摘要：针对参数与质量特性之间作用关系复杂过程的参数优化,提出一种基于质量特性变化显著程度的序贯设计及全局建模方法.首先以均匀设计为基础,将其拆分形成一系列的设计点集和添加点集;其次利用初始设计点集建立过程的支持向量回归（SVR）模型,并对建模样本点进行Ward聚类,由此将可行域划分成若干子区域,并以各子区域支持向量的比率反映该子区域质量特性变化的显著程度;而后以欧氏距离为判别依据,将添加点集中的实验点划分至合适的子区域,根据＂子区域间区别对待,子区域内均匀分散＂的原则,调整各子区域内添加实验点的数目,在支持向量率较高的子区域添加较多实验点;上述步骤迭代进行直至满足终止准则,再拟合过程最终的SVR模型.仿真与实证研究表明,与基于＂均匀分散＂原则的传统均匀设计和超拉丁方抽样相比,所提方法的实验设计效率与模型性能均有较大提高：实验点可以有针对性地集中分布于质量特性变化较为显著的子区域,模型预测误差降低了29.8%以上,而且能够以较小的样本量发现过程的多个极值,得到更优的参数优化结果.

关键词：实验设计 建模 复杂作用关系 支持向量回归机 参数优化 

单位：郑州大学管理工程学院 郑州450001