Comience abriendo una hoja de cálculo vacía para crear una tabla con filas denominadas inlet1, inlet2 e inlet3 en la primera columna. Guarde el archivo como sampling.xlsx. Ejecute el software de optimización y arrastre el icono de la hoja de cálculo a la flecha única de la tarea uno.
A continuación, haga doble clic en el icono de la hoja de cálculo para abrir la ventana de Excel del Editor de componentes. Haga clic en el botón Examinar para importar sampling.xlsx. A continuación, haga clic en agregar esta asignación para asignar la entrada 1, la entrada 2 y la entrada 3 a A1, A2 y A3 como parámetros.
Haga clic en Aceptar para volver a la ventana inicial. Arrastre el icono DOE a la tarea uno y haga doble clic en él para abrir la ventana DOE del editor de componentes. Seleccione Hipercubo latino óptimo.
Y en la ventana general, establezca el número de puntos en 15. Vaya a la ventana de factores y establezca 5,5 como límite superior y cinco como límite inferior para A1, A2 y A3. Cambie a la ventana de matriz de diseño y haga clic en generar para producir puntos de muestreo aleatorios para diferentes velocidades de entrada. Cierre el software de optimización.
Combine las variables predictoras x1, x2 y x3 de las matrices de velocidad e y de las matrices de temperatura para formar una nueva tabla. Guarde la tabla como muestra. txt e importarlo para que se ajuste a un modelo de superficie de respuesta.
Vuelva a ejecutar el software de optimización y arrastre el icono de aproximación a la flecha única de la tarea uno. Haga doble clic en el icono de la tarea uno para abrir la ventana Aproximación del editor de componentes para seleccionar el modelo de superficie de respuesta. Vaya a la ventana Archivo de datos e importe la muestra.
txt que contiene las variables de predicción. Cambie a la ventana Parámetros y haga clic en Escanear para abrir los parámetros en la ventana del archivo de datos, donde las variables predictoras de x1, x2 y x3 se definen como entrada e y como salida. A continuación, vaya a la ventana Opciones de técnica y seleccione Cuadrática en orden polinómico.
Cambie a la ventana Opciones de análisis de errores y seleccione validación cruzada en el método de análisis de errores. A continuación, cambie a la ventana Ver datos y haga clic en Inicializar ahora para obtener los coeficientes de la ecuación de regresión lineal cuadrática, Haga clic en el botón Análisis de errores para abrir la ventana Análisis de errores de aproximación. Compruebe si los errores cumplen con los estándares aceptables para cada tipo de error.
Cierre la ventana Componente de aproximación. Arrastre el icono de optimización a la tarea uno y haga doble clic en él para abrir la ventana Optimización del editor de componentes. A continuación, seleccione el recocido simulado adaptativo en la técnica de optimización.
Vaya a la ventana de variables y establezca 5.5 como límite superior y cinco como límite inferior. Cambie a la ventana de objetivos y seleccione el parámetro y antes de cerrar la ventana Optimización del editor de componentes. Finalmente, haga clic en el botón ejecutar optimización y espere los resultados de la optimización.
Nuestro análisis cuadrado mostró que el modelo de aproximación de superficie de respuesta polinómica de segundo orden tenía una buena precisión de ajuste. La temperatura máxima obtenida a través de la optimización fue de 309,39 kelvin con velocidades específicas de flujo de aire en las entradas. Las velocidades optimizadas del flujo de aire condujeron a una temperatura máxima más baja de 309,39 kelvin en comparación con el caso inicial.
La suma de las velocidades de flujo de aire de la carcasa optimizada es menor que la de las cajas no optimizadas. Sin embargo, la temperatura máxima no aumenta con la disminución de la velocidad del flujo de aire. Además, la distribución de la línea de flujo después de la optimización se amplía.
El factor x1 tiene la mayor influencia en la temperatura, mientras que los factores x2 y x3 tienen efectos similares.
