Основы научного исследования и планирование экспериментов на транспорте
А в уравнении регрессии вида Y = a0 + a1X. Из этого следует, что в уравнении вида Y = a0 + a1X + a2X2 найденное значение регрессии лучше объясняет вариацию в значениях Y (N >> (d+1)), чем в уравнении вида Y = a0 + a1X. Используя указанный в задании план проведения эксперимента в кодовом виде, а также область планирования фактора Х (Хmin, Хmax), подготовим план проведения данного однофакторного… Читать ещё >
Основы научного исследования и планирование экспериментов на транспорте (реферат, курсовая, диплом, контрольная)
- ВВЕДЕНИЕ
- ЗАДАНИЕ
- ПОДГОТОВКА ПЛАНА ПРОВЕДЕНИЯ ОДНОФАКТОРНОГО ЭКСПЕРИМЕНТА
- ПЛАН ЭКСПЕРИМЕНТА И РЕЗУЛЬТАТЫ ОПЫТОВ
- УРАВНЕНИЕ РЕГРЕССИИ
- РЕЗУЛЬТАТЫ ОПЫТОВ В ГРАФИЧЕСКОМ ВИДЕ
- ПРОВЕРКА АДЕКВАТНОСТИ И РАБОТОСПОСОБНОСТИ МОДЕЛИ
- ВЫВОД
- ЛИТЕРАТУРА
Современный этап научных исследований характеризуется тем, что наряду с классическим натурным экспериментом все шире применяется вычислительный эксперимент, проводимый на математической модели с помощью ЭВМ. Проведение вычислительного эксперимента значительно дешевле и мобильнее, чем проведение аналогичного натурного, и в ряде случаев вычислительный эксперимент является единственным возможным инструментом исследователя.
Математический аппарат теории планирования и обработки результатов экспериментов в полной мере может быть применен как к натурным, так и к вычислительным экспериментам. В данной контрольно-курсовой работе под проводимым экспериментом будем понимать эксперимент на математической модели, выполненный при помощи ЭВМ.
Основная задача теории планирования и обработки результатов экспериментов — это построение статистической модели изучаемого процесса в виде Y = f (X1, X2,…Xk), где X — факторы, Y — функция отклика. Полученную функцию отклика можно использовать для оптимизации изучаемых процессов, то есть определять значения факторов, при которых явление или процесс будет протекать наиболее эффективно.
Объект исследования — одноцилиндровый четырехтактный дизельный двигатель ТМЗ-450Д.
Предмет исследования — процесс функционирования двигателя.
Цель исследования — анализ влияния одного из параметров двигателя на показатели его работы и получение соответствующей функциональной зависимости
ЗАДАНИЕ
Область планирования фактора X: Xmin = 0,012 м, Xmax = 0,055 м.
План проведения эксперимента:
№ опыта | xj | |
— 1 | ||
— 0,8 | ||
— 0,6 | ||
— 0,4 | ||
— 0,2 | ||
0,2 | ||
0,4 | ||
0,6 | ||
0,8 | ||
Используя приведенные исходные данные и программу расчета функционирования двигателя, проанализировать влияние радиуса кривошипа (X) на величину максимальной температуры (Y) рабочего тела в цилиндре двигателя. Получить функциональные зависимости между указанными величинами.
ПОДГОТОВКА ПЛАНА ПРОВЕДЕНИЯ ОДНОФАКТОРНОГО ЭКСПЕРИМЕНТА
Используя указанный в задании план проведения эксперимента в кодовом виде, а также область планирования фактора Х (Хmin, Хmax), подготовим план проведения данного однофакторного эксперимента.
; ;
; ;
; ;
; ;
; ;
; ;
; ;
; ;
.
где — интервал (шаг) варьирования фактора;
— натуральное значение основного уровня фактора;
— кодированное значение фактора x;
— натуральное значение фактора в j-ом опыте, где j = 1, 2,…, N; N — число опытов.
В дальнейших расчетах будем использовать только натуральные значения факторов и функции отклика.
ПЛАН ЭКСПЕРИМЕНТА И РЕЗУЛЬТАТЫ ОПЫТОВ
Используя выданную преподавателем программу расчета (математическую модель) проведем на ЭВМ необходимое количество опытов N. Полученные результаты представим в виде таблицы 1.
Табл. 1
№ опыта | Xj | Yj | |
0,012 | 3601,8348 | ||
0,0163 | 2712,4310 | ||
0,0206 | 2195,4343 | ||
0,0249 | 1855,3637 | ||
0,0292 | 1626,8644 | ||
0,0335 | 1461,2450 | ||
0,0378 | 1339,577 | ||
0,0421 | 1250,5135 | ||
0,0464 | 1173,9877 | ||
0,0507 | 1126,4606 | ||
0,055 | 1092,5573 | ||
УРАВНЕНИЕ РЕГРЕССИИ
Получим функциональную зависимость Y = f (X) (уравнение регрессии) с помощью метода наименьших квадратов (МНК). В качестве аппроксимирующих функций использовать линейную (Y = a0 + a1X) и квадратичную зависимости (Y = a0 + a1X + a2X2). Посредством МНК значения a0, a1 и a2 найдем из условия минимизации суммы квадратов отклонений измеренных значений отклика Yj от получаемых с помощью регрессионной модели, т. е. путем минимизации суммы:
.
Проведем минимизацию суммы квадратов с помощью дифференциального исчисления, путем приравнивания к 0 первых частных производных по a0, a1 и a2.
Рассмотрим реализацию метода наименьших квадратов применительно к уравнению вида Y = a0 + a1X. Получим:
;
.
Выполнив ряд преобразований, получим систему нормальных уравнений метода наименьших квадратов:
Решая эту систему, найдем коэффициенты a1 и a0:
; .
Для квадратичной зависимости Y = a0 + a1X + a2X2 система нормальных уравнений имеет вид:
Вычислим из N опытов необходимые суммы и данные представим в виде таблицы 2.
Табл. 2
№ опыта | Xj | Yj | Xj2 | Xj Yj | Xj2Yj | Xj3 | Xj4 | |
0,012 | 3601,8348 | 0,144 | 43,222 017 | 0,5 186 642 | 0,17 | 0,20 736 | ||
0,0163 | 2712,4310 | 0,2 656 | 44,212 625 | 0,7 204 216 | 0,43 | 0,705 433 | ||
0,0206 | 2195,4343 | 0,4 243 | 45,225 946 | 0,9 315 227 | 0,87 | 0,1 800 304 | ||
0,0249 | 1855,3637 | 0,62 | 46,198 556 | 1,1 503 254 | 0,154 | 0,3 844 | ||
0,0292 | 1626,8644 | 0,8 526 | 47,50 444 | 1,3 870 645 | 0,248 | 0,7 269 267 | ||
0,0335 | 1461,2450 | 0,11 222 | 48,951 707 | 1,6 398 091 | 0,375 | 0,12 593 328 | ||
0,0378 | 1339,577 | 0,14 288 | 50,63 601 | 1,9 139 876 | 0,54 | 0,20 414 694 | ||
0,0421 | 1250,5135 | 0,17 724 | 52,646 618 | 2,2 164 101 | 0,746 | 0,31 414 017 | ||
0,0464 | 1173,9877 | 0,21 529 | 54,473 029 | 2,52 747 781 | 0,998 | 0,46 349 784 | ||
0,0507 | 1126,4606 | 0,25 704 | 57,111 552 | 2,8 954 543 | 0,1 303 | 0,66 069 561 | ||
0,055 | 1092,5573 | 0,3 025 | 60,90 651 | 3,3 049 858 | 0,1 663 | 0,9 150 625 | ||
0,3685 | 19 436,266 | 0,143 782 | 550,27 311 | 19,206 122 | 0,6 174 | 0,282 173 998 | ||
Для уравнения регрессии вида Y = a0 + a1X найдем коэффициенты a1 и a0:
.
.
Для уравнения регрессии вида Y = a0 + a1X + a2X2 найдем коэффициенты a1, a2 и a0:
Решим систему нормальных уравнений способом Крамера:
.
.
.
Найдем определитель (det) матрицы:
.
;; .
;; .
РЕЗУЛЬТАТЫ ОПЫТОВ В ГРАФИЧЕСКОМ ВИДЕ
Построим графики функций Y = a0 + a1X; Y = a0 + a1X + a2X2 :
X | 0,012 | 0,0163 | 0,0206 | 0,0249 | 0,0292 | 0,0335 | 0,0378 | 0,0421 | 0,0464 | 0,0507 | 0,055 | |
Y=ao+a1X | 2833,143 | 2619,9 | 2406,658 | 2193,415 | 1980,172 | 1766,929 | 1553,686 | 1340,443 | 1127,2 | 913,9573 | 700,7144 | |
Y=a0+a1X+a2 X2 | 3215,923 | 2748,207 | 2330,714 | 1963,444 | 1646,397 | 1379,574 | 1162,973 | 996,5962 | 880,4424 | 814,5117 | 798,8043 | |
ПРОВЕРКА АДЕКВАТНОСТИ И РАБОТОСПОСОБНОСТИ МОДЕЛИ
Для проверки адекватности модели определим абсолютные Yj и относительные погрешности в каждом из опытов.
Yj = - Yj; ,
где — расчетное значение функции (отклика) в j-ой точке.
Данные представим в виде таблицы 3.
Табл. 3
j | Y = a0 + a1X | Y = a0 + a1X + a2X2 | |||
Yj | Yj | ||||
— 768,6918 | — 0,21 342 | — 385,9118 | — 0,10 714 | ||
— 92,531 | — 0,3 411 | 35,776 | 0,1 319 | ||
211,2237 | 0,9 621 | 135,2797 | 0,6 162 | ||
338,0513 | 0,1822 | 108,0803 | 0,5 825 | ||
353,3076 | 0,21 717 | 19,5326 | 0,012 | ||
305,684 | 0,20 919 | — 81,671 | — 0,5 589 | ||
214,109 | 0,15 983 | — 176,604 | — 0,13 183 | ||
89,9295 | 0,7 191 | — 253,9173 | — 0,20 305 | ||
— 46,7877 | — 0,0398 | — 293,5453 | — 0,25 004 | ||
— 212,5033 | — 0,1886 | — 311,9489 | — 0,27 693 | ||
— 391,8429 | — 0,35 865 | — 293,753 | — 0,26 887 | ||
Просматривая значения этих погрешностей, исследователь может легко понять, какова погрешность предсказания в точках, где проводились опыты, устраивают его или нет подобные ошибки. Таким образом, путем сопоставления фактических значений отклика с предсказанными по уравнению регрессии можно получить достаточно надежное свидетельство о точностных характеристиках модели.
С помощью анализа работоспособности регрессионной модели выясним практическую возможность ее использования для решения какой-либо задачи. Это анализ будем проводить, вычисляя коэффициент детерминации (квадрат корреляционного отношения). Коэффициент детерминации R2 вычисляется по формуле:
где — общее среднее значение функции отклика.
.
Вычислим из N опытов необходимые суммы и данные представим в виде таблицы 4.
Табл. 4
Y = a0 + a1X | Y = a0 + a1X + a2X2 | |||
j | ||||
3 366 863,62479 | 1 136 803,18835 | 1 952 571,23764 | ||
893 965,95743 | 727 552,24249 | 853 898,13319 | ||
183 613,13271 | 409 247,73017 | 312 848,71152 | ||
7819,94 095 | 181 886,66602 | 37 616,467 | ||
19 619,28834 | 45 470,75597 | 14 328,99238 | ||
93 445,31841 | 0,2 | 147 047,20405 | ||
182 633,3815 | 45 474,39816 | 359 786,00774 | ||
266 689,37885 | 181 893,9504 | 589 419,20142 | ||
351 584,44898 | 409 258,65674 | 602 866,06259 | ||
410 205,24101 | 727 568,0054 | 801 506,847 | ||
454 782,94891 | 1 136 822,67874 | 759 273,70255 | ||
6 231 222,66188 | 5 001 978,27246 | 5 732 724,84892 | ||
Для уравнения регрессии Y = a0 + a1X:
Для уравнения регрессии Y = a0 + a1X + a2X2:
Т.к. в уравнениях регрессии оба уравнения принято считать работоспособными. В уравнении регрессии вида Y = a0 + a1X + a2X2
а в уравнении регрессии вида Y = a0 + a1X. Из этого следует, что в уравнении вида Y = a0 + a1X + a2X2 найденное значение регрессии лучше объясняет вариацию в значениях Y (N >> (d+1)), чем в уравнении вида Y = a0 + a1X.
ВЫВОД
В процессе выполнения контрольно-курсовой работы мы научились:
- разрабатывать план проведения вычислительного эксперимента;
- проводить вычислительный эксперимент на ЭВМ и накапливать статистическую информацию;
- обрабатывать полученные статистические данные с помощью регрессионного анализа и получать формульные зависимости, связывающие значение выходной переменной (отклика) объекта с входными переменными (факторами);
- графически представлять и анализировать полученные результаты (проверять адекватность и работоспособность регрессионной модели);
- вычислять коэффициент детерминации (квадрат корреляционного отношения) и анализировать полученные результаты.
1. Гурман В. Е. Теория вероятностей и математическая статистика. — М.: Высшая школа, 1972.
2.Красовский Г. И., Филаретов Г. Ф. Планирование эксперимента. — Минск, 1982.
3.Румшинский Л. З. Математическая обработка результатов эксперимента. Справочное руководство. — М.: Наука, 1971.