针对复杂产品设计具有层次性、耦合性、模糊性、迭代性、认知性等固有特点,将性能设计与复杂产品设计过程进行融合,系统性地提出了不确定条件下复杂产品性能增强设计理论和方法,对期望性能辨识、行为性能均衡、结构性能适配以及预测性能评估等关键技术进行了深入研究,并根据研究成果开发了复杂产品性能设计系统集成平台并实际工程应用,取得了良好的成果,验证了本文方法的有效性与可行性。本文的研究内容主要包括:第一章概述了复杂产品性能设计的内涵理解及其相关技术的研究现状,并讨论了产品性能增强设计与不确定设计的研究现状,提出了不确定条件下复杂产品性能增强设计理论及方法,同时阐述了本文的研究内容和总体结构框架。第二章提出了基于状态感知的产品期望性能解析辨识技术。根据性能在产品全生命周期逐层演化的特点,构建了期望性能闭环解析的机理模型;提出了不确定条件下期望性能正向递推解析与状态感知反馈的期望性能反向计算方法,并采用模糊积分对意图重要度函数进行补偿修正,实现了需求域与过程域影响下的性能重要度非线性融合辨识及度量。第三章提出了基于解耦计算的产品行为性能均衡求解技术。基于模糊不确定的产品行为关联准则数据,对产品构型的耦合强度进行计算;采用设计结构矩阵聚类对产品进行初次解耦规划并计算解的行为单元性能指数;以初次解耦行为单元为基础,构建了以质量稳定性、维修成本与系统可用性为目标以及相关阈值为约束的行为性能模型;提出了基于随机搜索的离散粒子群算法对性能模型进行多目标优化求解,并采用熵权理想点排序法识别最优结果,从而获得性能均衡的单元方案。第四章提出了基于约束传递的产品结构性能模糊适配技术。首先对结构性能的约束信息空间进行约简并以隶属度的方式对约束空间中的信息进行一致性转换;以关联相似度为依据,提出了面向约束处理的二次过滤技术,实现性能约束驱动下的功能域到结构域的关联映射;构建了以成本、质量与物理相容性为目标及相关阈值为约束的数学模型,提出了基于约束水平的离散差分进化算法对带约束的性能适配过程进行多目标优化,同时采用一种约束满足偏差最小的方案决策方法选取结构性能最优的适配结果。第五章提出了鲁棒学习的产品预测性能可信评估技术。首先对样本输入数据进行预处理,采用互信息估计对设计变量进行筛选以降低预测模型的规模,采用k最近邻法对数据样本的异常点进行识别以提高其精度;对隐式的性能参数一设计变量响应模型进行回归拟合获得稳健的性能校核预测模型;提出基于Bootstrap统计推断的性能可信度分析方法,实现了预测结果对数据不确定性的处理,并通过灵敏度分析识别影响性能的关键设计变量。第六章将论文的研究成果与实际应用相结合,开发了复杂产品性能设计系统集成平台并应用于锻压装备的产品设计过程中,验证了所提出方法和技术的可行性与有效性。第七章对论文进行了总结,归纳了论文工作的主要研究成果与创新点,并对未来的研究工作进行了展望。