本文關(guān)鍵詞：模型不確定下的穩(wěn)健參數(shù)設(shè)計研究　出處：《南京理工大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 模型不確定 組合模型 區(qū)間估計 穩(wěn)健參數(shù)設(shè)計 損失函數(shù)

【摘要】：質(zhì)量設(shè)計作為持續(xù)質(zhì)量改進活動的重要支撐技術(shù),主要應(yīng)用在產(chǎn)品/過程的設(shè)計階段,因此能夠從源頭上減小和控制產(chǎn)品實現(xiàn)過程中的波動。然而,在實際的生產(chǎn)過程中,由于人員、機器、原料、方法、環(huán)境、測試因素將在一定程度上影響試驗數(shù)據(jù)的精確性或影響產(chǎn)品/過程的顯著性變量無法準確地獲知,故模型不確定性廣泛存在于產(chǎn)品/過程的質(zhì)量設(shè)計過程中。組合模型與區(qū)間估計作為解決模型不確定下穩(wěn)健參數(shù)設(shè)計(包括響應(yīng)曲面構(gòu)建及優(yōu)化策略構(gòu)建兩個問題)的重要手段,不僅能夠確保建模的精確性,而且能夠提高質(zhì)量設(shè)計的有效性。因此在組合模型與區(qū)間估計的框架下實現(xiàn)產(chǎn)品/過程的質(zhì)量設(shè)計具有重要的理論意義和實用價值。本文以模型不確定下的質(zhì)量設(shè)計問題為研究對象,綜合運用了組合建模、區(qū)間估計、貝葉斯統(tǒng)計、隨機搜索技術(shù)以及智能優(yōu)化算法等技術(shù)和方法,以實證研究與仿真試驗為手段,系統(tǒng)地研究了模型不確定下的穩(wěn)健參數(shù)設(shè)計問題,本文的主要研究內(nèi)容包括:(1)基于改進BMA(Bayesian Model Averaging)模型的穩(wěn)健性建模技術(shù)。針對BMA模型中子模型的先驗選擇問題,本文在BMA模型的框架下將試驗設(shè)計的因子效應(yīng)原則(效應(yīng)層次原則和效應(yīng)遺傳原則)融入先驗信息的構(gòu)建中,在此基礎(chǔ)上結(jié)合樣本信息計算了符合因子效應(yīng)原則的貝葉斯后驗概率。然后,以實例與仿真試驗驗證所提建模技術(shù)不僅確保了所構(gòu)建的模型不會違背因子效應(yīng)原則,而且在系統(tǒng)波動增加的情況下保持了較好的預(yù)測性能和穩(wěn)健性能。(2)基于包容性檢驗的響應(yīng)曲面構(gòu)建。針對傳統(tǒng)組合模型中子模型集的選擇問題,采用包容性檢驗的方法消除子模型集間存在的冗余信息,進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的組合建模技術(shù)。以實例與仿真試驗為驗證對象,結(jié)果表明所提方法不僅改善了模型的預(yù)測性能及其穩(wěn)健性能,而且通過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。在多響應(yīng)的穩(wěn)健參數(shù)設(shè)計中,位置效應(yīng)與散度效應(yīng)在確定最優(yōu)輸入變量時往往起著至關(guān)重要的作用。針對現(xiàn)有損失函數(shù)忽視了最優(yōu)解的穩(wěn)健性問題,本文在同時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,在上述研究的基礎(chǔ)上,進一步從模型預(yù)測區(qū)間的角度考慮了模型不確定對最優(yōu)輸入變量的影響。最后,結(jié)合工業(yè)實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。針對模型不確定下的優(yōu)化策略構(gòu)建問題,本文從模型預(yù)測區(qū)域的角度,借鑒穩(wěn)健優(yōu)化的思想,同時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)化問題,故采用遺傳算法與模式搜索技術(shù)的混合算法對其進行參數(shù)優(yōu)化。結(jié)合工業(yè)實例,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最優(yōu)輸入變量的影響,而且進一步擴展了質(zhì)量損失函數(shù)的內(nèi)涵。(5)輸入?yún)?shù)存在波動下的穩(wěn)健參數(shù)設(shè)計。針對模型參數(shù)與噪聲變量中參數(shù)不確定的穩(wěn)健參數(shù)設(shè)計問題,本文從區(qū)間估計的角度,同時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)健的損失函數(shù);最后,采用遺傳算法與模式搜索技術(shù)的混合算法優(yōu)化所提損失函數(shù)。從工業(yè)案例與仿真試驗兩個角度,分析比較了所提優(yōu)化策略與其它優(yōu)化策略的優(yōu)劣勢。本文所構(gòu)建的損失函數(shù)不僅將模型參數(shù)不確定融入目標函數(shù)的優(yōu)化中,而且考慮了噪聲變量中參數(shù)的估計不確定性,大大提高了穩(wěn)健參數(shù)設(shè)計的有效性。最后,在總結(jié)以上研究成果的基礎(chǔ)上,指出了該研究領(lǐng)域一些值得進一步研究的問題。
[Abstract]:In this paper , based on the empirical research and simulation test , this paper studies the problem of robust parameter design based on the principle of factor effect . The result shows that the proposed method not only improves the accuracy of the model , but also can improve the effectiveness of the design . ( 4 ) Based on the robust parameter design of the region analysis method , a robust parameter design based on the theory of genetic algorithm and pattern search is proposed .

【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：F224;F406.3

【相似文獻】

相關(guān)期刊論文 前10條

1 肖筱南;一類理想二次損失函數(shù)下多參數(shù)統(tǒng)計模型的風(fēng)險估計[J];西安石油學(xué)院學(xué)報(自然科學(xué)版);2003年03期

2 程巖,吳喜之;基于非對稱損失函數(shù)的參數(shù)設(shè)計[J];應(yīng)用概率統(tǒng)計;2005年04期

3 程巖;白宇欣;吳喜之;;基于非對稱損失函數(shù)指數(shù)分布總體的參數(shù)設(shè)計[J];數(shù)學(xué)的實踐與認識;2006年06期

4 張斌;韓之俊;湯陽;;基于質(zhì)量損失函數(shù)的最優(yōu)過程均值和質(zhì)量投資決策[J];統(tǒng)計與決策;2008年18期

5 陳本晶;;非對稱質(zhì)量損失函數(shù)系數(shù)的參數(shù)設(shè)計[J];甘肅聯(lián)合大學(xué)學(xué)報(自然科學(xué)版);2009年03期

6 黃維忠;;平衡損失函數(shù)下風(fēng)險相依回歸信度模型[J];華東師范大學(xué)學(xué)報(自然科學(xué)版);2013年01期

7 李新鵬;吳黎軍;;平衡損失函數(shù)下具有時間變化效應(yīng)的信度保費[J];重慶理工大學(xué)學(xué)報(自然科學(xué));2013年04期

8 王天宇;韓萱;楊永愉;;基于平衡損失函數(shù)下的信度模型[J];北京化工大學(xué)學(xué)報(自然科學(xué)版);2013年03期

9 劉金泉;一類加權(quán)損失函數(shù)下正態(tài)分布均值參數(shù)的同時估計[J];吉林大學(xué)自然科學(xué)學(xué)報;1990年02期

10 徐興忠;損失函數(shù)的選擇[J];應(yīng)用概率統(tǒng)計;1994年02期

相關(guān)會議論文 前5條

1 張月義;宋明順;韓之俊;;動態(tài)特性質(zhì)量損失函數(shù)研究[A];質(zhì)量——持續(xù)發(fā)展的源動力：中國質(zhì)量學(xué)術(shù)與創(chuàng)新論壇論文集（下）[C];2010年

2 李靜茹;錢偉民;;ε-不敏感損失函數(shù)下的Bayes估計方法[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

3 張增明;陳套;丁澤軍;;Mo和Ta的有效電子能量損失函數(shù)[A];2006年全國電子顯微學(xué)會議論文集[C];2006年

4 吳佳金;楊志豪;林原;林鴻飛;;基于改進Pairwise損失函數(shù)的排序?qū)W習(xí)方法[A];第六屆全國信息檢索學(xué)術(shù)會議論文集[C];2010年

5 周學(xué)君;;Rademacher復(fù)雜性與學(xué)習(xí)機器推廣性的界[A];第一屆中國智能計算大會論文集[C];2007年

相關(guān)博士學(xué)位論文 前5條

1 歐陽林寒;模型不確定下的穩(wěn)健參數(shù)設(shè)計研究[D];南京理工大學(xué);2016年

2 張月義;質(zhì)量損失函數(shù)與測量系統(tǒng)校準研究[D];南京理工大學(xué);2010年

3 黃維忠;相依風(fēng)險及平衡損失函數(shù)下的信度理論[D];華東師范大學(xué);2013年

4 王快妮;支持向量機魯棒性模型與算法研究[D];中國農(nóng)業(yè)大學(xué);2015年

5 艾摩爾;多元重復(fù)測量模型和估計的比較[D];華東師范大學(xué);2004年

相關(guān)碩士學(xué)位論文 前10條

1 薛嬌;Entropy損失函數(shù)下若干分布參數(shù)的Bayes估計及其性質(zhì)[D];蘭州交通大學(xué);2015年

2 揣瑞;平衡損失函數(shù)下Stein估計的優(yōu)良性研究[D];吉林大學(xué);2016年

3 黃婷婷;基于損失函數(shù)的最優(yōu)過程均值優(yōu)化設(shè)計的研究[D];南京理工大學(xué);2016年

4 徐萬奎;加權(quán)損失函數(shù)下的信度保費[D];新疆大學(xué);2011年

5 李春飛;兩類損失函數(shù)的質(zhì)量水平與參數(shù)設(shè)計[D];東北師范大學(xué);2007年

6 蘇美紅;機器學(xué)習(xí)中損失函數(shù)問題研究[D];西北大學(xué);2015年

7 鄧海松;一類穩(wěn)健損失函數(shù)的構(gòu)造與應(yīng)用及多元Laplace分布[D];南京理工大學(xué);2006年

8 吳佳金;排序?qū)W習(xí)損失函數(shù)的研究[D];大連理工大學(xué);2011年

9 徐嫣菊;危險率的估計及預(yù)測[D];吉林大學(xué);2008年

10 諸幼玲;基于損失函數(shù)的匯率變動選擇[D];復(fù)旦大學(xué);2011年

，

本文編號：1427287