загрузка...
 
3.4.4.Методика застосування математичного планування експерименту для дослідження технологічних систем
Повернутись до змісту

3.4.4.Методика застосування математичного планування експерименту для дослідження технологічних систем

Застосування математичних методів планування експерименту змен­шує об’єм експериментальних досліджень за рахунок зростання обсягу роботи з обробки результатів досліджень. На всіх етапах математично­го планування здійснюється статистична перевірка гіпотез: чи досліди відтворювані, чи коефіцієнти моделі суттєві, чи модель адекватна до експериментальних даних. Для їх застосування план факторного експе­рименту повинен задовольняти низку вимог:

досліджувані фактори повинні бути керованими, вимірюваними та незалежними;

зміни показника функції відгуку повинні легко визначатись;

при кожній комбінації факторів реалізується серія паралельних дослідів.

При плануванні експерименту виділяються такі логічні етапи, як послідовна постановка задач, висування гіпотез, їх прийняття чи відки­дання зі застосуванням методів статистичного аналізу. Загальна мето­дика застосування математичного планування експерименту для побу­дови математичної моделі досліджуваного явища чи процесу включає такі етапи:

Вибір показника досліджуваного процесу, тобто функції відгуку.

Визначення факторів впливу, меж їх зміни, кодування.

Визначення кількості паралельних дослідів в одній серії та побу­дова матриці експерименту.

Перевірка відтворюваності дослідів за допомогою статистичного критерію Кохрена.

Визначення коефіцієнтів полінома для побудови лінійної моделі.

Перевірка значущості коефіцієнтів полінома за допомогою статис­тичного критерію Стьюдента.

Перевірка адекватності моделі за допомогою статистичного кри­терію Фішера.

Перехід від моделі в просторі кодованих змінних до моделі в на­туральному просторі змінних.

Якщо лінійна модель виявиться неадекватною, то поліном допов­нюється елементами, що задають можливі варіанти взаємодії факторів впливу. При цьому лінійна модель спочатку доповнюється до неповної квадратичної, після чого пункти 5-7 повторюються. Якщо ж і ця модель буде неадекватною, то поліном доповнюється елементами, що опису­ють ефекти від впливу дії факторів у квадраті, потім знову повторю­ються пункти 5-7.

Цю методику математичного планування експерименту розглянемо на прикладі визначення коефіцієнтів моделі, що описує стійкість різця залежно від швидкості різання, подачі, глибини різання та величини зношування різця по задній поверхні.

Приклад. Стійкість різця від режимів різання задається розшире­ним законом Тейлора:

де Т — стійкість різця, хв; t — глибина різання, мм; s — подача, мм/об;

V — швидкість різання, м/хв.; h — величина зношування на задній по­верхні, мм.

Щоб спростити побудову моделі, перейдемо від багатофакторного натурального простору до багатофакторного логарифмічного простору. В цьому випадку ми можемо лінеаризувати модель, спростити матри­цю експерименту та відповідно зменшити кількість дослідів, необхід­них для побудови моделі. Вихідна залежність набуде вигляду

або після заміни змінних представлятиме лінійну модель

Побудуємо модель для випадку обробки сталі 40Х різцем із меха­нічним кріпленням пластинки з твердого сплаву Т15К6. Межі зміни дос­ліджуваних режимів різання: V = 163-250 м/хв.; s = 0,2-0,4 мм/об; t = 1-3мм; h = 0,2 - 0,3 мм. Межі зміни лінеаризованих технологічних режимів:

Дані про технологічні режими в натуральному та логарифмічному вигляді зведемо для зручності в табл. 3.11.

Таблиця 3.11

Кодування технологічних факторів здійснимо за формулами:


Для проведення експериментальних досліджень необхідно вибрати певну кількість паралельних дослідів, щоб перевірити відтворюваність дослідів. Враховуючи добру контрольованість технологічних режимів та досконалість методики визначення періоду стійкості різців, вибере­мо мінімально допустиму кількість — два паралельні досліди.

Для побудови матриці експерименту врахуємо, що лінійна модель має п’ять невідомих: Для її побудови буде достатньо використати дробовий план експерименту типу ДПЕ = 24-1 , що будується на основі повного факторного плану для трьох факторів (див. табл. 3.12).

Перевірка відтворюваності дослідів. Здійснюється за результата­ми паралельних дослідів. Спочатку визначають середнє арифметичне  для паралельних повторень кожного досліду (j = 1,2, ..., N) та дис­персію розсіяння результатів кожного досліду

де m — число паралельних повторень кожного досліду, m = 2; N— чис­ло дослідів в експерименті; k— номер паралельного повторення дослі­ду; j — номер досліду в матриці планування.

Таблиця 3.12

Розраховані за цими виразами значення містяться у відповідних стовпчиках табл. 3.11. Дисперсії в кожному із дослідів за даними його паралельних повторень становитимуть:

Досліди вважатимуться відтворюваними, якщо обчислене значення критерію Кохрена G буде менше від табличного  Знайдемо значення критерію Кохрена за даними останнього стовпчика табл. 3.11:

Обчислене значення статистичного критерію порівнюється із таб­личним значенням критерію Кохрена Gr взятого зі статистичних таб­лиць залежно від ступеня вільності паралельних дослідів f= m - 1 = 1, кількості серій дослідів або вибірок N = 8 та рівня значущості, тобто ризику помилитися ? = 0,05 або ? = 0,01. Табличне значення для цих умов = 0,6798 (див. додаток). Оскільки виконується умова  бо

3331< 0,6798, то досліди вважаються відтворюваними.

Обчислення коефіцієнтів моделі за експериментальними дани­ми. Лінеаризована модель із кодованими значеннями факторів має та­кий вигляд:

Коефіцієнт  визначає загальне середнє всіх дослідів і задає центр багатофакторного простору:

Дисперсія загального середнього  що задає похибку його визна­чення  дорівнює середній для всіх дослідів дисперсії відтворюваності

Коефіцієнти полінома що характеризують ефекти впли­ву факторів X1, X2, X3, Х4 на функцію відгуку у, обчислюються стосов­но значення загального середнього. В основу обчислень покладемо на­ступні міркування, які деталізуємо на прикладі фактора X1.

Якщо фактор X1 міститься на нижньому рівні X1 = - 1 при дослідах №1, 3, 5, 7, то інші фактори містяться однакову кількість разів як на рівні -1, так і на рівні +1, тобто вони в сумі не впливають на середнє значення цих чотирьох дослідів. Те саме відбувається, коли фактор X1 міститься на рівні +1. Отже, різниця між середнім значенням чотирьох парних дослідів та чотирьох непарних являтиме собою чистий ефект від дії фактора X1. Застосувавши аналогічні міркування для визначення чистих впливів усіх інших факторів, запишемо вирази для визначення коефіцієнтів їх впливів на функцію відгуку:

Отримаємо

Перевірка значущості коефіцієнтів полінома. Вплив деяких дос­ліджуваних факторів на показник досліджуваного процесу може виявитися незначним. Тоді таким показником доцільно знехтувати. Для цього необхідно для кожного коефіцієнта провести тестування Стьюдента, тобто обчислити похибку його визначення як нормоване відхилення  за допомогою його дисперсії та порівняти її з похибкою загального середнього  визначеною за допомогою дисперсії відтворюваності дослідів  Це тестування передбачає обчислення статистичного кри­терію Стьюдента St та його порівняння із табличним значенням  (табл. Д.4 додатка).

Спочатку визначаємо похибку обчислення коефіцієнтів полінома постійну для всіх коефіцієнтів

Як бачимо, похибка обчислення коефіцієнтів полінома не залежить від значень цих коефіцієнтів. Похибка зменшується при зменшенні сту­пеня розсіяння значень паралельних дослідів, при зростанні загальної кількості дослідів N та числа паралельних повторень m кожного з них.

Значення критерію Стьюдента обчислюється для кожного із ко­ефіцієнтів за виразом

За таблицями St- розподілу Стьюдента (див. табл. Д.4 додатка) зна­ходимо значення критерію Стьюдента для ступеня вільності отри­маної моделі

при рівні значущості ? = 0,05. Табличне значення = 2,31.

Для перевірки суттєвості впливу кожного з чотирьох факторів на функцію відгуку обчислимо для кожного коефіцієнта полінома значен­ня критерію Стьюдента. Дисперсія відтворюваності дає змогу визначи­ти похибку загального середнього значення

Похибка обчислення коефіцієнтів полінома

Знайдемо значення критерію Стьюдента для кожного з коефіцієнтів полінома:

Якщо обчислене значення менше від табличного, то гіпотеза про несуттєвість впливу даного фактора на функцію відгуку приймається, а його коефіцієнт вважається рівним нулеві. В отриманій моделі таким коефіцієнтом є b4 = 0. що свідчить про малий вплив фактора Х4 (зношу­вання на задній поверхні в межах 0,2 - 0,3 мм) на стійкість. Для подаль­шого розгляду залишається модель, що має такий вигляд:

Перевірка адекватності моделі. Тестування полягає в порівнянні дисперсії розсіяння паралельних повторень дослідів (дисперсії відтворюваності)  із дисперсією адекватності за допомогою F - крите­рію Фішера

Дисперсія адекватності являє собою розсіяння середніх зна­чень функції відгуку yi , знайдених експериментально в j-му досліді, відносно обчислених за отриманою моделлю значень функції відгуку

для тих же умов yi . Тоді

де j — номер досліду (номер рядка в матриці експерименту); ? — число значущих коефіцієнтів полінома, з урахуванням загального середнього b0.

Якщо обчислене значення критерію Фішера менше одиниці, тобто F<1, то модель адекватно описує досліджуване явище. Якщо ж F> 1, то необхідно порівняти обчислене значення F із табличним  що задаєть­ся розподілом Фішера. Останнє беруть з табл. Д.6 додатка при рівні значущості ? = 0,05 для ступенів вільності чисельника  та знамен­ника Якщо  то модель вважається адекватною.

Обчислюємо за отриманою моделлю значення функції відгуку в кож­ному досліді уj.

Тоді дисперсія адекватності визначиться як

Враховуючи, що дисперсія відтворюваності

отримуємо таке значення критерію Фішера:

Оскільки значення критерію Фішера менше одиниці, то модель вва­жається адекватною. Однак часто значення критерію Фішера може пе­ревищувати одиницю. Тоді визначається табличне значення критерію Фішера FT (див. додаток) при рівні значущості ? = 0,05 для ступенів вільності чисельника  та знаменника  Табличне значення FT = 3,8. Якщо  то модель також вважатиметь­ся адекватною.

Після перевірки адекватності моделі здійснюється перехід від мо­делі з кодованими змінними до моделі з натуральними змінними:

Перехід від лінійної моделі в логарифмічному багатофакторному просторі до загальної моделі в натуральному просторі здійснюється та­ким чином:

Ми розглянули приклад логарифмізації факторного простору для спрощення методики побудови в ньому лінеаризованої моделі. Очевид­но, що в цьому випадку об’єм експериментальної роботи значно скоро­тився, тоді як обсяг обчислень зріс. Застосування стандартних програм МАТСАD та МАТLАВ дає змогу спростити обчислення. Оскільки в тех­нології машинобудування широко використовуються степеневі залеж­ності, то розглянутий приклад може виконувати роль методичної осно­ви їх алгоритмізації для створення загальної універсальної програми моделювання процесів та явищ у технологічних системах механічної обробки деталей.

Прикладами можуть бути степеневі моделі для визначення залеж­ності шорсткості поверхні, сили різання, температури різання від ре­жимів різання та геометрії інструмента.

 



загрузка...