курсовые,контрольные,дипломы,рефераты
Федеральное агентство по образованию
СИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ
Факультет: Механической технологии древесины
Кафедра: Технологии композиционных материалов и древесиноведения
Планы второго порядка. Реализация В3-плана
В данном курсовом проекте содержится разработка метода планирования второго порядка на примере В3-плана, получение и исследование математической модели объекта в виде полинома второго порядка, статистический анализ полученного уравнения и построение поверхностей отклика.
Пояснительная записка содержит: листов машинописного текста, 7 таблиц, рисунков, 1 библиографического наименования.
Реферат
Введение
1 Расчетная часть
1.1 Значение и анализ выходной величины
1.2 Статистический анализ полученных данных
1.2.1. Проверка на наличие грубых измерений
1.2.2 Проверка однородности дисперсий
1.2.3 Расчет дисперсии воспроизводимости
2 Построение математической модели
2.1 Расчет коэффициентов регрессии
2.2 Расчет дисперсий коэффициентов регрессии
2.3 Проверка значимости коэффициентов регрессии
2.4 Проверка модели на адекватность
2.5 Построение графической зависимости
Заключение
Список использованных источников
Важное место в повышении уровня исследований в деревообрабатывающей промышленности занимают вопросы математического планирования эксперимента.
Математическая теория эксперимента предполагает многофакторный, системный, вероятностно-статистический подход исследований процессов и явлений.
Научный подход к обработке результатов наблюдений составляет предмет изучения математической статистики. Математическая статистика - это наука о математических методах обработки, систематизации и использовании результатов наблюдений для научных и практических выводов.
Методы математической статистики в настоящее время проникли во все области научных исследований, от физики и химии до экономики и социологии. Это объясняется тем, что каждая наука нуждается в анализе и обработке добытых ею факторов.
Роль математической статистики в исследовании лесной и деревообрабатывающей промышленности особенно велика. Для предмета труда этой области промышленности – древесины - характерно большое разнообразие характеристик. Поэтому, проведение научных исследований в лесной и деревообрабатывающей промышленности всегда связано с большим числом наблюдений, результаты которых обрабатывают при помощи методов математической статистики.
Цель курсовой работы: получение и исследование математической модели объекта в виде полинома второго порядка, статистический анализ полученного уравнения и построение поверхностей отклика.
Исследование зависимости посылки по мощности привода от некоторых технологических факторов.
В рассматриваемом частном случае реализации В3 – плана участвуют три основных фактора, каждый из которых имеет диапазон варьирования:
X1min<X1<X1max
X2min<X2<X2max (1.1)
X3min<X3<X3max
Основной уровень или середину диапазона выравнивания находим из соотношения:
. (1.2)
Уровни варьирования переменных факторов занесем в таблицу 1.1
Таблица 1.1 – Переменные факторы и уровни их варьирования
Наименование факторов | Обозначения факторов | Уровни варьирования | ||
верхний +1 |
основной 0 |
нижний -1 |
||
1. Диаметр распиливаемых бревен, d, см |
X1 |
56 | 48 | 40 |
2. Толщина бруса, Н, мм |
X2 |
225 | 175 | 125 |
3. Количество сечений, m, шт |
X3 |
9 | 7 | 5 |
В результате проведенных опытов получены значения выходных величин и проведен первичный анализ.
Среднее значение выходной величины рассчитывается по формуле:
j=, (1.3)
где n – количество опытов.
Выборочные дисперсии по каждому опыту рассчитываются по следующей формуле:
Sj2=. (1.4)
Среднеквадратическое отклонение:
Sj=. (1.5)
Полученные данные занесем в таблицу 1.2
Номер опыта | Заданные значения выходной величины | Анализ выходной величины | ||||||
Y1j |
Y2j |
Y3j |
Y4j |
Y5j |
Yjj |
Sjj2 |
Sij |
|
1 | 17 | 15.6 | 17.7 | 14.5 | 15.3 | 16.02 | 1.697 | 1.30269 |
2 | 29.4 | 38.5 | 37.4 | 33.8 | 29.2 | 33.66 | 18.868 | 4.343731 |
3 | 14.9 | 11.2 | 14.9 | 12.8 | 11.7 | 13.1 | 3.035 | 1.742125 |
4 | 28.7 | 26.6 | 27.9 | 24 | 29.6 | 27.36 | 4.743 | 2.177843 |
5 | 35 | 33 | 38.5 | 28.7 | 31.7 | 33.38 | 13.427 | 3.664287 |
6 | 67.5 | 51.8 | 52.9 | 62.3 | 62.1 | 59.32 | 45.322 | 6.732162 |
7 | 36.8 | 31.6 | 39 | 33.9 | 32.5 | 34.76 | 9.493 | 3.081071 |
8 | 53.3 | 58.1 | 53.5 | 62.3 | 56.9 | 56.82 | 13.772 | 3.711065 |
9 | 20.8 | 19.5 | 21.1 | 18 | 17.7 | 19.42 | 2.427 | 1.557883 |
10 | 35.4 | 42.7 | 42.5 | 37.3 | 36.9 | 38.96 | 11.548 | 3.398235 |
11 | 33.1 | 35 | 32.3 | 26.2 | 26.3 | 30.58 | 16.587 | 4.072714 |
12 | 28.1 | 24.7 | 28.8 | 26.1 | 27.8 | 27.1 | 2.785 | 1.668832 |
13 | 23.9 | 24.8 | 25.7 | 23.3 | 20.4 | 23.62 | 4.067 | 2.01668 |
14 | 48.2 | 46.2 | 45.9 | 55 | 48.9 | 48.84 | 13.493 | 3.673282 |
Наличие дублированных опытов можно оценить имеющиеся выборки по каждому опыту на предмет грубых измерений (табл. 1.3). Для этого сомнительный результат исключают из выборки.
По оставшимся данным вычисляют (табл. 1.4):
- среднее арифметическое:
, (1.6)
где i=1…4; j=1…14.
- оценка дисперсии:
Sj2=. (1.7)
Номер опыта | Заданные значения выходной величины | Анализ выходной величины | ||||||
Y1j |
Y2j |
Y3j |
Y4j |
Y5j |
Yjj |
Sjj2 |
Sij |
|
1 | 17 | 15.6 |
17.7 |
14.5 | 15.3 | 16.02 | 1.697 | 1.30269 |
2 | 29.4 |
38.5 |
37.4 | 33.8 | 29.2 | 33.66 | 18.868 | 4.343731 |
3 | 14.9 |
11.2 |
14.9 | 12.8 | 11.7 | 13.1 | 3.035 | 1.742125 |
4 | 28.7 | 26.6 | 27.9 | 24 |
29.6 |
27.36 | 4.743 | 2.177843 |
5 | 35 | 33 |
38.5 |
28.7 | 31.7 | 33.38 | 13.427 | 3.664287 |
6 |
67.5 |
51.8 | 52.9 | 62.3 | 62.1 | 59.32 | 45.322 | 6.732162 |
7 |
36.8 |
31.6 | 39 | 33.9 | 32.5 | 34.76 | 9.493 | 3.081071 |
8 | 53.3 | 58.1 | 53.5 |
62.3 |
56.9 | 56.82 | 13.772 | 3.711065 |
9 | 20.8 | 19.5 | 21.1 | 18 |
17.7 |
19.42 | 2.427 | 1.557883 |
10 | 35.4 |
42.7 |
42.5 | 37.3 | 36.9 | 38.96 | 11.548 | 3.398235 |
11 | 33.1 |
35 |
32.3 | 26.2 | 26.3 | 30.58 | 16.587 | 4.072714 |
12 | 28.1 |
24.7 |
28.8 | 26.1 | 27.8 | 27.1 | 2.785 | 1.668832 |
13 | 23.9 | 24.8 |
25.7 |
23.3 | 20.4 | 23.62 | 4.067 | 2.01668 |
14 | 48.2 | 46.2 | 45.9 |
55 |
48.9 | 48.84 | 13.493 | 3.673282 |
Затем, определяется расчетное значение t – критерия Стьюдента для сомнительного результата
tрасч=. (1.8)
Номер опыта | Сомнительный элемент | Статистики для усеченной выборки | Расчетное значение критерия Стьюдента, tрасч | ||
Yjj |
Sjj2 |
Sjj | |||
1 | 17.7 | 15.6 | 1.086666667 | 1.042433051 | 2.01451786 |
2 | 38.5 | 32.45 | 15.39666667 | 3.923858645 | 1.54184963 |
3 | 11.2 | 13.575 | 2.5425 | 1.594521872 | -1.489474708 |
4 | 29.6 | 26.8 | 4.233333333 | 2.057506582 | 1.360870495 |
5 | 38.5 | 32.1 | 6.98 | 2.641968963 | 2.422435725 |
6 | 67.5 | 57.275 | 32.54916667 | 5.705187698 | 1.792228502 |
7 | 36.8 | 34.25 | 10.92333333 | 3.305046646 | 0.771547356 |
8 | 62.3 | 55.45 | 5.85 | 2.418677324 | 2.83212644 |
9 | 17.7 | 19.85 | 2.003333333 | 1.415391583 | -1.519014261 |
10 | 42.7 | 38.025 | 9.569166667 | 3.093406968 | 1.51127868 |
11 | 35 | 29.475 | 13.97583333 | 3.738426585 | 1.477894476 |
12 | 24.7 | 27.7 | 1.313333333 | 1.146007563 | -2.617783772 |
13 | 25.7 | 23.1 | 3.62 | 1.902629759 | 1.366529661 |
14 | 55 | 47.3 | 2.18 | 1.476482306 | 5.215098053 |
По выбранному уровню значимости (q=0,05) и числу степеней свободы (f=3) находим табличное значение критерия (tqf) [1. табл. Д1].
tтабл=3,18
tрасч.<tqf .
Проверку однородности дисперсий при полученном виде дублирования проводят с помощью G – критерия Кохрена:
Gрасч=, (1.11)
где - сумма всех дисперсий;
S2max – наибольшая из всех найденных дисперсий.
Gрасч=13,98/112,22= 0,125
При q=0,05 и f=n-1=3, Gтабл=0,29 [1. табл. Ж1].
Так как Gрасч <Gтабл, то гипотеза об однородности дисперсии опытов принимается.
1.2.3 Расчет дисперсии воспроизводимости
Дисперсия воспроизводимости определяется по формуле:
S2 , (1.12)
где N- число опытов.
S2{y}=112,22/14= 8,02
Число степеней свободы для данной процедуры:
fy=N(n-1) (1.13)
fy=3*14=42.
По результатам В3-план построим математическую модель:
Y=b0+b1*x1+b2*x2+b3*x3+b11*x12+b22*x22+b33*x32+b12*x1*x2+b13*x1*x3+b23*x2*x3
Таблица 2.1 – Матрица для расчета коэффициентов регрессии
№ опыта | X0 | X1 | X2 | X3 | X11 | X22 | X33 | X12 | X13 | X23 | Yij | Ŷij |
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 |
1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 16.02 | 15.92 |
2 | 1 | -1 | 1 | 1 | 1 | 1 | 1 | -1 | -1 | 1 | 33.66 | 33.60 |
3 | 1 | 1 | -1 | 1 | 1 | 1 | 1 | -1 | 1 | -1 | 13.1 | 12.95 |
4 | 1 | -1 | -1 | 1 | 1 | 1 | 1 | 1 | -1 | -1 | 27.36 | 27.00 |
5 | 1 | 1 | 1 | -1 | 1 | 1 | 1 | 1 | -1 | -1 | 33.38 | 33.74 |
6 | 1 | -1 | 1 | -1 | 1 | 1 | 1 | -1 | 1 | -1 | 59.32 | 59.47 |
7 | 1 | 1 | -1 | -1 | 1 | 1 | 1 | -1 | -1 | 1 | 34.76 | 34.82 |
8 | 1 | -1 | -1 | -1 | 1 | 1 | 1 | 1 | 1 | 1 | 56.82 | 56.92 |
9 | 1 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 19.42 | 19.25 |
10 | 1 | -1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 38.96 | 39.13 |
11 | 1 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 30.58 | 30.22 |
12 | 1 | 0 | -1 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 27.1 | 27.46 |
13 | 1 | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 0 | 23.62 | 24.29 |
14 | 1 | 0 | 0 | -1 | 0 | 0 | 1 | 0 | 0 | 0 | 48.84 | 48.17 |
Используя матрицу базисных функций, табл. 2.1, коэффициенты регрессии определяем по следующим формулам:
- свободного члена:
b0=-; (2.1)
- линейных коэффициентов регрессии:
bi= ; (2.2)
- квадратичных коэффициентов:
bii = ; (2.3)
- коэффициентов при парных взаимодействиях:
biu= . (2.4)
Формулы для определения дисперсий: - дисперсия оценки свободного члена:
S2{b0}= ; (2.5)
S2{b0}=3,26
- дисперсия оценки линейных коэффициентов регрессии:
S2{bi}= ; (2.6)
S2{bi}=0,80
- дисперсия оценки квадратичных коэффициентов регрессии:
S2{bij}=; (2.7)
S2{bii}=3,26
- дисперсия оценки коэффициентов при парных взаимодействиях:
S2{biu}= . (2.8)
S2{biu}=1,00
Для оценки значимости регрессии используем t – критерий Стьюдента. По следующим формулам определяются расчетные значения t – критерия Стьюдента:
tрасчi=, (2.9)
где S{bi}= - среднеквадратическое отклонение соответствующих дисперсий коэффициентов регрессии;
tрасчii=, (2.10)
tрасчiu=. (2.11)
обозначение коэффициентов регрессии | значение коэффициентов регрессии | Расчетные значения t-критерия Стьюдента | |
b0 |
29.98 | 9 | |
b1 |
-9.94 | -12 | |
b2 |
1.38 | 2 | |
b3 |
-11.94 | -15 | |
b11 |
-0.79 | 0 | |
b22 |
-1.14 | 0 | |
b33 |
6.25 | 2 | |
b12 |
-0.91 | -1 | |
b13 |
2.01 | 2 | |
b23 |
1.01 | 1 |
По t – критерию Стьюдента, по заданному уровню значимости (q=0,05) и числу степеней свободы (fy=42), связанному с дисперсией воспроизводимости, находим табличное значение t – критерия Стьюдента [1. табл. Д1]:
tтабл =2,02
Если tрасч, > tтабл, то соответствующий коэффициент регрессии значим. Незначимые коэффициенты регрессии должны быть исключены из математической модели. Однако, в данной расчетной части с целью сохранения единообразия расчетов процедура исключения не проводится.
Получена следующая математическая модель в нормализованных обозначениях факторов:
Y=101,65+42,425х1+2,9х2+15,5х3+8,4х11-2,98х22-2,46х33+2,22х1х2+6,28х1х3+1,11х2х3
Для проверки адекватности модели используют дисперсию адекватности S2aq, процедура расчета которой зависит от вида дублирования опытов. Так как в нашем случае дублирование равномерное, то дисперсия адекватности рассчитывается по формуле:
(2.12)
где faq=N-p=14-10=4,
где p – число оцениваемых коэффициентов;
S2aq= 0,39
Затем, по F – критерию Фишера для уровня значимости q=0,05 проверяется однородность S2aq дисперсии адекватности (с числом степеней свободы faq):
Fрасч= (2.13)
Fрасч= 0,39/8,02=0,049
По таблице значения F - критерия Фишера [1. табл. Е1]:
Fтабл=2,84. Так как Fтабл.>Fрасч, следовательно, найденную модель можно считать адекватной.
Таблица 2.3 – Математическая модель
Номер опыта | Факторы в натуральных обозначениях | Значение выходной величины | |||
X1, d, см |
X2, Н, мм |
X3 , m, шт |
опытное | модельное | |
1 | 56 | 225 | 9 | 15.9055 | 15.9220 |
2 | 40 | 225 | 9 | 32.0175 | 33.6000 |
3 | 56 | 125 | 9 | 13.7255 | 12.9480 |
4 | 40 | 125 | 9 | 26.3175 | 26.9960 |
5 | 56 | 225 | 5 | 33.0255 | 33.7440 |
6 | 40 | 225 | 5 | 57.4575 | 59.4720 |
7 | 56 | 125 | 5 | 34.8455 | 34.8200 |
8 | 40 | 125 | 5 | 55.7575 | 56.9180 |
9 | 56 | 175 | 7 | 19.3855 | 19.2460 |
10 | 40 | 175 | 7 | 37.8975 | 39.1340 |
11 | 48 | 225 | 7 | 29.1295 | 30.2220 |
12 | 48 | 125 | 7 | 27.1895 | 27.4580 |
13 | 48 | 175 | 9 | 24.0095 | 24.2940 |
14 | 48 | 175 | 5 | 47.2895 | 48.1660 |
Уравнение регрессии в натуральных обозначениях факторов следующее:
Y=193,2-0,53d+0,23H-35,65m-0,012d2-0,0005H2+1,56m2-0,0022dH+0,13dm+0,01Hm
Таблица 2.4 – Значения выходной величины.
X1X2 | 40 | 44 | 48 | 52 | 56 |
125 | 162.738 | 155.4855 | 147.85 | 139.83 | 131.426 |
150 | 162.85 | 155.378 | 147.522 | 139.282 | 130.658 |
175 | 162.338 | 154.6455 | 146.57 | 138.11 | 129.266 |
200 | 161.2 | 153.288 | 144.992 | 136.312 | 127.248 |
225 | 159.438 | 151.3055 | 142.79 | 133.89 | 124.606 |
Таблица 2.5 – Значения выходной величины.
X1X3 | 40 | 44 | 48 | 52 | 56 |
5 | -90.45 | -99.202 | -108.34 | -117.86 | -127.76 |
6 | -148.46 | -157.732 | -158.03 | -177.43 | -187.85 |
7 | -209.59 | -219.382 | -207.72 | -240.12 | -251.06 |
8 | -273.84 | -284.152 | -257.41 | -305.93 | -317.39 |
9 | -341.21 | -352.042 | -307.1 | -374.86 | -386.84 |
Таблица 2.6 – Значения выходной величины.
X2X3 | 125 | 150 | 175 | 200 | 225 |
5 | 81.1375 | 84.7 | 87.6375 | 89.95 | 91.6375 |
6 | 63.8975 | 67.71 | 70.8975 | 73.46 | 75.3975 |
7 | 49.7775 | 53.84 | 57.2775 | 60.09 | 62.2775 |
8 | 38.7775 | 43.09 | 46.7775 | 49.84 | 52.2775 |
9 | 30.8975 | 35.46 | 39.3975 | 42.71 | 45.3975 |
Рисунок 2.1 – Зависимость посылки по мощности привода от диаметра распиливаемых бревен и толщины бруса.
Рисунок 2.2 – Зависимость посылки по мощности привода от диаметра распиливаемых бревен и количества сечений.
Рисунок 2.3 – Зависимость посылки по мощности привода от толщины бруса и количества сечений.
Рисунок 2.4 – График зависимости посылки по мощности привода от некоторых технологических факторов.
В ходе выполнения курсовой работы мы изучили методы планирования второго порядка на примере В3 плана, получили и исследовали математическую модель объекта в виде полинома второго порядка, провели статистический анализ полученного уравнения.
Анализируя полученную модель, получаем, что значимыми являются все три фактора.
Полученная модель позволяет предсказать значения выходной величины для любой точки внутри области варьирования факторов.
В результате расчета было получено, что различие между дисперсиями незначимо, следовательно, можно считать найденную модель объекта адекватной.
1. Л.Л. Кротова и др. Научные исследования в деревообработке. Планы второго порядка. Реализация В3 плана. Учебное пособие по выполнению курсовой работы студентов специальности 250200 всех форм обучения/Л. Л. Кротова, А. А. Филлиповч, В. Ю. Буданов. - Красноярск: СибГТУ, 2003.-36с.
Федеральное агентство по образованию ГОУ ВПО СИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНОЛОГИЧЕСКИЙ УНИВЕРСИТЕТ Факультет: Механической технологии древесины Кафедра: Технологии композиционных материалов и древесиноведения
Модификация метода построения тестов для конечных автоматов относительно неразделимости
Нарисна геометрія
Подготовка к Единому государственному экзамену по математике через элективные курсы
Показатели Ляпунова некоторой линейной стационарной системы
Полунормальные подгруппы конечной группы
Понятие эвристики в математике
Применение методов дискретной математики в экономике
Распределение Пуассона. Аксиомы простейшего потока событий
Расчет основных величин теории надёжности
Особые свойства Гамма-функции Эйлера
Copyright (c) 2025 Stud-Baza.ru Рефераты, контрольные, курсовые, дипломные работы.