近年来,“德国工业4.0”和“美国工业互联网”的相继提出引导着制造业向智能化方向转变。同时,信息技术的高速发展推动智能制造不断的创新和突破。我国作为全球制造业的中心,为紧跟世界发展趋势,提高制造业转型升级的速度提出了“中国制造2025”。随着传统制造向智能制造过渡,以客户需求为导向的个性化定制逐步成为主流的生产模式,精准掌握消费者的多样化需求并及时做出响应是企业提高市场竞争力的关键所在。但是消费者需求往往具有复杂性和模糊性等特点,这些特点将增大获取客户需求的难度。此外在对客户需求进行响应时传统免疫算法常常随机生成初始抗体,导致算法以低质量的解决方案作为开端,而且直接将待求函数作为亲和度函数的方法与个性化定制背景不匹配。以上问题若不解决将引发频繁交互导致的用户疲劳问题,严重影响结果的准确性。本文针对上述问题,围绕从客户需求获取到响应这一阶段展开研究,取得的研究成果如下:（1）本文根据个性化定制对于需求项的要求,提出基于Kano模型的轮毂参数筛选模型。该模型通过确认初始的轮毂参数、构建初始的需求层次模型、确定参数的Kano类别和筛选轮毂参数这四个过程对用户需求进行获取、筛选和分析,选择出具有代表性和关键性的需求项,并结合轮毂参数的特点构建了轮毂特征参数体系。（2）本文提出了基于改进层次聚类的自适应交互式人工免疫算法（Adaptive interactive artificial immune algorithm based on improved hierarchical clustering,简称HCI）,该算法首先对传统聚类算法进行融合改进用于人工免疫算法中初始抗体的生成;其次,为了有效融入客户意向,提出了一种基于客户意向的亲和力计算方法;最后引入自适应的交叉和变异算子,并且将基于混合选择策略的多解保留方法应用于最优解的选取,从而客户可以在更大的解决区域内搜索最优解。该算法以一个良好的抗体种群作为开端,同时在算法中融入客户意向,使得最优解更容易满足客户的需求。通过对轮毂个性化定制数据实验验证分析得出HCI算法比传统人工免疫算法的平均进化代数、平均评价个体数、运行时间分别优化了18.725%、20.145%和20.94%,因此本文提出的模型能够有效降低迭代次数,解决客户在定制过程中容易陷入疲劳的问题。