- •Оглавление
- •2. Краткие сведения из теории вероятностей
- •3. Предварительная обработка экспериментальных
- •7. Компьютерные методы статистической обработки
- •Предисловие
- •1. Эксперимент как предмет исследования
- •1.1. Понятие эксперимента
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1.2. Классификация видов экспериментальных исследований
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •1. Эксперимент как предмет исследования
- •Контрольные вопросы
- •2. Краткие сведения из теории вероятностей и математической статистики
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2.2. Нормальный закон распределения
- •2. Краткие сведения из теории вероятностей …
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •2. Краткие сведения из теории вероятностей ...
- •Контрольные вопросы
- •3. Предварительная обработка экспериментальных данных
- •3.1. Вычисление параметров эмпирических распределений. Точечное оценивание
- •3.2. Оценивание с помощью доверительного интервала
- •3.2.1. Построение доверительного интервала для математического ожидания
- •3.2.2. Построение доверительного интервала для дисперсии
- •3.2.3. Определение необходимого количества опытов при построении интервальной оценки для математического ожидания
- •3.3. Статистические гипотезы
- •3.4. Отсев грубых погрешностей
- •3.4.1. Критерий н.В. Смирнова
- •3.4.2. Критерий Диксона
- •3.5. Сравнение двух рядов наблюдений
- •3.5.1. Сравнение двух дисперсий
- •3.5.2. Проверка однородности нескольких дисперсий
- •3.5.3. Проверка гипотез о числовых значениях математических ожиданий
- •3.6. Критерии согласия. Проверка гипотез о виде функции распределения
- •3.7. Преобразование распределений к нормальному
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента. Эмпирические зависимости
- •4.1. Характеристика видов связей между рядами наблюдений
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.2. Определение коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента
- •4. Анализ результатов пассивного эксперимента…
- •4.3. Определение тесноты связи между случайными величинами
- •4. Анализ результатов пассивного эксперимента...
- •4.4. Линейная регрессия от одного фактора
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5. Регрессионный анализ
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента...
- •4.5.1. Проверка адекватности модели
- •4. Анализ результатов пассивного эксперимента...
- •4. Анализ результатов пассивного эксперимента…
- •4.5.2. Проверка значимости коэффициентов уравнения регрессии
- •4. Анализ результатов пассивного эксперимента…
- •4.6. Линейная множественная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4. Анализ результатов пассивного эксперимента…
- •4.7. Нелинейная регрессия
- •4. Анализ результатов пассивного эксперимента…
- •Контрольные вопросы
- •4. Анализ результатов пассивного эксперимента…
- •5. Оценка погрешностей результатов наблюдений
- •5.1. Оценка погрешностей определения величин функций
- •5. Оценка погрешностей результатов наблюдений
- •5.2. Обратная задача теории экспериментальных погрешностей
- •5. Оценка погрешностей результатов наблюдений
- •5. Оценка погрешностей результатов наблюдений
- •5.3.Определение наивыгоднейших условий эксперимента
- •5. Оценка погрешностей результатов наблюдений
- •Контрольные вопросы
- •6. Методы планирования экспериментов. Логические основы
- •6.1. Основные определения и понятия
- •6.2. Пример хорошего и плохого эксперимента
- •6.3. Планирование первого порядка
- •6.3.1. Выбор основных факторов и их уровней
- •6.3.2. Планирование эксперимента
- •6.3.3. Определение коэффициентов уравнения регрессии
- •6.3.4. Статистический анализ результатов эксперимента
- •6.3.5. Дробный факторный эксперимент
- •6.3.6. Разработка математической модели гидравлического режима методической печи
- •6.4. Планы второго порядка
- •6.4.1. Ортогональные планы второго порядка
- •6.4.2. Ротатабельные планы второго порядка
- •6.4.3. Исследование причин образования расслоений в горячекатаных листах
- •6.5. Планирование экспериментов при поиске оптимальных условий
- •6.5.1. Метод покоординатной оптимизации
- •6.5.2. Метод крутого восхождения
- •6.5.3. Симплексный метод планирования
- •Контрольные вопросы
- •7. Компьютерные методы статистической обработки результатов инженерного эксперимента
- •7.1. Общие замечания
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.2. Статистические функции Microsoft Excel
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3. Краткое описание системы statistica
- •7. Компьютерные методы статистической обработки …
- •7.3.1. Общая структура системы
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7.3.2. Возможные способы взаимодействия с системой
- •7. Компьютерные методы статистической обработки … 7.3.3. Ввод данных
- •7. Компьютерные методы статистической обработки ...
- •7.3.4. Вывод численных и текстовых результатов анализа
- •7.3.5. Статистические процедуры системы statistica
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7.3.6. Структура диалога пользователя в системе statistica
- •7. Компьютерные методы статистической обработки ...
- •7.3.7. Примеры использования системы statistica
- •7. Компьютерные методы статистической обработки ...
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •V, Least Squares
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки …
- •7. Компьютерные методы статистической обработки … Контрольные вопросы
- •Методы планирования и обработки результатов инженерного эксперимента
6.3.6. Разработка математической модели гидравлического режима методической печи
В качестве примера рассмотрим разработку математической модели гидравлического режима четырехзонной методической печи с использованием теории планирования эксперимента. При планировании опытов используем методику проведения дробного факторного эксперимента (ДФЭ) первого порядка с двухуровневым варьированием факторов.
Перед разработкой плана эксперимента на основе априорной информации были выявлены факторы, влияющие на величину давления в томильной зоне печи. К числу таких факторов относятся расходы топлива на каждую зону нагрева и угол поворота дымового клапана. Расходы воздуха на каждую зону в
175
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
качестве факторов не фигурировали, поскольку схема управления горением топлива автоматически меняет расход воздуха при изменении расхода газа.
Обозначим факторы: X, — расход газа в томильной зоне, м3/ч; Х2 — расход газа во второй сварочной зоне, м3/ч; Х3 — расход газа в первой сварочной зоне, м3/ч; Хд — расход газа в нижней сварочной зоне, м3/ч; Х5 — положение дымового клапана, % хода исполнительного механизма (рис.6.2).
Рис.6.2. Положение факторов (Хь ..., Х5) и отклика (Y) при проведении исследования на методической печи
Реализация ПФЭ в этом случае при варьировании всех факторов на двух уровнях потребовала бы постановки 25=32 опытов.
Будем предполагать, что эффекты взаимодействия факторов в исследуемом объекте маловероятны и пренебрежимо малы. Воспользуемся 1/4 репликой ПФЭ, т.е. ДФЭ типа 25"2, где формально 2 фактора заменены соответствующими произведениями остальных факторов (X4=xi х2, x5=xi х2 Хз). Это позволит сократить число опытов до 23=8. Уровни варьирования факторов представлены в табл. 6.6.
Таблица 6.6 Уровни варьирования факторов
Уровни факторов |
Факторы |
||||
X-i, м3/ч |
х2, м3/ч |
Хз, м3/ч |
Хд, м3/ч |
Хб, % хода ИМ |
|
Основной (нулевой) |
5250 |
3900 |
2650 |
1100 |
74 |
Нижний |
4000 |
3100 |
1750 |
700 |
50 |
Верхний |
6500 |
4700 |
3500 |
1500 |
98 |
Интервал варьирования |
1250 |
800 |
900 |
400 |
24 |
176
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
В табл. 6.7 приведены матрица планирования ДФЭ 25"2 и результаты эксперимента — значения выходной переменной (давления в томильной зоне методической печи).
Для обработки результатов эксперимента используем методику, изложенную ранее в параграфе 4.5.
1. Расчет построчных средних:
y jl+y j 2+- + y j m*
У i = j
J m*
где m* — число повторных опытов (m*=2). Например,
(-2,6) + (-2,5)
2
-2,55.
Результаты расчета представлены в табл. 6.7.
Таблица 6.7 Матрица ДФЭ 25-2 с двумя параллельными опытами
|
Переменная состояния (отклик), кПа |
Построчная дисперсия щ |
|||||||||
|
Опы т 1 |
Опы т 2 |
Среднее |
Модель |
|||||||
Хо |
Xi |
х2 |
Хз |
Хд |
Хб |
У1 |
Y2 |
у. |
Уi |
||
1 |
1 |
1 |
1 |
1 |
1 |
-2,5 |
-2,6 |
-2,55 |
-2,41 |
0,005 |
|
1 |
-1 |
1 |
1 |
-1 |
-1 |
2,2 |
2,3 |
2,25 |
2,26 |
0,005 |
|
1 |
1 |
-1 |
1 |
-1 |
-1 |
5,1 |
4,7 |
4,90 |
4,74 |
0,080 |
|
1 |
-1 |
-1 |
1 |
1 |
1 |
-1,1 |
0,5 |
-0,30 |
0,08 |
1,280 |
|
1 |
1 |
1 |
-1 |
1 |
-1 |
2,1 |
2,3 |
2,20 |
2,26 |
0,020 |
|
1 |
-1 |
1 |
-1 |
-1 |
1 |
-2,0 |
-2,4 |
-2,20 |
-2,41 |
0,080 |
|
1 |
1 |
-1 |
-1 |
-1 |
1 |
0,0 |
0,8 |
0,40 |
0,08 |
0,320 |
|
1 |
-1 |
-1 |
-1 |
1 |
-1 |
4,2 |
5,1 |
4,65 |
4,74 |
0,405 |
2. Определение построчных (выборочных) дисперсий:
s2 =
т* -\
', S1
(-2,5 - (-2,55))2 + (-2,6 - (-2,55))" 2-1
0,005.
Аналогично S22=0,005; Бз2=0,08; S42=1,28; Ss2=0,02; S62=0,08; S72=0,32; S82=0,405. Сумма построчных (выборочных) дисперсий:
Se2=0,005+0,005+0,08+1,28+0,02+0,08+0,32+0,405=2,195.
177
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
3. Определение однородности дисперсий по критерию Кохрена:
2
_ Symax 1,28
ижсй =^ = = 0,5831.
Sj. 2,195
Далее по табл. П.9 находим Ga;m;n. Для a=0,05, m=m*-1=2-1 и n=8 значение G0,05;1;8=0,6798. Поскольку G3KCn< GTeoP, то дисперсии однородны.
4. Определение коэффициентов в уравнении регрессии:
п
y=i - 2,55 + 2,25 + 4,9 - 0,3 + 2,2 - 2,2 + 0,4 + 4,65
о0 = = = 1,169;
п 8
у \ у • хх.
1 ы J -2,55-2,25 + 4,9 + 0,3 + 2,2 + 2,2 + 0,4-4,65
Ьх = = 0,069;
п 8
п
/,у, ■ х2
2,55 + 2,25 - 4,9 + 0,3 + 2,2 - 2,2 - 0,4 - 4,65
Ь2 = = -1,244;
п 8
п
ZV ■ ' X, ,
1 /=i -2,55 + 2,25 + 4,9-0,3-2,2 + 2,2-0,4-4,65
о3 = = = -0,094;
п 8
п
2_,у j' x4j
1=1 -2,55-2,25-4,9-0,3 + 2,2 + 2,2-0,4 + 4,65
b4 = = = -0,169;
п 8
п
У^_у. • x5j
, ;=\ -2,55-2,25-4,9-0,3-2,2-2,2 + 0,4-4,65
о5 = = = -2,331.
п 8
5. Проверка значимости коэффициентов регрессии. Предварительно определим дисперсию воспроизводимости (дисперсию отклика):
2
о2 i=i ^s 2,195
Ь = = = 0,2744.
ZC 2 j 1
n п 8
Дисперсия коэффициентов уравнения регрессии
2 SBn(,n 0,2744 £7Г
Sb = = = 0,01715; Sb = JSb = 0,131.
2 во
n-m* 8-2
Находим значение доверительного интервала для коэффициентов рег-рессии:
178
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
Ab j=ta;m-S b-
Здесь m=n(m*-1)=8(2-1)=8, тогда теоретическое значение критерия Стью-дента t0,05;8=2,31 (можно рассчитать, используя функцию электронных таблиц Microsoft Excel СТЬЮДРАСПОБР(0,05;8)=2,31), откуда ЛЬр2,310,131=0,303. Из сопоставления доверительного интервала Abj с абсолютными значениями коэффициентов модели следует, что I bi | =0,069<0,303; | Ьз I =0,094<0,303 и I Ь>41 =0,1690,303. Эти коэффициенты оказались незначимы, а остальные значимы. Таким образом, окончательное уравнение регрессии запишется в виде
у =1,169-1,244Х2-2,331Х5.
Результаты расчета выходных параметров по уравнению полученной модели у[ занесены в табл. 6.7.
6. Проверка адекватности полученной модели. Предварительно определим дисперсию адекватности:
I I
= ад
si
п-1 В нашем случае т*=2; /7=8; 1=3, и в результате имеем
5ад = 1(—2,55 + 2,41)2 + (2,25 - 2,66)2 + (4,9 - 4,74)2 + (-0,3 - 0,08)
8-3
+ (2,2-2,26)2 +(-2,2 + 2,41)2 +(0,4-0,08)2 +(4,65-4,74)2] = 0,1386.
С учетом ранее найденной выборочной дисперсии Sz2=2,195 определяем дисперсию воспроизводимости:
г.2 Sy 2,195
SB0Cn = — = = 0,274.
n 8
Экспериментальное значение критерия Фишера следующее:
,_, S 0,1386
F3KCII = = = 0,505.
^вош 0,2744
Теоретическое значение критерия Фишера Fam1m2 при а=0,05 можно определить по справочнику [11], табл. П.4 или с помощью встроенной функции элек-
179
6. МЕТОДЫ ПЛАНИРОВАНИЯ ЭКСПЕРИМЕНТОВ. ЛОГИЧЕСКИЕ ОСНОВЫ
тронных таблиц Microsoft Excel FPACnOBP. Для m1=(n-l)=(8-3)=5 и m2=n(m*-1)=8(2-1)=8 значение Fo,o5;5;8=3,69 (FPACnOBP(0,05;5;8)=3,69). Поскольку F3Kcn< FTeop, то полученная модель адекватна.