Файл: Применение методов статистического моделирования в автоматизированном химическом производстве..pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 06.04.2024
Просмотров: 44
Скачиваний: 0
2)Выбор функции отклика
Вхимических процессах в качестве функции отклика мо гут быть приняты технические коэффициенты, которые опре деляют степень интенсивности ведения технологического про
цесса: в каталитических процессах — выход целевого продук та на пропущенную и разложенную шихту, в диффузионных процессах — коэффициент извлечения, в процессах полимери зации (синтеза) — глубину конверсии.
3) Стабилизация всех основных факторов
Стабилизация факторов достигается в случае, если сбор информации осуществляется в условиях установившегося ре жима, то есть режима, не изменяющегося во времени.
В этом случае производная факторов по времени равна нулю. Практически это означает, что после внесения возмуще ний необходимо фиксировать замеры по основным факторам только после того, как на диаграммах появятся плавные пря мые.
После сбора информации о процессе из диаграмм необхо димо исключить те замеры, которые являются случайными. Последнее может быть вызвано неисправностью контрольно измерительных приборов.
Просматривая такие записи, можно еще до проведения де тального статистического анализа ориентировочно оценить скорость изменения фактора во времени, диапазон этих изме нений, или степень разброса фактора. Последнюю характери стику оценивают величиной дисперсии.
На практике проверка стабильности информации прово дится графически. По оси абсцисс откладывают время измене ния фактора, по оси ординат — значение фактора (см. фигу-
РУ)-
Строки, содержащие точки выброса, исключаются из ин формации.
10
4) Составление матрицы исходных данных
Матрица исходных данных составляется с учетом функции отклика и выбранных факторов. Строки матрицы представ ляют собой фиксированные замеры выбранных факторов, при чем первая строка матрицы совпадает с первым по времени замером, а последняя — с окончанием наблюдения.
5) Группировка исходных данных
Предварительно обработанная информация о процессе группируется по классу точности приборов.
Группировка проводится следующим образом. Первая строка матрицы исходных данных сравнивается со всеми по следующими строками, причем сравнение идет по столбцам в пределах ошибки прибора. Таким образом, в каждую группу входят лишь те строки, все столбцы которых лежат в преде лах: первая строка матрицы ± ошибка прибора. Пусть, на пример, имеется следующая информация о процессе (табл. 1):
|
|
|
|
|
Таблица 1 |
|
Температура |
Соотношение |
Давление |
|
|
|
верха реак |
перед реак |
|
||
|
пар-шихта |
|
|
||
|
тора |
|
тором |
Выход про |
|
|
•** |
|
|||
№ наб |
|
|
*3 |
дукта на про |
|
|
|
|
|||
людения |
при погрешности |
прибора |
пущенную |
||
|
|
|
|
|
шихту |
|
±5,5° |
±1,5 |
|
±0,1 |
|
1 |
623 |
2,5 |
|
0,30 |
35,6 |
2 |
625 |
2,5 |
|
0,30 |
37,0 |
3 |
617 |
2,5 |
|
0,29 |
34,4 |
4 |
623 |
3,0 |
|
0,36 |
34,8 |
5 |
628 |
2,5 |
|
0,35 |
33,1 |
6 |
630 |
2,5 |
|
0,34 |
34,0 |
7 |
633 |
2,0 |
|
0,44 |
33,4 |
8 |
631 |
2,0 |
|
0,40 |
33,4 |
9 |
630 |
2,0 |
|
0,40 |
31,2 |
10 |
636 |
2,0 |
|
0,39 |
33,0 |
11
Следуя описанной методике, получим группы (табл. 2 и 3):
|
|
|
|
|
|
Т а б л и ц а |
2 |
№ группы |
|
|
х а |
х 3 |
У |
|
|
|
1 |
|
623 |
2,5 |
0,30 |
35,6 |
|
|
2 |
|
625 |
2,5 |
0,30 |
37,0 |
|
|
3 |
|
623 |
3,0 |
0,36 |
34,8 |
|
|
4 |
|
628 |
2,5 |
0,35 |
33,1 |
|
Среднее |
значение |
|
624,75 |
2,6 |
0,33 |
35,1 |
|
|
|
|
|
|
|
Т аб л и ц а |
3 |
№ группы |
|
|
х 2 |
х 3 |
У |
|
|
1 |
|
630 |
|
2,5 |
0,34 |
34,0 |
|
2 |
|
633 |
|
2,0 |
0,44 |
33,4 |
|
3 |
|
631 |
|
2,0 |
0,40 |
33,4 |
|
4 |
|
630 |
|
2,0 |
0,40 |
31,2 |
|
Среднее |
631 |
|
2,1 |
0,39 |
33,0 |
|
|
значение |
|
|
|||||
|
|
|
|
|
|
Строки, не вошедшие ни в одну из этих групп, переносятся без изменения в таблицу исходных данных, туда же вносятся и средние значения образованных групп (табл. 4).
|
|
|
|
Т а б л и ц а 4 |
№ группы |
X! |
х 2 |
х 3 |
У |
1 |
624,75 |
2,6 |
0,33 |
35,1 |
2 |
617,0 |
2,5 |
0,29 |
34,4 |
3 |
631,0 |
2,1 |
0,39 |
33,0 |
4 |
636,0 |
2,0 |
0,39 |
33,0 |
При группировании представляется возможным проверить гипотезу об адекватности представления процесса полученной математической модели по /"-критерию.
12
По описанной выше методике вся информация по иссле дуемому процессу дегидрирования этилбензола в стирол была сгруппирована в 25 групп. При этом в качестве влияющих факторов были взяты следующие 11 параметров (табл. 5):
Услов ное обозна чение
Х1
Х2
Х3
■*4
Х6
Ху
х9
х10
Т а б л и ц а 5
Наименование фактора
Соотношение пар — шихта Температура верха реактора
Давление перед адиабатическим реактором Подача пара в пароперегревательную печь Подача шихты Перепад давлений
Давление после адиабатического реактора Температура низа реактора Остаток в печном масле Температура средины реактора
хп Подача пара в испаритель
Вкачестве выходной функции отклика были выбраны вы ход стирола на разложенный этилбензол (у\) и выход на про пущенный этилбензол (г/г) -
Одним из эффективных методов определения линейной (или нелинейной) зависимости исследуемой величины от не скольких других является метод наименьших квадратов, кото рый заключается в следующем.
Рассмотрим зависимость между двумя величинами х и у (в целях упрощения мы будем определять линейную зависи мость величины у от одной величины х, хотя все рассуждения могут быть легко перенесены на многомерный случай, а зави симость может носить, например, квадратичный характер). В нашем распоряжении имеется таблица N результатов измере ний значений величины х и соответствующих значений у.
Будем рассматривать х и у как прямоугольные координа ты точек на плоскости. Предположим, что точки с соответству ющими координатами, взятыми из нашей таблицы, лежат на некоторой прямой линии. Естественно в этом случае предпо-
13
дожить, что между х и у существует линейная зависимость, то есть что у есть линейная функция от х, выражающаяся фор мулой
y = ax + b, |
(1) |
где а и Ь — некоторые постоянные коэффициенты, |
подлежа |
щие определению. |
|
Формула (1) может быть представлена в следующем виде:
ах + Ь—у = 0. |
(2) |
Разумеется, наша гипотеза о строго линейной зависимости между величинами у и х носит приближенный характер: на самом деле, данные, приведенные в таблице, имеют лишь тен денцию группироваться около некоторой прямой линии.
Следовательно, подставляя в формулу (2) вместо х и у табличные значения Х\У\, х2у2, ■■■, xn Ух, получим систему ра венств:
ахг + |
b — у, = sp, |
|
ах 2+ b - у2 = е2; |
^ |
|
axN + b — yN = еЛ„ |
|
|
где |
|
|
£1> |
®дг |
(4) |
— отличные от нуля погрешности.
Требуется подобрать коэффициенты а и b таким образом, чтобы сумма квадратов погрешностей была минимальной, то
есть |
|
|
|
|
и = £i2 + |
£з2 + ••• + |
£5v = min. |
(5) |
|
Заменив в выражении |
(5) значения (4) их значениями из |
|||
равенств (3), получим следующее выражение: |
|
|||
и = (ахг + Ь — у ^ |
+ (ax2 + b — y2f |
+ ... + (ахN + |
ft—уЛ,)2, (6) |
|
или |
|
|
|
|
|
И = 2 |
iflxt + ft - |
у if . |
(7) |
|
(=1 |
|
|
|
В формуле (7) |
числа Х\У\,. . ., х^Уы получены в результате |
измерения, а коэффициенты а и b — неизвестные, подлежащие определению.
Таким образом, и можно рассматривать как функцию от двух переменных а и ft.
Подберем коэффициент а и ft так, чтобы и была минималь
ной. Для этого необходимо, чтобы соблюдались условия: |
|
|
— = 0; |
— = 0. |
(8) |
да |
дЬ |
|
14
Берем частные производные и, разделив их на 2, получим
(ахх + b — у 1)х1+ (ах2+ b - y 2) x 2+ ...+(axN+ b — yN) x N= 0;
(ах1+ Ь — У1) + (ах2+ b — у2) + + (ахм ^ — Уы) ~ 0-
Производя несложные преобразования, окончательно по лучаем систему уравнений
N |
N |
N |
а 2 |
x i2+ b J j -И = |
2 -И УЗ |
N |
■ N |
(9) |
|
x l + b = % yt. |
|
i == 1 i = 1 /
Решая систему (9), находим коэффициенты а и Ь. Мы при вели лишь самый элементарный, хотя и весьма часто встре чающийся случай применения метода наименьших квадратов. В общем случае имеются результаты N независимых опытов,
в |
которых каждому |
набору значений |
факторов xt |
(t = l, |
|||||
2,. |
. ., п) |
соответствует значение функции у. |
|
|
|||||
|
Из |
теоретических |
соображений |
выбрана |
зависимость |
||||
у = ф(хь |
|
си, ..., |
аД, |
содержащая |
ряд неизвестных па |
||||
раметров. |
|
|
|
|
|
|
|
||
|
Требуется |
так выбрать |
эти параметры, чтобы |
кривая |
|||||
у = ср (хи ..., |
хп, аь ..., |
as) наилучшим |
способом |
изображала |
полученную на опыте зависимость. Метод наименьших квад ратов основан на требовании обращения в минимум квадра
тов отклонений |
экспериментальных точек |
от сглаживающей |
кривой. Иными |
N |
[ у ^ — ¥ |
словами, величина к = 2 |
J=1
х пи), аь ...,а5)]2должна быть сведена к минимуму. Здесь х ^ —
значение k-то фактора в /-м наблюдении, a y(i) — значение функции влияния факторов также в /-м наблюдении. Величи на aj, . . ., as, при которой достигается минимизация величи ны и, определяется из системы s уравнений:
^ = 0 ( i = l , 2,..., 5). |
(10) |
ОЯ; |
|
Метод наименьших квадратов описан в ряде руководств по обработке наблюдений и математической статистике, напри мер в работе [5], и является весьма распространенным. Его основным недостатком является трудность отбора наиболее значимых факторов (существенно влияющих на выходное значение у). Действительно, если известно, что на величину у оказывают совокупное влияние п факторов х и . . . , х п, пред ставляет большой интерес не только построение математиче ской модели зависимости у = ц>(хи . . .,хп), но и оценка степени значимости каждого из факторов в отдельности. Заметим, что
15