Обработка экспериментальных данных методом

Наименьших квадратов

 

Конечная цель проведения эксперимента - установление функциональной связи (зависимости) между варьируемыми параметрами и выходным параметром и описание этой зависимости математической формулой.

Каждый эксперимент состоит из ряда опытов. В каждом опыте принимаются разные значения исследуемого параметра. Для обеспечения требуемой точности эксперимента в каждом опыте проводится определенное количество повторений или дублей. Например, для обеспечения уровня надежности (доверительной вероятности) 0,9 количество дублей в каждом опыте должно быть не менее 5. Для обеспечения уровня надежности (доверительной вероятности) 0,95 количество повторений должно быть не менее 7.

В основном для обработки экспериментальных данных с применением ЭВМ применяют метод наименьших квадратов (метод Гаусса).

Для понимания сути данного метода рассмотрим сначала рис.3.4. На нем в обычных и логарифмических координатах изображены опытные значения (точки) и, соответственно, аппроксимирующая кривая и аппроксимирующая прямая.

 

 

Рис.3.4. Иллюстрация реализации метода наименьших квадратов

 

 

На рис. 3.4 y ₁, y ₂, …, y _n – экспериментальные значения, f (x ₁), f (x ₂), …, f (x _n) – расчетные значения аппроксимирующей функции. Аналогичные значения, но только в логарифмическом измерении, приведены на правой части рисунка.

В основе метода наименьших квадратов лежит следующее положение: наилучшее приближение аппроксимирующей функции y = f (x) к экспериментальным данным будет в том случае, когда сумма квадратов отклонений расчетных значений f (x ₁), f (x ₂), …, f (x _n) от экспериментальных данных y ₁, y ₂ … y _n, является минимальной [16], т.е.

 

 

или

 

.

 

Разность в выражении для S есть отклонение по ординате i – ой экспериментальной точки от заменяющей (аппроксимирующей) кривой. Квадраты отклонений берутся, чтобы компенсировать знаки «–» отклонений.

Для определенности задачи искомую функцию f (x) будем выбирать из класса алгебраических многочленов степени m:

 

.

 

Назовем данный многочлен – аппроксимирующим многочленом. Аппроксимирующий многочлен не проходит через все узловые точки экспериментальных данных. Поэтому его степень m не зависит от числа узловых точек n. При этом всегда m < n. Степень m может меняться в пределах 1≤ m ≤ N-2.

Если m =1, то мы аппроксимируем табличную функцию прямой линией. Такая задача называется линейной регрессией.

Если m =2, то мы аппроксимируем табличную функцию квадратичной параболой. Такая задача называется квадратичной аппроксимацией.

Если m =3, то мы аппроксимируем табличную функцию кубической параболой. Такая задача называется кубической аппроксимацией.

Сумма S будет минимальной, если ее частные производные по параметрам a_i равны нулю. Аналогично сумма S^’ будет минимальной, если ее частные производные по параметрам C и k равны нулю. Произведя дифференцирование и соответствующие преобразования, получают систему нормальных уравнений, которая затем решается для нахождения искомой постоянной C и показателя степени k. Для обработки экспериментальных данных с целью получения аппроксимирующих функций используют компьютерные программы, реализующие метод наименьших квадратов. В частности программы EXCEL и MATHCAD, применение которых будет рассмотрено на практических занятиях.

Пример. Получены экспериментальные данные зависимости коэффициента напряженного состояния n_σ от фактора формы очага деформации l/h_c при прокатке высоких полос [28] (таб. 3.1).

Таблица 3.1

Экспериментальные данные зависимости коэффициента напряженного состояния n_σ от фактора формы очага деформации l/h_c

при прокатке высоких полос

х=l/hc	0,18	0,2	0,22	0,25	0,28	0,33	0,4	0,5	0,66	1,0
у = nσ	2,01	2,10	1,78	1,81	1,60	1,42	1,50	1,19	1,05	1,03

 

На рис. 3.5 представлены экспериментальные точки на поле будущего графика в EXCEL, а на рис. 3.6 аппроксимация логарифмической зависимостью у= 0,8582–0,6498ln(x), коэффициент корреляции 0,9. В работе [28] эта зависимость аппроксимирована формулой

 

.

nσ

l/hc

Рис. 3.5. Экспериментальные точки на графике, построенном в EXCEL

 

 

Путем изменения параметра х=l/h_c на х=h_c / l можно получить из нелинейной зависимости – линейную (таблица 3.2).

Таблица 3.2

Экспериментальные данные зависимости коэффициента напряженного состояния n_σ от фактора формы очага деформации h_c/l

при прокатке высоких полос

 

х=hc/ l	1,0	1,5	2,0	2,5	3,0	3,5	4,0	4,5	5,0	5,5
у = nσ	1,03	1,05	1,19	1,50	1,42	1,60	1,81	1,78	2,10	2,01

nσ

l/hc

Рис. 3.6. Аппроксимация в EXCEL логарифмической зависимостью

у= 0,8582–0,6498lg(x)

На рис. 3.7 представлена линейная аппроксимация данных табл. 3.2.

nσ

hc/l

Рис. 3.7. Линейная аппроксимация зависимости коэффициента напряженного

состояния n_σ от фактора формы очага деформации h_c/l при прокатке высоких полос

 

Данный пример наглядно показывает, как правильный подбор параметров позволяет сделать зависимость линейной. В работе [28] эта зависимость аппроксимирована по методу избранных точек и методу средних (т.е. через две избранные точки) формулой .

⇐ Предыдущая45678910111213Следующая ⇒

Поделиться:

Воспользуйтесь поиском по сайту: