 | 1 | 1 | -1 | 353 | 250,1875 |
| 16 | 1 | 1 | -1 | 1 | -1 | 1 | 1 | 1 | 254,9 | 210,7625 |
По данным этой
таблицы (по
столбцу y') можно
построить новую
диаграмму
рассеяния
(рисунок 2), анализируя
которую, выделяют
следующие два
наиболее существенных
фактора. На
очередных
диаграммах
рассеяния
ординаты для
ранее выделенных
наиболее существенных
переменных
оставляют
незаполненными.
Отметим, что
дисперсия точек
на диаграммах
рассеяния после
выделения
наиболее существенных
факторов заметно
уменьшается
по сравнению
с первоначальной
картиной, поскольку
после стабилизации
остаются факторы,
оказывающие
более слабое
влияние на
величину отклика
.
Далее аналогичным образом определим следующие два существенных фактора.
Определим медианы на диаграмме рассеяния после стабилизации (рисунок 2).
Рисунок 2

Далее определим вклады и количество выделяющихся точек (таблица2.9).
| вклады | |||||||
| Bz1 | Bz2 | Bz3 | Bz4 | Bz5 | Bz6 | Bz7 | Bz8 |
| -8,1062 | 23,09375 | 0 | -4,3875 | 38,4375 | 30,10625 | 0 | 8,575 |
| выделяющиеся точки | |||||||
| 0 | 0 | 3 | 2 | 5 | 0 | ||
Наиболее существенными факторами являются z5,z6.
Далее строим ВОМП для этих факторов(таблица 2.10).
Таблица 2.10
| z5 | z6 | y1 | y2 | y3 | y4 | Yсред | S | G | Gтабл |
| -1 | -1 | 140,3125 | 206,625 | 196,975 | 159,2875 | 175,8 | 976,8622 | 0,311196 | 0,6841 |
| 1 | -1 | 209,55 | 188,325 | 198,7875 | 154,65 | 187,8281 | 564,3275 | ||
| -1 | 1 | 158,35 | 189,35 | 159,8875 | 210,7625 | 179,5875 | 635,4361 | ||
| 1 | 1 | 248,3625 | 185,275 | 210,9 | 250,1875 | 223,6813 | 983,3819 |
Т.к. G<Gкр, можно сделать вывод об однородности оценок дисперсии.
Получим следующие значения коэффициентов:
в 5=14,0305; в 6=9,91016.
Далее по аналогичным формулам проводится оценка значимости.
Nвыб=4; mвыб=4; m=2
=790,002
=24,6876
tкр=2,0639
вкр=10,2548
Коэффициент в 5 признается незначимым, коэффициент в 2 – значимым.
2.6 Выделение наиболее существенных парных взаимодействий
В данном случае наиболее значимыми являются взаимодействия z4z7, z6z7, z1z7.
На рисунках 5-7 приведены диаграммы рассеяния для данных взаимодействий.
Рисунок 5

Bz6z7=51,3
Рисунок 6

Bz4z7=51,3
Рисунок 7

Bz1z6 =56,525
2.7 Вычисление оценок коэффициентов и составление неполной квадратичной модели объекта
При использовании
ВОМП вычисление
оценок
коэффициентов
выполняют по
формуле, учитывающей
число
строк ВОМП:
.
Значения коэффициентов для данного варианта указаны в таблице 2.12.
Таблица 2.11
| a0 | 244,575 |
| a2 | 14,03047 |
| a3 | 29,3375 |
| a7 | 22,06875 |
Неполная квадратичная модель объекта примет вид:
![]()
Расчетные значения у приведены в таблице 2.12.
Таблица 2.12
| g | z1 | z2 | z3 | z4 | z5 | z6 | z7 | z8 | Y | Y* |
| 1 | 1 | 1 | -1 | -1 | 1 | -1 | -1 | -1 | 209,55 | 207,1992 |
| 2 | -1 | 1 | -1 | -1 | 1 | 1 | 1 | 1 | 292,5 | 310,0117 |
| 3 | 1 | -1 | -1 | -1 | -1 | -1 | 1 | -1 | 184,45 | 223,2758 |
| 4 | -1 | -1 | 1 | -1 | 1 | 1 | -1 | -1 | 243,95 | 265,8742 |
| 5 | -1 | -1 | -1 | 1 | -1 | 1 | -1 | 1 | 158,35 | 237,8133 |
| 6 | -1 | 1 | -1 | 1 | -1 | 1 | -1 | -1 | 189,35 | 237,8133 |
| 7 | -1 | 1 | 1 | 1 | 1 | -1 | -1 | 1 | 247 | 207,1992 |
| 8 | -1 | 1 | 1 | -1 | 1 | -1 | 1 | -1 | 301,6 | 251,3367 |
| 9 | 1 | 1 | 1 | 1 | -1 | -1 | -1 | 1 | 265,3 | 179,1383 |
| 10 | 1 | 1 | 1 | -1 | -1 | -1 | -1 | -1 | 255,65 | 179,1383 |
| 11 | -1 | -1 | -1 | -1 | 1 | -1 | 1 | 1 | 221,9 | 251,3367 |
| 12 | -1 | -1 | 1 | 1 | -1 | 1 | 1 | -1 | 262,7 | 281,9508 |
| 13 | 1 | -1 | 1 | -1 | -1 | -1 | 1 | 1 | 262,1 | 223,2758 |
| 14 | 1 | -1 | -1 | 1 | 1 | 1 | -1 | 1 | 210,9 | 265,8742 |
| 15 | 1 | -1 | 1 | 1 | 1 | 1 | 1 | -1 | 353 | 310,0117 |
| 16 | 1 | 1 | -1 | 1 | -1 | 1 | 1 | 1 | 254,9 | 281,9508 |
2.8 Проверка адекватности математического описания
Чтобы проверить
гипотезу об
адекватности
математического
описания опытным
данным, достаточно
оценить отклонение
предсказанной
по полученному
уравнению
регрессии
величины отклика
от результатов
наблюдений
в одних и тех
же g-х точках
факторного
пространства.
Для данного варианта в соответствии с формулой (14) получим
.
![]()
Проверку гипотезы об адекватности производят с использованием F-критерия Фишера.
F=184,05
Если вычисленное по результатам наблюдений эмпирическое значение критерия F меньше критического Fкр, найденного из таблице для соответствующих степеней свободы:
n1ад = N – d , n2ад = nзн = N(m – 1) , (17)
при заданном уровне значимости qад (обычно qад = 0,05), то гипотезу об адекватности не отвергают. В противном случае гипотезу отвергают и математическое описание признается неадекватным.
В данном случае n1ад =12, n2ад =16, табличное значение критерия Fкр=2,42. Таким образом, модель не является адекватной.
Заключение
В процессе выполнения курсовой работы были изучены современные методы планирования экспериментов, математического моделирования объектов и систем контроля и управления.
При выполнении курсовой работы мною были приобретены навыки выбора необходимого плана эксперимента в соответствии с поставленной перед исследователем проблемой, построения матрицы планирования, обработки и анализа полученных результатов в зависимости от плана эксперимента.
Список использованных источников
1 Адлер Ю.П. Введение в планирование эксперимента. М.: Металлургия, 1969.
2 Вентцель Е.С. Теория вероятностей. М.: Наука, 1973.
3 Налимов В.В., Чернова Н.А. Статистические методы планирования экстремальных экспериментов. М.: Наука, 1965.
4 Статистические методы в инженерных исследованиях (лабораторный практикум): Учеб. пособие / Под. ред. Г.К. Круга. М.: Высш. школа, 1983.
5 Рузинов Л.П., Слободчикова Р.И. Планирование эксперимента в химии и химической технологии. М.: Химия, 1980.
6 Бондарь А.Г., Статюха Г.А. Планирование эксперимента в химической технологии. Киев: Вища школа, 1976.
7 Статистические методы планирования эксперимента: Лаб. работы / Сост.: С.В. Мищенко, С.В. Григорьева, В.Г. Серегина, Э.В. Злобин: Тамбов: Изд-во Тамб. гос. техн. ун-та, 2002