考慮先驗(yàn)知識(shí)的復(fù)雜作用關(guān)系過(guò)程實(shí)驗(yàn)設(shè)計(jì)及參數(shù)優(yōu)化.pdf

1、實(shí)驗(yàn)設(shè)計(jì)是參數(shù)優(yōu)化的主要方法。但是隨著制造水平的提高，出現(xiàn)了復(fù)雜作用關(guān)系過(guò)程。傳統(tǒng)的實(shí)驗(yàn)設(shè)計(jì)方案用于該過(guò)程獲取的樣本存在很多問(wèn)題：代價(jià)高或數(shù)量不足或代表性不強(qiáng)。所以急需對(duì)實(shí)驗(yàn)設(shè)計(jì)進(jìn)行改進(jìn)，使其適用于復(fù)雜作用關(guān)系過(guò)程取樣，從而優(yōu)化工藝參數(shù)目的，提高質(zhì)量水平?，F(xiàn)實(shí)中，存在先驗(yàn)知識(shí)可以提供較多關(guān)于過(guò)程的信息。這些信息可以有目的的指導(dǎo)樣本點(diǎn)分布，從而實(shí)現(xiàn)實(shí)驗(yàn)設(shè)計(jì)的優(yōu)化，同時(shí)可以將其作為尋優(yōu)方法初始點(diǎn)的產(chǎn)生信息。基于此，本文提出了一種考慮先驗(yàn)知識(shí)

2、的實(shí)驗(yàn)設(shè)計(jì)及參數(shù)優(yōu)化方法。
　　首先，簡(jiǎn)單介紹了本文的研究背景、意義，分析了目前相關(guān)方法的研究現(xiàn)狀，提出了本文的創(chuàng)新點(diǎn)。緊接著闡述了本文使用到方法的原理和步驟。其次考慮將先驗(yàn)知識(shí)引入實(shí)驗(yàn)設(shè)計(jì)的方法。選取基于證據(jù)間相似性系數(shù)的 D-S證據(jù)理論融合先驗(yàn)知識(shí)，并用其結(jié)果指導(dǎo)實(shí)驗(yàn)設(shè)計(jì)樣本點(diǎn)位置的分布。此方法實(shí)現(xiàn)參數(shù)區(qū)域的分區(qū)域?qū)嶒?yàn)設(shè)計(jì)，優(yōu)化了傳統(tǒng)實(shí)驗(yàn)設(shè)計(jì)，提高了樣本對(duì)建模的有效性。再次，針對(duì)復(fù)雜作用關(guān)系過(guò)程的特點(diǎn)進(jìn)行分析，并提出使用該過(guò)程

3、的建模尋優(yōu)方法應(yīng)該具備的要求。此處對(duì)比分析不同的方法，最終引入了較適合該過(guò)程建模尋優(yōu)方法。大量的研究表明：最小二乘支持向量機(jī)對(duì)于小樣本建模有較好的擬合能力和預(yù)測(cè)能力；遺傳算法對(duì)于復(fù)雜作用關(guān)系尋優(yōu)有較強(qiáng)的搜索的能力。
　　最后，運(yùn)用本文所提的方法到高維冪函數(shù)仿真和注塑參數(shù)優(yōu)化案例分析中。對(duì)仿真研究來(lái)說(shuō)，所提方法較傳統(tǒng)方法評(píng)價(jià)指標(biāo)MSE、MaxE和StdE分別降低了47.7％，28.2%，71.8%。對(duì)實(shí)證研究來(lái)說(shuō)，所提方法較傳統(tǒng)方法