1、在國家發(fā)展大局中，質(zhì)量強國彰顯越來越重要的地位，并在“十三五”規(guī)劃中將建設(shè)質(zhì)量強國作為重大方針政策。參數(shù)優(yōu)化是質(zhì)量改進中的一個重要環(huán)節(jié)，而現(xiàn)實生產(chǎn)過程中，由于生產(chǎn)工藝復雜，參數(shù)優(yōu)化普遍存在復雜多響應(yīng)參數(shù)優(yōu)化問題，包括質(zhì)量特性數(shù)目多、響應(yīng)間的相關(guān)性、高度復雜的非線性和響應(yīng)之間映射的多極值問題，使得傳統(tǒng)的參數(shù)優(yōu)化方法難以實施。目前該方面的研究主要利用智能算法建立因子與響應(yīng)間復雜的映射關(guān)系，但沒有考慮響應(yīng)預測能力、響應(yīng)相關(guān)性等問題，因此，本文

2、給出了處理復雜多響應(yīng)參數(shù)優(yōu)化問題的改進方法。
　　研究了一種改進的響應(yīng)曲面模型優(yōu)化方法，主要考慮響應(yīng)預測能力對結(jié)果的影響。利用響應(yīng)曲面法構(gòu)建因子與響應(yīng)間回歸模型，以響應(yīng)預測能力指數(shù)為權(quán)重得到綜合回歸模型，然后以綜合回歸模型為目標函數(shù)在區(qū)間范圍內(nèi)搜索最優(yōu)參數(shù)組合，并給出參數(shù)改進的方向。利用該方法可使參數(shù)優(yōu)化結(jié)果優(yōu)先優(yōu)化預測能力強的響應(yīng)。
　　針對生產(chǎn)過程中存在的復雜多響應(yīng)問題，給出一種基于神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化方法。利用加權(quán)主成分

3、分析方法將多個質(zhì)量指標轉(zhuǎn)化為單一的質(zhì)量績效指標，并利用神經(jīng)網(wǎng)絡(luò)彌補響應(yīng)曲面法的不足，構(gòu)建良好的映射模型，利用神經(jīng)網(wǎng)絡(luò)模型的高泛化能力對最優(yōu)參數(shù)組合尋優(yōu)搜索，以較少的試驗數(shù)據(jù)得到理想的參數(shù)設(shè)計。研究結(jié)果表明，該方法能夠較大程度地改善多響應(yīng)指標。
　　研究了一種基于神經(jīng)網(wǎng)絡(luò)預測的改進加權(quán)主成分分析法。對于生產(chǎn)過程中存在的復雜響應(yīng)問題，回歸模型的擬合度達不到響應(yīng)預測能力指數(shù)的計算要求，本文利用神經(jīng)網(wǎng)絡(luò)建立非線性模型，使用神經(jīng)網(wǎng)絡(luò)模型的均

4、方誤差計算響應(yīng)預測能力指數(shù)，調(diào)整加權(quán)主成分分析，改善了工藝參數(shù)優(yōu)化效果。
　　理論與實際相結(jié)合是本文研究的特色，理論方法研究以工程案例為依托，案例背景均來自于研究項目中的實際工程問題，且試驗數(shù)據(jù)多為項目中的實際試驗數(shù)據(jù)。
　　本文理論方法研究的創(chuàng)新之處在于對回歸模型構(gòu)建的多響應(yīng)參數(shù)優(yōu)化問題以曲面擬合度作為響應(yīng)預測能力的評價指標引入多響應(yīng)參數(shù)優(yōu)化，能夠達到強調(diào)預測能力的效果。對復雜多響應(yīng)參數(shù)優(yōu)化問題，曲面擬合度不理想，以其擬合