11.2 最速上升法
对系统最优操作条件的初步估计往往远离真正的最优点。此时,试验者希望采用简单、经济而有效的程序,迅速移向最优点附近。在远离最优点的地方,通常假定一阶模型能够在 x 变量的一个小区域内充分近似真实响应面。
最速上升法是沿响应增加最快的方向序贯移动的方法。若目标是最小化响应,则称为最速下降法。拟合的一阶模型为
y^=β0^+i=1∑kβi^xi(11.3) 一阶响应面的等高线是一组平行直线,如图 11.4 所示。最速上升方向是 y^ 增加最快的方向,在因子平面中垂直于等高线。通常选择通过研究区域中心、垂直于等高线的直线作为最速上升路径。因此,路径上各变量的步长与回归系数 {β^i} 成比例。实际步长由试验者根据过程知识及其他实际考虑确定。
沿最速上升路径开展试验,直到不再观察到响应增加。随后可以重新拟合一阶模型,确定新的最速上升路径,并继续这一过程。最终将到达最优点附近,通常表现为一阶模型出现失拟。这时应增加试验,以更精确地估计最优点。

图 11.4 一阶响应面与最速上升路径
例 11.1¶
一位化学工程师希望确定使过程产率最大的操作条件。反应时间和反应温度是影响产率的两个可控变量。当前反应时间为 35 分钟,温度为 155 °F,产率约为 40%。由于该区域不太可能包含最优点,工程师拟合一阶模型,并采用最速上升法。
工程师选择反应时间 30~40 分钟、温度 150~160 °F 作为拟合一阶模型的探索区域。为简化计算,将自变量编码到常用的 [−1,1] 区间。若 ξ1 为自然变量时间,ξ2 为自然变量温度,则编码变量为
x1=5ξ1−35且x2=5ξ2−155 试验设计见表 11.1:在 22 因子设计上增加五次中心点试验。中心点重复用于估计试验误差,并检查一阶模型是否充分。设计中心就是过程的当前操作条件。
用最小二乘法拟合这些数据。采用二水平设计的计算方法,得到编码变量下的一阶模型:
y^=40.44+0.775x1+0.325x2 沿最速上升路径探索前,应先检查一阶模型是否充分。含中心点的 22 设计可以用于:
估计误差。
检查模型中的交互作用(交叉乘积项)。
检查二次效应(曲率)。
利用中心点重复估计误差:
σ^2==(40.3)2+(40.5)2+(40.7)2+(40.2)24(40.6)2−(202.3)2/50.0430 一阶模型假设 x1,x2 对响应的效应具有可加性。若存在交互作用,则应在模型中加入交叉乘积项 β12x1x2。该系数的最小二乘估计,等于按通常 22 因子设计计算的交互作用效应的一半,即
σ^2=440.32+40.52+40.72+40.22+40.62−202.32/5=0.0430 表 11.1
用于拟合一阶模型的过程数据
| 自然变量 | 编码变量 | 响应 |
| $\xi_1$ | $\xi_2$ | $x_1$ | $x_2$ | y |
| 30 | 150 | -1 | -1 | 39.3 |
| 30 | 160 | -1 | 1 | 40.0 |
| 40 | 150 | 1 | -1 | 40.9 |
| 40 | 160 | 1 | 1 | 41.5 |
| 35 | 155 | 0 | 0 | 40.3 |
| 35 | 155 | 0 | 0 | 40.5 |
| 35 | 155 | 0 | 0 | 40.7 |
| 35 | 155 | 0 | 0 | 40.2 |
| 35 | 155 | 0 | 0 | 40.6 |
交互作用的单自由度平方和为
SS交互作用=4(−0.1)2=0.0025 将 SS交互作用 与 σ^2 比较,得到失拟检验统计量
F=σ^2SS交互作用=0.04300.0025=0.058 该值很小,说明交互作用可以忽略。
还可利用 6.8 节的纯二次曲率检验检查直线模型是否充分。具体做法是比较设计中四个因子点的平均响应 yˉF=40.425 与中心点的平均响应 yˉC=40.46。若真实响应函数有二次曲率,yˉF−yˉC 就是曲率的度量。若 β11,β22 分别为纯二次项 x12,x22 的系数,则这个差是 β11+β22 的估计。本例中,
β^11+β^22=yF−yC=40.425−40.46=−0.035 原假设 H0:β11+β22=0 对应的单自由度平方和为
SS纯二次项=nF+nCnFnC(yF−yC)2=4+5(4)(5)(−0.035)2=0.0027 其中,nF,nC 分别为因子部分的试验次数与中心点试验次数。由于
F=σ^2SS纯二次项=0.04300.0027=0.063 很小,没有证据表明存在纯二次效应。
表 11.2
一阶模型的方差分析
模型的方差分析汇总于表 11.2。交互作用与曲率检验均不显著,而整体回归的 F 检验显著。此外,β^1,β^2 的标准误为
se(β^i)=4MSE=4σ^2=40.0430=0.10i=1,2 两个回归系数相对于各自的标准误都较大。目前没有理由怀疑一阶模型是否充分。
从设计中心 (x1,x2)=(0,0) 沿最速上升路径移动时,x1 每变化 0.775 个单位,x2 就变化 0.325 个单位。因此该路径通过原点,斜率为 0.325/0.775。工程师选择反应时间 5 分钟作为基本步长。由 ξ1 与 x1 的关系可知,5 分钟对应编码变量的步长 Δx1=1,所以路径步长为 Δx1=1.0000、Δx2=0.325/0.775≈0.42。
工程师计算路径上的试验点,并逐点观察产率,直到响应开始下降。表 11.3 同时给出编码变量与自然变量下的结果。编码变量便于数学运算,但实施试验时必须使用自然变量。图 11.5 绘出各步的产率。响应一直增加到第十步,之后均下降。因此,应在 (ξ1,ξ2)=(85,175) 附近重新拟合一阶模型。
| 变异来源 | 平方和 | 自由度 | 均方 | $F_0$ | P 值 |
| 模型( $\beta_1, \beta_2$ ) | 2.8250 | 2 | 1.4125 | 47.83 | 0.0002 |
| 残差 | 0.1772 | 6 | | | |
| (交互作用) | (0.0025) | 1 | 0.0025 | 0.058 | 0.8215 |
| (纯二次项) | (0.0027) | 1 | 0.0027 | 0.063 | 0.8142 |
| (纯误差) | (0.1720) | 4 | 0.0430 | | |
| 总计 | 3.0022 | 8 | | | |
表 11.3
例 11.1 的最速上升试验
表中自然温度采用约整后的 2 °F 步长,编码温度列则保留理论步长约 0.42,两列并非精确换算。最后两步按同一自然步长改为 177 °F 和 179 °F。[1]
| 步数 | 编码变量 | 自然变量 | 响应 y |
| $x_1$ | $x_2$ | $\xi_1$ | $\xi_2$ |
| 起点 | 0 | 0 | 35 | 155 | |
| Δ | 1.00 | 0.42 | 5 | 2 | |
| 起点 + Δ | 1.00 | 0.42 | 40 | 157 | 41.0 |
| 起点 + 2Δ | 2.00 | 0.84 | 45 | 159 | 42.9 |
| 起点 + 3Δ | 3.00 | 1.26 | 50 | 161 | 47.1 |
| 起点 + 4Δ | 4.00 | 1.68 | 55 | 163 | 49.7 |
| 起点 + 5Δ | 5.00 | 2.10 | 60 | 165 | 53.8 |
| 起点 + 6Δ | 6.00 | 2.52 | 65 | 167 | 59.9 |
| 起点 + 7Δ | 7.00 | 2.94 | 70 | 169 | 65.0 |
| 起点 + 8Δ | 8.00 | 3.36 | 75 | 171 | 70.4 |
| 起点 + 9Δ | 9.00 | 3.78 | 80 | 173 | 77.6 |
| 起点 + 10Δ | 10.00 | 4.20 | 85 | 175 | 80.3 |
| 起点 + 11Δ | 11.00 | 4.62 | 90 | 177 | 76.2 |
| 起点 + 12Δ | 12.00 | 5.04 | 95 | 179 | 75.1 |

图 11.5 例 11.1 中产率随最速上升步数的变化
以 (ξ1,ξ2)=(85,175) 为中心拟合新的一阶模型。ξ1 的探索区域为 [80,90],ξ2 的探索区域为 [170,180]。因此编码变量为
x1=5ξ1−85且x2=5ξ2−175 再次采用含五次中心点试验的 22 设计,试验安排见表 11.4。
根据表 11.4 的编码变量拟合的一阶模型为
y^=78.97+1.00x1+0.50x2 表 11.5 给出了模型的方差分析,包括交互作用与纯二次效应检验。检验结果表明一阶模型不能充分近似响应。真实曲面的曲率提示我们可能已经接近最优点,需要进一步分析以更精确地定位。
表 11.4
第二个一阶模型的数据
| 自然变量 | 编码变量 | 响应 y |
| $\xi_1$ | $\xi_2$ | $x_1$ | $x_2$ |
| 80 | 170 | -1 | -1 | 76.5 |
| 80 | 180 | -1 | 1 | 77.0 |
| 90 | 170 | 1 | -1 | 78.0 |
| 90 | 180 | 1 | 1 | 79.5 |
| 85 | 175 | 0 | 0 | 79.9 |
| 85 | 175 | 0 | 0 | 80.3 |
| 85 | 175 | 0 | 0 | 80.0 |
| 85 | 175 | 0 | 0 | 79.7 |
| 85 | 175 | 0 | 0 | 79.8 |
表 11.5
第二个一阶模型的方差分析
| 变异来源 | 平方和 | 自由度 | 均方 | $F_0$ | P 值 |
| 回归 | 5.00 | 2 | | | |
| 残差 | 11.1200 | 6 | | | |
| (交互作用) | (0.2500) | 1 | 0.2500 | 4.72 | 0.0955 |
| (纯二次项) | (10.6580) | 1 | 10.6580 | 201.09 | 0.0001 |
| (纯误差) | (0.2120) | 4 | 0.0530 | | |
| 总计 | 16.1200 | 8 | | | |
从例 11.1 可见,最速上升路径由拟合一阶模型中回归系数的符号与大小决定,各变量步长与这些系数成比例:
y^=β0^+i=1∑kβi^xi 可以给出确定最速上升路径坐标的一般算法。假定 x1=x2=⋯=xk=0 为基点或原点,则:
选择一个过程变量的步长,例如 Δxj。通常选择最熟悉的变量,或绝对回归系数 ∣β^j∣ 最大的变量。
其他变量的步长为
Δxi=β^j/Δxjβ^ii=1,2,…,ki=j 将编码变量步长 Δxi 换算为自然变量步长。
以例 11.1 为例,x1 的回归系数最大,因此第一步选择反应时间。根据过程知识取步长为 5 分钟,在编码变量下即为 Δx1=1.0。由第二步可知,温度步长为
Δx2=β^1/Δx1β^2=(0.775/1.0)0.325=0.42 将编码步长 Δx1=1.0、Δx2=0.42 换算为时间和温度的自然单位时,利用
Δx1=5Δξ1且Δx2=5Δξ2 得到
Δξ1=Δx1(5)=1.0(5)=5min 以及
Δξ2=Δx2(5)=0.42(5)=2.1∘F≈2∘F