摘要：为更加准确地估计制造过程均值偏移幅度，提出了一种基于多核函数支持向量回归（SVR）的估计方法。多核函数由线性核、多项式核和径向基核3种基本核函数凸组合而成，并通过粒子群优化算法（PSO）对核参数、组合权重系数以及SVR的惩罚系数C进行联合优化，以五折交叉验证求得训练样本的决定系数均值作为粒子适应度值，使生成的多核SVR获得良好的泛化能力。将该多核SVR与累积和（CUSUM）控制图集成构建了过程均值偏移监测模型，仿真实验结果表明，该方法相对人工神经网络（ANN）方法估计精度明显提高，比采用单一径向基核函数的SVR更为优越；在实际齿轮加工过程中进行应用验证，进一步证实了该方法的有效性和实用性。

关键词：统计过程控制 偏移幅度 支持向量回归 多核函数 粒子群优化 

单位：重庆大学机械传动国家重点实验室; 重庆400030