模型参数不确定的多响应参数和容差并行设计

针对模型参数不确定性问题,提出了一种考虑质量损失和制造成本的多响应参数和容差并行设计策略。首先,根据模型参数不确定与设计变量容差,构建多响应的质量损失函数;其次,通过试验数据建立容差成本模型,进而构建参数和容差并行设计的优化目标函数;然后,根据多目标优化算法得到最优参数和容差的Pareto解集,并采用单因素多元方差分析进行容差配置;最后,通过实际案例分析表明,该方法不仅改善了模型的预测性和稳健性能,而且获得了质量损失与制造成本之间的最佳平衡点,与传统的方法相比,能够在显著降低总成本的同时提高产品质量。     

基于满意度函数法的多响应稳健性参数设计

参数设计是主动改进产品(过程)质量及稳健性的一个有效的方法,满意度函数法是最常用的多响应参数设计优化的方法,但该方法没有考虑噪声因子和可控因子的波动对响应稳健性的影响,以及最优点的可行稳健性,因而不能获得真正稳健的解.针对这些问题提出了新的满意度函数法,将可控因子和噪声因子的波动产生的方差,以及各响应对可控因子的变化的敏感性结合到满意度函数中,并考虑了最优点的可行稳健性.然后用该方法对文献中的实例进行了分析,结果表明,用所提出的方法进行优化得到的响应对可控因子变化的稳健性,及最优点的可行稳健性都有所提高.     

多响应稳健性优化的贝耶斯分析

针对产品质量改进中的多响应稳健性优化问题,提出了一种基于贝耶斯分析的递阶优化方法。首先基于满意度函数方法求出初始优化解,然后通过贝耶斯分析评价解的稳健性,以初始优化解为起始搜索点进行稳健性寻优;针对现有稳健最优解可靠性较差的情况,给出了两种改进策略下仿真数据的产生方法,利用贝耶斯预后验分析来对未来改进措施的效果进行定量评价。该方法可以实现最优解和稳健解的权衡,降低算法的复杂度并提高寻优效率,且适用于响应曲面模型回归项不一致的情况。算例表明,对多响应优化问题进行贝耶斯分析能有效找到稳健最优解,并可以为后续实验改进提供依据。     

考虑主客观权重的多响应稳健优化设计

研究了在新产品设计与开发过程中如何权衡决策者的主观信息与目标集本身的客观信息,考虑了多响应问题的最优性与稳健性,提出了同时考虑主观权重与客观权重的满意度函数法。该方法通过对主观满意度函数与客观满意度函数的权重进行权衡,将多响应优化问题转化为求解综合满意度函数最大值的问题。并结合两个实例进行分析研究,结果表明了本文所提出的方法能够有效地解决多响应稳健设计问题。     

动态多响应系统的稳健参数设计

针对动态多响应之间的相关性及试验设计的信息不确定性, 提出了一种动态多响应系统的稳健参数设计方法. 首先, 利用满意度函数对动态系统的敏感度和波动分别进行了度量, 在此基础上进行了主成分分析; 其次, 采用灰色关联分析得到主成分序列与其理想序列的灰色关联度, 然后通过TOPSIS方法转换得到综合灰色关联度, 并根据综合灰色关联度确定可控因子的最优水平组合; 最后, 通过两个实例说明了该方法的有效性与优越性.     

考虑偏度特征的动态多响应稳健参数设计与优化

研究了具有动态特性的多响应稳健参数设计问题,分析了响应变量往往具有偏度特征的情况,提出了基于多元偏正态分布与响应曲面法相结合的动态多响应稳健优化模型,该模型不仅考虑了动态多响应之间的相关性,而且也考虑了尺度与偏度对动态多响应系统最优性与稳健性的影响。首先,利用非参数检验方法判断在信号因子不同水平下的各响应变量所服从的分布类型;其次,通过构建各响应变量在信号因子不同水平下的联合位置,尺度与偏度的响应曲面模型,进而建立基于多元偏正态分布的期望损失函数;然后,利用混合遗传算法对所构建的综合期望损失函数进行全局优化求解;最后,通过对具体的工业实例进行分析研究,结果表明本文所提出的方法能够有效地解决具有偏度特征的动态多响应稳健参数设计问题。     

基于多变量高斯过程模型的贝叶斯建模与稳健参数设计

针对模型预测偏差和波动的稳健参数设计问题,在多变量高斯过程(multivariate Gaussian process,MGP)建模的框架下,结合质量损失函数和非线性优化约束方法构建一个新的多响应优化模型.首先,利用成对估计方法获得超参数近似值,构建多变量高斯模型;其次,结合MGP模型特征,构造充分考虑响应波动因素的质量损失函数.利用蒙特卡罗模拟方法,获得响应落入指定区间的期望概率;然后,以期望概率为约束,结合本文所提质量损失函数建立优化模型;最后,利用全局优化算法进行寻优,获得考虑响应期望概率的优化结果.实际案例和软件仿真表明,该方法综合权衡了预测偏差和预测波动引起的不确定性对优化结果的影响.获得了兼顾质量损失和期望概率最优均衡解,从而实现稳健参数设计.     

考虑响应共变特性的多响应稳健参数设计

针对响应共变特性的稳健参数设计问题,在多任务高斯过程(multi-task Gaussian processes,MTGP)建模框架下,结合质量损失函数和考虑响应不确定性的优化函数构建了一个考虑输出响应不确定性的MTGP(uncertainty of MTGP,UNMTGP)优化模型。首先,利用MTGP模型拟合实验数据,构建考虑响应间共变特性对优化结果影响的多元高斯模型。其次,提出考虑输出响应不确定性的优化目标函数,构建多响应稳健优化模型。最后,结合全局优化方法,获得最优参数设计。此外,结合真实案例,利用质量损失函数的相关评价指标,论证所提方法的有效性。结果表明,所提方法考虑了响应共变特性和输出响应不确定性对优化结果的影响,有效改善了模型的预测质量,提升了输出响应的稳健性。     

考虑协变量的相关多响应稳健优化设计

研究了协变量之间以及多响应之间同时存在相关性的问题,考虑了多响应的最优性与稳健性,提出了基于主成分分析与似然不相关回归相结合的方法解决含有多个协变量的多响应稳健设计问题。该方法分析了决策者在协变量概率取不同阈值的情况下,将相关多响应优化问题转化为求解相应情况下的综合满意度函数最大值的问题。并结合具体的实例进行分析研究,结果表明了本文所提出的方法能够有效地解决此类多响应稳健设计问题。     

多因素、多指标产品系统的建模与优化

针对产品系统多指标优化问题,综合考虑顾客对多个质量性能指标的需求,将与波动相关的质量损失和与容差相关的制造成本综合平衡,建立了一种多因素、多指标优化模型.各质量指标通过双响应曲面模型和田口质量损失函数确定,通过熵权系数法对各质量指标进行加权.然后考虑制造容差成本,建立最终优化模型,其目标为各质量指标的加权田口损失函数和制造容差成本之和最小.最后通过一个实例,验证了该模型的有效性.     

考虑预测响应值波动的多响应优化设计

在多响应优化设计中,模型参数的不确定性以及生产过程的噪声因子不可避免地会导致预测响应值出现较大的波动。针对上述的问题,结合贝叶斯抽样技术、帕累托优化策略以及灰色关联分析方法提出了一种多响应优化设计方法。首先,考虑模型参数的不确定性,运用贝叶斯多元回归模型构建了过程响应与试验因子之间的函数关系;其次,根据帕累托最优策略求出了帕累托最优前沿,并计算各试验点达到帕累托最优的贝叶斯后验概率;然后,利用灰色关联分析方法识别出最佳的优化设计方案;最后,实际案例研究表明,在考虑预测响应值波动时,所提的方法能够获得更为稳健和可靠的优化结果。     

基于高斯过程模型的多响应稳健参数设计

针对高维试验数据的稳健参数设计问题, 在高斯过程(Gaussian process, GP)的建模框架下, 采用部分平行的GP(parallel partial GP, PPGP)模型来构建试验因子与多质量特性之间的响应曲面, 在此基础上运用多元质量损失函数作为优化指标来获得可控因子的最佳参数设计值。并且以一个经典仿真算例和两个实际案例验证了所提方法的有效性和优劣性。研究结果表明,与独立建模的单变量GP模型或Kriging模型比较而言, 所提方法不仅能够有效地处理高维试验数据的建模与参数优化问题, 而且能够获得更为稳健的优化结果, 运行效率更高。     

基于双响应曲面的精密产品子集模拟可靠稳健优化设计

针对不确定性场景下小失效概率的精密产品可靠性问题,提出了基于双响应曲面法(dual response surface methodology,DRSM)与子集模拟的可靠稳健优化方法。首先,建立精密产品多失效模式极限状态的RSM模型和以质量特性均值-方差为优化目标的功能函数DRSM模型。其次,在此基础上运用子集模拟法进行可靠性分析,将精密产品小失效概率描述成一系列较大的条件失效概率之积。最后,将极值事件的优化问题视作稀有事件的可靠性问题的特例,基于该转换思想采用子集模拟法将优化问题在可靠性问题的框架内进行求解。案例分析及验证结果表明所提方法的有效性。     

不确定与损毁情景下可靠性设施选址鲁棒优化模型与算法研究

设施选址是长期战略性决策问题,选址决策面临各种不确定因素,设计一个可靠的选址网络具有重要的战略意义.本文同时考虑需求的不确定性及设施可能损毁的情景,扩展无容量限制的固定费用可靠性选址模型,建立不确定与损毁情景下服务能力有限的可靠性设施选址鲁棒优化模型.基于Bertsimas和Sim鲁棒优化方法提出一个新的混合整数规划模型,通过引入辅助变量和对偶变换实现非线性鲁棒优化模型转化为鲁棒对应模型,提出蝙蝠算法(BA)对模型予以求解,并通过算例仿真验证模型和算法的可行性,为设施选址决策提供模型和方法设计.     

Observer-based robust predictive control of singular systems with time-delay and parameter uncertainties

The problem of observer-based robust predictive control is studied for the singular systems with norm-bounded uncertainties and time-delay, and the design method of robust predictive observer-based controller is proposed. By constructing the Lyapunov function with the error terms, the infinite time domain "min-max"optimization problems are converted into convex optimization problems solving by the linear matrix inequality (LMI), and the sufficient conditions for the existence of this control are derived. It is proved that the robust stability of the closed-loop singular systems can be guaranteed by the initial feasible solutions of the optimization problems, and the regular and the impulse-free of the singular systems are also guaranteed. A simulation example illustrates the efficiency of this method.