- •Сущность системного подхода
- •Научные направления исследования и проектирования систем
- •Методы эмпирического исследования
- •Теоретическое познание
- •Теория и практика многофакторного планирования экспериментов при создании моделей объектов управления.
- •Параметр оптимизации
- •Дисперсия параметра оптимизации
- •Проверка однородности дисперсий
- •Рандомизация
- •Крутое восхождение неэффективно
Теория и практика многофакторного планирования экспериментов при создании моделей объектов управления.
Среди основных методов планирования, применяемых на разных этапах исследования, используют:
планирование отсеивающего эксперимента, основное значение которого выделение из всей совокупности факторов группы существенных факторов, подлежащих дальнейшему детальному изучению;
планирование эксперимента для дисперсионного анализа, т.е. составление планов для объектов с качественными факторами;
планирование регрессионного эксперимента, позволяющего получать регрессионные модели (полиномиальные и иные);
планирование экстремального эксперимента, в котором главная задача – экспериментальная оптимизация объекта исследования;
планирование при изучении динамических процессов и т.д.
Планирование эксперимента – это процедура выбора числа и условий проведения опытов, необходимых и достаточных для решения поставленной задачи с требуемой точностью. При этом существенно следующее:
Стремление к минимизации общего числа опытов; одновременное варьирование всеми переменными, определяющими процесс, по специальным правилам – алгоритмам;
использование математического аппарата, формализующего многие действия экспериментатора;
выбор четкой стратегии, позволяющей принимать обоснованные решения после каждой серии экспериментов.
Для описания объекта исследования удобно пользоваться представлением о кибернетической системе. Иногда такую кибернетическую систему называют «черным ящиком». Стрелки справа изображают численные характеристики целей исследования. Мы обозначаем их буквой игрек и называем параметрами оптимизации. В литературе можно встретить другие названии: критерий оптимизации, целевая функция, выход «черного ящика» и т.д.
Для проведения эксперимента необходимо иметь возможность воздействовать на поведение «черного ящика». Все способы такого воздействия мы обозначаем буквой икс и называем факторами. Их называют также входами «черного ящика».
При решении задачи будем использовать математические модели объекта исследования. Под математической моделью мы понимаем уравнение, связывающее параметр оптимизации с факторами. Это уравнение в общем виде можно записать так:
.
Такая функция называется функцией отклика.
Каждый фактор может принимать в опыте одно из нескольких значений. Такие значения будем называть уровнями.
Отклик - переменная, представляющая результат эксперимента
Фактором называется измеряемая переменная величина, принимающая в некоторый момент времени определенное значение. Факторы соответствуют способам воздействия на объект исследования.
Параметр оптимизации
При планировании экстремального эксперимента очень важно определить параметр, который нужно оптимизировать. Сделать это совсем не так просто, как кажется на первый взгляд. Цель исследования должна быть сформулирована очень четко и допускать количественную оценку. Будем называть характеристику цели, заданную количественно, параметром оптимизации. Параметр оптимизации является реакцией (откликом) па воздействие факторов, которые определяют поведение выбранной системы. Реакция объекта многогранна, многоаспектна. Выбор того аспекта, который представляет наибольший интерес, как раз и задается целью исследования.
Ранг – это количественная оценка параметра оптимизации, но она носит условный (субъективный) характер. Мы ставим в соответствие качественному признаку некоторое число – ранг.
Выбор модели
Под моделью мы понимаем функцию отклика
Выбрать модель – значит выбрать вид этой функции, записать ее уравнение. Тогда останется спланировать и провести эксперимент для оценки численных значений констант (коэффициентов) этого уравнения.
Выбор области эксперимента
При выборе области эксперимента должны учитываться следующие соображения.
Прежде всего, надо оценить границы областей определения факторов. При этом должны учитываться ограничения нескольких типов.
Первый тип: принципиальные ограничения для значений факторов, которые не могут быть нарушены ни при каких обстоятельствах. Например, если фактор – температура, то нижним пределом будет абсолютный нуль.
Второй тип – ограничения, связанные с технико-экономическими соображениями, например, со стоимостью сырья, дефицитностью отдельных компонентов, временем ведения процесса.
Третий тип ограничений, с которым чаще всего приходится иметь дело, определяется конкретными условиями проведения процесса, например, существующей аппаратурой, технологией, организацией. В реакторе, изготовленном из некоторого материала, температуру нельзя поднять выше температуры плавления этого материала или выше рабочей температуры данного катализатора.
Оптимизация обычно начинается в условиях, когда объект уже подвергался некоторым исследованиям. Информацию, содержащуюся в результатах предыдущих исследований, будем называть априорной (т.е. полученной до начала эксперимента). Мы можем использовать априорную информацию для получения представления о параметре оптимизации, о факторах, о наилучших условиях ведения процесса и характере поверхности отклика, т.е. о том, как сильно меняется параметр оптимизации при небольших изменениях значений факторов, а также о кривизне поверхности. Для этого можно использовать графики (или таблицы) однофакторных экспериментов, осуществлявшихся в предыдущих исследованиях или описанных в литературе. Если однофакторную зависимость нельзя представить линейным уравнением (в рассматриваемой области), то в многомерном случае, несомненно, будет существенная кривизна. Обратное утверждение, к сожалению, не очевидно.
Итак, выбор экспериментальной области факторного пространства связан с тщательным анализом априорной информации.
Полный факторный эксперимент
Эксперимент, состоящий из всех возможных обработок, образованных двумя или более факторами, каждый из которых изучают на двух или более уровнях .
Дробный факторный эксперимент
Эксперимент, состоящий из подмножества полного факторного эксперимента.
Проведение эксперимента
Каждый эксперимент содержит элемент неопределенности вследствие ограниченности экспериментального материала. Постановка повторных (или параллельных) опытов не дает полностью совпадающих результатов, потому что всегда существует ошибка опыта (ошибка воспроизводимости). Эту ошибку и нужно оценить по параллельным опытам. Для этого опыт воспроизводится по возможности в одинаковых условиях несколько раз и затем берется среднее арифметическое всех результатов.
Все ошибки принято разделять на два класса: систематические и случайные.
Систематические ошибки порождаются причинами, действующими регулярно, в определенном направлении. Чаще всего эти ошибки можно изучить и определить количественно.
Случайными ошибками называются те, которые появляются нерегулярно, причины возникновения которых неизвестны и которые невозможно учесть заранее.