對于高精度機床設計具有重要的現實意義

機床支承件作為主要承載零件，其結構與性能將直接影響機床的加工精度。現有的零件結構優化設計方法是采用拓撲優化技術來實現滿足性能要求的結構構型設計。這種方法在結構優化過程中將材料屬性及切削載荷等設定一個值，屬于確定性優化。在實際工程問題中，不確定因素(如材料參數及載荷)不可避免地影響零件性能，特別是各因素的藕合將會對其性能產生很大的影響。因此充分考慮不確定因素對支承件性能的影響，對于機床設計具有重要的現實意義。

大多數不確定性工程問題均采用概率方法、模糊集方法和非概率方法描述。由于技術手段和經濟成本的限制，很難獲取足夠多的數據來構造較   的概率模型。即使所構造的概率模型偏差較小，也會給不確定性分析帶來較大偏差。利用模糊集模型解決不確定性問題，會因決策者對問題的不同理解而采用不同形式的隸屬度函數，導致結果偏差較大，且計算量很大。在非概率方法中，采用區間方法描述不確定性問題己經越來越廣泛的應用，而不確定因素上下界相對容易獲取。
   早提出區間的概念來解決計算機數值截斷誤差問題。時至今日，學者對用區間方法解決工程問題進行了廣泛深入的研究，取得了較大的進展。例如：利用區間分析的方法確定并聯線驅機器人的扳手可行工作空間；困采用區間分析方法對并聯機器人進行了多目標優化；序列化的多學科性分析方法，來解決隨機與區間不確定性共存的問題。

不確定因素影響的工程優化問題的優化目標會在區間內變動。為優化精度，需考慮優化目標變動對結果的影響，對優化目標進行穩健性分析。大量研究表明，穩健性優化設計后結構的性能遠優于未進行穩健性分析的結構。

支承件不確定性多目標優化需同時考慮不確定因素和優化變量對優化目標結果的影響，是一個非常復雜的問題。同時，由于優化目標函數值具有區間性，   優化結果的穩健性。本文采用支持向量機(Support Vector Machine, SVM)方法構造優化目標對不確定因素和優化變量的響應模型，以解決不確定性優化的關鍵問題。其次，以目標函數的均值和半徑值進行優化的穩健性度量；采用雙層嵌套遺傳算法實現機床支承件穩健性多目標優化，其結果表現出較高的穩健性。