- •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
3.2 Метод полного факторного эксперимента
Рассматриваемый метод факторного эксперимента позволяет получить математическое описание (математическую модель исследуемого процесса в некоторой локальной области, факторного пространства, лежачей в окрестности точки с координатами (хо1, хо2, …хоn), ограниченной заданными интервалами факторов (∆хi) (см. рис. 3.1).
Для удобства планирования и обработки результатов осуществляет переход от натуральных значений переменных к кодированным. Для этого переносят начало координат факторного пространства в центр исследуемого пространства (из точки 0 в точку 0)
i = (1, 2, …n), (3.1)
где ∆хi - масштаб по оси;
хi - величина кодированной переменной:
хi - величина натуральной переменной.
Метод полного факторного эксперимента служит для получения математического описания процесса в виде отрезка ряда Тейлора (3.2). При этом обычно ограничиваются линейной частью разложения и членами, содержащими произведения факторов в первой степени. Таким образом, удается находить уравнение локального участка поверхности, если его кривизна не очень велика.
Представим функцию отклика в окрестности нового начала координат в виде ряда Тейлора:
(3.2)
где значение функции отклика в начале координат -
Коэффициенты искомого уравнения (3.2) определяются на основе экспериментальных данных и поэтому несут на себе отпечаток погрешностей эксперимента.
Чтобы отразить это обстоятельство, в уравнении вместо символов , обозначающих истинные значения коэффициентов пишут b , подразумевая под этим соответствующие выборочные оценки.
Таким образом, с помощью полного факторного эксперимента ищут математическое описание процесса в виде уравнения:
(3.3)
или
(3.4)
Это и называют уравнением регрессии, а коэффициенты, входящие в него, - коэффициентами регрессии.
Для удобства вычислений коэффициентов все факторы в ходе полного факторного эксперимента варьируют на двух уровнях, соответствующих .значениям кодированных переменных + 1 и –1, перебирая возможные комбинации факторов.
Например, в таблице 3.1 приведены условия опытов полного двухфакторного эксперимента, а в таблице 3.2 - полного трехфакторного эксперимента. Часть таблиц, обведенная пунктиром, называется матрицей плакирования.
Таблица 3.1
Полный двухфакторный эксперимент (ПФЭ-22)
Номер опыта |
Факторы |
Функция отклика yi |
|
x1 |
x2 |
||
1 |
-1 |
-1 |
y1 |
2 |
+1 |
-1 |
y2 |
3 |
-1 |
+1 |
y3 |
4 |
+1 |
+1 |
y4 |
Таблица 3.2
Полный трехфакторный эксперимент (ПФО- 23)
Номер опыта |
Факторы |
Функция отклика yi |
||
x1 |
x2 |
x3 |
||
1 |
-1 |
-1 |
-1 |
y1 |
2 |
+1 |
-1 |
-1 |
y2 |
3 |
-1 |
+1 |
-1 |
y3 |
4 |
+1 |
+1 |
-1 |
y4 |
5 |
-1 |
-1 |
+1 |
y5 |
6 |
+1 |
-1 |
+1 |
y6 |
7 |
-1 |
+1 |
+1 |
y7 |
8 |
+1 |
+1 |
+1 |
y8 |
Опыты полного двухфакторного эксперимента соответствуют вершинам квадрата на факторной плоскости (рис. 3.2), а трехфакторного - вершинам куба (рис. 3.3). Центры этих фигур совпадают с началом координат.
Из таблиц 3.1 и 3.2 видны основные принципы построения матриц плакирования полного факторного эксперимента:
- уровни варьирования первого фактора чередуется от опыта к опыту;
- частота смены уровней каждого последующего - фактора вдвое меньше предыдущего.
Матрица планирования полного факторного эксперимента обладает следующими свойствами:
а) ; б) ; в)
(где )
здесь:
N - число опытов полного факторного эксперимента;
j - номер опыта;
i, I, - номер факторов.
Свойство, выраженное уравнением (3.5), называется ортогональностью. Поэтому говорят, что матрица полного факторного эксперимента ортогональна. Это свойство позволяет вычислить коэффициенты регрессии по простым формулам независимо друг от друга.
Общее количество опытов в матрице планирования равно:
(3.5),
где:
n - число факторов.
На основе результатов полного факторного эксперимента вычисляют коэффициенты регрессии по следующим формулам:
, (3.7)
, (3.8)
(где ) (3.9)
Некоторые из коэффициентов регрессии могут оказаться пренебрежимо малыми - незначительными. Чтобы установить значим коэффициент или нет, необходимо вычислить оценки дисперсии, с которой он определяется:
(3.10)
Нужно отметить, что в полном факторном эксперименте все коэффициенты определяются с одинаковой погрешностью.
Считают, что коэффициент регрессии значим, если выполнено условие:
, (3.11)
где:
t - значение критерии Стьюдента (см. Приложение 2).
В противном случае коэффициент регрессии назначим и соответствующий член из уравнения регрессии можно исключить.
Получив регрессии, следует проверить его адекватность, т.е. способность достаточно точно описывать поверхность отклика. Такую проверку осуществляют с помощью критерия Фишера, который определяют из отношения:
, (3.12)
где - оценка дисперсии адекватности.
В числителе дроби (3.12) находится большая, а в знаменателе - меньшая из указанных оценок дисперсий.
Оценку дисперсии адекватности вычисляют по формуле
, (3.13)
где
В - число коэффициентов регрессии искового уравнения, включая и свободный член;
- экспериментальное и расчетное значении функции отклика в j-м опыте;
N - число опытов полного факторного эксперимента.
С оценкой дисперсии адекватности связано число степеней свободы
(3.14)
Уравнение регрессии считается адекватным, т.е. описывает изучаемый процесс с достаточной точностью, если выполняется условие:
, (3.15)
где
- значение критерии Фишера (из Приложения 4).
Для определения из таблицы (Приложение 4). Необходимо знать число степеней свободы, связанных с числителем и знаменателем выражения (3.12).