border=0


border=0

Organizácia meraní

<== predchádzajúci článok | nasledujúci článok ==>

Použitie metód pasívneho experimentu môže byť celkom úspešné, ak sú počas experimentu a pri výpočte získaných údajov splnené určité podmienky. Tieto podmienky zahŕňajú:

· Správne určenie prístupových bodov k údajom a účtovanie chýb zmien pre každú kontrolovanú premennú;

· Správne zaúčtovanie dynamiky objektu;

· Zabezpečenie nezávislosti vstupných premenných od seba;

· Zabezpečenie nezávislosti susedných meraní zohľadnením času korelácie každej vstupnej premennej;

· Zabezpečenie dostatočného množstva experimentálnych údajov.

Je vhodné stavať výskum na komplexnom technologickom zariadení v nasledujúcich hlavných fázach.

· Oboznámenie sa s technológiou a prístrojovým vybavením výrobného procesu, štúdium súčasnej technickej dokumentácie a výsledky predchádzajúcich experimentov. Na základe získaných údajov sa odhadujú numerické charakteristiky náhodných premenných, autokorelačných a krížových korelácií, konštruujú sa dvojrozmerné korelačné polia atď .; Na základe toho sa hodnotí organizácia hlavného experimentu. Podľa typu zákonov o distribúcii sa vychádza z predpokladu, že je potrebná metóda spracovania údajov a štatistické vyhodnotenie výsledkov. Podľa autokorelačných a vzájomných korelačných funkcií sa odhadujú korelačné časy a ekvivalentné časy oneskorenia. Pomocou dvojrozmerných korelačných polí a dvojrozmerných regresných čiar sa odhaduje povaha viacrozmerného spojenia s linearitou.

· Plánovanie a vykonávanie hlavného experimentu, zhromažďovanie a spracovanie hlavnej škály experimentálnych a štatistických údajov s cieľom získať matematický opis. V tejto fáze sa špecifikuje bod získavania údajov, do úvahy sa započítavajú nové premenné, vyberie sa stred hlavného experimentu, stanoví sa časový interval na zabezpečenie nezávislosti susedných meraní, odhadne sa potrebný čas experimentu a odhadne sa množstvo štatistických údajov.

· Analýza a interpolácia výsledného matematického modelu. Tu sú identifikované základné premenné, eliminujú sa nepodstatné premenné a hodnotí sa výkonnosť matematického modelu.

· Vylepšenie matematického opisu s cieľom zvýšiť jeho výkonnosť.

· Použitie pokročilého a funkčného matematického modelu na priame riadenie procesov.

Podmienky pre správne usporiadanie pasívneho experimentu v čase sú tieto:

· Súčasné merania všetkých zamýšľaných premenných sa vykonávajú na všetkých určených miestach objektu;

· Následné merania by sa mali vykonávať prísne v pravidelných intervaloch.

V závislosti od experimentálne riešených problémov sa používajú rôzne metódy organizácie experimentov a metódy spracovania údajov. V tomto ohľade je možné spôsoby plánovania experimentu rozdeliť do niekoľkých typov.

Skríningový experiment sa používa vo fáze predbežného výskumu na identifikáciu významných faktorov, t. určiť, ktorý z mnohých vstupných faktorov ovplyvňuje výstupný parameter a ktoré nie. Menšie faktory v ďalšom výskume môžu byť vylúčené z úvahy. Pre taký experiment neexistujú žiadne požiadavky na presnosť získaných výsledkov, ale požiadavky na vysoké rozlíšenie , t.j. Kontroluje sa vplyv čo najväčšieho počtu faktorov.

Analýza rozptylu je matematická metóda určená na štúdium objektov s faktormi kvalitatívneho typu. To vám umožňuje rozložiť celkový rozptyl výstupnej hodnoty na samostatné komponenty, a to v dôsledku vplyvu jednotlivých faktorov. Analýza rozptylu rieši otázky týkajúce sa vplyvu určitých faktorov na ukazovateľ záujmu pre nás a aká je sila vplyvu týchto faktorov.

Faktorová analýza (určuje hlavné zložky) sa týka metód pasívneho experimentu. Podstatou metódy je prechod z priestoru korelovaných vstupných faktorov do priestoru nezávislých premenných, nazývaných hlavné komponenty.

Štúdium mechanizmu javov . Analýza sa používa na určenie závislosti výstupných parametrov predmetu štúdie od vstupných faktorov. Rozlišujú sa tieto skupiny plánov regresnej analýzy: najjednoduchší model vo forme polynómu prvého stupňa - lineárny model, plány druhého poriadku; plány tretieho poriadku a iné plány nepolynomiálnych modelov, napríklad vo forme Fourierovej série, ako aj ortogonálne polynómy.

Korelačná analýza sa používa, ak je jeden z faktorov kvalitatívny a druhý kvantitatívny.

Diskriminačná analýza sa používa na rozdelenie (klasifikáciu) výstupného parametra do tried; použité v teórii rozpoznávania vzorov. Riešenie problému diskriminačnej analýzy je spojené so situáciami, keď je výstupný parameter kvalitatívnej povahy.

Hlavným účelom hľadania optimálnych podmienok je nájdenie stavu, t.j. hodnoty vstupných faktorov, pri ktorých výstupný parameter objektu berie extrémne hodnoty. Extrémne plány sú rozdelené na jednorozmerné a viacrozmerné, gradientové a nedostupné.

Adaptívna optimalizácia (evolučné plánovanie) sa používa v tých prípadoch, keď sa pod vplyvom procesov starnutia, zmien vo vlastnostiach surovín, unášania a iných nekontrolovaných dôvodov môže posunúť optim v oblasti kontrolných faktorov. Hľadanie optima je často komplikované neprípustnosťou rôznych faktorov v širokom rozsahu z dôvodu nebezpečenstva kolísania procesu a rizika získania chybných výrobkov. Preto je potrebné získať informácie o optimálnom drifte pre slabé procesné odchýlky, t.j. je potrebné prispôsobiť sa meniacim sa podmienkam a zdôrazniť slabý užitočný signál na pozadí rušenia.

Plány priemyselných experimentov berú do úvahy špecifiká výroby, ak je potrebné vykonať experiment a zabezpečiť výrobu hotových výrobkov, čo ukladá určité obmedzenia stupňa variácie úrovní faktorov. V tomto prípade je užitočný signál malý a úroveň hluku je v porovnaní s laboratórnym experimentom veľká.

Plány diagramov zloženia a vlastností sa používajú napríklad v chémii pri štúdiu zliatin.

V závislosti od informácií o predmete štúdie sú experimentálne metódy navrhovania rozdelené do dvoch veľkých skupín:

· Metódy založené na štúdiu mechanizmu rozptylu výstupného parametra (analýza rozptylu, analýza hlavných zložiek, diskriminačná analýza);

· Metódy založené na optimálnom využití priestoru vstupných faktorov (plánovanie extrémov a skríningové experimenty, plánovanie experimentu na štúdium mechanizmu javu, adaptívna optimalizácia).

Pod funkciou ovplyvnenia sa rozumie závislosť chyby meracieho prístroja od vonkajších vplyvov. V tomto prípade sú vstupnými parametrami zariadenia faktory (x), výstupný parameter (y) a faktor náhodnosti je množina externých faktorov, ktoré sa nezohľadňujú.

V jazyku experimentálneho dizajnu je tento problém úlohou študovať mechanizmus fenoménu a dá sa formulovať nasledovne. Predmet štúdie je charakterizovaný niekoľkými vstupnými faktormi (x), skutočnosťou náhodnosti (náhodností) a výstupným parametrom (y). Experimentálne je potrebné určiť závislosť výstupného parametra od vstupných faktorov, t.j. nájsť typ funkcie odpovede: , Ak vznikne jednoduchší problém, napríklad experimentálnym určením, ktoré vonkajšie faktory ovplyvňujú chybu zariadenia, potom sa táto úloha už týka skríningového experimentu .

Zvážte príklad nastavenia elektronického zariadenia. Ako je známe, analógové milivoltmetre zahŕňajú prevodník mierky, zosilňovač striedavého napätia, detektor a indikátor magnetoelektrického systému. Aby bola chyba zariadenia menej závislá od zmien vo frekvencii nameraného napätia, musí byť prevodník stupnice koordinovaný na každej hranici so zosilňovačom. V procese navrhovania parazitických kapacít a indukčností nie je možné presne brať do úvahy, preto je po výrobe zariadenie individuálne nakonfigurované tak, že nastavuje odpory a kondenzátory.

V jazyku experimentálneho návrhu je predmetom štúdie milivoltmeter, výstupným parametrom je chyba zariadenia v závislosti od frekvencie vstupného signálu. Vstupné faktory sú prvky, pomocou ktorých sa chyba minimalizuje. Toto je optimalizačná úloha.

Princípy teórie experimentálneho dizajnu. Zameriavajú sa na zlepšenie efektívnosti vykonávanej práce, t. získať potrebné informácie s minimom experimentov.

Odmietnutie úplne vymenovať možné stavy vstupu .

Na získanie komplexných informácií o vlastnostiach výstupného parametra (funkcia odozvy) je potrebné vykonať nekonečný počet experimentov vo všetkých bodoch experimentálnej navrhovanej oblasti. Uvedený druh experimentu možno nazvať experimentom s úplným vymenovaním všetkých vstupných stavov. Táto možnosť je hypotetická, pretože v prípade jednofaktorového experimentu si stále dokážete predstaviť sivovlasý experiment, ktorý je blízko úplnému prehľadaniu všetkých možných variantov stavu objektu, ale v prípade viacfaktorového experimentu to nie je realistické. Z tohto dôvodu úmyselne odmietajú kompletne vymenovať všetky vstupné stavy. Výber počtu variačných úrovní pre každý faktor priamo súvisí s výberom typu funkcie odozvy.

Princíp postupnej komplikácie matematického modelu (princíp postupného plánovania).

Pri absencii apriornej informácie o vlastnostiach funkcie odozvy nemá zmysel okamžite zostrojiť komplexný model objektu. Získanie takéhoto modelu vyžaduje veľké množstvo experimentov, preto sa odporúča začať s najjednoduchším, napríklad lineárnym modelom, ak neexistujú informácie o objekte, alebo kvadratické, ak sa očakáva, že funkcia odozvy by mala byť nelineárna.

Princíp porovnania s hlukom.

Napríklad pre jednofaktorový model sa najjednoduchší lineárny model môže ukázať ako dostačujúci na predpovedanie funkcie odozvy. Pri významnom náhodnom zásahu nemá zmysel používať zložitý model. Naopak pri nízkej hladine hluku bude komplexnejší model presnejší. Pretože mnoho skutočných objektov je charakterizovaných vysokou úrovňou šumu, najbežnejšie polynomické regresné modely prvého a druhého stupňa. So zvyšujúcim sa počtom faktorov klesá stupeň aproximačného polynómu.

Princíp randomizácie (redukcia na náhody).

Táto zásada spočíva v organizácii experimentu, ktorý umožňuje randomizovať systematicky pôsobiace premenné, ktoré nie je možné kontrolovať, takže ich možno považovať za náhodné premenné, a preto sa môžu štatisticky zohľadniť. Na implementáciu tohto princípu sa poskytuje náhodný postup na vykonávanie experimentov.

Sekvencia experimentu .

Sekvencia experimentu môže byť dvoch hlavných typov. V prvom prípade sa najprv nastavia hraničné hodnoty nezávislej premennej a potom prechádzajú postupne z jedného experimentálneho bodu do druhého, až kým sa nedosiahne hraničná hodnota. Takýto plán sa nazýva konzistentný. V druhom prípade sa typ hodnoty nezávislej premennej strieda náhodne. Takýto plán sa nazýva náhodný alebo náhodný. Hlavné argumenty v prospech randomizovaných plánov sú založené na skutočnosti, že v priebehu experimentu sa môžu vonkajšie kontrolované podmienky a výkonnosť operátora zmeniť a hodnota nezávislej premennej môže byť ovplyvnená malými nezistenými chybami.

Ak počas zostavovania plánu nie sú stanovené žiadne obmedzenia týkajúce sa náhodného výberu, plány tohto typu sa nazývajú úplne randomizované. V niektorých prípadoch nemusí byť úplná randomizácia možná. Potom sa vykoná randomizácia s blokovým obmedzením.

<== predchádzajúci článok | nasledujúci článok ==>





Prečítajte si tiež:

A / D prevodníky

Klasifikácia elektrických spotrebičov

Digitálne jitter meranie

Hlavné charakteristiky meracích prístrojov

Metódy merania magnetických veličín

Druhy meraní

Technické diagnostické systémy

Meranie ukazovateľov kvality elektrickej energie a ASKUE

Elektromechanické zariadenia s prevodníkmi

Matematické modely a algoritmy merania

Analógové elektrické prístroje

Automatický riadiaci systém

Regresná analýza a návrh experimentu

Zariadenie a princíp činnosti elektronických wattmetrov a elektromerov

Implementácia metódy vyrovnávacej transformácie pri meraní parametrov elektrického obvodu

Späť na obsah: Metódy a prostriedky merania elektrických veličín

Pozreté: 5424

11.45.9.25 © edudocs.pro Nie je autorom publikovaných materiálov. Poskytuje však možnosť bezplatného použitia. Došlo k porušeniu autorských práv? Napíšte nám | Spätná väzba .