為了應(yīng)對日益激烈的全球競爭,制造業(yè)如何以高質(zhì)量、低成本、短周期獲得競爭優(yōu)勢,已成為工業(yè)界和學(xué)術(shù)界極為關(guān)注的問題。從現(xiàn)代質(zhì)量工程的觀點來看,質(zhì)量是設(shè)計和制造出來的,產(chǎn)生質(zhì)量問題的根本原因是波動。質(zhì)量設(shè)計作為減少波動的有效途徑,被廣泛地應(yīng)用于產(chǎn)品/過程的設(shè)計階段。經(jīng)典的試驗設(shè)計是質(zhì)量設(shè)計的一個重要手段,但其在工業(yè)生產(chǎn)領(lǐng)域的應(yīng)用過程中存在一些不足,如,試驗成本高,研制周期長,實現(xiàn)難度大等。針對以上不足,國際上一些學(xué)者提出了計算機試驗設(shè)計,其標(biāo)志性文獻(xiàn)為1989年Sacks等發(fā)表的兩篇文章,它奠定了計算機試驗設(shè)計的基礎(chǔ),對計算機試驗設(shè)計的發(fā)展產(chǎn)生了深遠(yuǎn)影響。本文在已有的各種元模型構(gòu)建技術(shù)的基礎(chǔ)上,以基于元模型的穩(wěn)健參數(shù)設(shè)計為研究對象,綜合運用系統(tǒng)建模、仿真試驗與實證研究等方法,系統(tǒng)地研究了基于非半正定核的支持向量回歸機（supprot vector regression, SVR）的構(gòu)建技術(shù)、基于梯度信息的SVR的構(gòu)建技術(shù)、組合元模型的構(gòu)建技術(shù)以及基于單個元模型特別是組合元模型的穩(wěn)健參數(shù)設(shè)計。本文的主要研究內(nèi)容歸納總結(jié)如下：首先,研究了單個元模型的構(gòu)建技術(shù)。本部分重點研究了基于非半正定核的SV... 

【文章來源】：南京理工大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：135 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 單個元模型的構(gòu)建
        1.2.2 組合元模型的構(gòu)建
        1.2.3 基于元模型的穩(wěn)健參數(shù)設(shè)計
    1.3 計算機試驗設(shè)計元建模中存在的問題
    1.4 研究內(nèi)容及技術(shù)路線
        1.4.1 研究內(nèi)容
        1.4.2 技術(shù)路線
    1.5 研究的創(chuàng)新之處
2 基本理論知識
    2.1 SVR的基本模型
        2.1.1 統(tǒng)計學(xué)習(xí)理論與結(jié)構(gòu)風(fēng)險最小化
        2.1.2 SVR的基本數(shù)學(xué)模型
        2.1.3 ε-SVR
        2.1.4 Huber-SVR
        2.1.5 LS-SVR
    2.2 其它若干建模技術(shù)
        2.2.1 多項式模型
        2.2.2 徑向基函數(shù)
        2.2.3 Kriging模型
    2.3 有的組合策略
        2.3.1 基于預(yù)測方差的選取準(zhǔn)則
        2.3.2 基于最小化交叉驗證誤差的組合準(zhǔn)則
        2.3.3 基于最小化RMSE的組合準(zhǔn)則
3 SVR元模型的構(gòu)建
    3.1 基于非半正定核的支持向量回歸機
        3.1.1 求解非半正定核SVR的理論前提
        3.1.2 非半正定核SVR的求解
        3.1.3 試驗及其結(jié)果
    3.2 基于梯度信息的支持向量回歸機
        3.2.1 其于梯度信息的ε-支持向量回歸機（GE-ε-SVR）
        3.2.2 其于梯度信息的最小二乘支持向量回歸機（GE-LS-SVR）
    3.3 本章小結(jié)
4 基于SVR的組合元模型構(gòu)建
    4.1 元模型的組合策略
    4.2 基于遞歸算術(shù)平均的元模型組合準(zhǔn)則
    4.3 仿真試驗及實證分析
        4.3.1 測試函數(shù)
        4.3.2 鮑魚的例子
        4.3.3 試驗安排
        4.3.4 試驗結(jié)果與分析
    4.4 本章小結(jié)
5 基于SVR的單個元模型及組合元模型的穩(wěn)健參數(shù)設(shè)計
    5.1 基于元模型的穩(wěn)健參數(shù)設(shè)計算法
    5.2 仿真試驗及實證分析
        5.2.1 試驗的安排
        5.2.2 試驗結(jié)果與分析
    5.3 本章小結(jié)
6 工作總結(jié)與研究展望
    6.1 工作總結(jié)
    6.2 研究展望
致謝
參考文獻(xiàn)
附錄A 攻讀博士學(xué)位期間發(fā)表或錄用的論文情況
附錄B 攻讀博士學(xué)位期間參加的科學(xué)研究情況


【參考文獻(xiàn)】：
期刊論文
[1]基于Kriging模型的擋風(fēng)墻優(yōu)化設(shè)計[J]. 黃尊地,梁習(xí)鋒,鐘睦.  中南大學(xué)學(xué)報(自然科學(xué)版). 2011(07)
[2]基于響應(yīng)曲面法與改進(jìn)遺傳算法的RHCM成型工藝優(yōu)化[J]. 劉東雷,申長雨,劉春太,辛勇,孫玲,伍曉宇.  機械工程學(xué)報. 2011(14)
[3]粒子群優(yōu)化的Kriging近似模型及其在可靠性分析中的應(yīng)用[J]. 陳志英,任遠(yuǎn),白廣忱,高陽.  航空動力學(xué)報. 2011(07)
[4]基于仿真元模型的探索性分析方法研究[J]. 張偉,周建軍,李建濤,朱一凡,李群.  系統(tǒng)仿真學(xué)報. 2011(07)
[5]基于Kriging模型的復(fù)雜產(chǎn)品管線敷設(shè)順序粒子群優(yōu)化[J]. 柳強,王成恩.  機械工程學(xué)報. 2011(13)
[6]基于Kriging模型的跑車尾翼斷面形狀的氣動優(yōu)化[J]. 容江磊,谷正氣,楊易,江濤,尹郁琦.  中國機械工程. 2011(02)
[7]基于高斯過程元模型的產(chǎn)品設(shè)計時間估計方法[J]. 張昆侖,劉新亮,郭波.  計算機集成制造系統(tǒng). 2011(01)
[8]SMO算法的簡化及其在非正定核條件下的應(yīng)用[J]. 周曉劍,馬義中,朱嘉鋼.  計算機研究與發(fā)展. 2010(11)
[9]求解非半正定核Huber-支持向量回歸機問題的序列最小最優(yōu)化算法[J]. 周曉劍,馬義中,朱嘉鋼,劉利平,汪建均.  控制理論與應(yīng)用. 2010(09)
[10]基于改進(jìn)的距離函數(shù)法的多響應(yīng)穩(wěn)健參數(shù)設(shè)計[J]. 何楨,王晶,李湧范.  天津大學(xué)學(xué)報. 2010(07)



本文編號：3054841