响应面分析法讲解.ppt

响应面实验设计 班级：高分子 12 研 姓名：孙新华 响应面优化法简介 ? 响应面优化法 , 即响应曲面法 ( Response Surface Methodolog y ， RSM) ，这是一种实 验条件寻优的方法，适宜于解决非线性数据处 理的相关问题。它囊括了试验设计、 建模、 检验模型的合适性、 寻求最佳组合条件等众 多试验和计技术；通过对过程的回归拟合和响 应曲面、等高线的绘制、可方便地求出相应于 各因素水平的响应值。在各因素水平的响应值 的基础上，可以找出预测的响应最优值以及相 应的实验条件 。 响应面优化法的优点 ? 响应面优化法，考虑了试验随机误差；同时， 响应面法将复杂的未知的函数关系在小区域内 用简单的一次或二次多项式模型来拟合，计算 比较简便，是解决实际问题的有效手段。 ? 所获得的预测模型是连续的，与正交实验相比， 其优势是：在实验条件寻优过程中，可以连续 的对实验的各个水平进行分析，而正交实验只 能对一个个孤立的实验点进行分析。 响应面优化法的不足 ? 响应面优化的前提是：设计的实验点应包括最 佳的实验条件，如果实验点的选取不当，使用 响应面优化法是不能得到很好的优化结果的。 因而，在使用响应面优化法之前，应当确立合 理的实验的各因素与水平。 因素与水平的选取方法 多种实验设计方法 使用已有文献报道结果，确定实验 的各因素与水平。 使用单因素实验，确定合理的响应面优化法实 验的各因素与水平。 使用爬坡实验，确定合理的响应面优化法实 验的各因素与水平。 使用两水平因子设计实验，确定合理的响 应面优化法实验的各因素与水平。 响应面分析实验设计 可以进行响应面分析的实验设计有多种，但 最用的是下面两种： Central Composite Design- 响应面优化分析、 Box-Behnken Design - 响应面优化分析。 中心组合设计 也称为星点设计。其设计表是在两水平析因设计的基础 上加上极值点和中心点构成的，通常实验表是以代码的 形式编排的 , 实验时再转化为实际操作值 , （一般水平取 值为 0, ± 1, ± α, 其中 0 为中值 , α 为极值 , α=F* （ 1/ 4 ）； F 为析因设计部分实验次数 , 或 ， 其中 k 为因素数， (1/2 一般 5 因素以上采用 ) ，设计表有下面三个部分组成： (1) 析因设计。 2 极值点。由于两水平析因设计只能用作线性考察 , 需 再加上第二部分极值点 , 才适合于非线性拟合。如果以 坐标表示 , 极值点在相应坐标轴上的位置称为轴 (axialpo int) 或星点 ( star poin t) , 表示 ( ± α,0,…,0) ,(0, ± α , …, 0) , …, (0, 0, …, ± α) 星点的组数与因素数相同。 3 一定数量的中心点重复试验。中心点的个数与 CCD 设 计的特殊性质如正交 (o rthogonal) 或均一精密有关。 Box-Behnken Design Box-Behnken Design ，简称 BBD ，也是响应 面优化法常用的实验设计方法，其设计表安排 以三因素为例（三因素用 A 、 B 、 C 表示），见下 页表 2 ，其中 0 是中心点， +, - 分别是相应的高 值和低值。其设计的表格的信息和三因素 BBD 设 计表格如下表 1 和表 2 。 对更多因素的 BBD 实验设计 , 若 均包含三个重复的中心点，四因素 实验对应的实验次数为 27 次，五因 素实验对应的实验次数为 46 次。因 素更多，实验次数成倍增长，所以 对在 BBD 设计之前，进行析因设计 对减少实验次数是很有必要的。 按照实验设计安排实验，得出实验数据，下一步 即是对实验数据进行响应面分析。响应面分析主要 采用的是非线性拟合的方法，以得到拟合方程。最 为常用的拟合方法是采用多项式法，简单因素关系 可以采用一次多项式，含有交互相作用的可以采用 二次多项式，更为复杂的因素间相互作用可以使用 三次或更高次数的多项式。一般，使用的是二次多 项式。 根据得到的拟合方程，可采用绘制出响应面图 的方法获得最优值；也可采用方程求解的方法， 获得最优值。另外，使用一