什么是正交试验

Answer 1

我们知道如果有很多的因素变化制约着一个事件的变化，那么为了弄明白哪些因素重要，哪些不重要，什么样的因素搭配会产生极值，必须通过做实验验证(仿真也可以说是试验，只不过试验设备是计算机)，如果因素很多，而且每种因素又有多种变化(专业称法是：水平)，那么试验量会非常的大，显然是不可能每一个试验都做的。那我们这个试验来讲，影响主轴温升的因素很多，比如转速、预紧力、油气压力、喷油间隙时间、油品等等；每种因素的水平也很多，比如转速从8Krpm到20Krpm，等等，坤哥算了一下，所有因素都做，大概一共要900次试验，按一天3次试验计，要不停歇的做10个月，显然是不可能的。

能够大幅度减少试验次数而且并不会降低试验可行度的方法就是使用正交试验法。首先需要选择一张和你的试验因素水平相对应的正交表，已经有数学家制好了很多相应的表，你只需找到对应你需要的就可以了。所谓正交表，也就是一套经过周密计算得出的现成的试验方案，他告诉你每次试验时，用那几个水平互相匹配进行试验，这套方案的总试验次数是远小于每种情况都考虑后的试验次数的。比如3水平4因素表就只有9行，远小于遍历试验的81次；我们同理可推算出如果因素水平越多，试验的精简程度会越高。

建立好试验表后，根据表格做试验，然后就是数据处理了。由于试验次数大大减少，使得试验数据处理非常重要。首先可以从所有的试验数据中找到最优的一个数据，当然，这个数据肯定不是最佳匹配数据，但是肯定是最接近最佳的了。这是你能得到一组因素，这是最直观的一组最佳因素。接下来将各个因素当中同水平的试验值加和(注:正交表的一个特点就是每个水平在整个试验中出现的次数是相同的)，就得到了各个水平的试验结果表，从这个表当中又可以得到一组最优的因素，通过比较前一个因素，可以获得因素变化的趋势，指导更进一步的试验。各个因素中不同水平试验值之间也可以进行如极差、方差等计算，可以获知这个因素的敏感度。等等等等...还有很多处理数据的方法。然后再根据统计数据，确定下一步的试验，这次试验的范围就很小了，目的就是确定最终的最优值。当然，如果因素水平很多，这种寻优过程可能不止一次。

讲了这么多，你也许会问，你说那个表很准，能代表大趋势，为什么呢？这个问题是有证明的，不过我们不必去看那个证明(很复杂，看不懂:P)，我的考虑是这样的，如果我们将所有的试验情况排列成一条线，正交表所取得那些试验点，就肯定正好为于这条线的一组均分点上，由此就可以大致估算出整个试验的大致走向了，不过均分为多少个点倒是问题，取多了失去正交试验的意义，少了无法代表趋势，这点我还没考虑清楚。我师弟的考虑到是有道理，他认为取的这些点是所有试验点的一组最小正交基，也就是说所有试验点都可以由这几个基本点衍生表示，故而考虑基的性质就能推断所有的点的性质了，我觉得这个是个最好的解释了，呵呵。

参考文献：http://www.njrunhua.cn/mlog/blogview.asp?logID=439

Answer 2

正交试验设计(Orthogonal
experimental
design)是研究多因素多水平的又一种设计方法，它是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，这些有代表性的点具备了“均匀分散，齐整可比”的特点，正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格，称为正交表。例如作一个三因素三水平的实验，按全面实验要求，须进行3的3次方=27
种组合的实验，且尚未考虑每一组合的重复数。若按L9(3)3
正交表按排实验，只需作9
次，按L18(3)7
正交表进行18
次实验，显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。（汗，这里不能打出来正确的表达，反正学这个的都知道具体的写法）
正交表是一整套规则的设计表格，L
为正交表的代号，n
为试验的次数，t为水平数，c
为列数，也就是可能安排最多的因素个数。例如L9(34)，它表示需作9次实验，最多可观察4
个因素，每个因素均为3
水平。一个正交表中也可以各列的水平数不相等，我们称它为混合型正交表，如L8(4×24)
，此表的5
列中有1
列为4
水平，4
列为2水平。根据正交表的数据结构看出，正交表是一个n
行c
列的表，其中第j
列由数码1，2，…
Sj
组成，这些数码均各出现N/S
次，例如表11
中，第二列的数码个数为3，S=3
，即由1、2、3
组成，各数码均出现N/3=9/3=3次。