2024江苏省研究生数学建模A题苏研赛科研创新实践大赛详细思路代码文章成品手把手教学-人造革性能优化设计研究

人造革性能优化设计研究
摘要
我们面对的问题是分析和优化人造革生产过程中的工艺参数，以改善产品的各项性能指标。通过综合运用数据预处理、探索性数据分析、回归建模、优化算法和模型评价，我们探讨了如何通过调整工艺参数（如树脂含量、固化温度和碱减量程度）来最大化人造革的断裂强力、断裂伸长率、撕裂强力、透气率、透湿率、柔软度和折皱回复角等性能指标。
首先进行了初步处理数据并通过箱线图等方法探索工艺参数对性能的影响。针对问题一，进行了单因素和多因素分析：分析单一工艺参数和多参数交互对性能的影响，明确了哪些参数是关键影响因素。随后进行回归模型构建和评估：构建包含交互项的线性回归模型，通过统计测试（如F统计量和p值）评估模型和参数的显著性。
问题二使用梯度下降方法找到最优化的工艺参数组合，以实现特定性能指标的最大化。随后通过R²值、调整后的R²值、残差诊断等检验模型的准确性和假设的有效性。
问题三涉及了对人造革单项性能进行优化，包括力学性能、热湿舒适性和柔软性能，以及这些性能的综合优化。对每个单项性能建立独立的数学模型，利用回归分析来预测各个工艺参数对指定性能的影响。并探讨了模型在其他合成材料生产中的应用潜力，以及如何通过用户友好的接口使非专家用户能够应用这些模型支持决策。
问题四是根据特定的人造革使用场景，沙漠科考队的特定需求确定人造革的优先级，优化工艺参数以改善特定性能。根据沙漠科考队的具体需求，首先确定各性能指标的优先级和相应的权重，随后使用加权综合评分方法来构建模型，使用优化算法来调整工艺参数（树脂含量、固化温度、碱减量程度），目标是最大化综合评分。

关键词：熵权-TOPSIS评价模型、单因素分析、交互总用分析、回归模型

五、模型建立与求解
5.1 问题一建模与求解

首先，为了方便对数据进行处理，我们对原始文件中的数据进行数据预处理。对于附件1中“附件1 断裂强力.xlsx”划分成了两个表，分别表示的是关于每组实验的工艺参数，以及三次实验下的断裂强力结果，结果可以展示在下图中。然而，这并不利于我们使用pandas对数据进行处理，可以看到，如果直接使用pandas读取数据，那么结果会如下所示。我们无法直接对这种dataframe进行直接处理，因此，我们重新读取数据，将结果按照实验组数进行排列，为了方便对结果进行可视化，我们计算了每组参数下对应的平均断裂强力，结果如图。

下面，为了分析工艺参数与产品性能之间的关联性，我们对上述数据进行单因素分析，分析每个工艺参数单独对各性能指标的影响。并绘制箱线图直观展示不同工艺参数水平下的性能指标分布情况，下图就展示了各个工艺参数水平下箱线图的分布结果，从左到右依次是树脂含量、固化温度以及碱减量程度对断裂强力的影响。

我们进一步分析三个指标对平均断裂强力的影响。首先是树脂含量：从左侧箱线图可以看出，树脂含量为15wt%和30wt%时，平均断裂强力的中位数较高，分别在1300-1400之间。而20wt%时的平均断裂强力中位数最低，在1200左右。在15wt%和30wt%时，有明显的异常值超过1700。
总体上看，树脂含量较低或较高时（15wt%和30wt%），平均断裂强力较高，而中间水平（20wt%和25wt%）的平均断裂强力较低。树脂含量为15wt%时的变异性较大，而25wt%的变异性较小。
其次是固化温度对平均断裂强力的影响。从中间的箱线图可以看出，固化温度为120℃时，平均断裂强力的中位数最高，超过1400。而110℃时的平均断裂强力最低，中位数在1100左右。在100℃、120℃和130℃时都有明显的异常值，但120℃时的变异性最大。
固化温度对平均断裂强力的影响显著，120℃时平均断裂强力最大，110℃时最小。固化温度为120℃时的断裂强力波动性较大，固化温度为110℃时的波动性较小。
最后是碱减量程度对平均断裂强力的影响。从右侧的箱线图可以看出，碱减量程度为20%时，平均断裂强力的中位数最高，超过1400。而10%时的平均断裂强力最低，中位数在1100左右。在0%、10%、20%、30%时都有明显的异常值，尤其是20%时的变异性最大。
碱减量程度对平均断裂强力的影响显著，20%时平均断裂强力最大，10%时最小。碱减量程度为20%时的断裂强力波动性较大，10%时的波动性较小。
在实际生产中，可以根据具体需求选择合适的工艺参数组合。例如，如果需要高断裂强力，可以选择树脂含量为30wt%，固化温度为120℃，碱减量程度为20%。但要注意波动性大的工艺参数可能带来较大的不确定性，需要进一步控制生产工艺以减少波动。
下面进一步分析工艺参数之间可能存在着交互作用。因此我们进行交互作用分析，将三个工艺参数进行两两相乘作为交互项，构建回归模型，使用 statsmodels 库拟合包含交互效应的线性回归模型，输出的模型结果如下图。

从图中我们看到：R-squared (R²): 0.313，表示模型解释了31.3%的变异性。尽管这不是一个很高的解释力，但在一些研究领域这是可以接受的；Adjusted R-squared (调整后的R²): -0.030，调整后的R²考虑了模型中的变量数量，负值表示模型的预测能力不强；F-statistic: 0.9124，其对应的p值为0.510，表明整体模型在统计上并不显著。

此外，各个变量的系数和显著性分别是：
1.Intercept (截距): 1.7872，这个值表示在所有自变量为零时，平均断裂强力的预测值。但它的p值为0.577，表示截距在统计上不显著。、
2.树脂含量: 系数为-0.0484，xxxx

最后是模型诊断部分：
xxxxxx

总的来说，固化温度对平均断裂强力的影响在统计上显著，是主要影响因素。树脂含量、碱减量程度及其交互项对平均断裂强力的影响在统计上都不显著。
虽然模型中固化温度是显著的，但由于R²值较低和调整后的R²为负，说明模型的解释力有限。
我们进一步对交互作用进行可视化，如下图所示：

从图中可以看到，树脂含量对平均断裂强力的影响因固化温度和碱减量程度的不同而异。在某些条件下（如100℃固化温度、30%碱减量程度），树脂含量对断裂强力的影响较xxxx

5.2 问题二的建模与求解

问题二要求建立工艺参数与人造革7种性能之间的关系模型。在问题一中，我们研究了个工艺参数下的断裂强力的表现情况，那么在这一问当中，我们进一步探究7种性能受工艺参数变化以及其之间相互作用的影响下的关系。因此，我们首先进行了性能参数之间的相关性分析，构建了如下的相关性矩阵，如下图所示。热图展示了不同工艺参数（树脂含量、固化温度、碱减量程度）与性能指标（平均断裂强力、平均断裂伸长率、平均撕裂强力、平均透气率、平均透湿率、平均柔软度、平均折皱回复角）之间的相关性。颜色表示相关系数的大小和方向，红色表示正相关，蓝色表示负相关，颜色越深表示相关性越强。

使用统计方法对模型进行拟合，得到每个性能指标的回归系数和截距项。评估模型的拟合优度（R²值）和回归系数的显著性，确保模型具有统计意义。
目标是找到使性能指标最大化的工艺参数组合（树脂含量、固化温度和碱减量程度）。
优化目标函数定义为：

初始猜测值：树脂含量 ，固化温度，碱减量程度 。
迭代优化：计算初始参数下的性能指标。
使用梯度下降等优化方法调整参数​，寻找使最大化的参数组合。
在每一步迭代中，计算新的值，并与前一步比较，若新的值更大，则更新参数值。
当参数更新幅度小于设定阈值，或达到最大迭代次数时，终止优化过程。
最终得到的树脂含量、固化温度和碱减量程度即为使性能指标最大化的最优组合。通过上述优化分析，我们可以确定最佳的工艺参数组合，使得各项性能指标达到最大值。结果如下：

其他内容请见参考:‘

###【文档】https://docs.qq.com/doc/DVXdTYmpjU2RGdnJi