Образовательный стандарт дисциплины "Системное моделирование"

интервал варьирования был выбран слишком малым;

уровень начального режима по фактору оказался близок к точке частного экстремума ;

велика ошибка опыта из-за влияния неуправляемых и неконтролиру

емых факторов;

данный фактор (совокупность факторов) не оказывают заметного влияния на величину выходного параметра.

Поскольку план ортогонален и коэффициенты оцениваются независимо друг от друга, оказавшиеся незначимыми коэффициенты могут быть отброшены без пересчета остальных.

Проверка адекватности заключается в подтверждении предположения, что полученная математическая модель достаточно верно описывает характер процесса. Формальное содержание гипотезы состоит в том, что предсказанные уравнением (расчетные) значения выходного параметра отклоняются от опытных на величину, не превышающую некоторый наперед заданный уровень, и модель пригодна для обоснования инженерных решений. Для проверки гипотезы оценивается дисперсия адекватности

; . (14)

Если дисперсия адекватности не превышает дисперсии опыта , то есть основание полагать, что модель адекватно описывает процесс. Согласно п. 1.3 для проверки гипотезы о дисперсиях используется -критерий. Статистика критерия

. (15)

Модель считается адекватной процессу, если , где , . Если ,то для получения адекватного описания необходимо увеличить порядок аппроксимирующего полинома. Очевидно, что проверка адекватности возможна лишь в том случае, если , то есть число разных испытаний превосходит количество включаемых в модель факторов.

Если гипотеза адекватности принимается, то модель может использоваться для управления процессом (при доводочных испытаниях для определения значений факторов, при которых достигается экстремальное или заданное значение выходного параметра). Незначимые коэффициенты могут быть отброшены, однако при этом необходима основанная на анализе физической сущности явления уверенность, что эти факторы не влияют на выходной параметр. В противном случае следует стремиться продолжить испытания (расширив, если позволяют технические возможности, по незначимым факторам).

Если модель неадекватна, возможны следующие решения: перейти к модели более высокого порядка (когда можно предположить, что опыты проводились в области, близкой к оптимальной); продолжить испытания, уменьшив интервал варьирования, или перенося центр плана в другую точку.

Рассмотрим примеры использования ДФП при организации испытаний технических систем.

Планируются испытания двигателя на надежность при эксплуатации. В качестве основных эксплуатационных факторов выделены: механические воздействия при транспортировании, воспроизводимые на вибростенде , температура и влажность воздуха , имитируемые попеременным термостатированием и выдержкой в термобарокамере; старение при хранении, достигаемое проведением ускоренных испытаний узлов двигателя ; излучение и прогрев элементов , с помощью секционных термобарокамер, с использованием электронагревательных приборов и холодильной установки. В качестве выходного параметра оценивалась величина давления в блоке цилиндров двигателя . Для испытаний выделялось двигателей. Поскольку для полного учета всех факторов (при числе уровней ) необходимо образца, было принято решение применить ДФП , причем , . Тогда обобщенный определяющий контраст . Получаемая в этом случае математическая модель принимает вид

.

Поскольку реализация плана возможна при , оставшиеся четыре образца использовались для проведения контрольной серии испытаний. План испытаний показан в табл. 8.

Планируются испытания двигателя, проводимые с целью эмпирического определения коэффициента усиления, величина которого в общем виде представляется как , где – изменение -го регулируемого выходного параметра двигателя, – изменение регулирующего параметра по -му каналу регулирования. Исполнительными органами систем регулирования являются регуляторы расхода, регуляторы давления, дроссели. Величина обычно включается в ТЗ на разработку.

Таблица 8