摘要：复杂产品的性能往往受到多个特征参数的关联影响。建立特征参数与产品性能的关联映射关系,是准确预测产品性能的关键。提出基于多准则修正的产品性能多参数关联分析方法,分别从特征参数粗大误差处理、特征参数数量精简、特征参数有限元修正与神经网络预测模型修正四个角度实现产品性能预测,对特征参数进行基于测量数据拓扑距离的粗大误差处理,采用灰熵关联分析对特征参数进行筛选,找到影响产品性能的关键特征参数,缩减预测模型的规模,并对装配后发生变化的特征参数通过有限元方法修正,通过基于AMESim模型的性能基准值计算和基于广义回归神经网络的性能偏差预测相结合,实现产品性能预测。以某型双喷嘴挡板电液伺服阀的性能预测为例,验证方法的有效性。

关键词：粗大误差 灰熵关联 有限元 神经网络 性能预测 

单位：浙江大学CAD&CG国家重点实验室 杭州310027 上海航天控制技术研究所 上海200233