Файл: Применение методов статистического моделирования в автоматизированном химическом производстве..pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 06.04.2024
Просмотров: 43
Скачиваний: 0
отбор факторов предшествует построению математической мо дели зависимости. Сначала исследователь должен выделить, пользуясь методами математической статистики, наиболее влияющие на выходное значение процесса факторы, а затем построить математическую модель зависимости выходного значения у от у^ке отобранных факторов. В работе [6] описана модификация метода наименьших квадратов, позволяющая со четать отбор факторов с построением математической модели, которая приводится ниже.
Изложим еще одну распространенную за рубежом модель оценки зависимостей, так называемую модель Брандона, пос ле чего перейдем к разработанному способу отбора факторов.
Трудность стабилизации параметров, невозможность точ ного замера некоторых из них и ряд других обстоятельств, за висящих от производственных условий, проведения экспери мента, заставляют отказаться от обычной практики нахожде ния зависимостей и искать другой, более приемлемый метод их определения.
В зарубежной литературе [7, 8] излагается метод множест венной нелинейной корреляции. Ставится задача определить зависимость одного основного параметра системы от других параметров (хь х2, х3, ..., х п), то есть найти функцию
у — F (хх, х 2, х 3,...,хп).
Предполагается, что функция F является произведением некоторых функций отдельных параметров
У = К fi i.x i)U (*2) / 8 (*з) •••/„ (■*„). |
(П) |
причем каждая из / г (х() принимается для простоты расчета линейной
f l (xi) = al + bl x t.
Возможно использование и более сложной, нелинейной за висимости. Таким образом, задача сводится к определению коэффициентов ah bt \iK (i= 1, 2,. . ., п).
Исходными данными для такого расчета служит таблица экспериментальных данных, как и в методе наименьших квад ратов. Расчет начинается с построения графика зависимости у от X]. На этом графике получается корреляционное поле точек, из которых методом средних или методом наименьших квадратов [7] выявляется наибрлее вероятная линия репрес сии
hЫ = а1+ ь1 х х
иопределяются коэффициенты а\ и Ь\. После этого рассчи тываются значения нового приведенного параметра
У1 = ~ |
—Г - Kf-1(*«)/» (*s) - f n (х п) |
(12) |
f\ |
(*|) |
|
16
и строится график зависимости у\ от хг, по которому опреде ляется уравнение линии репрессии /2(^2)- Затем рассчитыва ются значения следующего приведенного параметра:
/з ( х 2)
и по графику зависимости г/г от Хз находится уравнение линии репрессии /3(*з). Такой расчет продолжается до тех пор, пока не будут определены все функции /г (xj) и коэффициент К.
Недостатки модели Брандона — трудность определения остаточной дисперсии погрешности оценки с помощью функ ции y = F ( x и, как следствие, невозможность прове дения отбора значимых факторов.
Переходим к описанию метода отбора значимых факторов и построения математической модели на основе данных отбо ра. Математические основы этого метода изложены в работах
[6], [И].
Одной из важных задач расчета динамики производствен ного процесса является проблема оптимизации производствен ного процесса— установления комбинации значений, влияю щих на процесс факторов, которые оптимизируют значение выходной функции процесса. Будем считать, что, помимо пе ременных технологических параметров, на значение функции процесса оказывает влияние большое количество не поддаю щихся учету случайных факторов.
Примем следующую математическую запись исследуемого технологического процесса:
^ =; А0+ |
x i + ••• + Ап х п + А. |
(13) |
Здесь W — оптимизируемая выходная функция |
технологиче |
|
ского процесса; |
|
|
A t— численные значения коэффициентов; |
|
|
x t— переменные |
технологические параметры, опреде |
|
ляющие значения оптимизируемой величины; |
||
Д — нормальная |
случайная величина с |
параметрами |
(а, а2), причем параметры А можно без ограниче ния общности свести к (0, а2).
Пусть имеется таблица N наблюдений исследуемого техно логического процесса:
W {1) х 1(1)...х „ (1)
W (N)x<N)...xn{N)
Здесь нижний индекс означает номер параметра, а верх ний— номер наблюдения. Обозначив //-мерный вектор W
значком W, а //-мерные векторы наблюдений параметров
2 Зак. 396 |
17 |
x L— через x h имеем:
\^ = Л 0Т + |
2 |
A i x i + |
/V |
(14) |
|
i = 1 |
|
|
|
Здесь 1— единичный W-мерный вектор, а А — iV-мерный |
||||
вектор значений А. |
|
|
|
|
Обозначив хг= 1 / N ^ X i |
; |
и x t — x t — л;г, |
получим |
|
^ = (Л0 + S А; хг) + 2 АД + д! |
|
|||
i=l |
|
i<=1 |
|
|
Ортогонализируем систему векторов х[ и получаем новую |
||||
систему взаимно ортогональных векторов |
|
|||
W = А0' 1 + 2 -4/ |
+ А, |
|
||
отсюда |
г '= |
1 |
|
|
|
|
|
|
|
Л /...( ^ ё о |
|
(д. ёГ) |
|
(15) |
(С.w |
|
(С у |
|
|
|
|
|
Здесь (а, Ь) — скалярное произведение векторов а и Ь. Отсюда можно определить параметры случайной величи
ны А/:
(6/, 5г)
DA
(Si, Si)
Обозначив
II |
1 I'M * |
S ) gj. |
можно показать, что
М ' ( р . р )
N —n
Отсюда
(Р- Р) ~ -,2
N —п
(16)
(17)
(18)
(19)
(20)
18
Получаем простую и весьма удобную с вычислительной точки зрения методику отбора значимых параметров, сущест венно влияющих на выходное значение производственного процесса. Строим п дисперсий:
|
(Ру. Р/) |
/ |
U — !.•••. ч)\ РJ = W - |
2 |
|
(21) |
|
|
N — i |
|
|||||
|
/=1 |
(tiX) |
|
||||
|
|
|
|
|
|
|
|
Если |
при |
переходе от / к (/+1) |
факторам (добавляется |
||||
( /+ 1)-й |
фактор) |
величины о2 и а3+1 |
несущественно |
отлича |
ются друг от друга (существенность отклонения можно оце нить с помощью различных критериев согласия), то это озна чает, что ( / + 1)-й фактор оказывает на выходное значение непосредственное влияние и может быть отброшен.
Проверка статистических гипотез о значимости расхожде ния двух дисперсий ог2 и о3+1 производится следующим обра
зом. Для проверки такого рода гипотез используется распре
деление отношений дисперсий |
|
|
|
|
|||
|
|
|
F = - ¥ ~ , |
|
|
(22) |
|
|
|
|
|
а/-и |
|
|
|
причем |
постулируется, |
что |
дисперсии |
а;3 |
и оД1 |
взяты из |
|
нормальной генеральной совокупности. |
F |
(так называемое |
|||||
Распределение |
случайной |
величины |
|||||
Д-распределение Фишера) зависит только |
от числа |
степеней |
|||||
свободы |
Ki = N\—1 |
и |
Kz= N2—1, если |
дисперсии |
а 2 и с2+1 |
взяты, соответственно, из выборок объема iV) и N2. В нашем |
|
случае N 1= N2 = N и Ki = K2 = N—1. Чтобы проверить гипотезу |
|
о равенстве а 2 и а-+1,мы должны построить критическую об |
|
ласть для критерия F, после чего, |
сравнивая эмпирическое |
значение F с этой областью, делаем |
окончательный вывод. |
Зададим коэффициент доверия р и зафиксируем два та ких интервала Fi и F2, что при соответствующих степенях сво
боды Ki и Д2 |
|
P (F < /ф) = P ( F > F2) ~ 1 - р . |
(23) |
Если выборочное значение F оказывается в критической об ласти, то есть вне интервала [Еь /г], то гипотеза <з;2 = о?+1
должна быть отвергнута, так как вероятность того, что
F(~[Fi, Fq\, равна 1—2 р и весьма незначительна. В качестве коэффициента доверия р целесообразно принять равным 0,95.
Если значение F не выходит за пределы интервала [Еь/г], у нас нет оснований отвергнуть гипотезу о равенстве диспер сий. Таким образом, при F1<c F k F2 мы считаем, что Д+1)-й фактор оказывает несущественное влияние и может не учиты ваться. При F<Fi или F>F2 расхождение между а 2 и а3+1
считается существенным, и мы считаем добавление (t+ l)-ro фактора необходимым, а его влияние существенным.
2* |
19 |
Таким образом, оценивая изменения дисперсии о2 от /= 1 до }= п, можно отобрать все значимые параметры xt.
Предлагаемая методика отбора параметров хг проста в применении и выгодно отличается от способа отбора парамет ров при обычном методе наименьших квадратов тем, что нуж
но только один раз ортогонализировать систему векторов х/, а не обращать п раз матрицу соответственно для 1, 2 параметров. Вычислительные формулы существенно упроща ются и легко программируются на ЭВМ.
После получения коэффициентов A t переход к итоговым осуществляется по формуле
A n~k “ Ап. -k . 2 |
Aj |
—> |
(1 < * < я + 1). i <24> |
} ~ n - k -\-1 |
|
(S/г—ft, £/z--ft) |
I |
В исследуемом примере процесса дегидрирования этил бензола в стирол на основании F-анализа ряда остаточных
дисперсий были отобраны следующие факторы: |
||
Xi — соотношение пар — шихта; |
|
|
х2 — температура верха реактора; |
реактором; |
|
х3 |
— давление перед адиабатическим |
|
х4 |
— подача пара в пароперегревательную печь; |
|
х9 — остаток в печном масле (для |
исследуемого случая |
в качестве фактора была выбрана активность катализатора — величина, обратная параметру).
В табл. 6 приведены данные измерений по группам для уже отобранных факторов (здесь х9 — активность катализа тора, остальные факторы взяты на основании отбора).
Отбор наиболее влияющих факторов может быть также приведен на основе анализа индексов корреляции. Заметим, однако, что статистический анализ в этом случае становится весьма трудоемким. Индекс корреляции представляет собой отношение среднеквадратичных отклонений
где |
|
|
|
|
|
|
|
|
|
|
V% |
|
N — 1 |
|
/ |
N |
, Ж |
Щ |
|
|
|
|
|
i=i |
|
N — l |
|||
|
|
(У(О._ j,®)2 |
Зу (*•/) |
|
|
■У )2 |
|||
|
|
|
|
|
|
|
|
|
|
уО' определяется |
|
на |
основании построения |
квадратичной |
|||||
модели |
зависимости |
у |
от |
соответствующего |
Xj, то есть |
||||
у j l) ~ a j |
-f- bj Xjl) + |
Cj XjlP, где |
параметры ауф и Cj неизвестны |
||||||
и подлежат определению, |
a |
x'f — значение |
/-го фактора в |
20