10实验设计2007.ppt

1、实验设计步骤,确定实验目的，如确定哪些变量对系统影响最大。 选择一组因子（Factor）测量系统的响应。 确定每个因子的值 ( levels)，计划一组实验 (runs or trials)，每组实验用不同的因子。这些实验的组合称为实验设计。 执行这些实验，记录各实验中系统的性能。 分析性能的不同，确定哪些最影响系统性能因素,实验设计过程,实验设计中的水平,不直接给出因子( Factor )的值，只给出索引号，即因子的水平号，如-2, -1, 0, +1, +2共5个水平或 -1，+1两个水平等。 最小的水平号对应因子的最小允许值，最大的水平号对应因子的最大允许值。中间的水平号对应的值平均分配

2、。 例如某因子的最大允许值为16，最小允许值为0，3个水平的索引号为-1，0，+1，分别对应于0，8，16,选择水平的通常方法,Screening 选择最影响系统的性能的因子。只选取最大和最小值，故通常称为两水平分析。 Response Surface Methods (RSM) 将实验结果拟合多项式，易于判断参数对系统性能的影响。而且可以作为优化的输入，或作为大系统的子系统模型。 二次（Quadratic） RSM选择最大、最小和平均值进行3个水平的分析，三次（Cubic）RSM用最大、最小、1/3和2/3范围4个水平的分析,选择水平的方法,Full Factorial 全因子法 Fract

3、ional Factorial 部分因子法 Plackett-Burman 法 Box-Behnken 法 Central Composite Faced (CCF) 法 D-Optimal 法,Full Factorial 全因子法,最全面，用各个因子水平的所有组合进行分析。试验次数为 mn： m 水平数，n 因子数。 只适合因子数少的场合。 可进行混合水平分析，各个因子可取不同的水平数,部分因子法,Fractional Factorial 和 Plackett-Burman 法用全因子设计的子集，所以也称为缩减因子设计（ reduced-factorial designs）。 Fracti

4、onal Factorial 设计用的实验次数为2的整数幂 (4, 8, 16.)。 Placket-Burman设计用的实验次数为4的整数倍 (4, 8, 12, ., 48,Box-Behnken 法,每个因子用3个水平，但只用部分组合。 如右图：3个因子用3个水平，在每两个因子组成的参数平面上只取4点，中心再取1点，共13次实验。全因子法要33=27次实验。 可能的因子数为 3, 4, 5, 6, 7, 9, 10, 11, 12, 16,Central Composite Faced (CCF) 法,取参数平面上的顶点和中心点。 实验次数为2n+2*n+1, 多于Box-Behnken法,D-Optimal 法,从大量候选点中随机挑选，可事先指定试验次数、每个因子的水平数。 挑选的准则是选出的点组成的矩阵的行列式（ determinant）值最大。这表示矩阵的列向量相关性最小,数据的建立和访问,数据类型： 数组 Ar