多極值過程實驗設計及建模研究.pdf

1、對于輸入因子與輸出質(zhì)量特性之間作用關系復雜、輸出具有多個極值點的過程，要對其進行過程控制和參數(shù)優(yōu)化通常比較困難。以往研究中提到的方法通常具有一定的局限性，不適用于解決這類過程的全局建模問題。另外，多極值過程通常具有實驗成本高、取樣困難的特點。因此，本文在研究中始終遵循小樣本實驗設計理念，以克服一般實驗設計取樣方法所造成的樣本冗余、實驗成本浪費問題。根據(jù)是否擁有不完全先驗知識，本文把多極值過程問題分成兩類，對應提出了兩種實驗設計及建模方法

2、。文章的主要研究內(nèi)容及創(chuàng)新點如下。
　　(1)對不存在先驗知識的多極值過程進行考察。多極值過程一般具有采樣困難等特征，因而，基于小樣本的序貫實驗設計與全局建模方法是本文的研究重點之一。在序貫設計中，為了跳出以往確定型路徑式序貫準則的局限性，將遺傳算法尋優(yōu)時的隨機策略引入。將算法中具有一定隨機概率的種群迭代與支持向量機回歸建模方法相結合，提出一種隨機序貫式實驗設計及建模方法。
　　(2)對擁有因子顯著性先驗知識的多極值過程進行

3、考察。因子在不同可行域內(nèi)的顯著性不同，意即不同區(qū)域內(nèi)過程輸出質(zhì)量特性的波動大小不同?？梢該?jù)此對可行域進行合理劃分和區(qū)別對待。本文將可行域分區(qū)采樣策略與支持向量回歸建模方法相結合，提出一種基于先驗知識的分區(qū)域式實驗設計及建模方法。
　　(3)本文在對兩種方法進行理論闡述和步驟分析后，進行了相關實證仿真。首先給出一個葉形彈簧熱處理過程穩(wěn)健性參數(shù)優(yōu)化實例，利用所提隨機序貫設計建模方法進行研究。然后利用一個多維算例表示某一具體的具有一定先

4、驗知識的多極值過程，利用所提分區(qū)域式實驗設計及建模方法對算例進行研究。
　　在實證仿真中，采用一次性實驗設計及建模方法在同樣本量大小的情況下對問題進行求解。數(shù)據(jù)結果表明，與一次性實驗設計及建模方法相比，所提隨機序貫設計建模方法所建立模型的泛化能力平均提高了21.65％，尋優(yōu)能力平均提高了12.39％。類似的，所提分區(qū)域式實驗設計及建模方法所建立模型的泛化能力指標值Sep、MaxE和StdE分別降低了8.50％、25.50％，20.