基于支持向量回歸機(jī)的復(fù)雜過程響應(yīng)曲面法研究.pdf

1、響應(yīng)曲面法是質(zhì)量改進(jìn)與優(yōu)化的主要工具。當(dāng)影響因素與質(zhì)量特性之間的關(guān)系較為復(fù)雜時，參數(shù)RSM只能在很小區(qū)域內(nèi)近似的描述實際工業(yè)過程，不能擬合真實的曲面；而非參數(shù)RSM需要較大的樣本量，在有限樣本的情況下泛化性差，并且模型難以優(yōu)化。本研究將目前關(guān)于小樣本統(tǒng)計學(xué)習(xí)和預(yù)測的最佳機(jī)器學(xué)習(xí)理論——支持向量回歸機(jī)(SVR)引入到了RSM，目的在于針對多極值、因子間存在高階交互作用和約束條件的復(fù)雜過程，發(fā)展一種包括模型擬合、過程優(yōu)化、實驗設(shè)計階段在內(nèi)的

2、RSM實現(xiàn)方法。方法具有泛化能力強、所需樣本量小等特點。研究的主要內(nèi)容及創(chuàng)新點包括： 1.在機(jī)器學(xué)習(xí)的框架之內(nèi)描述了RSM的模型擬合，將其歸結(jié)為一類有限制條件、可主動獲取樣本點的小樣本學(xué)習(xí)問題；提出一種實用性的SVR核函數(shù)及參數(shù)選擇方法，在不增加樣本的情況上優(yōu)化了SVR的參數(shù)；提出了基于SVR的復(fù)雜過程RSM擬合方法； 2.提出一種基于支持向量聚類的序列二次規(guī)劃法(SQP)用于RSM的過程優(yōu)化，即首先對SVR擬合所得的支

3、持向量進(jìn)行聚類，然后再以各聚類中心為起點，采用SQP并行尋優(yōu)； 3.提出兩種基于SVR的復(fù)雜過程RSM的實驗設(shè)計方法。方法一以等間距空間網(wǎng)格設(shè)計為基礎(chǔ)，將可行域劃分為若干子區(qū)域，根據(jù)先驗知識確定各子區(qū)域內(nèi)的平坦性權(quán)值并調(diào)整實驗點數(shù)目；方法二基于序貫性設(shè)計思想，以大間距空間網(wǎng)格設(shè)計為基礎(chǔ)，通過尋優(yōu)確定極值點的大致區(qū)域，然后再擬合二階模型獲得對極值點更精確的估計； 4.給出了基于SVR的復(fù)雜過程RSM的總體步驟和流程圖，并進(jìn)

4、行了應(yīng)用研究。對于降低吡啶二乙基硼烷合成反應(yīng)綜合成本的實驗，給出了三種優(yōu)化方案；對于減小葉片彈簧自由高度波動的實驗，提出了基于SVR的雙響應(yīng)曲面法(DRSM)，并提出了兩種估計均方誤差MSE的策略； 理論與應(yīng)用研究表明，基于SVR的RSM方法的泛化性能、對響應(yīng)曲面的重現(xiàn)能力等均優(yōu)于現(xiàn)有RSM，而且所需樣本量最少，尋優(yōu)則可以發(fā)現(xiàn)多個過程極值。同時，采用所提的核函數(shù)及參數(shù)選擇方法得到的SVR擬合模型，其泛化誤差與理論最小泛化誤差的平