多極值過程實(shí)驗(yàn)設(shè)計(jì)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(guān)系復(fù)雜、輸出具有多個(gè)極值點(diǎn)的過程，要對其進(jìn)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(shí)驗(yàn)成本高、取樣困難的特點(diǎn)。因此，本文在研究中始終遵循小樣本實(shí)驗(yàn)設(shè)計(jì)理念，以克服一般實(shí)驗(yàn)設(shè)計(jì)取樣方法所造成的樣本冗余、實(shí)驗(yàn)成本浪費(fèi)問題。根據(jù)是否擁有不完全先驗(yàn)知識，本文把多極值過程問題分成兩類，對應(yīng)提出了兩種實(shí)驗(yàn)設(shè)計(jì)及建模方法

2、。文章的主要研究內(nèi)容及創(chuàng)新點(diǎn)如下。
　　(1)對不存在先驗(yàn)知識的多極值過程進(jìn)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(shí)驗(yàn)設(shè)計(jì)與全局建模方法是本文的研究重點(diǎn)之一。在序貫設(shè)計(jì)中，為了跳出以往確定型路徑式序貫準(zhǔn)則的局限性，將遺傳算法尋優(yōu)時(shí)的隨機(jī)策略引入。將算法中具有一定隨機(jī)概率的種群迭代與支持向量機(jī)回歸建模方法相結(jié)合，提出一種隨機(jī)序貫式實(shí)驗(yàn)設(shè)計(jì)及建模方法。
　　(2)對擁有因子顯著性先驗(yàn)知識的多極值過程進(jìn)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(dòng)大小不同。可以據(jù)此對可行域進(jìn)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(jié)合，提出一種基于先驗(yàn)知識的分區(qū)域式實(shí)驗(yàn)設(shè)計(jì)及建模方法。
　　(3)本文在對兩種方法進(jìn)行理論闡述和步驟分析后，進(jìn)行了相關(guān)實(shí)證仿真。首先給出一個(gè)葉形彈簧熱處理過程穩(wěn)健性參數(shù)優(yōu)化實(shí)例，利用所提隨機(jī)序貫設(shè)計(jì)建模方法進(jìn)行研究。然后利用一個(gè)多維算例表示某一具體的具有一定先

4、驗(yàn)知識的多極值過程，利用所提分區(qū)域式實(shí)驗(yàn)設(shè)計(jì)及建模方法對算例進(jìn)行研究。
　　在實(shí)證仿真中，采用一次性實(shí)驗(yàn)設(shè)計(jì)及建模方法在同樣本量大小的情況下對問題進(jìn)行求解。數(shù)據(jù)結(jié)果表明，與一次性實(shí)驗(yàn)設(shè)計(jì)及建模方法相比，所提隨機(jī)序貫設(shè)計(jì)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(shí)驗(yàn)設(shè)計(jì)及建模方法所建立模型的泛化能力指標(biāo)值Sep、MaxE和StdE分別降低了8.50％、25.50％，20.