首先打开一个空电子表格，以创建一个表，在第一列中名为 inlet1、inlet2 和 inlet3 的行。将文件另存为sampling.xlsx。运行优化软件并将电子表格图标拖动到任务一的单个箭头上。
然后双击电子表格图标以打开“组件编辑器 Excel”窗口。单击“浏览”按钮导入sampling.xlsx。然后单击“添加此映射”，将 inlet1、inlet2 和 inlet3 映射到 A1、A2 和 A3 作为参数。
单击“确定”返回到初始窗口。将 DOE 图标拖动到任务 1 中，然后双击它以打开 Component Editor DOE 窗口。选择“最佳拉丁超立方体”。
在常规窗口中，将点数设置为 15。导航到因子窗口，并将 A1、A2 和 A3 的上限设置为上限，将 5 设置为下限。切换到设计矩阵窗口，然后单击生成以生成不同入口速度的随机采样点。关闭优化软件。
将速度数组的预测变量 x1、x2 和 x3 以及温度数组的 y 组合成一个新表。将表另存为示例。txt 并导入它以拟合响应曲面模型。
重新运行优化软件，并将近似图标拖动到任务 1 的单个箭头上。双击任务 1 图标，弹出“组件编辑器近似”窗口，选择响应曲面模型。导航到“数据文件”窗口并导入示例。
包含预测变量的 txt 文件。切换到“参数”窗口，然后单击“扫描”以在数据文件窗口中打开参数，其中 x1、x2 和 x3 的预测变量定义为输入，y 定义为输出。接下来，转到“技术选项”窗口，然后按多项式顺序选择二次。
切换到“错误分析选项”窗口，然后在错误分析方法中选择交叉验证。然后切换到“查看数据”窗口，单击“立即初始化”以获取二次线性回归方程的系数，单击“误差分析”按钮打开“近似误差分析”窗口。检查错误是否符合每种错误类型的可接受标准。
关闭“近似组件”（Approximation Component） 窗口。将优化图标拖动到任务 1 中，然后双击它以打开“组件编辑器优化”窗口。然后在优化技术中选择自适应模拟退火。
导航到变量窗口，并将 5.5 设置为上限，将 5 设置为下限。切换到目标窗口并选择 y 参数，然后关闭 Component Editor Optimization 窗口。最后，单击运行优化按钮，等待优化结果。
平方分析表明，二阶多项式响应曲面逼近模型具有较好的拟合精度。通过优化获得的最高温度为 309.39 开尔文，入口处的特定气流速度。与初始情况相比，优化的气流速度导致最高温度降低至 309.39 开尔文。
优化情况的气流速度之和小于未优化情况的气流速度之和。但是，最高温度不会随着气流速度的降低而升高。此外，优化后的流线分布变得更宽。
系数 x1 对温度的影响最大，而系数 x2 和 x3 的影响相似。
