双碳背景下新能源材料合成实验参数的优化问题求解

为了降低二氧化碳的排放量，改善人类的生活环境，我国实施了“碳达峰.碳中和”战略。氢能燃料电池、风电、光电、锂电等可再生清洁能源比重将逐渐增加。材料是这些新能源材料技术实现的关键，在新材料合成实验过程中，涉及到的实验参数很多，对材料的性能又具有不同程度的影响作用。另外，这些实验参数对材料性能的影响规律又存在相互影响的关系，在理论上很难找到合适的函数关系准确描述。例如在材料的注塑成型实验过程中，注塑件的质量在很大程度上取决于注塑成型工艺参数优化，其中浇注结构参数（浇口数量与位置）、冷却系统结构参数（冷却管道的布局、位置、长度）是重要的模具结构参数，对注塑质量的影响大。

实验参数的确定是一个设计、修改、再完善的反复迭代、不断优化的建模过程。人们最开始采用随机取值法，这种方法的随机性很大，存在周期长、效率低、人财物耗费大等问题。后来，人们采用了正交实验法，根据正交性从全面试验中挑选出部分有代表性的点进行试验，找出最优因素组合。这在一定程度上为实验参数的优化提供了理论基础和指导。然而可解释性模型理论、大量实验数据快速获取技术的匮乏成为材料科学发展过程中的瓶颈，亟需探索和开发一种高效方法提高新材料的研发效率。

为了得到各实验参数因素与材料性能指标之间的关系，找出各因素对材料性能指标影响的规律和趋势，寻求各因素水平的最佳组合，人们采用极差法对数据进行分析。极差是一组数据中最大值与最小值之差，极差值越大，表示该因素对指标的影响程度越大，该因素越关键。极差值越小，表示影响程度越不显著，因素重要程度越一般。各因素的交互作用显著性用方差法分析确定，通过F检验法进行显著性判断。

随着技术进步及各新能源材料体系的多样化，合成新材料过程的实验参数与性能指标的作用关系日趋复杂，表现为参数多，单因素变量的