Відмінності між версіями «ПЕ2010:Виступ на семінарі:проць:твоя тема»
Віктор (обговорення • внесок) |
Віктор (обговорення • внесок) |
||
Рядок 8: | Рядок 8: | ||
Можна виділити наступні завдання перевірки моделей (рис.1.1): | Можна виділити наступні завдання перевірки моделей (рис.1.1): | ||
+ | |||
Побудувати «чорний ящик», який буде потрібним чином відгукуватися на задану вхідну дію. | Побудувати «чорний ящик», який буде потрібним чином відгукуватися на задану вхідну дію. | ||
Маючи «чорний ящик», знаючи вхідні і вихідні сигнали, отримати (змоделювати) його вміст. | Маючи «чорний ящик», знаючи вхідні і вихідні сигнали, отримати (змоделювати) його вміст. |
Версія за 16:51, 12 березня 2010
Дана стаття являється неперевіреним навчальним завданням.
До вказаного терміну стаття не повинна редагуватися іншими учасниками проекту. Після завершення терміну виконання будь-який учасник може вільно редагувати дану статтю і витерти дане попередження, що вводиться за допомогою шаблону. |
Одним з головних завдань експерименту є здобуття і перевірка математичної моделі об'єкту, взаємозв'язку, що описує в кількісній формі, між вхідними і вихідними параметрами об'єкту. Вхідні параметри, які можуть бути змінені, називають чинниками. Для кожного чинника до виміру встановлюється область визначення, яка може бути безперервною і дискретною. Часто безперервна область визначення штучно дискретизує. У теорії планерування експерименту об'єкт досліджень прийнято представляти у вигляді «чорного ящика», а його математична модель описує функціональні зв'язки між вхідними і вихідними параметрами. Головними вимогами, що пред'являються до математичних моделей об'єктів є зручність математичного використання і інтерпретується моделі. Крім того, завжди мають бути позначені межі застосовності моделі. Якщо ці вимоги не виконуються, то при використанні і експериментальній перевірці моделей неминуче виникають методичні погрішності, і погрішності адекватності, які будуть розглянуті в наступній главі.
Можна виділити наступні завдання перевірки моделей (рис.1.1):
Побудувати «чорний ящик», який буде потрібним чином відгукуватися на задану вхідну дію. Маючи «чорний ящик», знаючи вхідні і вихідні сигнали, отримати (змоделювати) його вміст.
Суть процесу моделювання можна пояснити на прикладі аналізу електронної схеми, в результаті якого будуть отримані певні вихідні сигнали. Можна перевірити модель, зібравши експериментальну схему і знявши реальні вихідні сигнали. При цьому неминучі розбіжності між сигналами модельними і реальними. Аби з'ясувати причини розбіжності, необхідні експерименти з окремими елементами схеми. Необхідне коректування моделі може бути виконане таким чином: Перевірка розбіжностей — експериментальна перевірка характеристик всіх елементів і їх порівняння з модельними. Виправлення характеристик окремих елементів у вихідній моделі. Зіставлення отриманих залежностей з експериментальними (початковими). Таким чином, побудова і перевірка моделі, адекватно електронної схеми, що описує роботу, в загальному випадку вимагає дуже великої кількості експериментальних вимірів. Планерування експерименту дозволяє оптимізувати число вимірів. Наприклад, електронна схема складається з транзисторів, резисторів, конденсаторів і котушок індуктивності. Якщо номінальні значення пасивних електронних елементів (резисторів, конденсаторів і т.д) збігаються з їх реальними значеннями з необхідною точністю, то неспівпадання між модельними і реальними сигналами найчастіше виникає із-за невідповідності реальних робочих характеристик активних елементів (транзисторів, мікросхем і так далі). Тому дослідні схемотехніки піддають перевірці лише окремі вузли схеми, по суті інтуїтивно плануючи експеримент виходячи зі свого досвіду і використовуючи апріорну інформацію. Розглянемо приклад моделювання простого чотириполюсника, що здійснює виділення що огинає (детектування) радіосигналу (рис.1.2). Чотириполюсник складається з двох простих схем: 1.детектора на діоді з вихідним резистором. 2.інтегруючому ланцюгу.
Сигнали на виході детектора АВ і виході інтегруючого ланцюга показані на рис.1.3. Тут криві 1 і 2 відповідають різним вольтамперным характеристикам (ВАХ) діода. Детектор відрізує негативні напівперіоди сигналу, а інтегруючий ланцюг – виділяє ту, що його огинає. Якість виділення що огинає визначатиметься відхиленням від «ідеального» сигналу.
Величина у свою чергу залежить від характеристик, як детектора, так і інтегруючого ланцюга. У детекторі вона визначатиметься вольтамперной характеристикою (ВАХ) діода, а в інтегруючому ланцюзі - співвідношенням між ємкістю конденсатора і опором .
Як видно з рис.1.3, амплітуда вихідного сигналу детектора, відповідна ВАХ-1, вище, що неминуче приведе до збільшення в результуючому сигналі. З іншого боку, зменшення ємкості конденсатора інтегруючого ланцюга також наводить до збільшення . При моделюванні схеми неспівпадання між розрахунковими і реальними сигналами вимагає внесення коректування до характеристик, що задаються в моделі. У загальному випадку чотириполюсник може розглядатися як об'єкт, схема якого показана на рис.1.4. Характеристики окремих елементів схеми (ВАХ діода і величини останніх пасивних елементів) можуть вважатися фіксованими параметрами (керівниками). Залежно від плану експерименту ці параметри можна розглядати і як вхідні (чинники), які задаються дискретно.
Експериментальні виміри прийнято розділяти на три основні види: прямі виміри, при яких безпосередньо реєструються значення вимірюваної величини (наприклад, вимір напруги вольтметром); непрямі виміри (наприклад, виміри сили струму амперметром, активного опору омметром і розрахунок ); Тобто непрямі виміри — це здобуття величини по виміряних значеннях . спільні виміри (наприклад, виміри напруги і сили струму при різних значеннях і побудова результуючої залежності ); Тобто спільні виміри — це виміри два або декількох неоднойменних величин для побудови залежності між ними. Планерування експерименту передбачає не лише оптимізацію числа вимірів, але і зменшення експериментальних погрішностей. Тому значну частину математичного апарату теорії планерування експерименту складають теорія помилок, теорія вірогідності і математична статистика.
[math]y=\varphi(x_1,x_2,...,x_K)[/math]