试验实验设计课件.ppt

* 正交设计与人工神经网络结合应用 以《基于人工神经网络的茶叶咖啡因提取条件的优化》为例 在前面正交试验的基础上，对咖啡因提取条件进行人工神经网络优化。 以正交实验中每组实验4个因素的数值作为输入，以提取率作为输出，网络训练次数取1000次，网络计算精度取0.0001，用MATLAB的的人工神经网络优化工具箱编程便能得到一个网络。对每个因素定一个合适的步长，用4个循环对4个因素定义域的值进行编程，寻找使输出值最大的组合。 * 人工神经网络模型的求解程序如表2所示。 * 由人工神经网络的运行结果得到影响咖啡因提取率的最佳工艺条件为：温度100℃、浸提时间l15 min、液料比41:1、pH=4.5。 前述正交试验得到的最优提取工艺为：提取温度为80 ℃、提取时间90 min、液料比30:1，pH=7。 将这两个结果进行比较，发现浸提温度、浸提时间与液料比有一定程度的吻合，而溶液的pH值差异较大。 分别以正交实验的优化结果和人工神经网络的优化结果进行试验。实验表明，人工神经网络优化结果的提取率为5.25％，优于正交实验5.18％的提取率。导致二者优化结果不同的原因在于人工神经网络包含了4个影响因素之间的交互作用。 * 均匀设计与人工神经网络结合应用 以《均匀设计法优化芥菜多糖的提取工艺及其神经网络模型的研究》为例 1、以均匀设计表U12 (126)安排实验 * 用DPS软件求的回归方程： Y = 4.2775﹣0.3174X2 + 0.0805X3﹣8.4858×10-5 Xl2﹣3.3709×10- 3X1×X2﹣8.7929×10-3 Xl×X3 + 1.3652×10-3Xl×X4+ 0.09096X2×X3 综合考虑数学模型和实际情况，得到芥菜多糖的提取优化工艺为：提取时间(Xl)为130 min、酶浓度(X2)为1.0％、pH (X3)为4.0、提取温度(X4)为60 ℃。 * 2、基于均匀设计的BP神经网络的优化 对神经网络参数：最小训练速率、动态参数、Sigmoid参数和2个隐含层节点数进行五因素十水平的均匀设计实验。 * 用表1(均匀设计法提取荠菜多糖的实验结果)中的12组数据对神经网络进行训练，第3组和第7组方案误差很大，所以选用剩下的8组数据采用二次多项式逐步回归进行优化，得到1个优化的网络模型的参数：最小训练速率为0.9，动态参数为0.75，Sigmoid参数为 0.6，第1隐含层节点数为15，第2隐含层节点数为15。 实验对建立的神经网络的性能进行了66次测试，说明此神经网络模型有很好的预测能力，可以作为预测模型。 * 各种试验方法比较 * 试验设计方法介绍 * 试验设计方法内容介绍 正交设计 均匀设计 星点设计 人工神经网络技术 正交设计与人工神经网络联用 均匀设计与人工神经网络联用 各种试验方法比较 * 试验设计(Design Of Experiment，DOE)是一种研究与处理多因素试验的科学方法，用较少的试验次数有效地测定各因素间的相互关系，通过对试验结果进行科学分析，寻找对关键指标影响较大的因素及水平，从而对试验方案进行优化设计，降低试验误差和生产费用，达到改善的目的。 试验设计 * 正交设计 正交试验法是使用一套规格化的正交表，排出最有代表性的试验，合理节省试验次数，并从试验数据中充分提取所需信息。 特点：均匀分散、整齐可比。“均匀分散”使所选取的少量实验点均匀地散布在所考察的范围内，各实验点具有代表性；“整齐可比”可使实验结果的分析变得方便，便于找出主要因素和次要因素及最佳水平组合(最优实验条件)。 但是，为了达到“整齐可比”的目的，实验点的数目必然较多。正交设计的试验次数是水平数平方的整数倍。 * 正交表 正交表是已制作好的规格化表格，可分为同水平的和混水平的两类。常用同水平正交表LR(mj) ，其中L代表正交表，L下面的R表示试验次数，括号内的m表示各因素的水平数，指数j表示因素。如表L9(34)表示作9次试验，试验最多可安排四个因素．每个因素取三个水平。 数据处理：直观分析、方差分析。 * 正交试验设计实例分析 以《基于人工神经网络的茶叶咖啡因提取条件的优化》为例 选择L9(34)正交表 表1 各因素水平的选择 水平 因素 浸提温度℃ 提取时间h 料液比 PH值 1 40 30 20 5 2 60 60 30 7 3 80 90