模型不確定下的穩(wěn)健參數(shù)設(shè)計(jì)研究.pdf

1、質(zhì)量設(shè)計(jì)作為持續(xù)質(zhì)量改進(jìn)活動(dòng)的重要支撐技術(shù)，主要應(yīng)用在產(chǎn)品/過(guò)程的設(shè)計(jì)階段，因此能夠從源頭上減小和控制產(chǎn)品實(shí)現(xiàn)過(guò)程中的波動(dòng)。然而，在實(shí)際的生產(chǎn)過(guò)程中，由于人員、機(jī)器、原料、方法、環(huán)境、測(cè)試因素將在一定程度上影響試驗(yàn)數(shù)據(jù)的精確性或影響產(chǎn)品/過(guò)程的顯著性變量無(wú)法準(zhǔn)確地獲知，故模型不確定性廣泛存在于產(chǎn)品/過(guò)程的質(zhì)量設(shè)計(jì)過(guò)程中。組合模型與區(qū)間估計(jì)作為解決模型不確定下穩(wěn)健參數(shù)設(shè)計(jì)（包括響應(yīng)曲面構(gòu)建及優(yōu)化策略構(gòu)建兩個(gè)問(wèn)題）的重要手段，不僅能夠確保建

2、模的精確性，而且能夠提高質(zhì)量設(shè)計(jì)的有效性。因此在組合模型與區(qū)間估計(jì)的框架下實(shí)現(xiàn)產(chǎn)品/過(guò)程的質(zhì)量設(shè)計(jì)具有重要的理論意義和實(shí)用價(jià)值。
　　本文以模型不確定下的質(zhì)量設(shè)計(jì)問(wèn)題為研究對(duì)象，綜合運(yùn)用了組合建模、區(qū)間估計(jì)、貝葉斯統(tǒng)計(jì)、隨機(jī)搜索技術(shù)以及智能優(yōu)化算法等技術(shù)和方法，以實(shí)證研究與仿真試驗(yàn)為手段，系統(tǒng)地研究了模型不確定下的穩(wěn)健參數(shù)設(shè)計(jì)問(wèn)題，本文的主要研究?jī)?nèi)容包括:
　　(1)基于改進(jìn)BMA(Bayesian Model Averag

3、ing)模型的穩(wěn)健性建模技術(shù)。針對(duì)BMA模型中子模型的先驗(yàn)選擇問(wèn)題，本文在BMA模型的框架下將試驗(yàn)設(shè)計(jì)的因子效應(yīng)原則（效應(yīng)層次原則和效應(yīng)遺傳原則）融入先驗(yàn)信息的構(gòu)建中，在此基礎(chǔ)上結(jié)合樣本信息計(jì)算了符合因子效應(yīng)原則的貝葉斯后驗(yàn)概率。然后，以實(shí)例與仿真試驗(yàn)驗(yàn)證所提建模技術(shù)不僅確保了所構(gòu)建的模型不會(huì)違背因子效應(yīng)原則，而且在系統(tǒng)波動(dòng)增加的情況下保持了較好的預(yù)測(cè)性能和穩(wěn)健性能。
　　(2)基于包容性檢驗(yàn)的響應(yīng)曲面構(gòu)建。針對(duì)傳統(tǒng)組合模型中子模

4、型集的選擇問(wèn)題，采用包容性檢驗(yàn)的方法消除子模型集間存在的冗余信息，進(jìn)而確定最佳的子模型集，并采用線性加權(quán)的方法提出了基于包容性檢驗(yàn)的組合建模技術(shù)。以實(shí)例與仿真試驗(yàn)為驗(yàn)證對(duì)象，結(jié)果表明所提方法不僅改善了模型的預(yù)測(cè)性能及其穩(wěn)健性能，而且通過(guò)篩選子模型減少了建模所需的工作量。
　　(3)基于損失函數(shù)法的穩(wěn)健參數(shù)設(shè)計(jì)。在多響應(yīng)的穩(wěn)健參數(shù)設(shè)計(jì)中，位置效應(yīng)與散度效應(yīng)在確定最優(yōu)輸入變量時(shí)往往起著至關(guān)重要的作用。針對(duì)現(xiàn)有損失函數(shù)忽視了最優(yōu)解的穩(wěn)健

5、性問(wèn)題，本文在同時(shí)考慮二次損失的位置效應(yīng)與散度效應(yīng)的基礎(chǔ)上，構(gòu)建了穩(wěn)健的損失函數(shù)優(yōu)化策略。同時(shí)，在上述研究的基礎(chǔ)上，進(jìn)一步從模型預(yù)測(cè)區(qū)間的角度考慮了模型不確定對(duì)最優(yōu)輸入變量的影響。最后，結(jié)合工業(yè)實(shí)例展示了所提方法的有效性。
　　(4)基于區(qū)域分析法的穩(wěn)健參數(shù)設(shè)計(jì)。針對(duì)模型不確定下的優(yōu)化策略構(gòu)建問(wèn)題，本文從模型預(yù)測(cè)區(qū)域的角度，借鑒穩(wěn)健優(yōu)化的思想，同時(shí)考慮最差策略與最好策略以構(gòu)建穩(wěn)健的損失函數(shù)。由于所提的損失函數(shù)為兩層嵌套優(yōu)化問(wèn)題，故

6、采用遺傳算法與模式搜索技術(shù)的混合算法對(duì)其進(jìn)行參數(shù)優(yōu)化。結(jié)合工業(yè)實(shí)例，分析結(jié)果表明所構(gòu)建的損失函數(shù)不僅降低了模型不確定對(duì)最優(yōu)輸入變量的影響，而且進(jìn)一步擴(kuò)展了質(zhì)量損失函數(shù)的內(nèi)涵。
　　(5)輸入?yún)?shù)存在波動(dòng)下的穩(wěn)健參數(shù)設(shè)計(jì)。針對(duì)模型參數(shù)與噪聲變量中參數(shù)不確定的穩(wěn)健參數(shù)設(shè)計(jì)問(wèn)題，本文從區(qū)間估計(jì)的角度，同時(shí)考慮最差策略與最好策略，構(gòu)建了基于二次損失的位置效應(yīng)與散度效應(yīng)。然后，采用數(shù)據(jù)驅(qū)動(dòng)的方法求得位置效應(yīng)與散度效應(yīng)的最佳權(quán)重，并構(gòu)建了穩(wěn)健