- •1. Общая структурная схема асни. Пример асни. Назначение отдельных
- •Блоков и устройств
- •Структура асни
- •2. Требования к факторам. Исполнительные устройства, управление и
- •Управляющие сигналы
- •3) Датчики физических величин в асни. Требования по точности и
- •Быстродействию. Пример асни с датчиками физических величин
- •4) Параметр оптимизации - это признак, по которому мы хотим оптимизировать процесс. Он должен быть количественным, задаваться числом.
- •Параметр оптимизации должен быть:
- •6. Полный факторный эксперимент. Матрица планирования, основные
- •7. Дробный факторный эксперимент. Матрица планирования, основные
- •10. Метод поиска экстремума по Боксу - Уилсону.
4) Параметр оптимизации - это признак, по которому мы хотим оптимизировать процесс. Он должен быть количественным, задаваться числом.
Например, выход реакции - это параметр оптимизации с непрерывной ограниченной областью определения. Он может изменяться в интервале от 0 до 100%. Число бракованных изделий, число кровяных телец в пробе крови - вот примеры параметров с дискретной областью определения, ограниченной снизу.
Почти во всех исследованиях приходится учитывать количество и качество получаемого продукта. Как меру количества продукта используют выход, например, процент выхода готовой продукции.
Параметр оптимизации должен быть:
- эффективным с точки зрения достижения цели;
- универсальным; Под универсальностью параметра оптимизации понимается его способность всесторонне характеризовать объект.
- количественным и выражаться одним числом; Например: регистрация показания прибора.
- статистически эффективным;
- имеющим физический смысл, простым и легко вычисляемым.
Однофакторный дисперсионный анализ. Дисперсионный анализ применяют чтобы установить оказывает ли существенное влияние некоторый фактор х, имеющий p уровней, т.е.х1,х2,…хn на параметр оптимизации у.
Основная идея ДА заключается в сравнении факторной дисперсии и остаточной дисперсии, которые обусловлены случайными причинами. Если такое различие значимо, то фактор х оказывает существенное влияние на у – в этом случае групповые средние тоже различаются значимо.
Еще одна основная идея ДА заключается в следующем:
Необходимо проверить нулевую гипотезу о равенстве групповых средних по критерию Фишера. Если
Fнабл=Fрасч=(S2факт./ S2ост.)>Fкрит.
То нулевая гипотеза отвергается и влияние фактора признается значимым.
6. Полный факторный эксперимент. Матрица планирования, основные
свойства. Параллельные опыты. Обработка результатов ПФЭ.
Эксперимент, в котором реализуются все сочетания уровней факторов, называтеся полным факторным экспериментом.
N |
Х0 |
Х1 |
Х2 |
Х3 |
Х12 |
у’к |
1 |
+ |
- |
- |
- |
+ |
у’1 |
2 |
+ |
+ |
- |
- |
- |
у’2 |
3 |
+ |
- |
+ |
- |
- |
. |
4 |
+ |
+ |
+ |
- |
+ |
. |
5 |
+ |
- |
- |
+ |
+ |
. |
6 |
+ |
+ |
- |
+ |
- |
. |
7 |
+ |
- |
+ |
+ |
- |
. |
8 |
+ |
+ |
+ |
+ |
+ |
у’8 |
β0 β1 β2 β3 β12
y= β0+ β1Х1+ β2Х2+ β3Х3+ β12Х12 – уравнение регрессии
β0= (у’1 + у’2 +…у’8)/N
β0= (-у’1 + у’2 -…+у’8)/N
βj= (Σxi•yi)N
Свойства:
Число строк в матрице равно 2^n;
-Нулевой столбец матрицы состоит из единиц:
-В столбцах 1...n находятся все возможные 2^n сочетаний значений –1 и +1;
-В последнем столбце находятся результаты измерений, полученные при значениях факторов, записанных в соответствующих строках в столбцах 1...n.
-Сумма элементов нулевого столбца всегда равна 2^n:
-Сумма элементов любого столбца, кроме нулевого и последнего, равна нулю
Каждый из параллельных опытов предусматривает проведение эксперимента с первоначальной установкой требуемых факторов от предыдущего уровня. Желательно чтобы серия опытов проводилась в течение одного дня. Опыты должны быть рандомизированы. Случайный порядок проведения опыта позволяет устранить систематическую составляющую погрешности