- •Моделирование химико-технологических процессов
- •Оглавление
- •Введение, основные понятия и определения
- •1. Методы моделирования и область их применения
- •1.1. Физическое моделирование (фм)
- •1.2. Математическое моделирование (мм)
- •2. Основные принципы и направления при построении и решении математических моделей
- •2.1. Составление математической модели
- •2.2. Нахождение решения математической модели
- •2.3. Проверка моделей на адекватность
- •3. Математическое описание структуры потока в аппарате – основа построения моделей
- •3.1. Методы исследования структуры потоков
- •3.2. Основные характеристики функции распределения потока по времени пребывания в аппарате
- •4. Типовые модели структуры потока
- •4.1. Модель идеального перемешивания
- •4.2. Модель идеального вытеснения
- •4.3. Ячеечная модель
- •4.4. Ячеечная модель с рециркуляцией
- •4.5. Диффузионная модель
- •4.6. Сравнение аппаратов соответствующих моделям ип и ив
- •5. Методы статистического анализа эксперимента
- •5.1. Основные характеристики случайных величин
- •5.2. Равномерное распределение
- •5.3. Нормальное распределение
- •5.4. Доверительные интервалы и доверительная вероятность, распределение Стьюдента
- •5.5. Определение общей дисперсии для серии параллельных опытов
- •5.6. Оценка дисперсии нормально распределенной случайной величины
- •5.7. Проверка однородности результатов измерений
- •6. Планирование эксперимента
- •6.1. Основные понятия и определения
- •6.2. Выбор области проведения эксперимента
- •6.3. Полный факторный эксперимент (пфэ)
- •6.4. Дробный факторный эксперимент
- •7. Оптимизация эксперимента
- •8. Планы второго порядка
- •8.1. Центральное композиционное планирование
- •8.2. Ортогональный план второго порядка
- •8.3. Ротатабельный план второго порядка
- •Список литературы
- •Приложение 1. Квантили нормального распределения
- •Приложение 2. Квантили распределения Пирсона
- •Приложение 3. Значения параметра для различных уровней значимости и степеней свободы
- •Приложение 4. Квантили распределения Стьюдента
- •Приложение 6. Пример использования модели ип для описания процесса непрерывной массовой кристаллизации
- •Приложение 7. Примеры использования типовых моделей для описания процесса теплообмена
- •Лицензия лр № 020370
6.3. Полный факторный эксперимент (пфэ)
При планировании по схеме полного факторного эксперимента (ПФЭ) реализуются все возможные комбинации факторов на всех выбранных для исследования уровнях. Если эксперимент проведен на 2 уровнях и при этом осуществлялись все возможные комбинации, то постановка опытов по такому плану называется ПФЭ типа 2k. Уровни факторов в этом случае представляют собой границы исследуемой области по соответствующему технологическому параметру.
Например, изучается влияние на выход продукта 3 факторов: z1 – температуры, в диапазоне 100–200 °С; z2 – давления, в диапазоне 2–6 кгс/см2 и z3 – среднего времени пребывания, в диапазоне 10–20 мин (табл. 6.1).
Таблица 6.1
Факторы их уровни и интервалы варьирования
Факторы |
Нижний уровень |
Верхний уровень |
Основной уровень, z0 |
Интервал варьирования, z |
z1 |
100 |
200 |
150 |
50 |
z2 |
2 |
6 |
4 |
2 |
z3 |
10 |
20 |
15 |
5 |
Основной уровень и интервал варьирования связаны зависимостями
; . (6.1) |
Для математической обработки результатов удобнее перейти к безразмерной системе координат x1, x2, ... , xn путем следующего преобразования:
. (6.2) |
В рассматриваемом примере k = 3. Число возможных комбинаций N из трех факторов на двух уровнях определяется как N = 2k = 23 = 8. План ПФЭ в безразмерном виде с результатами эксперимента приведен в табл. 6.2, геометрическая интерпретация плана представлена на рис. 6.4.
Таблица 6.2
Матрица планирования ПФЭ типа 23
№ опыта |
Факторы |
Параметр оптимизации, % |
|||
x0 |
x1 |
x2 |
x3 |
yэ |
|
1 |
+1 |
-1 |
-1 |
-1 |
2 |
2 |
+1 |
+1 |
-1 |
-1 |
6 |
3 |
+1 |
-1 |
+1 |
-1 |
4 |
4 |
+1 |
+1 |
+1 |
-1 |
8 |
5 |
+1 |
-1 |
-1 |
+1 |
10 |
6 |
+1 |
+1 |
-1 |
+1 |
18 |
7 |
+1 |
-1 |
+1 |
+1 |
8 |
8 |
+1 |
+1 |
+1 |
+1 |
12 |
В результате обработки данных эксперимента по такому плану получают уравнение регрессии вида
. (6.3) |
Так как в уравнении регрессии присутствует коэффициент b0, то в матрицу планирования введен столбец x0, все значения которого равны +1.
Рис. 6.4. План полного трехфакторного эксперимента
Свойства матрицы планирования:
1) , |
2) , (6.4) |
3) , |
где k – число независимых факторов, N – число опытов в матрице планирования, u и j – номер фактора.
Первое свойство – равенство нулю скалярных произведений всех векторов-столбцов называется свойством ортогональности матрицы планирования. Это свойство существенно упрощает расчет коэффициентов регрессии, так как матрица коэффициентов нормальных уравнений (ХТХ) становится диагональной и ее диагональные элементы равны числу опытов в матрице планирования N.
Коэффициенты уравнения регрессии можно определить по методу наименьших квадратов.
B = |
b0 |
= (XТX)–1 XТY. |
(6.5) |
|
|||
b1 |
|||
|
|||
b2 |
|||
|
|||
b3 |
Матрица моментов (XТX), соответствующая табл. 6.2, имеет вид
ХТХ = |
|
|
|
|
(6.6) |
С учетом свойств матрицы, приведенных ранее, получим
XТX = |
N |
0 |
0 |
0 |
(6.7) |
|
|||||
0 |
N |
0 |
0 |
||
|
|||||
0 |
0 |
N |
0 |
||
|
|||||
0 |
0 |
0 |
N |
Матрица, обратная матрице моментов, получается равной
(XТX)–1 = |
1/N |
0 |
0 |
0 |
(6.8) |
|
|||||
0 |
1/N |
0 |
0 |
||
|
|||||
0 |
0 |
1/N |
0 |
||
|
|||||
0 |
0 |
0 |
1/N |
и
XТY = |
|
B = (XТX)–1 XТY = |
|
(6.9) |
Следовательно, коэффициент уравнения регрессии bj определяется скалярным произведением столбца Y на соответствующий столбец X, деленным на число опытов в матрице планирования N.
. (6.10) |
Пользуясь планом, представленным в табл. 6.2, определим коэффициенты линейного уравнения регрессии (6.3).
Например, для определения коэффициента b1 при x1 необходимо получить сумму произведений:
x1i |
|
yi |
|
x1iyi |
|
|
–1 |
|
2 |
= |
–2 |
|
|
1 |
6 |
6 |
|
|||
–1 |
4 |
–4 |
|
|||
1 |
8 |
8 |
|
|||
–1 |
10 |
–10 |
|
|||
1 |
18 |
18 |
|
|||
–1 |
8 |
–8 |
|
|||
1 |
12 |
12 |
|
|||
|
|
.
Аналогично получим b0 = 8,5; b2 = –0,5 и b3 = 3,5.
Если в рассмотрение ввести более полное уравнение регрессии с коэффициентами взаимодействия
b0 + b1 x1 + b2 x2 + b3 x3 + b12 x1x2 + b13 x1x3 + (6.11) + b23 x2x3 + b123 x1x2x3, |
то для определения недостающих коэффициентов парного и тройного взаимодействий необходимо расширить матрицу табл. 6.2 до матрицы табл. 6.3.
Таблица 6.3
Матрица планирования ПФЭ типа 23 с учетом коэффициентов
взаимодействия
№ опыта |
Ф А К Т О Р Ы |
Параметр оптимизации, % |
||||||||
х0 |
x1 |
x2 |
x3 |
x12 |
x13 |
x23 |
x123 |
yэ |
||
1 |
+1 |
–1 |
–1 |
–1 |
+1 |
+1 |
+1 |
–1 |
2 |
1 |
2 |
+1 |
+1 |
–1 |
–1 |
–1 |
–1 |
+1 |
+1 |
6 |
6 |
3 |
+1 |
–1 |
+1 |
–1 |
–1 |
+1 |
–1 |
+1 |
4 |
4 |
4 |
+1 |
+1 |
+1 |
–1 |
+1 |
–1 |
–1 |
–1 |
8 |
9 |
5 |
+1 |
–1 |
–1 |
+1 |
+1 |
–1 |
–1 |
+1 |
10 |
11 |
6 |
+1 |
+1 |
–1 |
+1 |
–1 |
+1 |
–1 |
–1 |
18 |
16 |
7 |
+1 |
–1 |
+1 |
+1 |
–1 |
–1 |
+1 |
–1 |
8 |
8 |
8 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
+1 |
12 |
13 |
Столбцы с x12 по x123 получены путем перемножения соответствующих индексам столбцов. Например, столбец x12 получен путем перемножения столбца x1 на столбец x2.
Определяются коэффициенты взаимодействия аналогично простым коэффициентам по уравнению (6.10): b12 = –0,5; b13 = 0,25; b23 = 1,5; b123 = 0,25.
Если поставить параллельные опыты, можно определить дисперсию воспроизводимости , проверить значимость коэффициентов и при наличии степеней свободы – адекватность уравнения.
Так как матрица (ХТХ)–1 спланированного эксперимента является диагональной, коэффициенты уравнения регрессии не коррелированы между собой. Поэтому значимость коэффициентов уравнения регрессии можно проверять для каждого коэффициента в отдельности по критерию Стьюдента, и исключение из уравнения регрессии незначимого коэффициента не скажется на остальных коэффициентах. Диагональные элементы матрицы равны между собой, поэтому все коэффициенты уравнения регрессии определяются с одинаковой точностью:
. (6.12) |
Например, в центре плана поставлено дополнительно три параллельных опыта m = 3 и получены следующие значения параметра оптимизации : = 8; = 9; = 8,8. Тогда
|
Оценим значимость коэффициентов по критерию Стьюдента:
t0 = |b0|/sb0 = |8,5| / 0,31 = 27,8. |
Аналогично для остальных:
|
t1 = 8,2; t2 = 1,64; t3 = 13,46; t12 = 1,64;
t13 = 0,82; t23 = 4,9; t123 = 0,82. |
Табличное значение критерия Стьюдента для уровня значимости р = 0,05 и числа степеней свободы f = 2 (приложение 4) равно tp(f) = 4,3.
Таким образом, коэффициенты b2, b12, b13 и b123 незначимы и их следует исключить из уравнения. После их исключения уравнение регрессии примет вид
= 8,5 + 2,5x1 + 3,5x3 – 1,5x2x3. |
Проверим адекватность полученного уравнения по критерию Фишера:
; , |
где L – число значимых коэффициентов в уравнении регрессии, равное четырем. Тогда F = 2/0,28 = 7,1. Критическое значение критерия Фишера для р = 0,05; f1 = 4 и f2 = 2 равно Fкр = 19,3 (приложение 5). F < Fкр – уравнение адекватно.