Commencez par ouvrir une feuille de calcul vide pour créer un tableau avec les lignes intitulées inlet1, inlet2 et inlet3 dans la première colonne. Enregistrez le fichier au format sampling.xlsx. Exécutez le logiciel d’optimisation et faites glisser l’icône de la feuille de calcul sur la flèche unique de la première tâche.
Double-cliquez ensuite sur l’icône de la feuille de calcul pour ouvrir la fenêtre Excel de l’éditeur de composants. Cliquez sur le bouton Parcourir pour importer sampling.xlsx. Cliquez ensuite sur ajouter ce mappage pour mapper inlet1, inlet2 et inlet3 à A1, A2 et A3 en tant que paramètres.
Cliquez sur OK pour revenir à la fenêtre initiale. Faites glisser l’icône DOE dans la première tâche et double-cliquez dessus pour ouvrir la fenêtre DOE de l’éditeur de composants. Sélectionnez Optimal Latin Hypercube.
Et dans la fenêtre générale, définissez le nombre de points sur 15. Accédez à la fenêtre des facteurs et définissez 5,5 comme limite supérieure et cinq comme limite inférieure pour A1, A2 et A3. Passez à la fenêtre de la matrice de conception et cliquez sur Générer pour produire des points d’échantillonnage aléatoires pour différentes vitesses d’entrée. Fermez le logiciel d’optimisation.
Combinez les variables prédictives x1, x2 et x3 des tableaux de vitesse et y des tableaux de température pour former une nouvelle table. Enregistrez la table en tant qu’exemple. txt et importez-le pour l’adapter à un modèle de surface de réponse.
Réexécutez le logiciel d’optimisation et faites glisser l’icône d’approximation sur l’unique flèche de la première tâche. Double-cliquez sur l’icône de la tâche un pour faire apparaître la fenêtre Approximation de l’éditeur de composants afin de sélectionner le modèle de surface de réponse. Accédez à la fenêtre Fichier de données et importez l’exemple.
txt contenant les variables de prédiction. Passez à la fenêtre Paramètres et cliquez sur Analyser pour ouvrir les paramètres dans la fenêtre du fichier de données où les variables de prédiction x1, x2 et x3 sont définies en entrée et y en sortie. Ensuite, allez dans la fenêtre Options de la technique et sélectionnez Quadratique dans l’ordre polynomial.
Passez à la fenêtre Options d’analyse des erreurs et sélectionnez Validation croisée dans la méthode d’analyse des erreurs. Passez ensuite à la fenêtre Afficher les données et cliquez sur Initialiser maintenant pour obtenir les coefficients de l’équation de régression linéaire quadratique, Cliquez sur le bouton Analyse des erreurs pour ouvrir la fenêtre Analyse des erreurs d’approximation. Vérifiez si les erreurs répondent aux normes acceptables pour chaque type d’erreur.
Fermez la fenêtre Composant d’approximation. Faites glisser l’icône d’optimisation dans la première tâche et double-cliquez dessus pour ouvrir la fenêtre Optimisation de l’éditeur de composants. Sélectionnez ensuite le recuit simulé adaptatif dans la technique d’optimisation.
Accédez à la fenêtre des variables et définissez 5,5 comme limite supérieure et cinq comme limite inférieure. Passez à la fenêtre des objectifs et sélectionnez le paramètre y avant de fermer la fenêtre Optimisation de l’éditeur de composants. Enfin, cliquez sur le bouton d’exécution de l’optimisation et attendez les résultats de l’optimisation.
Notre analyse des carrés a montré que le modèle d’approximation de surface de réponse polynomiale du second ordre avait une bonne précision d’ajustement. La température maximale obtenue grâce à l’optimisation était de 309,39 kelvins avec des vitesses d’écoulement d’air spécifiques aux entrées. Les vitesses d’écoulement d’air optimisées ont conduit à une température maximale plus basse de 309,39 kelvins par rapport au cas initial.
La somme des vitesses d’écoulement de l’air du cas optimisé est inférieure à celle des cas non optimisés. Cependant, la température maximale n’augmente pas avec la diminution de la vitesse du flux d’air. De plus, la distribution de la ligne d’écoulement après optimisation devient plus large.
Le facteur x1 a la plus grande influence sur la température, tandis que les facteurs x2 et x3 ont des effets similaires.
