随着市场对新产品及其质量需求的增长,传统的产品设计方法和优化技术已难以满足现代制造业对快速、创新设计的要求,因此研究新型的支持并行协同设计模式的鲁棒设计理论和方法十分必要.本论文"基于仿真和知识的协同参数鲁棒设计理论与方法研究"既是对并行协同设计中参数不确定性的研究,也是对并行协同设计模式下鲁棒优化设计方法的研究,对解决协同参数设计问题具有重要的学术价值和实践意义.本课题得到了国家自然科学基金项目(60304015和50575142)的资助.本文重点研究了产品并行协同设计模式下的参数鲁棒优化问题.提出基于广义动态约束网络的协同参数鲁棒设计方法,实现对协同设计中的参数不确定性的有效管理和保证参数设计结果的鲁棒性.取得了以下成果: 针对并行协同设计中的参数不确定性,提出基于约束网络的协同参数鲁棒优化设计方法,实现在协同设计模式下对参数不确定性的动态建模和消解,达到设计参数的全局最优鲁棒；给出了该方法的工作原理和框架.扩展了一般的约束网络为广义动态约束网络,提出领域级约束和知识级约束的概念,并给出广义动态约束网络的定义和表示.通过耦合归纳学习方法和响应面方法,提出了自归纳响应面方法,实现对领域级约束的建模；并在模糊一粗糙集理论的基础之上提出了知识级约束获取算法,实现对知识级约束的有效建模；丰富和完善了广义动态约束网络的建模手段. 在广义动态约束网络(GDCN)和鲁棒设计原理的基础上,提出了基于GDCN的协同参数鲁棒优化(CPRO)模型.该模型能够利用GDCN进行动态参数协调,在提供一致的鲁棒优化初始区间的同时,实现了多个目标属性的同时鲁棒优化,以及目标属性和动态约束可行域的同时鲁棒.通过基于知识的参数动态协调和基于遗传算法的多目标优化实现对协同参数鲁棒优化模型的求解.在基于知识的参数动态协调中,通过基于知识的冲突消解和参数的一致性求解,可以得到协同设计参数的一致性区间,由此构造了满足动态约束条件的参数可行解空间.在获得一致性区间的基础上,提出一种改进的遗传算法对鲁棒优化模型其进行最终求解. 根据本文理论研究所取得的成果,对核心算法进行代码实现,开发了"协同参数鲁棒优化设计(CPRO)"原型系统.通过CPRO系统可以把协同设计参数一致性管理和多目标鲁棒优化方法与PDM协同产品开发平台衔接起来,有效地把对设计参数不确定性的监控和消解融入并行协同产品开发全生命周期.本文最后以某型号直列四缸发动机的参数设计为实例,验证了本文方法的有效性,以及原型系统的可用性.