Главная страница
Навигация по странице:

  • Продолжение прил. 2

  • эксперимент. введение. Учебное пособие Белгород 2020


    Скачать 0.95 Mb.
    НазваниеУчебное пособие Белгород 2020
    Анкорэксперимент
    Дата01.11.2021
    Размер0.95 Mb.
    Формат файлаpdf
    Имя файлавведение.pdf
    ТипУчебное пособие
    #261065
    страница5 из 7
    1   2   3   4   5   6   7
    Продолжение прил. 2
    Дисперсию адекватности определяем по выражению
    𝜎
    ад
    2
    =
    𝑆
    𝑅
    −𝑆
    𝐸
    𝑓
    , где число степеней свободы f=N-k’-(n
    0
    -1)=13-6-(5-1)=3;
    k’=6 – число значимых коэффициентов модели;
    N=13 – общее число опытов; n
    0
    =5 – число опытов в центре плана.
    𝑆
    𝐸
    = ∑
    (𝑦
    𝑄
    𝑢
    − 𝑦
    𝑄
    ̅̅̅)
    2
    𝑛
    0
    𝑢=1
    - сумма квадратов отклонений экспериментальных значений параметра
    𝑦
    𝑄
    𝑢
    от среднеарифметического
    𝑦
    𝑄
    ̅̅̅ по результатам 5 опытов в центре плана (см. подраздел 1)
    𝑆
    𝐸
    = (21,3 − 20)
    2
    + (23,5 − 20)
    2
    + (19,8 − 20)
    2
    + (16,4 − 20)
    2
    + (19 − 20)
    2
    = 27,94
    𝑆
    𝑅
    = ∑
    (𝑦
    𝑄𝑗
    ̂ − 𝑦
    𝑄𝑗
    )
    2 13
    𝑗=1
    - сумма квадратов отклонений расчётных
    𝑦
    𝑄𝑗
    ̂ значений функций отклика от экспериментальных
    𝑦
    𝑄𝑗
    во всех точках плана. Для расчёта
    𝑆
    𝑅
    составим вспомогательную табл. 9.
    Таблица 9
    № опыта
    𝑦
    𝑄𝑗
    ̂ = 19,9875 − 9,97𝑥
    1
    − 14,95𝑥
    2
    + 4𝑥
    1
    𝑥
    2
    + 5,996𝑥
    1 2
    + 3,9975𝑥
    2 2
    𝑦
    𝑄𝑗
    (𝑦
    𝑄𝑗
    ̂ − 𝑦
    𝑄𝑗
    )
    2 1
    2 3
    4 5
    6 7
    8 9
    10 11 12 13
    𝑦
    𝑄1
    ̂ = 19,9875 − 9,97 − 14,95 + 4 + 5,996 + 3,9975 = 9,061
    𝑦
    𝑄2
    ̂ = 19,9875 + 9,97 − 14,95 − 4 + 5,996 + 3,9975 = 21,001
    𝑦
    𝑄3
    ̂ = 19,9875 − 9,97 + 14,95 − 4 + 5,996 + 3,9975 = 30,961
    𝑦
    𝑄4
    ̂ = 19,9875 + 9,97 + 14,95 + 4 + 5,996 + 3,9975 = 58,901
    𝑦
    𝑄5
    ̂ = 19,9875 − 9,97 ∗ 1,414 + 0 + 0 + 5,996 ∗ 2 + 0 = 17,9218
    𝑦
    𝑄6
    ̂ = 19,9875 + 9,97 ∗ 1,414 + 0 + 0 + 5,996 ∗ 2 + 0 = 46,0372
    𝑦
    𝑄7
    ̂ = 19,9875 + 0 − 14,95 ∗ 1,414 + 0 + 0 + 3,9975 ∗ 2 = 6,903
    𝑦
    𝑄8
    ̂ = 19,9875 + 0 + 14,95 ∗ 1,414 + 0 + 0 + 3,9975 ∗ 2 = 49,062
    𝑦
    𝑄9
    ̂ = 19,9875 + 0 + 0 + 0 + 0 + 0 = 19,9875
    𝑦
    𝑄10
    ̂ = 19,9875 + 0 + 0 + 0 + 0 + 0 = 19,9875
    𝑦
    𝑄11
    ̂ = 19,9875 + 0 + 0 + 0 + 0 + 0 = 19,9875
    𝑦
    𝑄12
    ̂ = 19,9875 + 0 + 0 + 0 + 0 + 0 = 19,9875
    𝑦
    𝑄13
    ̂ = 19,9875 + 0 + 0 + 0 + 0 + 0 = 19,9875 9
    21 31 59 17,9 46,1 6,85 49,1 21,3 23,5 19,8 16,4 19 0,0037 0
    0,00152 0,0098 0,0005 0,0039 0,0028 0,0077 1,723 12,3377 0,0352 12,8702 0,9752
    𝑆
    𝑅
    = 27,9708
    Тогда
    𝜎
    ад
    2
    =
    27,9708−27,94 3
    = 0,0103
    Расчётное значение
    𝐹
    р
    - критерия:
    𝐹
    р
    =
    𝜎
    ад
    2
    𝜎
    2
    {𝑦
    𝑄
    }
    =
    0,0103 6,985
    = 0,0015
    Табличное значение
    𝐹
    Т
    - критерия при 5%-ном уровне значимости и числе степеней свободы для большей дисперсии
    (𝜎
    2
    {𝑦
    𝑄
    })
    𝑓
    1
    = 𝑛
    0
    − 1 = 5 − 1 = 4 для меньшей дисперсии
    𝜎
    ад
    2
    𝑓
    2
    = 𝑁 − 𝑘

    − (𝑛
    0
    − 1) = 13 − 6 − (5 − 1) = 3
    равно
    𝐹
    Т
    =9,1 (см. прил. 4). Так как
    𝐹
    р
    < 𝐹
    Т
    , полученная модель адекватна.
    Раскодируем уравнение регрессии для
    𝑦
    𝑄
    через формулы перехода:
    𝑥
    1
    =
    Э − Э
    0
    ∆Э
    ; 𝑥
    2
    =
    𝑓 − 𝑓
    0
    ∆𝑓
    ,
    где
    𝑥
    1 и 𝑥
    2
    - кодированные значения факторов;
    Э
    0
    ,
    𝑓
    0
    – натуральные переменные значения факторов основного уровня (см. табл. 1);
    ∆Э, ∆𝑓 - интервалы варьирования факторов (см. табл. 1).

    51
    Продолжение прил. 2
    Э и 𝑓 - натуральные переменные значения факторов. После подстановки значений
    Э
    0
    ,
    𝑓
    0
    ,
    ∆Э, ∆𝑓 имеем:
    𝑥
    1
    =
    Э − 13 5
    ; 𝑥
    2
    =
    𝑓 − 66 22
    ;
    Подставим формулы перехода
    𝑥
    1
    и 𝑥
    2
    в уравнение регрессии:
    𝑦
    𝑄
    = 𝑄 = 19,9875 − 9,97 ∙
    Э − 13 5
    − 14,95 ∙
    𝑓 − 66 22
    + 4 ∙
    Э − 13 5

    𝑓 − 66 22
    +
    +5,996 (
    Э − 13 5
    )
    2
    + 3,9975 (
    𝑓 − 66 22
    )
    2
    =
    = 198,47 − 10,6298Э − 2,24243𝑓 + 0,03636Э𝑓 + 0,23984Э
    2
    + 0,00826𝑓
    2
    Правильность раскодирования проверяем путём подстановки натуральных значений факторов в полученное уравнение. Например, опыт№1:
    𝑥
    1
    = +1; Э
    1
    = 18мДж; 𝑥
    2
    = +1; 𝑓
    1
    = 88кГц; 𝑄
    Э1
    = 9
    мм мин
    ;
    𝑄
    р1
    = 198,47 − 10,6298 ∙ 18 − 2,24243 ∙ 88 + 0,03636 ∙ 18 ∙ 88 +
    +0,23984 ∙ 18 2
    + 0,00826 ∙ 88 2
    = 9,0676 ≈ 9
    Расчётное значение
    𝑄
    р1
    совпадает с экспериментальным
    𝑄
    Э1
    , следовательно раскодированное уравнение верно.
    2.2. Вычисления для параметра y
    γ
    – относительного линейного износа электрода-инструмента
    Определяем коэффициенты квадратичной модели b
    0
    , b
    1
    , b
    2,
    b
    12
    , b
    11
    , b
    22
    , используя данные матрицы (табл. 8) подраздела 2.1:
    𝑏
    0
    =
    𝐴
    𝑁
    [2𝜆
    2
    (𝑘 + 2) ∑
    𝑦
    𝛾𝑗
    𝑁=13
    𝑗=1
    − 2𝜆с ∑

    𝑥
    𝑖𝑗
    2
    𝑦
    𝛾𝑗
    𝑁=13
    𝑗=1
    𝐾=2
    𝑖=1
    ] =
    =
    0,492 13
    *[2·0,8125 2
    ·(2+2)(67+59+31+23+45,64+34,36+75,38+24,62+41,5+
    +38,2+40,1+43,3+37)-2·0,8125·1,625·(67+59+31+23+2·45,64+2·34,36+67+59+31+23+
    +2·75,38+2·24,62)]=39,995
    𝑏
    1
    =
    𝐶
    𝑁

    𝑥
    1𝑗
    𝑦
    𝛾𝑗
    =
    1,625 13
    (67 − 59 + 31 − 23 + 1,41 ∙ 45,64 − 1,41 ∙ 34,36)
    𝑁=13
    𝑗=1
    = 3,988;
    𝑏
    2
    =
    𝐶
    𝑁

    𝑥
    2𝑗
    𝑦
    𝛾
    𝑗
    =
    1,625 13
    (67 + 59 − 31 − 23 + 1,41 ∙ 75,38 − 1,41 ∙ 24,62)
    𝑁=13
    𝑗=1
    = 17,946;
    𝑏
    12
    =
    𝐶
    2
    𝑁𝜆

    𝑥
    1𝑗
    𝑥
    2𝑗
    𝑦
    𝛾𝑗
    =
    1,625 2
    13∗0,8125
    (67 − 59 − 31 + 23)
    𝑁=13
    𝑗=1
    = 0;
    𝑏
    11
    =
    𝐴
    𝑁
    {C
    2
    [(k+2)λ-k]∑
    𝑥
    1𝑗
    2
    𝑦
    𝛾𝑗
    𝑁=13
    𝑗=1
    + C
    2
    (1-λ)∑

    𝑥
    𝑖𝑗
    2
    𝑁=13
    𝑗=1
    𝑘=2
    𝑖=1
    𝑦
    𝛾𝑗
    -2λC·
    ∙ ∑
    𝑦
    𝛾𝑗
    𝑁=13
    𝑗=1
    }=
    0,492 13
    {1,625 2
    [(2+2)·0,8125-2]·(67+59+31+23+2·45,64+2·34,36)+
    +1,625 2
    (1-0,8125)·
    ·(67+59+31+23+2·45,64+2·34,36+67+59+31+23+2·75,38+2·24,62)-
    -2·0,8125·1,625·

    52
    Продолжение прил. 2
    ·(67+59+31+23+45,64+34,36+75,38+24,62+41,5+38,2+40,1+43,3+37)}=
    =-0,00999;
    𝑏
    22
    =
    𝐴
    𝑁
    {C
    2
    [(k+2)λ-k]∑
    𝑥
    2𝑗
    2
    𝑦
    𝛾𝑗
    𝑁=13
    𝑗=1
    + C
    2
    (1-λ)∑

    𝑥
    𝑖𝑗
    2
    𝑁=13
    𝑗=1
    𝑘=2
    𝑖=1
    𝑦
    𝛾𝑗
    -2λC·
    ∙ ∑
    𝑦
    𝛾𝑗
    𝑁=13
    𝑗=1
    }=
    0,492 13
    {1,625 2
    [(2+2)·0,8125-2]·(67+59+31+23+2·75,38+2·24,92)+
    +1,625 2·
    (1-0,8125)·
    ·(67+59+31+23+2·45,64+2·34,36+67+59+31+23+2·75,38+2·24,62)-
    -2·0,8125·1,625·
    ·(67+59+31+23+45,64+34,36+75,38+24,62+41,5+38,2+40,1+43,3+37)}=5,062.
    Дисперсия
    𝜎
    2
    {𝑦
    𝛾
    } выходного параметра 𝑦
    𝛾
    была определена по результатам
    5 опытов N№ 9…13 в центре плана и составила
    𝜎
    2
    {𝑦
    𝛾
    }=6,3475 (см. подраздел 1). Определяем дисперсии коэффициентов уравнения регрессии для параметра
    𝑦
    𝛾
    Дисперсия свободного члена:
    𝜎
    2
    {𝑏
    0
    } =
    2𝐴𝜆
    2
    (𝑘+2)
    𝑁
    𝜎
    2
    {𝑦
    𝛾
    }=
    2∗0,492∗0,8125 2
    (2+2)
    13
    ·6,3475=1,269
    𝜎
    2
    {𝑏
    𝑖
    } =
    𝐶
    𝑁
    𝜎
    2
    {𝑦
    𝛾
    }=
    1,625 13
    ∙ 6,3475 = 0,7934 – дисперсия коэффициентов при линейных членах.
    Дисперсия коэффициентов при парных взаимодействиях:
    𝜎
    2
    {𝑏
    𝑖𝑙
    } =
    𝐶
    2
    𝜆𝑁
    𝜎
    2
    {𝑦
    𝛾
    }=
    1,625 2
    13∙0,8125
    ∙ 6,3475 = 1,587
    Дисперсия коэффициентов при квадратичных членах:
    𝜎
    2
    {𝑏
    𝑖𝑖
    } =
    𝐴𝐶
    2
    [(𝑘+1)𝜆−(𝑘−1)]
    𝑁
    𝜎
    2
    {𝑦
    𝛾
    }=
    0,492∙1,625 2
    [(2+1)0,8125−(2−1)]
    13 6,3475=0,9119
    Среднеквадратичные ошибки в определении коэффициентов уравнения регрессии для
    𝑦
    𝛾
    :
    𝜎{𝑏
    0
    } = √𝜎
    2
    {𝑏
    0
    } = √1,269 = 1,126;
    𝜎{𝑏
    𝑖
    } = √0,7934 = 0,891;
    𝜎{𝑏
    𝑖𝑙
    } = √1,587 = 1,26;
    𝜎{𝑏
    𝑖𝑖
    } = √0,9119 = 0,955;
    Определяем доверительные интервалы для коэффициентов:
    ∆𝑏
    0
    = 𝑡𝜎{𝑏
    0
    } = 2,78 ∙ 1,126 = 3,132;
    ∆𝑏
    𝑖
    = 𝑡𝜎{𝑏
    𝑖
    } = 2,78 ∙ 0,891 = 2,476;
    ∆𝑏
    𝑖𝑙
    = 𝑡𝜎{𝑏
    𝑖𝑙
    } = 2,78 ∙ 1,26 = 3,502;
    ∆𝑏
    𝑖𝑖
    = 𝑡𝜎{𝑏
    𝑖𝑖
    } = 2,78 ∙ 0,955 = 2,655;
    Здесь t=2,78 – табличное значение - критерия Стьюдента при 5%-ном уровне значимости и числе степеней свободы f=n
    0
    -1=5-1=4.
    Из расчётов видно, что коэффициенты b
    12
    и b
    11 по абсолютной величине меньше соответствующих доверительных интервалов:
    b
    12
    =0<
    ∆𝑏
    𝑖𝑙
    =3,502; |
    b
    11
    |=0,00999<∆𝑏
    𝑖𝑖
    =2,655

    53
    Продолжение прил. 2
    Их можно признать статистически незначимыми и исключить из уравнения регрессии. Тогда уравнение примет вид:
    𝑦
    𝛾
    =b
    0
    +b
    1
    x
    1
    + b
    2
    x
    2
    + b
    22
    x
    2
    2
    Так как незначимым оказался коэффициент при квадратичном члене (b
    11
    ), все остальные коэффициенты пересчитываем с использованием метода наименьших квадратов. Для этого используем упрощённую систему нормальных уравнений для k=2 (см. лекции р.8.3) [3].

    y j
    N
    j=1
    = 13b
    0
    + 8b
    11
    + 8b
    22

    𝑥
    1 2
    𝑁
    𝑗=1
    𝑦 = 8𝑏
    0
    + 12𝑏
    11
    + 4𝑏
    22

    𝑥
    2 2
    𝑦
    𝑁
    𝑗=1
    = 8𝑏
    0
    + 4𝑏
    11
    + 12𝑏
    22
    Отмеченные уравнение и столбец исключаются из системы, т.к. исключены коэффициенты
    𝑏
    11
    и столбец матрицы
    𝑥
    1 2
    . Тогда система уравнений примет вид:

    𝑦
    𝑗
    𝑁
    𝑗=1
    = 13𝑏
    0
    + 8𝑏
    22
    = 560

    𝑥
    2 2
    𝑦
    𝑁
    𝑗=1
    = 8𝑏
    0
    + 12𝑏
    22
    = 380
    Откуда
    𝑏
    0
    = 40,013; 𝑏
    22
    =4,9914.
    Тогда уравнение регрессии примет вид:
    𝑦
    𝛾
    = 40,013 + 3,988𝑥
    1
    + 17,946𝑥
    2
    + 4,9914𝑥
    2 2
    Адекватность полученной модели проверяем с помощью F-критерия:
    𝐹
    р
    =
    𝜎
    ад
    2
    𝜎
    2
    {𝑦
    𝛾
    }
    , где
    𝜎
    2
    {𝑦
    𝛾
    }=6,3475-дисперсия выходного параметра 𝑦
    𝛾
    (см. подраздел 1).
    Дисперсию адекватности определяем по выражению
    𝜎
    ад
    2
    =
    𝑆
    𝑅
    −𝑆
    𝐸
    𝑓
    , где f-число степеней свободы определяется: f=N-k’-(n
    0
    -1)=13-4-(5-1)=5
    (k’=4-число значимых коэффициентов модели).
    Сумма квадратов
    (𝑆
    𝐸
    = ∑
    (𝑦
    𝑗
    𝑢
    − 𝑦
    𝑗
    ̅ )
    2
    )
    𝑛
    0
    𝑢=1
    , где
    𝑦
    𝛾
    𝑢
    – экспериментальные,
    𝑦
    𝛾
    ̅̅̅-среднеарифметическое значение параметра
    𝑦
    𝛾
    в 5 параллельных опытах в центре плана (см. подраздел 1).
    𝑆
    𝐸
    = (41,5 − 40)
    2
    + (38,2 − 40)
    2
    + (40,1 − 40)
    2
    + (43,3 − 40)
    2
    + (37 − 40)
    2
    = 25,39 где
    𝑆
    𝑅
    = ∑
    (𝑦
    𝛾𝑗
    ̂ − 𝑦
    𝛾𝑗
    )
    2 13
    𝑗=1
    - сумма квадратов отклонений расчётных
    𝑦
    𝛾𝑗
    ̂ значений функций отклика от экспериментальных
    𝑦
    𝛾𝑗
    во всех точках плана.
    Для расчёта
    𝑆
    𝑅
    составим вспомогательную табл. 10.

    54
    Продолжение прил. 2
    Таблица 10
    № опыта
    𝑦
    𝛾𝑗
    ̂ = 40,013 + 3,988𝑥
    1
    + 17,946𝑥
    2
    + 4,9914𝑥
    2 2
    𝑦
    𝛾𝑗
    (𝑦
    𝛾𝑗
    ̂ − 𝑦
    𝛾𝑗
    )
    2 1
    2 3
    4 5
    6 7
    8 9
    10 11 12 13
    𝑦
    𝛾1
    ̂ = 40,013 + 3,988 + 17,946 + 4,9914 = 66,9384
    𝑦
    𝛾2
    ̂ = 40,013 − 3,988 + 17,946 + 4,9914 = 58,9624
    𝑦
    𝛾3
    ̂ = 40,013 + 3,988 − 17,946 + 4,9914 = 31,0464
    𝑦
    𝛾4
    ̂ = 40,013 − 3,988 − 17,946 + 4,9914 = 23,0704
    𝑦
    𝛾5
    ̂ = 40,013 + 3,988 ∗ 1,41 + 0 + 0 = 45,6361
    𝑦
    𝛾6
    ̂ = 40,013 − 3,988 ∗ 1,41 + 0 + 0 = 34,3899
    𝑦
    𝛾7
    ̂ = 40,013 + 0 + 14,95 ∗ 1,414 + 4,9914 ∗ 2 = 75,29966
    𝑦
    𝛾8
    ̂ = 40,013 + 0 − 14,95 ∗ 1,414 + 4,9914 ∗ 2 = 24,69194
    𝑦
    𝛾9
    ̂ = 40,013 + 0 + 0 + 0 = 40,013
    𝑦
    𝛾10
    ̂ = 40,013 + 0 + 0 + 0 = 40,013
    𝑦
    𝛾11
    ̂ = 40,013 + 0 + 0 + 0 = 40,013
    𝑦
    𝛾12
    ̂ = 40,013 + 0 + 0 + 0 = 40,013
    𝑦
    𝛾13
    ̂ = 40,013 + 0 + 0 + 0 = 40,013 67 59 31 23 45,64 34,36 75,38 24,62 41,5 38,2 40,1 43,3 37 0,003795 0,001414 0,002153 0,004956 0,000015 0,000895 0,006455 0,005175 2,211169 3,286969 0,007569 10,804369 9,078169
    𝑆
    𝑅
    = 25,4131
    Тогда
    𝜎
    ад
    2
    =
    25,4131−25,39 5
    = 0,004621
    Расчётное значение
    𝐹
    р
    - критерия:
    𝐹
    р
    =
    𝜎
    ад
    2
    𝜎
    2
    {𝑦
    𝛾
    }
    =
    0,004621 6,3475
    = 0,0007279
    Табличное значение
    𝐹
    Т
    - критерия при 5%-ном уровне значимости и числе степеней свободы для большей дисперсии
    (𝜎
    2
    {𝑦
    𝛾
    })
    𝑓
    1
    = 𝑛
    0
    − 1 = 5 − 1 = 4 для меньшей дисперсии
    (𝜎
    ад
    2
    )
    𝑓
    2
    = 𝑁 − 𝑘

    − (𝑛
    0
    − 1) = 13 − 4 − (5 − 1) = 5
    равно
    𝐹
    Т
    =5,2 (см. прил. 4). Так как
    𝐹
    р
    < 𝐹
    Т
    , полученная модель адекватна.
    Раскодируем уравнение регрессии для
    𝑦
    𝛾
    через формулы перехода:
    𝑥
    1
    =
    Э − 13 5
    ; 𝑥
    2
    =
    𝑓 − 66 22
    ;
    Подставим формулы перехода
    𝑥
    1
    и 𝑥
    2
    в уравнение регрессии:
    𝑦
    𝛾
    = 𝛾 = 40,013 + 3,988 ∙
    Э − 13 5
    + 17,946 ∙
    𝑓 − 66 22
    + 4,9914 (
    𝑓 − 66 22
    )
    2
    =
    = 40,013 + 0,7976Э − 10,3688 + 0,81573𝑓 − 53,838 + 0,010313𝑓
    2

    −1,3613𝑓 + 44,9226 = 20,7288 + 0,7976Э − 0,54557𝑓 + 0,010313𝑓
    2
    Проверяем правильность раскодирования, используя данные опыта 1:
    𝑥
    1
    = +1; Э
    1
    = 18мДж; 𝑥
    2
    = +1; 𝑓
    1
    = 88кГц; 𝛾
    1
    Э
    = 67%;
    𝛾
    1
    р
    = 20,7288 + 0,7976 ∙ 18 − 0,54557 ∙ 88 + 0,010313 ∙ 88 2
    = 66,9393 ≈
    ≈ 67%.
    Раскодирование верно.

    55
    Продолжение прил. 2
    3. Поиск и исследование области оптимума с помощью графоаналитического метода двумерных совмещённых сечений поверхностей отклика.
    В результате рототабельного планирования второго порядка были получены адекватные математические модели зависимости двух выходных параметров: производительности процесса Q=y
    Q
    и относительного линейного износа электрода-инструмента γ=y
    γ
    от двух факторов: энергии импульсов тока Э (кодированное обозначение x
    1
    ) и частоты импульсов f
    (кодированное обозначение x
    2
    )
    y
    Q
    =20-10x
    1
    -15x
    2
    +4x
    1
    x
    2
    +6x
    1
    2
    +4x
    2
    2
    y
    γ
    =40+4x
    1
    +18x
    2
    +5x
    2
    2
    Значения коэффициентов в уравнениях регрессии незначительно округлены.
    В соответствии с заданием необходимо найти наибольшее и наименьшее значения производительности процесса электроэрозионной прошивки отверстий и соответствующие им режимы обработки, при которых износ электрода инструмента составляет 50%.
    На первом этапе первое уравнение
    𝑦
    𝑄
    , содержащее два квадратных члена и член с эффектом взаимодействия, приводим к канонической форме.
    Для этого дифференцируем уравнение по независимым переменным x
    1
    , x
    2
    и приравниваем частные производные к нулю:
    𝜕𝑦
    𝑄
    𝜕𝑥
    1
    = −10 + 4𝑥
    2
    + 12𝑥
    1
    = 0;
    𝜕𝑦
    𝑄
    𝜕𝑥
    2
    = −15 + 4𝑥
    1
    + 8𝑥
    2
    = 0;
    Составим систему уравнений:
    {
    12𝑥
    1
    + 4𝑥
    2
    = 10 4𝑥
    1
    + 8𝑥
    2
    = 15
    Вычислим определитель системы:
    ∆= |12 4 4
    8
    | = 12 ∙ 8 − 4 ∙ 4 = 80
    Определитель не равен нулю, следовательно, исследуемая поверхность отклика имеет центр.
    Находим координаты центра S:
    𝑥
    1𝑠
    и
    𝑥
    2𝑆
    𝑥
    1𝑠
    =
    ∆𝑥
    1

    =
    |10 4 15 8
    |
    80
    =
    10 ∙ 8 − 4 ∙ 15 80
    = 0,25
    𝑥
    2𝑠
    =
    ∆𝑥
    2

    =
    |12 10 4
    15
    |
    80
    =
    12 ∗ 15 − 10 ∗ 4 80
    = 1,75, где
    ∆𝑥
    1
    и
    ∆𝑥
    2
    - частные определители.

    56
    Продолжение прил. 2
    Подставляя
    𝑥
    1𝑠
    и
    𝑥
    2𝑠
    в уравнение регрессии, находим значение выходного параметра в центре
    𝑦
    𝑄𝑆
    = 20 − 10 ∙ 0,25 − 15 ∙ 1,75 + 4 ∙ 0,25 ∙ 1,75 + 6 ∙ (0,25)
    2
    + 4 ∗ (1,75)
    2
    = 5,625
    Уравнение регрессии принимает канонический вид, если координатные оси
    𝑥
    1
    -
    𝑥
    2
    параллельно перенести в новую координатную систему с центром S с координатами
    𝑥
    1𝑠
    ,
    𝑥
    2𝑠
    и повернуть оси координат на угол α:
    𝛼 =
    1 2
    arctg
    𝑏
    12
    𝑏
    11
    − 𝑏
    22
    =
    1 2
    arctg
    4 6 − 4
    = 31,7
    °
    Тогда в новой системе координат уравнение регрессии принимает стандартный канонический вид:
    𝑌
    𝑄
    = 𝑦
    𝑄
    − 𝑦
    𝑄𝑆
    = 𝐵
    11
    𝑋
    1 2
    + 𝐵
    22
    𝑋
    2 2
    , где
    𝑋
    1
    ,
    𝑋
    2
    - значение координат в новой системе после переноса и поворота старой системы координат;
    𝐵
    11
    ,
    𝐵
    22
    - новые коэффициенты в каноническом уравнении определяются из характеристического уравнения:
    |
    𝑏
    11
    − 𝐵
    1 2
    𝑏
    12 1
    2
    𝑏
    21
    𝑏
    22
    − 𝐵
    | = |
    6 − 𝐵
    1 2
    ∙ 4 1
    2
    ∙ 4 4 − 𝐵
    | = (6 − 𝐵)(4 − 𝐵) −
    1 2
    ∙ 4 ∙
    1 2
    ∙ 4 =
    = 𝐵
    2
    − 10 ∙ 𝐵 + 20 = 0
    Решая квадратное уравнение, находим корни:
    𝐵 = 5 ± √25 − 20 = 5 ± 2,236;
    𝐵
    11
    = 7,236; 𝐵
    22
    = 2,764.
    При этом, большее значение
    𝐵
    𝑖𝑖
    должно соответствовать большему значению
    𝑏
    𝑖𝑖
    и наоборот.
    Правильность вычислений коэффициентов проверяем сравнением сумм коэффициентов при квадратичных членах в исходном и каноническом уравнениях:
    𝑏
    11
    + 𝑏
    22
    = 𝐵
    11
    + 𝐵
    22
    ;6 + 4 = 7,236 + 2,764;10 ≡ 10
    Вычисление верно. Тогда уравнение регрессии в канонической форме имеет вид:
    𝑌
    𝑄
    = 𝑦
    𝑄
    − 5,625 = 7,236𝑋
    1 2
    + 2,764𝑋
    2 2
    Так как
    𝐵
    11
    и
    𝐵
    22
    одного знака и больше нуля, то поверхность отклика, описываемая уравнением, представляет собой эллиптический параболоид с вершиной в центре фигуры S, являющимся минимумом функции и имеющим координаты
    𝑥
    1𝑠
    = 0,25, 𝑥
    2𝑠
    = 1,75.
    Второе уравнение регрессии
    𝑦
    𝛾
    = 40 + 4𝑥
    1
    + 18𝑥
    2
    + 5𝑥
    2 2
    , содержащее только один квадратичный член, к канонической форме не приводим из-за его простоты.

    57
    1   2   3   4   5   6   7


    написать администратору сайта