Вариант №4
Определяли воздухопроницаемость тканей с различными значениями плотности нитей по основе (Х1)(П0=180), и коэффициентом уплотненности (Х2)(С0=0,7) с интервалами изменения соответственно 50 и 0,2. Определить уровни варьирования факторов, построить рабочую матрицу планирования. Провести обработку ПФЭ, найти уравнение регрессии, проверить его адекватность, результаты расчёта представить графически.
№ опыта | Х0 | Х1 | Х2 | Х1Х2 | X²11 | X²22 | Y дм/м ·с |
ядро | + + + + | + - + - | - - + + | - + + - | + + + + | + + + + | |
звёздные | + + + + | -1,414 1,414 | -1,414 1,414 | 2,0 2,0 | 2,0 2,0 | ||
центральные | + + + + + |
2.1. Определение коэффициентов уравнения регрессии
2.1.1 Свободный член уравнения определяем по формуле:
где yu - среднее экспериментальное значение в каждом u-том опыте;
x - кодированное значение уровня k-го фактора в u-том опыте;
k - количество факторов;
а1, а2 - числовые константы, берутся из таблицы.
Число факторов (k) | Число опытов | Коэффициенты | ||||||
а1 | а2 | а3 | а4 | а5 | а6 | а7 | ||
0,200 | 0,100 | 0,125 | 0,250 | 0,125 | 0,0187 | 0,100 | ||
0,1663 | 0,0568 | 0,0732 | 0,1250 | 0,0625 | 0,0069 | 0,0568 | ||
0,1428 | 0,0357 | 0,0417 | 0,0625 | 0,0312 | 0,0037 | 0,0357 | ||
0,1591 | 0,0341 | 0,0417 | 0,0625 | 0,0312 | 0,0028 | 0,0341 |
2.1.2 Линейные коэффициенты определяем по формуле:
2.1.3. Коэффициенты парного взаимодействия:
где xiu, xju-кодированные значения уровней i-го и j-го факторов соответственно и в u-том опыте.
2.1.4 Коэффициенты при квадратичных членах уравнения регрессии определяют:
После вычисления коэффициентов уравнения регрессии переходят к оценке их значимости.
2.2. Оценка значимости коэффициентов уравнения регрессии.
2.2.1 Определяем дисперсию воспроизводимости S2{y} по формуле (дублирование опытов проводится только в нулевой точке).
где n0 = 5 – число опытов в нулевой точке;
= 252 – средний результат в нулевой точке;
y0j - каждый отдельный результат в нулевой точке.
2.2.2 Дисперсию (среднеквадратическую ошибку) в определении коэффициентов определяют для свободного члена:
для линейных коэффициентов:
для коэффициентов парного взаимодействия:
для квадратичных коэффициентов:
Формулы для подсчёта постоянных С, А, λ приведены ниже:
где N – общее число опытов;
k – число факторов в эксперименте.
2.2.2 Определение доверительных интервалов для оценки значимости коэффициентов уравнения.
Доверительные интервалы для b0, bi, bji и bii соответственно определяют по формулам:
Проверяем значимость коэффициентов уравнения, сравниваем соответствующий доверительный интервал с величиной коэффициента. |bi|<|∆bi|. Итак, коэффициенты парного взаимодействия незначимы, т.к. их числовые значения меньше по модулю их доверительного интервала, следовательно, эти коэффициенты исключаются из уравнения регрессии. А все остальные коэффициенты значимы, т.к. их числовые значения больше по модулю их доверительного интервала.
2.3. Составление уравнения регрессии.
Адекватность уравнения проверяем по критерию Фишера:
где дисперсию адекватности определяем по формуле:
где - среднее экспериментальное значение критерия в каждом опыте;
- расчётное значение критерия;
y0j - значение критерия в каждой нулевой точке;
- среднее значение критерия в нулевой точке.
№ опыта | Результат эксперимента
![]() | Расчётное значение
![]() |
![]() |
![]() |
204.497 311.743 225.021 332.267 217.547 369.192 228.874 257.895 252.062 252.062 252.062 252.062 252.062 | -4.497 68.257 -75.021 -32.267 52.453 -29.192 -48.874 72.105 -12.062 2.938 7.938 -7.062 7.938 | – – – – – – – – |
Fp<FT
Определив расчётное значение критерия Фишера и сравнив его с табличным, определили адекватность уравнения регрессии изучаемому процессу. Расчётное значение критерия Фишера меньше табличного Fp<FT, следовательно, гипотеза об адекватности не отвергается, и уравнение регрессии соответствует реальному процессу, т.е. связь между критерием (y) и факторами (x) линейная.
Вывод: В данной работе по результатам экспериментальных данных, содержащихся в 1 части задания, мы достроили рабочую матрицу эксперимента, и перешли к планированию многофакторного эксперимента второго порядка. Уравнение регрессии при этом представляет полином второй степени. Получили следующее уравнение регрессии: