第8章实验设计技术汇总.docVIP

第八章 实验设计技术 8.1基本概念 在整个设计空间选取有限数量的样本点，使之尽可能地反映设计空间的特性，即称为实验设计。它是以概率论与数理统计为理论基础，由实验方法与数学方法，特别是统计方法相互交叉而形成的一门科学，也是研究如何高效而经济地获取所需要的数据与信息和分析处理的方法。 实验设计是20世纪30年代R.A.Fisher首先提出来的，最先用于农业，从此实验设计成为统计科学的一个分支。随后，F.YatesR.C.Bose、O.Kempthome、W.G.Cochran、D.R.Cox和G.E.P.Box对实验设计都出了杰出的贡献，使该分支在理论上日趋完善，在应用上日趋广泛。世纪0年代，日本统计学家田口玄一将实验设计中应用最广的正交设计表格化，在方法解说方面深入浅出为实验设计的使用出了众所周知的贡献田口玄一的方法对我国实验设计的普及和广泛应用巨大的影响70年代我国许多统计学家深入工厂、科研单位，用通俗的方法介绍正交实验设计，帮助工程技术人员进行实验的安排和数据分析，获得了一大批优秀成果。, 如果设计变量太多 ( 大于10)，就需要采用实验设计方法从设计空间中确定出有限的设计点，将对响应贡献大的设计点保留下来，特别是对于设计变量多、设计目标与设计约束非线性强的飞行器总体优化设计问题，采用实验设计方法来对设计空间进行搜索更是起着至关重要的作用。在7.2.3响应面的构造过程中可以看出，无论是多项式响应面还是Kriging近似模型，样本点都是构造近似模型的基础，通过从若干个采样点获取有关设计响应关于设计变量变化的信息，从而求得近似模型中的待定参数，这是构建近似模型的必由之路。因此，实验设计（Design of Experiments，DOE）技术是MDO技术体系的一个重要组成部分。 实验设计技术在多学科设计优化中的作用主要体现在以下几个方面：① 由于大规模的多学科优化问题设计变量众多，而有些设计变量对设计目标的影响非常小，此时就可以利用实验设计来对变量进行筛选，从而缩减设计空间；② 利用实验设计方法进行少量的数值分析就可以评估设计变量对设计目标的影响；③ 设计变量之间往往存在一定的交互作用，利用实验设计方法可以确定出设计变量之间的交互作用；④ 通过探索设计空间，可以大致找到设计空间的一个较好的优化设计解作为数值优化的初始点，这样就可以避免优化陷入局部最优，同时可以减少优化循环次数，提高优化设计的效率；⑤ 通过实验设计建立设计变量与设计目标之间的近似函数，它是实验设计最为重要的作用，也是近似优化技术的核心部分。 8.2典型的实验设计方法 在实验设计中，将需要研究的设计参数称为因子（因素）。每个因子有一组可能的值，将每个值称为水平。实验设计方法指的是安排和组织实验的方法，就是采用一定的算法对实验因子和因子的不同水平进行合理地设计，形成多组实验。目前广泛使用的实验设计方法主要有下面几种： （1）参数设计方法 （2）中心复合设计方法 （3）全因子设计方法 （4）拉丁超方设计方法 （5）正交数组设计方法 （6）均匀设计方法 另外，还出现了一些特殊的实验设计方法，如：随机化区组、不完全区组设计、响应面设计等。 8.2.1参数设计方法 这里的“参数设计”指的是对设计敏感性的研究，这里的敏感性是指设计对每一个独立于其它所有因素的敏感性。即每次只变动一个因素，研究这个因素的所有指定水平，而将其它因素暂时固定在某一适当的水平上，待找到了第一个因素的最优水平后，便固定下来，再依次考察其他因素。该况下，会有（—因素的个数，—因素的水平个数）设计点被评估。这种方法尽管不能提供任何有关交互作用方面的信息，但是可以在多个水平上研究多个因素，而且只需要对较少的设计点进行评估。但当各因素间存在交互作用时，这种方法的主要缺点是实验工作量大，实验需反复，可靠性较差。 表8.1所示的是单因素实验，因素A有4个水平，实验4次。表8.2为三因素实验，因素A取3个水平，因素B取4个水平，因素B取5个水平，共做12次实验。 表8.1 单因素实验参数设计表 因素 实验号 A 1 2 3 4 1 2 3 4 表8.2 三因素实验参数设计表 因素 实验号 A B C 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 0 0 0 0 0 0 0 0 0 0 0 0 1 2 3 4 0 0 0 0 0 0 0 0 0 0 0 0 1 2 3 4 5 8.2.2完全析因设计方法 很多实验涉及研究两个或多个因素的效应，一般来说，析因设计对这类实验是最有效的。所谓析因设计是指，在这类实验的每一次完全实验或每一次重复中，各个因素的所有可能水平组合都被研究到。例如，当因素A有a个水平，因素B有b个水平时，则每次重复都包含全体ab个处理组合。当这些因素被安排在一析因设计中时，