材料成型及控制技术教学PPT.ppt.ppt

中可以解得 从而 a=0.36830.037×2.2+0.00343 ×19-0.077×2.0 =0.201 σ的估计为 .于是回归方程为 (3.11) 进一步对它作方差分析，其方差分析表列于表 3-12 当 α=0.05 时F表的临界值 ，回归方程(3.11) 不可信.这时，是否Y和三个因素之间不可能建立回 归关系呢？不是的，我们还应作进一步探讨。 统计软件包通常还会提供每个变量的t值，t值 越大（按绝对值计）表示该因素越重要.对此例 有 这表明三个因素中以（反应时间）对得率（Y）影 响最大，配比次之，吡啶量最小.这些t 值都是随 机变量，它们遵从 分布.若取α=0.05 ，这 时n=7,m=3, 的临界值 (0.05)=3.18. t 值大于该值的因素表示对方 程有显著贡献，否则表示不显著.今 均小 于 (0.05)=3.18 ，说明回归方程(3.11)的三 个变量至少有一个不起显著作用. 于是我们将贡献最小的 删去，重新建立Y和 及 的线性回归方程，得 ，三个t 值分别为 这时这三个t值遵从含四个自由度的t 分布，临界 值为 (0.05)=2.78,从而 应从方程中剔除.然 后对Y和 建立回归方程 相应的 .因此，回归方 程(3.13)为“最终”的回归模型.这里最终加上引号 ，表示并非真正的最终模型，而是在线性模型框 架下的最终产物。 上述的分析只发现 对Y有显著作用，其它 两个因素均没有显著作用，该结论与实际经验不 吻合，因此，猜想用线性模型不一定符合实际. 于是进一步考虑二次回归模型 这时方程中有9项(不算 ).利用逐步回归技术求 得回归方程如下： (3.14) 其相应的 。显然，回归方程 (3.14)的效果优于回归方程(3.13).表明，因素和交互作用 对Y有显著的影响. 值得注意的是，有些人对回归分析没有足够的理解， 片面追求大的 （或小的 ），致使选进方程中的项过多 ，使误差自由度为1或甚至为0，这时有关的结果可靠性是 很差的.因此，不应片面追求大的 ，应选择n 稍大的均 匀设计表，使得误差有足够的自由度≥5。 在上述讨论中，我们最终建立了回归模型（ 3.14）。该方程一般仅在试验范围内成立，即配 比1.0-3.4，吡啶量10-28，反应时间0.5-3.5， 寻求最优模型等价于在这个范围内求方程（3.14 ）中的极大值。 如果回归方程比较复杂，可以用任何一个优 化算法来求最佳工艺条件，许多软件包都含有优 化算法。 本例可以用简单的微积分求得极值，由于X在 试验范围内恒正，故由（3.14）知 越大， 越 高，故 应取试验范围内极大值3.4。将 =3.4 代入（3.14）得 令 ， 解得0.3309-0.12 =0， =2.7575，这时的极大值为51.85%。工艺条 件 =3.4， =2.7575 并未出现在原有试验方 案中，故应在这个条件追加试验，由于 的最佳 条件在试验范围边界，故应扩大试验范围。 第四章 其它设计方法简介 概括地讲，正交试验设计可以将主要因素和次要 因素做出较明确的估计，它可利用的正交表有不同的 形式，可以有针对性地对因素进行试验研究，而均匀 试验设计可容纳的因素数与因素水平数较多，适合用 来进行试验条件的考察，总而言之，所面对的任务与 要解决的问题不同，选择的试验设计的方法也应有所 不同，可供选择的试验方法较多，各种试验设计方法 都有其一定的试验原理及特点。 下面再简单介绍几种 目前应用较为广泛的试验设计方法。 第一节 单纯形优化法 单纯形优化法是一种优化设计方法。单纯形优 化法每一次选用的试验条件是根据前一次实验的 结果来选定的，对试验条件逐步进行调整，最后 达到最优化，因此，它是一种动态调优方