基于貝葉斯方法的多響應(yīng)穩(wěn)健參數(shù)設(shè)計(jì)研究.pdf

1、穩(wěn)健設(shè)計(jì)是解決不確定性優(yōu)化問題的一種有效方法，該方法使得系統(tǒng)性能受不確定因素變化的影響較小。其作為持續(xù)性質(zhì)量改進(jìn)的一項(xiàng)重要支撐技術(shù)，廣泛應(yīng)用在產(chǎn)品或過程的開發(fā)與設(shè)計(jì)階段，能夠從產(chǎn)品生產(chǎn)的源頭上減少和控制波動的產(chǎn)生，有效提高產(chǎn)品或者過程的質(zhì)量。傳統(tǒng)的穩(wěn)健設(shè)計(jì)主要是針對單響應(yīng)產(chǎn)品或過程的研究，而在當(dāng)前社會，人們需求趨向于多樣化，多個(gè)質(zhì)量特性的產(chǎn)品逐漸成為競爭市場的主流。相應(yīng)地，在質(zhì)量研究領(lǐng)域，針對多響應(yīng)系統(tǒng)的穩(wěn)健設(shè)計(jì)成為當(dāng)前質(zhì)量設(shè)計(jì)的主要方

2、向。
　　在一般的多響應(yīng)穩(wěn)健參數(shù)設(shè)計(jì)研究中，通常涉及多元過程的穩(wěn)健性度量、各響應(yīng)之間重要性權(quán)衡、模型不確定性以及優(yōu)化結(jié)果可靠性度量等系列問題。傳統(tǒng)的穩(wěn)健設(shè)計(jì)方法往往只是片面的解決其中一個(gè)或幾個(gè)方面的問題。針對上述問題，本文以多響應(yīng)系統(tǒng)為研究背景，在貝葉斯統(tǒng)計(jì)模型的框架下，運(yùn)用滿意度函數(shù)法、多元質(zhì)量損失函數(shù)法、貝葉斯后驗(yàn)概率法、多目標(biāo)優(yōu)化技術(shù)、智能優(yōu)化算法以及實(shí)證分析等技術(shù)手段，系統(tǒng)的研究了多響應(yīng)穩(wěn)健設(shè)計(jì)兼顧可靠性指標(biāo)的模型構(gòu)建問題

3、。具體的研究內(nèi)容如下:
　　(1)基于滿意度函數(shù)的多響應(yīng)貝葉斯穩(wěn)健設(shè)計(jì)。針對多響應(yīng)穩(wěn)健設(shè)計(jì)研究中的多響應(yīng)重要性度量以及優(yōu)化結(jié)果可靠性評估等問題，本文在貝葉斯多元回歸統(tǒng)計(jì)模型的框架下，結(jié)合考慮客觀權(quán)重的滿意度函數(shù)法與貝葉斯后驗(yàn)概率方法構(gòu)建了有約束的滿意度穩(wěn)健優(yōu)化模型。首先，此方法基于現(xiàn)有的試驗(yàn)數(shù)據(jù)通過熵權(quán)理論確定各響應(yīng)的客觀權(quán)重，在此基礎(chǔ)上又根據(jù)貝葉斯后驗(yàn)樣本構(gòu)建考慮響應(yīng)客觀權(quán)重的整體滿意度函數(shù)，并將其作為優(yōu)化目標(biāo)函數(shù);然后通過貝葉

4、斯后驗(yàn)概率法得到各響應(yīng)的后驗(yàn)樣本滿足規(guī)格限的概率，并以此概率不低于某個(gè)期望的目標(biāo)值為約束條件;最后運(yùn)用混合遺傳算法對具有復(fù)雜非線性約束的目標(biāo)函數(shù)進(jìn)行參數(shù)優(yōu)化，從而得到理想的參數(shù)組合解。實(shí)例研究表明:所提方法不僅客觀性的衡量了各響應(yīng)的相對重要性，而且還通過貝葉斯后驗(yàn)概率方法評估了優(yōu)化結(jié)果的可靠性。
　　(2)考慮質(zhì)量損失與一致性概率的多響應(yīng)優(yōu)化設(shè)計(jì)。在上述有約束的滿意度模型的研究中發(fā)現(xiàn)其優(yōu)化求解過程耗時(shí)較長，給研究人員帶來不便。在以

5、往研究中，有學(xué)者也指出滿意度模型沒有考慮響應(yīng)值偏離目標(biāo)值的質(zhì)量損失，而且傳統(tǒng)的滿意度模型不能解決多響應(yīng)中各響應(yīng)之間的相關(guān)性。針對此問題，本文又在貝葉斯統(tǒng)計(jì)建模的框架下提出了考慮質(zhì)量損失與一致性概率的無量綱模型構(gòu)建方法。該方法首先運(yùn)用貝葉斯多元質(zhì)量損失函數(shù)以考慮產(chǎn)品或過程的質(zhì)量損失（即過程的偏差和穩(wěn)健性），并結(jié)合后驗(yàn)概率方法以度量響應(yīng)滿足產(chǎn)品規(guī)格限的一致性概率。然后，運(yùn)用滿意度函數(shù)對質(zhì)量損失與一致性概率進(jìn)行了無量綱化處理，構(gòu)建基于質(zhì)量損失