Начните с открытия пустой электронной таблицы, чтобы создать таблицу со строками с именами inlet1, inlet2 и inlet3 в первом столбце. Сохраните файл как sampling.xlsx. Запустите программное обеспечение для оптимизации и перетащите значок электронной таблицы на одну стрелку первой задачи.
Затем дважды щелкните значок электронной таблицы, чтобы открыть окно Excel редактора компонентов. Нажмите кнопку Обзор, чтобы импортировать sampling.xlsx. Затем нажмите кнопку Добавить это сопоставление, чтобы сопоставить inlet1, inlet2 и inlet3 с A1, A2 и A3 в качестве параметров.
Нажмите кнопку ОК, чтобы вернуться в исходное окно. Перетащите иконку DOE в первую задачу и дважды щелкните по ней, чтобы открыть окно Component Editor DOE. Выберите Оптимальный латинский гиперкуб.
А в общем окне выставляем количество точек равным 15. Перейдите в окно коэффициентов и установите 5,5 в качестве верхнего предела и 5 в качестве нижнего предела для A1, A2 и A3. Переключитесь в окно матрицы дизайна и нажмите кнопку Создать, чтобы создать случайные точки выборки для различных скоростей на входе. Закройте программное обеспечение для оптимизации.
Объедините переменные-предикторы x1, x2 и x3 массивов скоростей и y массивов температур, чтобы сформировать новую таблицу. Сохраните таблицу в качестве образца. txt и импортируйте его в соответствии с моделью поверхности отклика.
Перезапустите программное обеспечение для оптимизации и перетащите значок аппроксимации на одну стрелку первой задачи. Дважды щелкните по значку задачи один, чтобы открыть окно Component Editor Approximation и выбрать модель поверхности отклика. Перейдите в окно Файл данных и импортируйте образец.
txt-файл, содержащий переменные прогнозирования. Перейдите в окно Параметры (Parameters) и нажмите кнопку Сканировать (Scan), чтобы открыть параметры в окне файла данных, где переменные-предикторы x1, x2 и x3 определены в качестве входных данных и y в качестве выходных. Далее перейдите в окно Technique Options и выберите Quadratic в полиномиальном порядке.
Перейдите в окно Параметры анализа ошибок (Error Analysis Options) и выберите перекрестную проверку в методе анализа ошибок. Затем переключитесь в окно View Data и нажмите кнопку Initialize Now, чтобы получить коэффициенты уравнения квадратичной линейной регрессии, Нажмите кнопку Error Analysis, чтобы открыть окно Approximation Error Analysis. Проверьте, соответствуют ли ошибки допустимым нормам для каждого типа ошибок.
Закройте окно Компонент аппроксимации. Перетащите иконку оптимизации в первую задачу и дважды щелкните по ней, чтобы открыть окно Component Editor Optimization. Затем выберите адаптивный имитированный отжиг в методике оптимизации.
Перейдите в окно переменных и установите 5.5 в качестве верхнего предела и пять в качестве нижнего предела. Переключитесь в окно задач и выберите параметр y перед закрытием окна Component Editor Optimization. Наконец, нажмите кнопку запуска оптимизации и дождитесь результатов оптимизации.
Наш квадратичный анализ показал, что аппроксимационная модель поверхности полинома отклика второго порядка обладает хорошей точностью аппроксимации. Максимальная температура, полученная в результате оптимизации, составила 309,39 кельвина при удельных скоростях воздушного потока на входах. Оптимизированная скорость воздушного потока привела к более низкой максимальной температуре 309,39 кельвина по сравнению с исходным случаем.
Сумма скоростей воздушного потока в оптимизированном случае меньше, чем в неоптимизированном случае. Однако максимальная температура не увеличивается с уменьшением скорости воздушного потока. Далее распределение линии потока после оптимизации становится шире.
Фактор x1 оказывает наибольшее влияние на температуру, в то время как факторы x2 и x3 оказывают аналогичное воздействие.
