摘要
对于现实生产中的多响应参数优化问题，其需要对具有多个过程输出质量特性的多输出复杂过程进行工艺参数优化，由于各输出特性与输入因子间存在多极值、非线性的复杂作用关系且各输出特性间存在潜在相关性的问题，导致实现多响应参数优化的难度比单响应参数优化更高。传统多响应参数优化方法在对现实生产中的多输出复杂过程进行参数优化时，不仅存在建模效率不足和寻优策略单一的问题，由于在建模和寻优过程中忽略了各输出间的潜在相关性，同时存在多输出建模能力和多目标优化能力不足的问题。因此本文在传统多响应曲面法思想的基础上，提出基于多输出最小二乘支持向量回归算法和带有精英策略的快速非支配排序遗传算法的多响应参数优化方法对现实生产中的多输出复杂过程进行多输出建模和多目标优化。主要内容如下: (1)构建基于多输出最小二乘支持向量回归算法的多输出回归建模方法。首先利用网格搜索加交叉验证法在训练集数据上对MLS-SVR模型的超参数水平组合进行寻优，然后在最优超参数水平组合下利用训练集数据对MLS-SVR模型进行训练，最后利用相关性检验和残差检验对所得MLS-SVR模型的多输出拟合效果进行检验，得到待优化过程的MLS-SVR模型。 (2)构建基于带有精英策略的快速非支配排序遗传算法的多目标优化方法。首先通过引入惩罚项的方式对NSGA-Ⅱ算法的目标函数进行构造，从而在对所得MLS-SVR模型进行多目标寻优的过程中增加约束策略。然后在确定NSGA-Ⅱ算法的各项参数水平后，对所得MLS-SVR模型的多个输出进行带有约束策略的NSGA-Ⅱ多目标优化。最后利用综合评价法对所得Pareto最优解集进行综合评价，得到最优参数水平组合。 本文首先通过仿真实验对本文所提方法的多输出建模能力和多目标优化能力进行验证。然后利用本文所提方法进行3D打印实证研究，最终在有效约束了打印件的打印时间的条件下有效降低了打印件的侧面尺寸误差和表面翘曲，验证了本文所提方法的有效性。最后为证明本文所提方法的优越性，在同等条件下利用传统多响应曲面法对3D打印多输出复杂过程进行多响应参数优化，并对两方法优化结果进行比较。 仿真研究和3D打印实证研究结果表明，本文方法对仿真过程和3D打印过程的多输出建模效果和多目标优化效果显著，同传统多响应曲面法相比，本文所提方法在对多输出复杂过程进行多输出建模和多目标优化时具有明显优势。
NETL