袋式除尘器具有除尘效率高和运行安全可靠等优势，在工业烟气除尘中得到了广泛的应用。清灰作为袋式除尘器过滤再生循环过程，其性能优劣直接关系到除尘器能否长期保持稳定运行。然而清灰过程短暂，清灰性能影响因素众多，各个因素之间存在着复杂的耦合关系,使得清灰性能优化成为一个难题。目前，研究清灰性能优化的方法主要是实验方法和数值模拟方法两种。由于实验方法周期长，成本高，难以覆盖全工况，使得数值模拟方法逐渐成为清灰性能研究的主要方法；然而数值模拟均着重考虑单个参数对清灰性能的影响，进行多参数耦合优化效率低，难以得到全局优化结果。近年来，基于代理模型的优化技术以其高效率和高适应性引起了人们的高度关注。本文将基于代理模型的优化技术引入袋式除尘器领域用于解决清灰性能优化难题，主要研究工作如下：
　　1.分析了袋式除尘器清灰性能优化问题的复杂性和现有清灰性能研究方法的不足，提出了一种基于代理模型的袋式除尘器清灰性能优化方法，以解决非线性和多参数耦合的清灰性能优化难题。该优化方法解决问题的流程是先构建代理模型，随后采用优化算法进行寻优得到全局最优解。
　　2.面向袋式除尘器清灰性能优化，研究了试验设计方法，采用拉丁超立方试验设计方法完成了样本点的抽取，节省了试验次数；研究了清灰过程的数值模拟，建立了数值模拟模型，得到了样本点的响应值；研究了不同的模型构建方法，通过样本点及对应响应值构建了清灰参数与优化目标之间的代理模型；在代理模型的基础上，研究了遗传算法对清灰参数的全局寻优，得到了最佳的清灰参数组合。
　　3.在袋式除尘器综合实验平台上，拓展了清灰性能优化实验模块并完成了软硬件系统的研发；设计了清灰实验方案，对提出的基于代理模型的袋式除尘器清灰性能优化方法进行现场实验，验证了该优化方法的可行性和有效性。
　　本文提出了基于代理模型的袋式除尘器清灰性能优化方法，与以往的实验研究和数值模拟研究相比，该方法可以有效解决复杂工况下的非线性和多参数耦合难题，能明显缩短研发周期，降低实验成本，为实现袋式除尘器产品优化和创新研发奠定基础。