![]() |
Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | |
|
При описании многофакторного объекта основным этапом является получение математической модели, адекватно описывающей статический объект в изучаемом диапазоне изменения его входных переменных (факторов). При этом следует стремиться к тому, чтобы математическое описание было возможно более простым при максимуме подобия. Такое сочетание особенно необходимо при разработке способов и систем оптимального управления, когда важно достичь или поддерживать глобальный, а не локальный экстремум. Решение этой задачи в реальных условиях обычно связано с серьезными трудностями, вызванными весьма большим количеством переменных, в той или иной степени влияющих на объект. Привлечение всего множества переменных к составлению математического описания может потребовать большого объема экспериментальной и вычислительной работы, что зачастую невыполнимо в силу технологических, экономических и прочих ограничений. Возникает необходимость предварительного отсеивания несущественных переменных и выделения тех входных воздействий, которые оказывают наиболее заметное влияние на целевую функцию.
Если число всех возможных факторов, влияющих на объект, не превышает 6-7, то для предварительного изучения объекта можно применить методы дробного или полного факторного эксперимента. Однако при большом числе рассматриваемых факторов эти методы оказываются слишком громоздкими и трудоемкими для постановки отсеивающих опытов.
Метод случайного баланса (МСБ) использует перенасыщенные планы, при которых выполняется условие: ,
где u - общее количество исследуемых переменных, N - число строк матрицы планирования, соответствующее числу точек факторного пространства, в которых ставятся опыты.
Важнейшей теоретической предпосылкой МСБ является априорное знание того, что из всей совокупности рассматриваемых переменных только небольшое их число являются действительно существенными, остальные же могут быть отнесены к шумовому полю. Вклады существенных факторов должны намного (минимум на порядок) превышать погрешность измерения, определяемую шумовым полем. Кроме того, предполагается, что:
объект управляем;
между отдельными составляющими дисперсии функции отклика и входными переменными может быть установлено соответствие;
опыты воспроизводимы;
отдельные измерения случайны и независимы друг от друга.
При использовании МСБ математическую модель сложного объекта расщепляют на части:
,
где: h - число значимых переменных; (h-u) - число незначимых переменных; - случайная составляющая (помехи). Под
и
понимаются нормированные линейные факторы и парные взаимодействия.
Построение матрицы планирования для проведения отсеивающих опытов выполняют на основе предпосылки, что исследуемые факторы должны быть смешаны случайным образом. Все линейные факторы (i=1,2,...,n) разбивают на группы. При этом стремятся заведомо взаимодействующие факторы включить в одну группу. Если же нет априорных сведений о физике процесса, то разбивку факторов по группам можно производить формально, с использованием таблицы случайных чисел. В этом случае предварительно составляют пронумерованный список факторов, а затем с помощью таблицы случайных чисел каждому фактору присваивают свой случайный порядковый номер, после чего факторы случайным образом объединяют в группы. Для каждой группы составляют матрицу планирования. Все групповые матрицы планирования должны иметь одинаковое количество строк, чтобы их можно было состыковать. Число N строк каждой групповой матрицы должно удовлетворять условию
и равенству:
, причем p выбирается обычно наименьшим, при котором выполняется неравенство N>n, где n - число линейных факторов. План отсеивающего эксперимента образуют путем стыковки групповых матриц планирования случайным смешиванием их строк.
ПРИМЕР. Пусть требуется исследовать 6 факторов и 15 их парных взаимодействий. Необходимо выделить самые существенные из них, используя МСБ.
Разобьем 6 факторов на две группы. Каждой группе из трех факторов соответствует матрица, содержащая 23 строк. Пусть GI и GII - номера строк в этих матрицах.
Таблица 3
Группа I | Группа II | |||||||
GI | ![]() | ![]() | ![]() | GII | ![]() | ![]() | ![]() | |
-1 | -1 | -1 | -1 | -1 | -1 | |||
+1 | -1 | -1 | +1 | -1 | -1 | |||
-1 | +1 | -1 | -1 | +1 | -1 | |||
+1 | +1 | -1 | +1 | +1 | -1 | |||
-1 | -1 | +1 | -1 | -1 | +1 | |||
+1 | -1 | +1 | +1 | -1 | +1 | |||
-1 | +1 | +1 | -1 | +1 | +1 | |||
+1 | +1 | +1 | +1 | +1 | +1 |
Проведем рандомизацию строк матриц полного факторного эксперимента с помощью таблицы случайных чисел. Введем нумерацию G строк общей матрицы планирования.
Таблица 4
Группа I | Группа II | |||||||
G | GI | ![]() | ![]() | ![]() | GII | ![]() | ![]() | ![]() |
-1 | +1 | -1 | +1 | +1 | -1 | |||
+1 | +1 | -1 | -1 | +1 | +1 | |||
-1 | +1 | +1 | +1 | +1 | +1 | |||
-1 | -1 | +1 | -1 | -1 | +1 | |||
+1 | -1 | -1 | -1 | +1 | -1 | |||
+1 | +1 | +1 | +1 | -1 | +1 | |||
+1 | -1 | +1 | +1 | -1 | -1 | |||
-1 | -1 | -1 | -1 | -1 | -1 |
Составим общую матрицу планирования для МСБ путем построчной стыковки матриц планирования обоих групп после рандомизации:
Таблица 5
G | k | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() | ![]() |
-1 | +1 | -1 | +1 | +1 | -1 | 39.5 | |||
+1 | +1 | -1 | -1 | +1 | +1 | ||||
-1 | +1 | +1 | +1 | +1 | +1 | 43.5 | |||
-1 | -1 | +1 | -1 | -1 | +1 | ||||
+1 | -1 | -1 | -1 | +1 | -1 | ||||
+1 | +1 | +1 | +1 | -1 | +1 | 52.5 | |||
+1 | -1 | +1 | +1 | -1 | -1 | 54.5 | |||
-1 | -1 | -1 | -1 | -1 | -1 |
В графе k указан случайный порядок проведения опытов по строкам матрицы планирования. Для уменьшения влияния помех и получения оценки дисперсии воспроизводимости могут выполняться параллельные опыты.
Дата публикования: 2014-11-02; Прочитано: 2500 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!