随着需求标准和生产复杂程度的提高，要实现多个响应整体的稳健优化，既要考虑响应间此消彼长的矛盾冲突关系，或者难以用固定权值衡量的关联关系，也要考虑优化结果的稳健性。正是由于响应关系的模糊性和与综合质量指标关系的不确定性，本文将多响应参数稳健优化过程视为一个模糊复杂的非线性系统，并结合模糊理论研究多响应参数稳健优化方法。　　基于权重法综合多响应质量特性的方法具有依赖经验常识分配权重，缺乏对响应间信息的有效利用，忽略响应间关联关系等方面的不足，本文利用模糊逻辑推理方法根据生产过程提供的有用信息，对响应间的不确定性关系进行信息挖掘，通过条件合成与模糊关系计算综合多个响应的综合质量特性。并在此基础上研究稳健设计，考虑到试验设计中随着噪声因素及水平数目的增多，实验次数也会成倍数增长，研究利用BP神经网络良好的非线性映射能力，建立因子与响应间关系的质量预测模型，通过预测响应值代替实验值，从而减少实验次数，降低实验成本。同时本文研究当噪声因素数目众多又难以计量的情况下，可以不预设噪声因素，通过多次实验的质量波动值度量系统的稳健性，并且提出利用犹豫模糊集中元素的隶属度个数不唯一的特性，归集各响应的多个质量波动值，减少均值和方差计算过程中部分响应信息的损失，并通过本文提出的犹豫模糊决策方法确定最优稳健参数组合。　　将模糊理论相关技术与稳健参数优化研究相结合对稳健优化过程进行深入探索和创新性研究，解决了现有质量统计工具在复杂生产过程和企业多方面质量要求等方面应用的不足，丰富了质量工程领域的理论研究成果。