为了应对日益激烈的全球竞争,制造业如何以高质量、低成本、短周期获得竞争优势,已成为工业界和学术界极为关注的问题。从现代质量工程的观点来看,质量是设计和制造出来的,产生质量问题的根本原因是波动。质量设计作为减少波动的有效途径,被广泛地应用于产品/过程的设计阶段。经典的试验设计是质量设计的一个重要手段,但其在工业生产领域的应用过程中存在一些不足,如,试验成本高,研制周期长,实现难度大等。针对以上不足,国际上一些学者提出了计算机试验设计,其标志性文献为1989年Sacks等发表的两篇文章,它奠定了计算机试验设计的基础,对计算机试验设计的发展产生了深远影响。本文在已有的各种元模型构建技术的基础上,以基于元模型的稳健参数设计为研究对象,综合运用系统建模、仿真试验与实证研究等方法,系统地研究了基于非半正定核的支持向量回归机(supprot vector regression, SVR)的构建技术、基于梯度信息的SVR的构建技术、组合元模型的构建技术以及基于单个元模型特别是组合元模型的稳健参数设计。本文的主要研究内容归纳总结如下：首先,研究了单个元模型的构建技术。本部分重点研究了基于非半正定核的SVR构建技术和基于梯度信息的SVR的构建技术。一方面,针对现有的求解大型SVR的最小最优化(sequential minimal optimization, SMO)算法无法解决核函数为非半正定这一问题,将SVR的原始规划问题进行展开并求解其KKT(Karush-Kuhn-Tucker)条件,减少了需要考虑的Lagrange乘子数目,避免了大量繁琐的判别条件,简化了算法的实现。通过经典的测试函数及鲍鱼数据验证了基于非半正定核SVR算法的有效性。另一方面,针对小样本情形下SVR回归效果不理想这一问题,通过修改目标函数及约束条件,将梯度信息引入到传统的SVR的构建中,重新构造了决策函数。采用了三个基准函数对元模型进行了验证,提出的元模型比传统的SVR在回归精度上有明显的改进。其次,研究了组合元模型的构建技术。根据样本集来选择单个元模型会加大选用一个并不合适的元模型的概率,针对此问题,综合运用了简单算术平均的方法及递归的思想,以预测均方误差为算法的停机准则,逐步将单个元模型的算术平均模型去替代备选元模型中最差的元模型,以达到在弱化不理想的单个元模型的权重的同时加强理想的单个元模型的权重的目的。分别采用二维、三维、六维及八维的数据对元模型进行了验证,提出的组合方法有效地屏蔽了不理想的单个元模型的负面影响,并且不随样本集变化而变化明显,具有较高的稳健性。再次,研究了单个元模型特别是组合元模型在稳健参数设计中的应用。针对基于双响应曲面模型的稳健参数设计中所采用的多项式模型对样本数据(特别是方差数据)拟合精度低这一问题,提出了将SVR模型、径向基函数模型、Kriging模型特别是组合元模型应用于双响应曲面的策略。先将SVR模型、径向基函数模型、Kriging模型以及组合元模型去近似均值响应及方差响应,然后再求解基于元模型的随机优化问题,最后得到最优因子搭配水平。以打印墨水为例进行了验证分析,所得的结果与已有的采用多项式模型进行优化的结果相近,说明本文方法的有效性,同时,提出的方法得到更小的均方误差,说明本文方法的优越性。本文通过研究单个元模型的构建技术、组合元模型的构建技术以及基于单个元模型特别是组合元模型的稳健参数设计方法,进一步丰富了稳健参数设计的研究内涵。最后,本文指出了可进一步研究的问题。