1.一种化油器参数设计的最优选择方法，其特征在于：包括(1)“各控制因子矩阵像的生成算法”、(2)“最优化字长型算法”、(3)“矩阵像的生成的实现”和(4)“最优化字长型的实现”四个过程；

其中(1)“各控制因子矩阵像的生成算法”采用了关联矩阵来计算矩阵像，其可以适用于化油器参数设计；

(2)“最优化字长型算法”对任意t维投影上的混杂度量进行了计算，并给出了化油器参数设计的广义字长型；

(3)“矩阵像的生成的实现”以各列矩阵像为基础计算各高阶效应的矩阵像；

(4)“最优化字长型的实现”采用随机搜索技术，并对试验次数较少时可以穷举运算，得到绝对最优设计。

2.一种化油器参数设计的选择方法，其特征在于：该方法通过参数建模，建立化油器

1 7

的参数化模型，利用混合水平化油器参数设计OA(18，32，2)和方差分析理论，对相应数据进行分析，最后根据显著性因子确定最优水平组合。

3.一种化油器参数设计优化方法，其特征在于包括矩阵象的生成和最优化字长型两部分，其中矩阵像的生成阐述如下：

1)关联矩阵的生成；

首先需要生成化油器参数设计中各控制因子的关联矩阵，包括大喉管直径，中喉管直径，环形小喉管直径，空气量孔直径，气压五个控制因子的关联矩阵；记设计表中任意s水平列a＝(a1，a2，...，an)，其中a1，a2，...，an是伽罗华域GF(s)上的元素，n为该设计表的试验次数，则该列的关联矩阵X是一个阶数为n×s的矩阵，当第i次试验的水平取值j-1时，则关联矩阵的第(i，j)元素为1，否则取值为0；

2)求出化油器参数的矩阵像；

由方差分析理论可知，化油器参数设计中各因子的偏差平方和可以表示为一个二次

2 T

型；即SS＝Y AY，其中，Y＝(y1，y2，...，yn)为数据向量，由于任意一个二次型所对应的矩阵A均是一个正交投影矩阵，A可以利用上一步中计算的关联矩阵获得，其计算公式为：A＝XT(XTX)-1X-Pn， 其中1n为元素全为1的n维向量；

由于需要计算t维投影上的混杂度量，我们需计算各高阶因子效应的矩阵像，记任意列的矩阵像为Aj，M＝(j1，，...，jm)为一指标集合，则m阶交互效应对应的矩阵像的具体表示为其中，|M|表示指标集M内的元素个数， 表示矩阵的Kronecker积；

3)计算化油器参数效应间的混杂指标；

由矩阵像理论可以知道，化油器试验参数间的正交性等价于矩阵像间的正交性，采用下述指标计算效应间的混杂度量；

根据投影矩阵 的性质，可以构造混杂度量指标α(u1，u2，...，um)，该指标描述了任意列u1，u2，...，um之间的混杂度量值，当α(u1，u2，...，um)为0的时候，说明该u1，u2，...，um之间完全正交，没有任何信息混杂，当α(u1，u2，...，um)大于0时，说明u1，u2，...，um之间是存在信息混杂的；

最优化字长型的阐述如下：采用t维投影的方法，具体解码步骤为：首先根据各阶化油器参数效应间的混杂度量指标计算t维投影上的混杂度量；其次由t维投影上的混杂度量计算广义字长型；最后通过对广义字长型的排序，获得化油器参数最优设计。

4.根据权利要求3所述的一种化油器参数设计优化方法，其特征在于：最优化字长型采用t维投影的方法的详细过程如下：

1)任意t维投影上的混杂度量；

因对于一个n行p列的设计，根据低阶效应原理，化油器参数设计中各因子在低维空间上的混杂比高维空间上的混杂更重要，所以计算在各个t维投影上的混杂值，t＝2，3，…p.而p列中选取t列共有 种情况，所以总的混杂度量值为：u1代表大喉管直径，u2代表中喉管直径，u3代表环形小喉管直径，u4代表空气量孔直径，u5代表气压，则α(u1，u2，u3)表示大喉管直径，中喉管直径和环形小喉管直径三者效应之间的混杂值；

2)t维投影上混杂指标的排序；

2维投影上的混杂度量描述了所有主效应之间的混杂情况，3维投影上的混杂度量描述了所有主效应和二阶交互效应的混杂情况，4维投影上的混杂度量同时描述了所有主效应和三阶交互效应的混杂情况，以及所有二阶交互效应之间的混杂情况，更高阶混杂含义依次类推，写成表达式为：…….，

SAp＝α(u1，u2，...，up)，

SA2描述了如下10对参数间的混杂情况，它们是：大喉管直径vs代表中喉管直径，

大喉管直径vs环形小喉管直径，

大喉管直径vs空气量孔直径，

大喉管直径vs气压，

中喉管直径vs环形小喉管直径，

中喉管直径vs空气量孔直径，

中喉管直径vs气压，

环形小喉管直径vs空气量孔直径，

环形小喉管直径vs气压，

空气量孔直径vs气压，

并作化油器参数设计的广义字长型，

SA＝(SA2，SA3，...，SAp)；

3)化油器参数最优设计的选择；

对于化油器参数设计的广义字长型，按照前后次序，逐个进行比较，如果一个设计D1的广义字长型，满足以下要求，则是一个化油器参数最优设计；

对于其他同参数设计D2，其存在一个实数t0，使得 且，SAt(D1)＝SAt(D2)，t≤t0。

5.一种化油器参数设计方法，其特征在于：包括矩阵像生成的实现和最优设计选择的的实现两部分：一、矩阵像生成的实现；

首先读取相应的混合水平化油器参数设计，然后根据相应公式计算各化油器参数的矩阵像，各高阶控制因子效应的矩阵像，以及化油器参数指标集合M内因子效应的混杂度量值；

二、最优化字长型的实现；

1)求字长型：字长型SA＝(SA2，SA3，...，SAp)是寻找化油器参数最优设计的关键，其需要计算各个t维投影上的混杂度量值SAt；

2)求化油器参数设计最优字长型：对于给定的设计参数n，p，计算其所有 种情况，并逐个比较相应的字长型，最终取字长型最优的。

6.一种化油器参数设计方法，其特征在于包括如下步骤：①建立化油器设计的参数化模型：通过对化油器影响因素的分析，为了后续生成化油器参数设计中各控制因子的关联矩阵，确认选择包括大喉管直径、中喉管直径、环形小喉管直径、空气量孔直径和气压五个控制因子；

②建立化油器设计各参数的关联矩阵：记设计表中列a＝(a1，a2，...，an)，其中a1，a2，...，an是伽罗华域GF(s)上的元素，n为该设计表的试验次数，则该列的关联矩阵X是一个阶数为n×s的矩阵，当第i次试验的水平取值j-1时，则关联矩阵的第(i，j)元素为

1，否则取值为0；

③求出化油器参数的矩阵像：由方差分析理论可知，化油器参数设计中各因子的偏差

2 T

平方和可以表示为一个二次型；即SS＝Y AY，其中，Y＝(y1，y2，...，yn)为数据向量，由矩阵论可知，二次型所对应的矩阵A均是一个正交投影矩阵，A可以利用上一步中计算的关联矩阵获得，其计算公式为：T T -1

A＝X(XX) X-Pn，

其中A表示矩阵像，X为上一步得到的各关联矩阵，1n为元素全为1的n维向量；

然后计算各高阶因子效应的矩阵像，其计算公式为Aj为矩阵像，M＝(j1，，...，jm)为一指标集合，|M|表示指标集M内的元素个数， 表示矩阵的Kronecker积；

由矩阵像理论可以知道，化油器试验参数间的正交性等价于矩阵像间的正交性，采用下述指标计算效应间的混杂度量；

根据投影矩阵 的性质，当α(u1，u2，...，um)为0的时候，说明该u1，u2，...，um之间完全正交，没有任何信息混杂，当α(u1，u2，...，um)大于0时，说明u1，u2，...，um之间是存在信息混杂的；根据低阶效应原理，化油器参数设计中各因子在低维空间上的混杂比高维空间上的混杂更重要，所以计算在各个t维投影上的混杂值，所以总的混杂度量值为：u1代表大喉管直径，u2代表中喉管直径，u3代表环形小喉管直径，u4代表空气量孔直径，u5代表气压，如α(u1，u2，u3)表示大喉管直径，中喉管直径和环形小喉管直径三者效应之间的混杂值；

④化油器参数设计的选择：

2维投影上的混杂度量描述了所有主效应之间的混杂情况，3维投影上的混杂度量描述了所有主效应和二阶交互效应的混杂情况，更高阶混杂含义依次类推，写成表达式为：…….

SAp＝α(u1，u2，...，up)，

比如，SA2描述了如下10对参数间的混杂情况，它们是：大喉管直径vs代表中喉管直径，

大喉管直径vs环形小喉管直径，

大喉管直径vs空气量孔直径，

大喉管直径vs气压，

中喉管直径vs环形小喉管直径，

中喉管直径vs空气量孔直径，

中喉管直径vs气压，

环形小喉管直径vs空气量孔直径，

环形小喉管直径vs气压，

空气量孔直径vs气压，

并作化油器参数设计的广义字长型，

SA＝(SA2，SA3，...，SAp)；

⑤由步骤④的结果通过观察选择得到化油器设计的参数组合。