摘要：对于作用关系复杂,而且质量特性拥有多个极值的制造过程,现有质量改进方法只能实现参数的局部优化,产品质量仍有较大改进空间.本文采用支持向量机（SVM）作为复杂作用关系过程的近似模型,提出基于支持向量聚类（SV）与序列二次规划（SQP）的参数全局性优化方法.首先建立了复杂过程的SVM近似模型;而后根据ε管道理论,通过对聚类过程谱系图的分析,确定了聚类的最小相似度水平及合适的聚类数目,将过程各极值点邻域内的支持向量分别聚为一类;最后由各聚类中心出发,并行进行SQP寻优以发现过程的多个极值.仿真研究表明,所提方法能够全面反映过程的极值分布,实现参数的全局性优化;寻优结果与实际极值的绝对偏差及相对偏差的平均值分别为0.15和1.28%,并且偏差的大小与过程极值的数目无关,说明方法具有较高的精确度和稳定性;此外,通过支持向量聚类,不仅保证了SQP寻优结果对于过程全部极值的遍历性,而且将寻优的次数降低了50%以上,提高了寻优效率.

关键词：多极值质量特性 全局优化 支持向量机 聚类分析 质量改进 

单位：郑州大学管理工程研究所 郑州450001