Учебно-методический комплекс дисциплины «Теплотехнический эксперимент» для специальности «6М071700» — «Теплоэнергетика» (стр. 14 )

6. Статистическая обработка результатов эксперимента, построение математической модели поведения исследуемых характеристик.
Необходимость обработки вызвана тем, что выборочный анализ отдельных данных, вне связи с остальными результатами, или же некорректная их обработка могут не только снизить ценность практических рекомендаций, но и привести к ошибочным выводам. Обработка результатов включает:

определение доверительного интервала среднего значения и дисперсии (или среднего квадратичного отклонения) величин выходных параметров (экспериментальных данных) для заданной статистической надежности; проверка на отсутствие ошибочных значений (выбросов), с целью исключения сомнительных результатов из дальнейшего анализа. Проводится на соответствие одному из специальных критериев, выбор которого зависит от закона распределения случайной величины и вида выброса; проверка соответствия опытных данных ранее априорно введенному закону распределения. В зависимости от этого подтверждаются выбранный план эксперимента и методы обработки результатов, уточняется выбор математической модели.

Построение математической модели выполняется в случаях, когда должны быть получены количественные характеристики взаимосвязанных входных и выходных исследуемых параметров. Это — задачи аппроксимации, то есть выбора математической зависимости, наилучшим образом соответствующей экспериментальным данным. Для этих целей применяют регрессионные модели, которые основаны на разложении искомой функции в ряд с удержанием одного (линейная зависимость, линия регрессии) или нескольких (нелинейные зависимости) членов разложения (ряды Фурье, Тейлора). Одним из методов подбора линии регрессии является широко распространенный метод наименьших квадратов.

Для оценки степени взаимосвязанности факторов или выходных параметров проводят корреляционный анализ результатов испытаний. В качестве меры взаимосвязанности используют коэффициент корреляции: для независимых или нелинейно зависимых случайных величин он равен или близок к нулю, а его близость к единице свидетельствует о полной взаимосвязанности величин и наличии между ними линейной зависимости.
При обработке или использовании экспериментальных данных, представленных в табличном виде, возникает потребность получения промежуточных значений. Для этого применяют методы линейной и нелинейной (полиноминальной) интерполяции (определение промежуточных значений) и экстраполяции (определение значений, лежащих вне интервала изменения данных).

7. Объяснение полученных результатов и формулирование рекомендаций по их использованию, уточнению методики проведения эксперимента.

Снижение трудоемкости и сокращение сроков испытаний достигается применением автоматизированных экспериментальных комплексов. Такой комплекс включает испытательные стенды с автоматизированной установкой режимов (позволяет имитировать реальные режимы работы), автоматически обрабатывает результаты, ведет статистический анализ и документирует исследования. Но велика и ответственность инженера в этих исследованиях: четкое поставленные цели испытаний и правильно принятое решение позволяют точно найти слабое место изделия, сократить затраты на доводку и итерационность процесса проектирования.

Вопросы для самоконтроля

1 В чем заключается теории планирования эксперимента?

2 Что понимают под однофакторным экспериментом?

3 Что понимают под полным факторным экспериментом?

4 Как оценивают параметры нелинейных регрессионных моделей?

5 Что понимают под методами одномерного поиска?

6 Что понимают под методами многомерного поиска?

Рекомендуемая литература

Краткий справочник по теплотехническим измерениям. -  М.: Энергоатомиздат,1990. – 320 с.

Теплотехнические измерения  и приборы. – М.: Энергия, 1978. – 704 с. 

Тепло – и массообмен. Теплотехнический эксперимент. Справочник. Под общей ред. и . – М.: издательство МЭИ, 2007. – 564 с.

Электронная энциклопедия энергетики.

Модуль 3. Основы планирования эксперимента

Лекция 12

(1 час; 14 неделя)

Тема. Системы автоматизации экспериментальных исследований

Вопросы

1 Общие принципы построения систем автоматизации экспериментальных исследований.

2 Измерительно-вычислительные комплексы.

3 Ввод измерительной информации в устройства цифровой вычислительной техники.

4 Требования к устройствам сопряжения.

5 Алгоритмизация задач сбора и обработки измерительной информации. 

Условия проведения научного эксперимента, связанного с исследованием механизма физико-химических явлений, свойств веществ, технических машин и агрегатов, требуют все большего объема измерений различных по своей природе параметров.

Усложнение задач экспериментального исследования приводит к необходимости применения достаточно сложных алгоритмов обработки результатов измерений, управления экспериментом в ходе исследования, повышения требований к точности, достоверности и скорости измерений. Возможны три уровня организаций САЭИ, отражающих тенденции их развития.

В системе первого уровня ЭВМ, используемые для обработки экспериментальной информации, непосредственно в нее не включена, в силу чего возможности такой системы ограничены.

САЭИ второго уровня предполагают использование ЭВМ в автономном режиме обработки экспериментальных данных, при котором ЭВМ осуществляет управление устройствами сопряжения.

На третьем уровне весь комплекс аппаратуры строится как замкнутая автоматическая система, объединяемая общей программой функционирования. В такой системе в задачу исследования входят контроль за выполнением программы эксперимента, ее текущая корректировка и физическая интерпретация результатов, получаемых с блока СПИ. 

Современные тенденции развития экспериментальных исследований фундаментального и прикладного характера привели к созданию человека-машинных систем, включающих развитые ИВК.

Под ИВК следует понимать автоматизированное средство измерения и обработки опытных данных и управления ходом эксперимента, предназначенное для исследования сложных объектов и процессов и представляющее собой совокупность программных и технических средств, имеющих блочно-модульную структуру.

Автоматизация эксперимента - комплекс средств и методов для ускорения сбора и обработки экспериментальных данных, интенсификации использования экспериментальных установок, повышения эффективности работы исследователей. Характерной особенностью А. э. является использование ЭВМ, что позволяет собирать, хранить и обрабатывать большое кол-во информации, управлять экспериментом в процессе его проведения, обслуживать одновременно неск. установок и т. д. Первые попытки А. э. возникли в 1950-е гг. в исследованиях, связанных с ядерной физикой. В последующие годы А. э. нашла применение в др. областях физики и естествознания вообще: в физике элементарных частиц, термоядерных, космических и медико-биологических исследованиях, в геофизике, радиоастрономии и т. п. Используемые при этом автоматизированные  системы (АС) экспериментальных исследований отличаются большим разнообразием, однако можно выделить общие принципы, обеспечивающие их эффективность.

Общие принципы и требования:

1. Повышенные требования к быстродействию АС, поскольку такие системы предназначены для быстрого получения и анализа данных и быстрого принятия решений.

2. Высокая надёжность АС, возможность длительной безотказной работы, что связано с увеличением стоимости совр. экспериментальных установок.

3. Простота эксплуатации АС и использование готовых унифицированных блоков.

4. Необходимость предварительного планирования исследований и разработка возможных вариантов.

5. Гибкость АС, допускающая изменение её структуры и состава в процессе работы.

6. Возможность коллективного обслуживания различие установок.

7. В АС должен быть предусмотрен диалоговый режим работы, когда осуществляется непосредственная связь человека с системой с помощью спец. языка.

8. В АС необходима простая и быстрая система контроля. Для контроля системы в целом обычно вводят некоторый синтетический  критерий, характеризующий работу системы в среднем. Таким критерием может быть результат измерения известной величины: если полученные значения находятся в допустимых пределах, то состояние системы считается удовлетворительным.

ЭВМ в АС работают в режиме "реального масштаба времени", или "в линию". При этом ЭВМ, получая от системы данные, обрабатывает их и выдаёт результаты настолько быстро, что их можно использовать для воздействия на систему (или объект исследования). В экспериментальных  исследованиях чаще применяют смешанный режим. Часть данных обрабатывают в реальном времени и используют для контроля и управления, а основной массив данных с помощью ЭВМ записывают на долговременный носитель  и обрабатывают после окончания сбора данных. Целесообразность такого режима обусловлена скорее экономическим причинами, ибо невыгодно применять быстродействующее дорогое оборудование, к-рое успевало бы в реальном времени обрабатывать полный массив данных. Это связано с тем, что полностью автоматизированная обработка данных может производиться только в рутинных исследованиях по уточнению некоторых констант, когда вся процедура обработки, все поправки уже известны.

При выполнении новых исследований трудно предусмотреть все тонкости измерений. В ходе исследования могут появиться неожиданные результаты, которые необходимо уточнить или подтвердить. Для решения этой задачи с помощью АС приходится проводить предварит. обработку данных в возможно более короткие сроки (лучше в реальном времени), пусть даже по приближённым ф-лам, с худшей, чем окончат. обработка, точностью. Подобное оперативное изменение условий эксперимента на основании экспресс-обработки данных получило назв. управление экспериментом, что не совсем точно, поскольку происходит лишь изменение условий измерений на основании анализа полученных данных.

Математическое (программное) обеспечение АС разрабатывают на основе математических методов анализа данных. Математическое обеспечение на алгоритмическом уровне практически не связано с конкретным типом ЭВМ, а определяется особенностями исследования. Важно разработать такое математическое обеспечение, которое, с одной стороны, было бы адекватно выполняемым исследованиям, а с другой - не было бы слишком сложным. При создании нового программного обеспечения следует учитывать, что наиб. эффективным является такое распределение труда, при к-ром программисты разрабатывают общие программы, имеющие чёткое математическое обоснование и не слишком связанные с особенностями конкретного исследования. Спец. программы должны разрабатывать исследователи, ибо они лучше всего знают особенности исследования, которые к тому же заранее обычно нельзя строго формализовать.