基于BP神经网络的动态稳健参数设计

传统的动态稳健参数设计方法(田口方法)虽然在工业生产实践中展现了极大的方便,但是其本身也存在较大的改进空间.当调节变量不存在时,传统的田口方法难以实现;此外,田口方法只能根据所选取的参数水平得到最优参数组合,而这种所谓的最优结果有时并不符合实际的需要.首先构建BP神经网络模型,利用训练后的BP神经网络获得参数设计中质量特性、噪声因子以及各参数间的动态关系;然后,利用超拉丁方抽样,计算信号与特性参数间的斜率,并由此将动态稳健参数设计的寻优问题转化为相应的非线性规划问题;最后,利用次序二次规划(SQP)算法解决并优化动态稳健参数的设计。此外,我们选取了一个简单的数据案例对本文提出的方法的有效性进行了说明.

一种改进的动态多响应稳健参数设计

研究动态质量特性优化问题,考虑多响应的最优性和稳健性,提出用神经网络建模、双响应曲面法和满意度函数法相结合的方法解决动态质量特性与信号因子之间存在非线性相关关系的多响应稳健参数设计问题。先将噪声因子的变化看作对响应的重复影响,利用神经网络和双响应曲面建立信号因子、可控因子与位置、散度之间的复杂模型;再运用指数满意度函数将多个双响应曲面值转化为单一的满意度衡量指标,利用遗传算法全局寻优得到最佳可控因子设置;最后利用获得的最佳可控因子组合得到信号因子与多响应之间的数据对,进而得到反映信号因子与响应之间真实关系的具体模型。