Реферат Курсовая Конспект
Реалiзацiя експеримента - раздел Образование, Основи системного аналізу Як Приклад, Розглянемо Проведення Досліду Для Наведеної Вище ...
|
Як приклад, розглянемо проведення досліду для наведеної вище матриці (табл. 6.1). Припустимо, що вхідні параметри складу стічної води визначаються факторами Х1 і Х2, а параметр керування позначено фактором Х3.
4 Визначення точності експеримента
В кожному досліді відхилення значень, що отримані, повинні бути мінімальними, тобто виміри параметрів оптимізації мають бути максимально точними.
Для визначення цього відхилення, що характеризується дисперсією, спочатку обчислюється середнє значення параметра оптимізації в кожному досліді:
i=1,2,...n , | (3) |
де m – кількість повторень в даному досліді;
i – порядковий номер досліду в матриці.
(4) |
Результати кожного досліду повинні бути вимірені з однаковою точністю. Для перевірки цього зазвичай використовують припущення про однорідність дисперсій параметра оптимізації. Перевірка гіпотези однорідності дисперсій здійснюється за допомогою критерiя Кохрена, який є відношенням максимальної дисперсії в дослідах до суми всіх дисперсій експеримента:
(5) |
де - максимальне значення вибipкової диспеpсiї.
Якщо дисперсiї однорiднi, то
Gmax<Gp(N,m-1), | (6) |
де Gp(N, m-1) табульоване значення критерiя Кохрена при рiвнi значимостi р (зазвичай його приймають 5%).
Математична модель процеса очистки подається у вигляді полінома:
(7) |
де xi,xj – фактори;
b0, bi, bij, - коефіцієнти полінома.
Як перше наближення для рівняння регресії зазвичай використовується поліном неповного другого ступеня. Якщо воно не відповідає реальному процесу очистки стічних вод, тобто не адекватне йому, здійснюється побудова моделі, яка описується поліномом другого рівня. Якщо не адекватне і це рівняння, то будують рівняння більш високих степеней.
Розрахунок коефіцієнтів регресії лінійних членів полінома здійснюється за формулою:
, | (8) |
де - середне значення параметра оптимізації в досліді.
, | (9) |
де xi - кодоване значення фактора в і-му досліді.
Коефіцієнти регресії, які характеризують взаємодію факторів (ефектів подвійної взаємодії), визначаються за формулою:
(10) |
Коефіцієнти регресії, які характеризують ефекти потрійної взаємодії, визначаються за формулою:
(11) |
Визначення значимості коефіцієнтів регресії
Значимість коефіцієнтів регресії перевіряється порівнянням їх величини із значенням довірчих інтервалів , які для варіанту планування експерименту, що разглядається, однакові для всіх коефіцієнтів.
Для оцiнки значимостi коефiцiєнтiв рiвняння регресiї (7) необхiдно спочатку знайти дисперсiю вiдтворення. Якщо дисперсiї однорiднi, то дисперсiя вiдтворення:
(12) |
Дисперсія коефіціентів регресії визначається з виразу
(13) |
При відоміх дисперсіях довірчий інтервал коефiцiєнтiв рiвняння регресiї дорівнює:
, | (14) |
де t - табличне значення критерія Стьюдента при числі степеней свободи, з якими визначалось і вибраному рівні значимості.
Коефіцієнт регресії рахується значимим, якщо його абсолютне значення перевищує величину довірчого інтервалу.
Перевірка адекватності моделі
Перевірка гіпотези адекватності прийнятої моделі реальному процесу здійснюється за критерієм Фішера:
, | (15) |
де - дісперсія адекватності;
- дісперсія відтворення.
Диспеpсiя адекватності визначається за формулою
(16) |
де - значення параметра оптимізації, яке отримане розрахунком з рівняння регресії, з якого виключени всі незначимі члени (коефіцієнти регресії, які визнані незначимими, приймаються рівними 0 і тому не входять в математичну модель процеса очистки).
Якщо значення F , що отримано, менше табличного Fp (f1, f2) для обраного рiвня значимостi р i чисел степенiв свободи f1 = N-1 i f2 = N-l, то гіпотеза адекватності приймається. В іншому випадку застосовується планування другого порядка.
Перевірка необхідності планування другого порядка
Перевірка необхідності планування другого порядка обов'язкова в тому випадку, коли в рівнянні регресії, що отримане, хоча б один коефіцієнт при парних взаємодіях Xi був значимим. Значимість його є достатньою підставою для ствердження про нелінійність математичної моделі.
Необхідність планування другого порядка оцінюється по внеску у величину параметра оптимізації коефіцієнтів полінома другої і більшої степеней. Оцінка суми коефіцієнтів при квадратичних і більш високих степенях визначається за величиною різниці між вільним членом b0 в рівнянні регресії і середнім значенням , яке отримане з додаткових до матриці дослідів в центрі експеримента. Додаткові досліди проводяться при нульових кодованих значеннях всіх факторів.
Значимість різниці оцінюється за критерієм Стьюдента:
, | (17) |
де - отримана раніше дісперсія, що характеризує похибку дослідів.
Значення критерія Стьюдента порівнюється з його табличним значенням. Якщо отримане значення критерія менше табличного, приймається гіпотеза про незначність квадратичних членів. Таке рішення дозволяє відмовитись від планування другого порядка і обмежитись поданням рівняння регресії поліномом неповної другої степені (без квадратичних членів).
В іншому випадку виконується планування експерименту другого порядку. Методика такого планування викладена в спеціальній літературі.
Приклад побудови математичної моделі з використанням апарата планування експеримента
Розглядається задача побудови математичної моделі процесу електронейтралізації кислих стічних вод підприємств первинної обробки вовни [4]
Під час дослідів параметром оптимізації була величина рН католіта під час електронейтралізації. Як фактори прийняті такі параметри управління процесом:
Х1 – сила струму, А;
Х2 – відстань між електродами, см;
Х3 – тривалість процеса, хв.
Реалiзацiя експеримента
Для побудови математичної моделі процеса електронейтралізації прийнятий план повного факторного експеримента типу 23, матриця якого наведена в табл. 6.2.
Обрахування значень таблиці починаючи з колонки 7 та інших критерієв доцільно виконувати за допомогою електронної таблиці Excel.
Таблиця 6.2 Матриця, результати і розрахунок планованого факторного експерименту
Кодування факторів і номер дослiду | Сила струму, А | Відстань між електродами, см | Тривалість процесу, хв | Значення параметра оптимiзацiї (величини рН католіта) | Дисперсія відносно середнього | Розрахункове значення, | Дисперсія відтворення | ||
Х1 | Х2 | Х3 | В І-й серії дослідів Y1 | В 2-й серії дослідів Y2 | Середнє з серій дослідів Yсер | ||||
Верхній рівень +1 | |||||||||
Нульовий рівень 0 | 2,25 | ||||||||
Нижній рівень -1 | 0,50 | ||||||||
Інтервал | 1,75 | ||||||||
+ | + | + | 11,70 | 11,93 | |||||
- | + | + | 4,84 | 4,81 | |||||
+ | - | + | 11,83 | 11,83 | |||||
- | - | + | 5,26 | 4,61 | |||||
+ | + | - | 5,90 | 5,54 | |||||
- | + | - | 4,51 | 4,32 | |||||
+ | - | - | 5,57 | 5,31 | |||||
- | - | - | 4,52 | 4,38 |
– Конец работы –
Эта тема принадлежит разделу:
НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ ВОДНОГО ГОСПОДАРСТВА ТА ПРИРОДОКОРИСТУВАННЯ... КАФЕДРА ВОДОВІДВЕДЕННЯ ТЕПЛОГАЗОПОСТАЧАННЯ ТА ВЕНТИЛЯЦІЇ...
Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Реалiзацiя експеримента
Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:
Твитнуть |
Новости и инфо для студентов