下载文档原格式
谈大面积陶板幕墙的优化设计摘要：陶土板以天然的纯净陶土为原材料，通过精细加工、专用设备挤压成型、烘干、高温窑烧等工序形成的具有相当强度、硬度和表面精度的板材。
陶土板幕墙作为建筑物装饰面板具有绿色环保、无辐射、色泽温和、不会带来光污染等特点。
关键词：建筑幕墙；陶土板；优化设计一、引言陶板作为干挂幕墙材料，最早出现于1985年的欧洲，设计灵感来自于一位欧洲建筑师对于中国兵马俑的陶文化膜拜，将陶瓦的感觉从屋面转移到墙面，其特有的土陶质感和返璞归真的色泽，使建筑看起来更接近中国的兵马俑艺术。
陶土板幕墙——充分运用现有科技手段，通过陶的不可变特性铸就永恒的建筑视觉效果。
二、陶土板幕墙概述陶土板幕墙是选用陶土板作为幕墙装饰面板的一种新材料幕墙。
陶板幕墙最初起源于德国。
工程师Thomas Herzog教授于1980年代设想将屋顶瓦应用到墙面，最终根据陶瓦的挂接方式，发明了用于外墙的干挂体系和幕墙陶板，并由此成立了一个专门生产陶板的工厂。
1985（有横龙骨系统和无横龙骨系统）。
年第一个陶板项目在德国慕尼黑落成。
在随后的几年中，陶板逐渐完善挂接方式，由最初的木结构最终完善到现在的两大幕墙结构系统。
随着90年代玻璃幕墙被大量的应用于建筑外观设计，那些有超前思想的建筑师，开始尝试将玻璃的明快、现代质感和陶板的沧桑久远的文明象征结合起来，形成古老与现代、原始感和科技感并存的建筑表现形式，并大获成功。
于是，陶板的制造，被国外一些敏锐的建材生产商所重视，并开始将陶板作为一种新的产业来规模化经营。
然而，陶板制造工艺的特殊性，又在其发展的过程中，被赋予了从生产到应用的极大创造性。
当陶板以“板”的形式更多的体现在建筑的外观设计之时，其产品的形式又随着设计的需求产生了诸多的变化。
这是陶板区别于其他干挂幕墙材料的不同之处。
陶板的制造工艺，起源于屋面瓦，进入二十世纪中叶以后，随着建筑外围护结构的概念出现，轻钢龙骨体系在建筑中的应用得到了迅速的发展；与此同时，用于挤出、干燥、烧制的机械设备，在这一时期也随着建筑陶瓷工业的发展，更趋于现代化、科技化和自动化。
陶瓷配方的优化计算方法
秦晓玲
【期刊名称】《上海计量测试》
【年(卷),期】2017(044)001
【摘要】根据优化设计的需要,在陶瓷配方设计中引入现代优化算法.以绝对误差为目标函数,建立了基于多目标优化的陶瓷配方优化设计数学模型,使陶瓷配方设计问题转变为以原料上下限为约束条件的求解极值问题.本文通过分析和合理选择样本数据,总结其中的数值规律,并使用MATLAB求得最优解,从而实现了陶瓷配方的优化设计.
【总页数】4页(P37-39,43)
【作者】秦晓玲
【作者单位】上海市计量测试技术研究院
【正文语种】中文
【相关文献】
1.陶瓷坯料配方最优化计算方法的程序设计 [J], 萧著珏;刘云
2.釉料配方优化计算方法的程序设计 [J], 肖著珏;周飞涛
3.混合遗传算法在陶瓷坯料配方优化设计中的应用 [J], 罗艳霞; 车艳
4.陶瓷坯釉料组成和配方最优化计算 [J], 梁明峰
5.最优化技术在陶瓷配方优化设计中的应用 [J], 杨云;张瑛;王秀峰
因版权原因，仅展示原文概要，查看原文内容请购买。
陶瓷原料配比方案优化方法
从化学成分含量偏差最小化和化学成分、矿物成分、不足微米颗粒含量、胶体指数等含量偏差最小化两方面出发,以最小化绝对误差和相对误差的组合形式为优化目标,分别构建陶瓷坯料的化学配方和综合配方的优化模型,优化模型还可限制原料的使用种数。
算例分析表明:优化方法可为陶瓷配方提出初步的优化方案。
通过调整各种成分的优化权重或直接指定某些成分含量的限界,专业人员可借此更深入地优化陶瓷配方。
陶瓷配方优化设计的通用方案开发
王志强;姜群英;温其兵
【期刊名称】《中国陶瓷》
【年(卷),期】2001(37)4
【摘要】本文介绍了一种由计算机实现的陶瓷坯、釉配方优化设计方法并开发了两个简单的通用优化方案。
该方案是基于流行电子表格软件的数学规划求优的通用解决方案。
经实际运行证明 ,这是一条简单可行 ,易于推广的最优化求解途径。
【总页数】3页(P37-39)
【关键词】坯釉;数学规划;配方;优化设计;陶瓷
【作者】王志强;姜群英;温其兵
【作者单位】南昌职业技术师范学院应用化学系
【正文语种】中文
【中图分类】TQ174.61
【相关文献】
1.搪瓷釉配方优化设计的通用方案 [J], 王志强;姜群英;温其兵
2.搪瓷釉配方优化设计的通用方案 [J], 王志强;姜群英
3.二次通用旋转组合设计在优化热敏胶乳配方中的应用研究 [J], 郭平;邓红霞;严彦;张回
4.陶瓷新产品开发中的试验设计及配方优化研究 [J], 胡志强;金凤莲
5.最优化技术在陶瓷配方优化设计中的应用 [J], 杨云;张瑛;王秀峰
因版权原因，仅展示原文概要，查看原文内容请购买。
陶瓷材料的制备与性能优化陶瓷材料一直以来都在我们的日常生活中扮演着重要的角色。
从古代的陶器到现代的陶瓷发动机部件，陶瓷材料的制备和性能优化一直是研究和应用领域中的关键问题。
本文将探讨陶瓷材料的制备过程以及如何通过优化来提高其性能。
一、陶瓷材料的制备过程1. 原料选择陶瓷材料的原料选择对最终产品的性能有着至关重要的影响。
常见的陶瓷材料原料包括粘土、石英、长石等。
选择合适的原料可以提高材料的强度、致密度和耐腐蚀性。
2. 粉体制备粉体制备是陶瓷材料制备过程中的关键一步。
常用的方法包括干法和湿法。
干法包括球磨和气流磨碎，湿法包括球磨和溶胶-凝胶法。
选用适当的制备方法可以得到均匀细小的粉体，从而提高烧结后的致密性和力学性能。
3. 成型成型是将粉体制备成所需形状的过程。
常见的成型方法包括注塑成型、挤压成型、压塑成型和注模成型等。
不同的成型方法适用于不同的陶瓷材料和产品形状，正确选择成型方法可以避免制品破损和缺陷。
4. 烧结烧结是将成型体加热到一定温度下，使其粒子间发生结合的过程。
通过热处理，陶瓷材料可以达到高强度和致密度。
烧结过程中的温度和时间参数需要进行精确控制，以确保最终产品的质量。
二、陶瓷材料的性能优化1. 密度与致密度控制陶瓷材料的密度对其性能具有重要影响。
通过优化制备工艺和烧结参数，可以提高陶瓷材料的致密度，从而提高其强度和硬度。
一些常用的方法包括增加烧结温度、延长烧结时间等。
2. 结晶相控制陶瓷材料的晶体结构和相组成对其性能也有关键影响。
通过合适的添加剂和热处理过程，可以控制陶瓷材料的晶体结构和相组成，从而优化材料的力学性能、化学稳定性和导电性等。
3. 表面处理陶瓷材料的表面性质往往与其力学性能和化学稳定性密切相关。
通过表面处理方法，如化学腐蚀、溶胶涂覆等，可以改善陶瓷材料的表面性能，增加其抗磨损性、耐腐蚀性和耐高温性。
4. 复合材料制备将陶瓷材料与其他材料复合也是提高其性能的有效途径之一。
通过复合设计，可以充分发挥陶瓷材料和其他材料的优势，以实现性能的协同提升。
材料科学中陶瓷制备及其性能优化陶瓷是一类重要的材料，在众多领域中发挥着关键作用，如电子器件、结构材料、生物医学等。
因此，研究陶瓷制备方法以及性能优化对于材料科学的发展具有重要意义。
本文将探讨陶瓷制备方法的发展与性能优化的关系，并分析其在应用中的重要性。
陶瓷制备是一个复杂而多样的过程，需要综合运用材料科学、化学、物理等学科的知识。
在过去的几十年中，陶瓷材料的生产技术得到了显著的进展。
其中，最重要的突破之一是采用先进的材料制备方法，如凝胶注模、溶胶凝胶、烧结等。
这些制备方法具有高度的控制性，可以实现材料的形貌和尺寸的精确调控，从而获得优良的材料性能。
其中，凝胶注模方法被广泛应用于制备复杂形状的陶瓷制品。
这种方法利用可溶性物质制备凝胶，然后通过注模或挤出等工艺将凝胶形成所需形状，再经过干燥和烧结等处理得到陶瓷制品。
凝胶注模方法具有高度的造型自由度和成本效益，因此在陶瓷制备领域得到了广泛应用。
溶胶凝胶方法是一种基于溶液化学反应的制备方法。
通过溶剂中陶瓷前驱体的溶解和凝胶化反应，形成均匀的溶胶凝胶体系。
随后，经过干燥和烧结等处理，制备出陶瓷制品。
溶胶凝胶方法具有制备高纯度、精密控制尺寸和优良形貌的优点，因此在精细陶瓷制备中得到广泛应用。
烧结是陶瓷制备的重要环节之一，通过高温处理使陶瓷粉体颗粒结合，形成致密的制品。
在烧结过程中，除了高温和时间的控制外，还可以通过添加助剂、改变烧结气氛等方式来调控材料的性能。
例如，添加氧化镁助剂可以改善陶瓷的杂质分布和晶体结构，提高材料的机械性能和热稳定性。
除了制备方法，陶瓷材料的性能优化也是一个重要的研究方向。
性能优化可以通过调整陶瓷材料的化学成分、改变微观结构和晶体相等方式来实现。
例如，通过调整陶瓷材料的添加剂浓度，可以改变其导电性能；通过改变陶瓷的晶粒尺寸和分布，可以提高其力学性能；通过控制陶瓷材料的烧结温度和时间，可以改善其致密性和组织结构。
这些方法综合运用，可以使陶瓷材料的性能得到最大化的提升。
功能性陶瓷材料的设计与优化近年来，功能性陶瓷材料在各个领域得到了广泛的应用。
功能性陶瓷材料的设计与优化是实现其性能提升和应用拓展的关键。
本文将探讨功能性陶瓷材料的设计与优化的方法和策略。
一、功能性陶瓷材料的特点和应用陶瓷作为一种传统材料，具有硬度高、化学稳定性好、耐高温等特点，广泛应用于电子、航空航天、能源、环保等领域。
然而，传统陶瓷材料在某些方面仍然存在不足，例如强度低、断裂韧性差等。
为了满足工程领域对材料性能的更高要求，功能性陶瓷材料应运而生。
功能性陶瓷材料通过对材料的组分和结构进行调控，赋予其特殊的性能和功能。
例如，磁电陶瓷可以实现电-磁相互转换，应用于传感器和声学设备；压电陶瓷具有压电效应，广泛应用于声波传感和振荡器；氧化锆陶瓷作为高温结构材料，具有良好的热稳定性和机械性能，在航空航天领域有重要应用等。
二、功能性陶瓷材料设计的方法功能性陶瓷材料的设计需要综合考虑材料的组分、结构和加工过程等因素。
下面介绍几种常见的设计方法。
1. 激光沉积成形技术激光沉积成形技术是一种利用激光熔融和凝固的方法来制备复杂形状的陶瓷材料的先进制造技术。
通过控制激光熔融的温度和速度，可以实现对材料的微观组织和晶体结构的调控，从而改变材料的性能和功能。
激光沉积成形技术已经成功应用于生物医学、传感器和电子器件等领域。
2. 添加剂的控制在功能性陶瓷材料的设计中，添加剂的选择和控制至关重要。
添加剂可以调整材料的晶体结构、界面性能和烧结性能，从而实现对材料性能的改善。
例如，通过添加微量的氧化物掺杂剂，可以增强陶瓷材料的力学性能和导电性能。
3. 复合陶瓷材料的设计复合陶瓷材料的设计是一种将不同类型的陶瓷相结合，形成新的结构和性能的方法。
通过选择不同的陶瓷相和调控其相互作用，可以实现对材料性能的综合调控。
例如，将氧化铝和氮化硅两种陶瓷相复合，可以实现耐磨性和高温性能的双重提升。
三、功能性陶瓷材料优化的策略功能性陶瓷材料的优化是指通过对材料组分、结构和处理工艺等方面的优化，使其性能和功能达到最佳状态。
高性能多孔陶瓷材料的制备与性能优化多孔陶瓷材料是一种在工业领域中被广泛使用的材料，它具有轻质、高强度、高温稳定性和良好的化学稳定性等优势。
然而，传统的制备方法往往无法获得高性能的多孔陶瓷材料，因此，开发新的制备方法并优化其性能成为了当前研究的热点之一。
为了制备高性能的多孔陶瓷材料，研究人员采用了多种方法和工艺。
其中之一是模板法。
模板法通过使用不同类型的模板，如碳纳米管、纳米颗粒等，来控制陶瓷材料的孔隙结构和形貌。
这种方法不仅可以获得特定尺寸和形状的孔隙，还可以控制陶瓷材料的疏水性和亲水性。
另一种制备方法是溶胶-凝胶法。
这种方法通过将溶胶转化为凝胶，并利用凝胶的特殊结构来形成孔隙结构。
这种方法具有制备高孔隙率和大孔隙尺寸多孔陶瓷材料的优势。
在制备多孔陶瓷材料的同时，研究人员还在不断寻求性能的优化方法。
一种常用的方法是通过控制孔隙结构和孔隙分布来改善多孔陶瓷材料的强度和韧性。
例如，通过调整孔隙的尺寸和形状，可以增加陶瓷材料的承载能力和耐久性。
另外，添加一定量的增强剂，如纤维材料或金属颗粒，可以进一步提高多孔陶瓷材料的韧性和强度。
此外，表面修饰也是一种常用的方法。
通过在多孔陶瓷材料表面修饰一层功能性薄膜，可以增加材料的疏水性或亲水性，提高材料的稳定性和耐腐蚀性。
除了上述方法外，还有其他一些新颖的方法被用于制备高性能的多孔陶瓷材料。
一种是生物仿生法。
生物仿生法通过模仿自然界中生物体上的结构和功能，制备具有特定性能的多孔陶瓷材料。
例如，在蒙古包蜂窝的形状和结构上进行仿生，可以得到具有优异隔音性能的多孔陶瓷材料。
另一种方法是利用现代纳米技术。
纳米技术可以制备出具有纳米级孔隙和纳米级颗粒的陶瓷材料，其力学性能和热传导性能得到了显著提高。
这种方法在高温热电器件和微观流体传感器等领域具有广阔的应用前景。
此外，随着材料科学研究的不断发展，理论计算方法也被广泛应用于多孔陶瓷材料的制备和性能优化中。
通过建立模型和进行模拟计算，可以揭示材料内部孔隙结构、力学性能和热传导性能等的微观机制。
制陶材料的优化设计模型梁兴伟1黄绮玲2 王丽华3(1. 韶关学院2003级信息技术(1)班，广东韶关512005； 2. 韶关学院2002级信息技术(2)班，广东韶关512005； 3. 韶关学院2003级数学与应用数学班，广东韶关512005）摘 要本文首先从回归分析这个角度，建立了线性回归、二次非线性回归两种模型。
其中通过线性回归模型的求解和模型验证，发现目标函数的非线性性质，然后利用二次回归模型确定最优工艺条件。
最大强度为1291，并获得相应的最优工艺等级条件为1132312G F E D C B A最后，我们针对现有试验方法数据难于处理且数据的信息不够全面等缺点，提出用正交试验方法来改进原有的试验方案，并且给出了正交试验方法的简要介绍和优点阐述。
关键词: 线性回归;二次回归;正交实验设计1问题的重述硅酸盐（Si3N4）制陶材料是一种强度高、耐磨、抗氧化和耐高温的材料，它广泛应用于高温结构的材料中，如切割工具、齿轮、内燃机部件及航空、航天飞行器的有关部件等。
影响这种材料的强度的因素有：A:加热方案，A1=两步，A2=一步；（其中“两步”包括“一步”上的预烧结阶段）.B:四种烧结添加剂CaO,Y2O3,MgO和Al2O3的总量，B1=14摩尔%，B2=16摩尔%，B3=18摩尔%。
C:CaO的含量，C1=0.0摩尔%，C2=1.0摩尔%，C3=2.0摩尔%。
D: Y2O3的摩尔%与MgO的摩尔的比率，D1=1:1, D2=1:2, D3=1:6.E：Y2O3的摩尔%与Al2O3的摩尔%的比率，E1=2:1, E2=1:1, E3=1:4.F:烧结温度，F1=1800o C, F2=1850o C, F3=1900o C.G:烧结时间，G1=1h, G2=2h, G3=3h.为了寻找使得该种材料的强度达到最高的工艺条件，特此安排了如下试验方案，测量数据见表1，1．根据表1的测量数据，试建立合理的数学模型，并对试验结果进行分析；2．寻找使得强度最大的最优工艺条件；3．对你所建立的模型进行误差分析并做出评价；4．你能否提出一种更合理的试验设计计划及试验结果的分析方法？5．就你的研究对有关部门试写一份申报科技进步奖的报告。
注：因素栏中数字“i”表示因素在试验中处于第i水平。
2 基本假设2.1 所有添加剂的纯度均为100%2.2 影响强度的7个因素是确定性变量，且彼此独立，不考虑交互作用对强度的影响3 符号说明i x :表示影响强度的因素(i=1……7) j i x ,：表示第i 个试验号影响强度的第j 水平i Y ：第i 个试验号所测得材料强度平均值 Y ：强度的平均值 i Y ^：i Y 的估计值(0,1,2,,14)i i β= ：回归系数 (0,1,2,,18)i i ε= ：随机误差T S :总的偏差平方和R S :回归平方和e S :剩余平方和4 问题的分析已知影响硅酸盐制陶材料强度的七个因素和其工艺级别参数（见表(1)），并且已经知道一组不完备的试验数据。
我们的任务就是，通过研究现有试验数据，了解七个因素对强度的作用关系（即目标函数），并以此为据寻找最优工艺条件,求出制陶材料最大强度。
同时，我们还要对模型进行误差分析，寻求更优的试验方法。
5 模型的建立和求解5.1 多元线性回归模型(模型一)在处理多因素关系时，一般采用回归模型进行求解, 所以假设七个因素与材料强度具有线性关系其中710,βββ 都是未知参数，ε是随机误差,可以忽略。
利用线性最小二乘法可以得到710,βββ 的值分别为：εββββ+++++=7722110x x x Y24.0757- 25.8027- 126.2689 18.4265- 48.5127 58.3049- 42.8293 629.4408得到多元线性回归模型：7654321^0757.248027.252689.1264265.185127.483049.588293.424408.629x x x x x x Y --+-+-+=5.2 模型一的假设检验:为检验Y 与7,21,,,x x x 之间是否确有线性关系 具体检验如下:⎩⎨⎧======72,1,0:0:17210 i H H i ββββ至少有一个 若拒绝H 0，则说明Y 与7,21,,,x x x 之间确有线性关系，若接受H 0，则说明Y 与7,21,,,x x x 之间不存在线性关系，就必须放弃线性回归法 由 回归平方和：2^181)(-=-=∑Y Y S i i R剩余平方和：2181^)(∑=-=i i i e Y Y S然后计算 F=)1(--p n S pS eR=)1718(7--eRS S ∽)10,7(FMatlab 编程计算得到：F=2.4828取显著性水平05.0=α， 有F 分布查表得：14.3)10,7(95.0=F )10,7(95.0F F <所以接受0H ，认为是非线性的，要建立非线性回归模型。
5.3 二次回归模型（模型二）根据问题分析和假设知：各因素是互相独立，故建立模型：εβββββββ++++++++=27142292187722110x x x x x x Y其中，1410,βββ 都是未知参数，ε是随机误差，可以忽略.把18组7,21,,,x x x 值代入，得：⎪⎪⎩⎪⎪⎨⎧++++=++++=++++=1827,18141,181018227,2141,2102127,1141,1101εβββεβββεβββx x Y x x Y x x Y为了确定1410,βββ ，直接利用统计工具箱的命令regress 求解，使用格为：[]),,(int,,int,,αx y regress stats r r b b =其中T Y Y Y Y ],,,[1821 =,],,,,,,1[272171x x x x X =,取05.0=α，就可以求得回归系数0114,,,βββ 的值分别为：272625242322127654321^6687.534.102015.59145.7156.158327.5712.785994.5038.409611.8989.27026.58131.3109.2433x x x x x x x x x x x x x x Y +++-++----+--=5.4 模型误差分析和评价把127,,x x x 的值代入以1410,βββ 为系数的二次非线性回归模型方程，得到计算值，与题中给出的测量值比较，得到相对误差为计算值与测量值曲线如图：图(1)用Matlab 编程和模型二的求解可以得到二次非线性回归分析统计检验指标值如下，说明：2R 越接近1，表明模型拟合得越好∑--=2)(Y Y S i T ……衡量数据的波动大小∑-=2^)(i i e Y Y S ……反映除去Y 与721,x x x 之间的线性关系以外一切因素引起数据的波动2^)(--=∑Y Y S i R 反映由变量721,x x x 的变化引起的-i Y 之间的波动的波动较大比较大，即引起数据^,,i e R T Y S S S ，但F 检验的结果为23.6850，即七个因素的不同对结果产生显著影响。
可见，强度与工艺条件之间的关系为非线性的，并从相对误差分析和图形可以看出多元非线性回归模型可以较好的反映这个函数关系，具有较高的实用性。
5.5 强度最大的最优工艺条件的求解确定了回归方程后，我们进一步求解使得材料强度为最大的工艺条件，用Matlab 编程(见附录八) 得到:材料的最大强度： 1291对应各因素的水平数： 1132312G F E D C B A 最优工艺条件为：1hG C 1800F 4:1E 2:1D %2.0C %14B 1A 0=======摩尔摩尔6 更合理的试验计划及试验分析方法下面给出正交实验设计的简要定义和优越性说明● 正交实验设计是借助预先定义好的“正交表”来安排试验和对数据进行统计分析的一种试验设计方法● 正交表，就是以试验次数为行号，因素按列安排，表中内容为因素的水平值，具有整齐可比性和均衡搭配性的数表。
● 正交试验方案的两个特点：（1） 每个因素的各个不同水平在试验中出现了相同的次数 （2） 任何两个因素的各种不同水平的不同搭配，在试验中都出现了，即对任两个因素是全面试验，并且出现了相同次数。
可见，正交表设计的试验具有很强的代表性，能够比较全面地反映各因素各水平对指标影响的大致情况。
为了方差分析的需要，在试验设计时，一般要求留有空白列，而空白列的偏差平方和由随机误差产生。
因此对于本文提出的7因素632⨯水平测试问题，我们可以选用)32(718⨯L 的正交表来优化试验安排，其中多余一列设置为空白项，对于试验数据的处理，由于本试验因素多，实验次数也多，我们对数据进行统计分析，并利用方差分析法作统计量进行检验，从而解决了数据处理的问题。
7 科技进步奖申报书7.1 申报项目内容提要：硅酸盐制陶材料是一种强度高、耐磨性好的新型材料，广泛应用于工业生产中。
这种材料可以采用反应烧结的工艺方法制造。
烧成工艺中影响陶瓷的强度的因素有：加热方案、烧结添加剂3232Al MgO,,O Y CaO,O 的总量与比率、烧结温度、烧结时间等。
分析影响因素G F E D C B A ,,,,,,与强度的关系获得强度的最大值。
基于这一原则建立以下各模型。
第一，对问题最简化，认为因素G,,,,对材料强度的影响是线性的，并且,BFEDCA,各因素都是独立的,没有交互作用，建立最简单的模型即多元线性回归模型，计算得到结果,并进行验证,发现影响强度的七个因素是非线性关系。
第二，建立二次非线性回归模型,计算得到结果，然后进行误差分析, 二次非线性回归分析统计检验，证明了模型的可行性。
第三，用正交试验分析法，分析出各因素对因变量的影响强弱顺序，为建立非线性回归模型提供依据。
7.2 申报理由：本强度优化的模型具有以下优点：通过线性回归模型的求解和模型验证，发现目标函数的非线性性质，然后利用二次非线性回归模型确定最优工艺条件。
用检验统计量的大小对模型进行整体性评价。
从误差分析中可以看到已经达到优化模型的目的。
本模型能够合理有效地解决实际工艺问题，且经过误差的检验分析，证明了该模型的优越性，特此申报科技进步将。
参考文献[1] 姜启源,数学模型(第三版)[M],北京:高等教育出版社，2003,8。
[2] 魏宗舒等,概率论与数理统计,北京:高等教育出版社，1983.10。
[3] 王沫然，MATLAB 6.5 科学计算方法,北京:电子工业出版社,2003.1。
附录一：x=[1 12 2 13 1 11 12 1 2 23 11 123 3 1 2 21 1 32 1 23 21 1 3 12 1 2 31 1 3 3 3 3 1 11 1 12 23 2 11 1 1 1 32 1 21 1 1 3 1 1 3 31 2 2 2 3 1 3 11 2 2 1 1 3 2 21 2 2 3 2 2 1 31 2 3 2 2 1 1 21 2 3 1 3 3 3 31 2 3 3 1 2 2 11 2 1 2 3 2 2 31 2 1 1 3 2 2 31 2 1 3 1 1 1 1];y=[859.1 799.67 616.75 579.3 510.375 980.5 937.725 801.825 832.275 579.48 862.18 919.54 636.05 932.64 799.2 640.14 803.05 979.74 ];w=x(:,[2:8]);v=[w w.^2]; %矩阵x的扩展[b,bint,r,rint,stats]=regress(y,v,0.05)附录二：S=[];a=0;b=0;r=[];for x1=1:2for x2=1:3for x3=1:3for x4=1:3for x5=1:3for x6=1:3for x7=1:3Y=2433.9*x1-310.31*x2-581.26*x3+270.83*x4-89.61*x5-409.38*x6-50.994*x7-785.12*x1^2+57. 327*x2^2+158.56*x3^3-71.145*x4^2+59.015*x5^2+102.34*x6^2+5.6687*x7^2;if Y>bb=Y;r=[x1 x2 x3 x4 x5 x6 x7];endendendendendendendendb %表示最优工艺的最大强度r %表示最优工艺条件。
