Robust parameter design of mixed multiple responses based on a latent variable Gaussian process model
Robust parameter design of mixed multiple responses based on a latent variable Gaussian process model
复制标题
基于潜变量高斯过程模型的混合多重响应鲁棒参数设计
DOI：
10.1080/0305215x.2022.2124982
复制
发表时间：
2022-10
影响因子：
2.7
通讯作者：
Haisong Deng
中科院分区：
文献类型：
--
作者：
Cuihong Zhai;Jianjun Wang;Zebiao Feng;Yan Ma;Haisong Deng
传统的稳健参数设计方法主要关注定量质量特性的优化。然而，在制造业中，涉及定性和定量混合输入和输出的计算机实验频繁发生，这促使作者为此类实验开发了一种有效的元建模和优化技术。本文将潜变量高斯过程(LVGP)模型与模糊集理论相结合，建立了包含定性和定量混合输入和输出的混合多响应LVGP(MMR-LVGP)模型。然后，综合权衡各质量特征的位置和离散度效应，确定优化方案，找到定性因素和定量因素的联合最优解。数值算例和工业算例验证了该方法在定性和定量混合输入输出或时空结构的实验数据建模与优化中的有效性。比较结果表明，该方法优于已有方法。
Traditional robust parameter design methods mainly focus on the optimization of quantitative quality characteristics. However, computer experiments involving qualitative and quantitative mixed input and output occur frequently in the manufacturing industry, which prompted the authors to develop an effective meta-modeling and optimization technique for such experiments. This article combines the latent variable Gaussian process (LVGP) model and fuzzy set theory to create a mixed multi-response LVGP (MMR-LVGP) model involving qualitative and quantitative mixed input and output. Then, the optimization scheme is established by comprehensively weighing the location and dispersion effects of each quality characteristic to find the joint optimal solution of qualitative and quantitative factors. Numerical and industrial cases are used to illustrate the validity of the proposed method in the modeling and optimization of experimental data with qualitative and quantitative mixed input and output or spatio-temporal structure. The comparison results indicate that the proposed method is preferred over existing methods.
登录
查看更多内容
DOI：
10.1007/978-0-387-39940-9_5008
发表时间：
2009
期刊：
--
影响因子：
--
作者：
V. Novák
通讯作者：
V. Novák
影响因子：
2.7
作者：
Shu-Kai S. Fan;C. Fan;Chia-Fen Huang
通讯作者：
Shu-Kai S. Fan;C. Fan;Chia-Fen Huang
影响因子：
2.7
作者：
M. West
通讯作者：
M. West
基于最大变异分析的分析目标级联，用于区间不确定性下的多学科鲁棒设计优化
影响因子：
8.8
作者：
Li Wei;Xiao Mi;Yi Yongsheng;Gao Liang
通讯作者：
Gao Liang
影响因子：
2.5
作者：
Xinwei Deng;C. D. Lin;K.-W. Liu;R. Rowe
通讯作者：
Xinwei Deng;C. D. Lin;K.-W. Liu;R. Rowe