4. Расчет крутого восхождения.
Так как построенная модель адекватна и большинство факторов значимы, то переходим к движение по градиенту.
Изменяя факторы пропорционально величинам коэффициентов регрессии с учетом их знака, мы будем двигаться в направлении градиента функции отклика по самому крутому пути. Поэтому процедура движения к точке стационарной области называется крутым восхождением.
Для определения шага движения находим величины, пропорциональные составляющим градиента Jjbj. Увеличим составляющих градиента в 4 раза. При прибавлении полученного шага к основному уровню не выйти за приделы изменения факторов при проведении 5 опытов. Эти опыты называются мысленными.
При расчете значений параметра оптимизации используем кодированные значения факторов, вычисляемые по формуле:
= ( x j - x j 0 ) / J j, (13)
где - кодированное значение фактора, x j - натуральное значение фактора, x j0 - натуральное значение основного уровня, J j - интервал варьирования, j - номер фактора. Кодированные значения факторов занесем в таблицу мысленных опытов.
Сравним значения выходного параметра, полученные при экспериментальных исследованиях и при реализации мысленных опытов, и определим значения факторов при оптимальном значении параметра оптимизации.
Оптимальное значение параметра оптимизации получено при экспериментальных исследованиях и имеет значение у=0,23. Параметр оптимизации принимает такое значение при следующих значениях факторов: х1=6, х2=80, х3=0,50, х4=12.
Таблица мысленных опытов.
Факторы |
Х1 |
Х2 |
Х3 |
Значения параметра оптимизации У |
bj |
–0,0175 |
0,045 |
0,015 |
|
Jjbj |
–0,035 |
0,225 |
0,0021 |
|
Принятый шаг |
–0,14 |
0,9 |
0,0084 |
|
Опыты 1 2 3 4 5 |
7,86 |
75,9 |
0,3684 |
|
7,72 |
76,8 |
0,3768 |
||
7,58 |
77,7 |
0,3852 |
||
7,44 |
78,9 |
0,3936 |
||
7,3 |
79,5 |
0,402 |
||
Кодированные значения факторов |
–0,07 |
0,18 |
0,06 |
0,165225 |
–0,14 |
0,36 |
0,12 |
0,17545 |
|
–0,21 |
0,54 |
0,18 |
0,185675 |
|
–0,28 |
0,72 |
0,24 |
0,1959 |
|
–0,35 |
0,9 |
0,3 |
0,205125 |
ЗАКЛЮЧЕНИЕ
Реализация мысленных опытов на стадии крутого восхождения не привела к улучшению значения параметра оптимизации по сравнению с самым хорошим результатом в матрице планирования эксперимента. Принято решение при условии адекватности модели и близости области оптимума закончить исследования с выбором лучшего опыта.
В ходе выполнения курсовой работы мною изучен метод планирования экспериментов, составлена линейная математическая модель многофакторной динамической системы и проверена ее адекватность. Найдены значения варьируемых параметров (факторов), при которых оптимизируемый параметр принимает экстремальное значение. В этом и заключается основная задача исследований.
Использованные источники