Вход

Анализ пассивного и активного эксперементов

Рекомендуемая категория для самостоятельной подготовки:
Реферат*
Код 198091
Дата создания 04 июня 2017
Страниц 16
Мы сможем обработать ваш заказ (!) 29 марта в 12:00 [мск]
Файлы будут доступны для скачивания только после обработки заказа.
480руб.
КУПИТЬ

Описание

Дисциплина: Моделирование энерго- и ресурсосберегающих процессов в ХТ, нефтехимии и биотехнологии ...

Содержание

При пассивном эксперименте существуют только факторы в виде входных контролируемых, но неуправляемых переменных, и экспериментатор находится в положении пассивного наблюдателя. Задача планирования в этом случае сводится к оптимальной организации сбора информации и решению таких вопросов, как выбор количества и частоты измерений, выбор метода обработки результатов измерений.

Введение

Теория предполагает, что эксперимент может быть пассивным и активным.
При пассивном эксперименте информация об исследуемом объекте накапливается путем пассивного наблюдения, то есть информацию получают в условиях обычного функционирования объекта. Активный эксперимент проводится с применением искусственного воздействия на объект по специальной программе.

Фрагмент работы для ознакомления

Математический аппарат теории планирования эксперимента построен на сочетании методов математической статистики и методов решения экстремальных задач.Построение математической модели технологического процесса в зависимости от поставленной задачи может преследовать следующие цели: минимизировать расход материала на единицу выпускаемой продукции при сохранении качества, произвести замену дорогостоящих материалов на более дешевые или дефицитных на распространение; сократить время обработки в целом или на отдельных операциях, перевести отдельные режимы в некритические зоны, снизить трудовые затраты на единицу продукции и т.п.; улучшить частные показатели и общее количество готовой продукции, повысить однородность продукции, улучшить показатели надежности и т.п.; увеличить надежность и быстродействие управления, увеличить эффективность контроля качества, создать условия для автоматизации процесса управления и т.п.Прежде всего, необходимо выбрать зависимую переменную Y, которую впредь будем называть целевой функцией или параметром оптимизации, за который принимают один из показателей качества продукции либо по каждой технологической операции отдельно, либо по всему технологическому процессу сразу. Параметр оптимизации должен соответствовать следующим требованиям:параметр должен измеряться при любом изменении (комбинации) режимов технологического процесса;параметр должен быть статистически эффективным, то есть измеряться с наибольшей точностью;параметр должен быть информационным, то есть всесторонне характеризовать технологический процесс (операцию);параметр должен иметь физический смысл, то есть должна быть возможность достижения полезных результатов при соответствующих условиях процесса;параметр должен быть однозначным, то есть должно минимизироваться или максимизироваться только одно свойство изделия.За фактор принимают контролируемую величину объекта (изделия, процесса, операции), то есть величину, характеризующую то или иное свойство объекта или режим технологического оборудования. Эта величина, числовое значение которой измеряется в пределах (границах) изменения, должна влиять на параметр оптимизации.При определении величин количественных оценок во внимание должны приниматься только те факторы, которые имеют четкий метрологический смысл (возможность измерения фактора с определенной точностью).Описание исследуемого объекта нельзя получить в виде точной формулы функции, справедливой во всем диапазоне существования аргументов. Оно может быть лишь приближенным и на небольшом участке в окрестностях выбранной базовой точки. Аппроксимация искомой математической зависимости представляет собой некоторый полином - отрезок ряда Тейлора, в который разлагается неизвестная зависимость: (1)где:В силу наличия неуправляемых и даже неконтролируемых входных переменных Xi изменение величины Y носит случайный характер, а потому уравнение (1) не дает нам точной связи между входом и выходом объекта и является лишь условным математическим ожиданием случайной величины Y, т.е. уравнением регрессии.Чтобы отыскать коэффициенты уравнения регрессии по результатам экспериментов в N точках факторного пространства (что является типичной задачей регрессионного анализа), необходимо выполнение следующих предпосылок:Результаты наблюдений Y1, Y2,...,Yn выходной величины в N точках факторного пространства представляют собой независимые, нормально распределенные случайные величины.Выборочные дисперсии опытов однородны, т.е. статистически неразличимы. Это требование означает независимость выборочной дисперсии от местоположения точки факторного пространства, в которой проводится конкретный опыт (ротатабельность).Независимые переменные X1, X2,...,Xn измеряются с ошибкой много меньшей, чем величина возможного отклонения выходного параметра Y под влиянием неучтенных факторов.Тогда задача отыскания коэффициентов уравнения регрессии сводится к решению системы так называемых нормальных уравнений: (2)где Yg- экспериментальные значения выходного параметра, полученные в g-й точке факторного пространства;- значение выходного параметра, найденные по уравнению регрессии в тех же точках;d - количество членов в уравнении регрессии.Выражение (2) является основным критерием проверки правильности найденного уравнения регрессии.Чтобы система нормальных уравнений, которая может быть представлена в виде матрицы, имела единственное решение, необходимо, чтобы матрица была невырожденной, т.е. чтобы вектор – столбцы были линейно – независимы. Чтобы величины коэффициентов уравнения регрессии не зависели от числа членов матрицы, нужно на нее наложить дополнительное условие ортогональности вектор столбцов.Пример 1. Методом ПФЭ найти математическую модель процесса напыления резисторовПосле консультации с экспертами и некоторых предварительных исследований было определено, что на величину сопротивления напыляемых резисторов могут оказывать влияние следующие факторы:Состояние испарителя - "чистое", т.е. порошок для напыления сыпется в стакан испарителя впервые после промывки его сторон, или "грязное", т.е. порошок сыпется в испаритель, в котором осталось некоторое его количество от предыдущего цикла напыления; обозначим этот фактор как x1, причем величина x1 = +1соответствует "чистому", а величина x1 = -1 соответствует "грязному" состоянию испарителя;Температура подогрева подложки x2, причем x2 = +1 соответствует верхней допустимой по техпроцессу температуре, а x2 = -1 - нижней;Температура испарителя x3, причем x3 = +1 соответствует верхней допустимой по техпроцессу температуре, а х3 = -1 - нижней.План эксперимента, его пятикратная реализация с учетом рандомизации и первичная обработка результатов представлена в таблице.

Список литературы

Список литературы

1. Буянтуев А.Б. Лабораторный практикум по курсу «Основы научных исследований», 2001 г.
2. Сабитов Р.А., учебное пособие, 2002 г.
3. Лудченко А.А., Лудченко Я.А., Примак Т.А. Основы научных исследований, 2005г.
4. Шкляр М.Ф. Основы научных исследований: Учебное пособие , 2009 г.
Размещено на Allbest.ru

Очень похожие работы
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
bmt: 0.00473
© Рефератбанк, 2002 - 2024