- •Применение метода полного факторного эксперимента при изучении свойств упрочненных материалов высококонцентрированными источниками излучения
- •Введение
- •1. Общие указания к выполнению учебно-исследовательскои работы
- •3) Объем и порядок выполнения работы:
- •4) Отчет по работе включает:
- •5) Организация работы:
- •6) Материальное обеспечение
- •7) Правила по технике безопасности
- •2. Общие сведения об эксперименте
- •2.1. Основные понятия и определения
- •2.2. Общие условия проведения многофакторного эксперимента
- •2.2.1. Проверка воспроизводимости опытов
- •2.2.2. Вычисление погрешности эксперимента
- •2.2.3. Рандомизация опытов
- •3. Изучение сложных систем методом полного факторного эксперимента
- •3.1. Математическое планирование эксперимента и моделирование сложных систем
- •3.2 Метод полного факторного эксперимента
- •3.3. Анализ математической модели
- •4. Пример использования метода полного факторного эксперимента при изучении свойств упрочненного материала
- •Анализ математической модели
- •5. Контрольные вопросы
- •Литература
- •423810, Г. Набережные Челны, новый город, проспект Мира, 68/19
2.2.2. Вычисление погрешности эксперимента
Оценку однородных дисперсий нескольких серий параллельных опытов можно усреднить и найти величину, называемую оценкой дисперсии воспроизводимости (Sy2):
(2.6)
С величиной Sy2 связано число степеней свободы
(2.7)
Например, по результатам опытов (табл. 2.1)
Оценку дисперсии среднего(Sy2) значения рассчитывают по формуле:
(2.8)
С величиной также связано число степеней свободы
(2.9)
Так для рассматриваемого примера 1.1
Если при проведении эксперимента опыты дублируют и пользуются средними значениями функции отклика , то при обработке экспериментальных данных следует использовать . В случаях, когда из-за недостатка времени, трудоемкости, высокой стоимости эксперимента опыты не дублируются, то при обработке экспериментальных данных используют .
2.2.3. Рандомизация опытов
Рандомизацией опытов называют приём, который используют при проведении экспериментов для того, чтобы по возможности компенсировать систематические погрешности. Суть его заключается в той, что опыта проводят в случайной последовательности, которая устанавливается с помощью таблицы случайных чисел (см. приложение 3).
Например, требуется рандимизироватъ во времени 6 опытов, обозначенных цифрами I, II,...VI. Поставим в соответствие им любые 6 последовательных чисел, взятых из любой строки и любого столбца таблицы (приложение 3). Если при этом встретятся повторяющиеся числа, то их следует отбросить. Так могут быть получены следующие пары:
I - 70 IУ - 13
II - 11 У - 35
III - 06 УI – 30
Расположив случайные числа в порядке возрастания (или убывания), получим искомую последовательность реализации опытов во времени:
III, П, IV, V, I (или I, V, IV, П, Ш).
3. Изучение сложных систем методом полного факторного эксперимента
3.1. Математическое планирование эксперимента и моделирование сложных систем
Изучение сложных многофакторных систем, в которых одновременно изменяются в заданных пределах несколько независимых факторов, проводится по специальной планам [3. 4]. Такие планы лежат и в основе полного факторного эксперимента, рассматриваемого в данной работе.
Полный факторным экспериментов называется система опытов, проводимая по плану, содержащему все возможные комбинации уровней варьирования факторов. Метод полного факторного эксперимента дает возможность получить математическое описание процесса.
Под математическим описанием процесса следует понимать систему уравнений, связывающих пункции отклика с влияющими факторами, В простейшем случае это может бить одно уравнение. Часто математическое описание называет математической моделью. Математические модели, получаемые с помощью методов планирования эксперимента, называть экспериментально-статистическими.
Большим достоинством математических методов оптимального планирования эксперимента является то, что с их помощью можно получить математическую модель даже при отсутствии сведений о его механизме [3].
Для исследователя ценность таких моделей состоит в том, что они позволяют:
1) получить информацию о влиянии факторов;
2) количественно определить значений функций отклика при заданном режиме ведения процесса;
3) использовать их в качестве основа для оптимизации.
Для нас большое значение имеет то, что методы планирования эксперимента позволяют количественно описать зависимости свойств строительных материалов от различных факторов.
В изучаемых процессах может оказаться, что каждому значению х соответствует только одно значение у, такая зависимость будет называться функциональной. В реальных системах обычно каждому значению х соответствует некоторая совокупность "выборка" близко расположенных, но различных по величине значений у. Такая совокупность характеризуется значениями среднеарифметической выборки у и ее дисперсия (отклонения) Sy2. В отличие oт функциональной зависимости, рассматриваемая зависимость называется корреляционной, а уравнение называется уравнением регрессии. Такие уравнения применяются при математическом моделировании сложных систем. Так как любая непрерывная функция может быть представлена в виде ряда Тейлора, то в общем виде корреляционная зависимость - в виде полинома в степени «Ш».
Для широкого круга задач можно принимать Ш 4.