实验设计是参数优化的主要方法。但是随着制造水平的提高,出现了复杂作用关系过程。传统的实验设计方案用于该过程获取的样本存在很多问题:代价高或数量不足或代表性不强。所以急需对实验设计进行改进,使其适用于复杂作用关系过程取样,从而优化工艺参数目的,提高质量水平。现实中,存在先验知识可以提供较多关于过程的信息。这些信息可以有目的的指导样本点分布,从而实现实验设计的优化,同时可以将其作为寻优方法初始点的产生信息。基于此,本文提出了一种考虑先验知识的实验设计及参数优化方法。首先,简单介绍了本文的研究背景、意义,分析了目前相关方法的研究现状,提出了本文的创新点。紧接着阐述了本文使用到方法的原理和步骤。其次考虑将先验知识引入实验设计的方法。选取基于证据间相似性系数的D-S证据理论融合先验知识,并用其结果指导实验设计样本点位置的分布。此方法实现参数区域的分区域实验设计,优化了传统实验设计,提高了样本对建模的有效性。再次,针对复杂作用关系过程的特点进行分析,并提出使用该过程的建模寻优方法应该具备的要求。此处对比分析不同的方法,最终引入了较适合该过程建模寻优方法。大量的研究表明:最小二乘支持向量机对于小样本建模有较好的拟合能力和预测能力;遗传算法对于复杂作用关系寻优有较强的搜索的能力。最后,运用本文所提的方法到高维幂函数仿真和注塑参数优化案例分析中。对仿真研究来说,所提方法较传统方法评价指标MSE、MaxE和StdE分别降低了47.7%,28.2%,71.8%。对实证研究来说,所提方法较传统方法优化的参数结果更符合实际要求,更准确。本文提出了考虑先验知识的复杂作用关系过程的实验设计及建模寻优思想和实现步骤,研究结果表明了该方法较传统方法较适合目前工艺过程,对于质量水平的提高具有显著的理论意义和实用价值。