基于支持向量机回归算法的疲劳寿命预测研究

根据材料疲劳损伤的特点,提出了基于支持向量机回归算法的材料疲劳寿命预测方法。收集材料疲劳性能数据构建训练样本集,建立基于支持向量机回归算法的疲劳寿命预测模型,对疲劳载荷预处理后就可以计算出疲劳寿命。预测结果表明,该方法可利用较少的材料疲劳性能数据,实现疲劳寿命的预测。     

基于磁记忆检测的服役铁磁零件剩余寿命预测

服役零件疲劳寿命的预测与评估是装备高质量运行的前提。为准确预测服役零件的剩余寿命,基于磁记忆检测方法探索影响零件剩余寿命的参数,建立剩余寿命预测的新方法。以汽车车桥桥壳为对象,通过ABAQUS对服役零件进行疲劳寿命模拟分析,识别零件的疲劳危险区域;借助金属磁记忆检测技术和断裂力学理论,提取零件疲劳危险区中表征疲劳损伤程度的裂纹长度、应力强度因子、磁记忆信号法向分量梯度最大值、应力集中度等作为参数;引入支持向量机(SVM)理论,建立零件的剩余寿命预测模型。结果表明:SVM模型具有较高的预测精度,预测值与疲劳试验实测剩余寿命值相比误差不超过10%;预测精度同时受到零件损伤程度、训练样本数量、载荷大小和输入特征参数等的影响;建立的方法能够有效应用于低载荷高周疲劳下的桥壳等服役零件的剩余寿命预测。     

基于模拟退火算法优化的支持向量回归机对内螺旋槽切削力的预测

鉴于内螺旋槽加工领域缺少预测精度良好的切削力预测模型。基于ABAQUS软件对内螺旋槽的切削加工过程进行了有限元仿真,并由此得出切削力数值;通过模拟退火算法对支持向量回归机预测模型进行参数寻优,得出最优参数以及最优切削力预测值,为刀具设计提供依据,并经切削力实验对预测值进行验证。通过仿真以及切削力实验可知,模拟退火算法优化的支持向量回归机预测精度比优化前的预测精度提高了50%以上,且模拟退火优化的支持向量机模型能够应用于实际内螺旋槽的切削加工中。     

基于最小二乘支持向量机的疲劳裂纹扩展预测

根据腐蚀疲劳裂纹在扩展过程中受到多种环境因素影响,裂纹扩展预测难精确的特点,本文提出了基于遗传算法参数优化的最小二乘支持向量机方法来预测结构腐蚀疲劳裂纹扩展。该算法采用遗传算法优化最小二乘支持向量机的模型参数,从而避免了算法陷入局部最优解,实现了精确度高、泛化能力强的裂纹扩展预测模型。最后通过对已有文献的某试件裂纹扩展的实验数据进行建模分析。结果表明:基于遗传算法的最小二乘支持向量机预测方法优于神经网络算法、蚁群算法,预测误差较小,具有很好的预测能力。     

基于粒子群优化的支持向量机的软测量应用

提出了一种基于粒子群优化算法的支持向量机参数选择方法。针对RBF-SVM,利用PSO算法中粒子速度及其位置与RBF-SVM模型中参数对C和g相对应,找到最优参数,代入支持向量机SVM预测模型中,得到基于粒子群优化算法的支持向量机(PSO-SVM)模型,利用此模型对电厂的一次风量软测量进行预测研究。实验结果表明,经过粒子群优化算法的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法。     

基于粒子群优化法的支持向量机回归对膛线加工切削力的预测

针对神经网络算法和支持向量机算法在膛线加工切削力预测过程存在的问题,基于粒子群优化法对支持向量机回归算法进行了改进.将实验得出的切削参数、切削力等数据输入到该算法模型中,训练得出最佳预测模型,进而用该模型进行切削力预测.经误差检验表明,该改进型算法的预测精度提升85％以上.     

磷虾群算法优化支持向量机的威胁估计

为提高目标威胁估计的预测精度,在传统支持向量机优化方法的基础上,提出了采用磷虾群算法优化支持向量机的威胁估计方法。介绍了磷虾群算法和支持向量机的原理,并基于此采用磷虾群算法对支持向量机中的惩罚参数和核函数参数进行优化,寻找最优的惩罚参数和核函数参数;建立磷虾群优化支持向量机的目标威胁估计模型,并实现基于该模型的目标威胁估计算法。采集90组原始数据组成训练集、30组数据组成测试集,对该目标威胁估计算法进行仿真实验。实验结果显示,磷虾群算法优化支持向量机的预测误差为0.002 91,小于采用粒子群算法或萤火虫算法优化的支持向量机。结果表明,磷虾群优化支持向量机的目标威胁估计方法可以有效地完成目标威胁估计。     

基于ADEGWO-SVM的机载燃油泵寿命预测研究

针对高可靠、长寿命、小样本的机载燃油泵剩余寿命预测问题,提出了一种基于自适应差分变异的狼群支持向量机(ADEGWO-SVM)组合寿命预测方法。首先,搭建了一个机载燃油泵寿命试验平台,监测其电应力载荷下的出口压力信号,应用小波包滤波的方法对原始压力信号进行降噪处理,提取压力均值信号作为燃油泵性能退化特征,接着利用自相关分析的方法进行特征相空间重构;然后利用基于ADEGWO算法结构简单和全局搜索能力的特点,优化支持向量机预测模型的参数,进而提出一种基于ADEGWO-SVM的组合寿命预测模型;最后,在不同的预测起始点,利用ADEGWO-SVM方法进行了寿命预测试验,为了进一步验证该算法的有效性,将其与粒子群支持向量机(PSO-SVM),灰色模型(GM(1,1))等算法进行了比较,试验结果表明,该方法能够准确实现机载燃油泵的剩余寿命预测,显著提高寿命预测精度,对机载燃油泵的健康监测和寿命预测具有理论指导意义。     

基于免疫SVM的机械产品寿命预测

传统机械产品寿命预测方法成本较高,精度较低,难以满足机械产品寿命预测要求.为了改变这种状况,提出基于人工免疫算法优化支持向量机(免疫SVM)回归器的机械产品寿命预测技术,采用人工免疫算法进行支持向量机回归器参数选取.人工免疫算法具有良好的全局搜索能力,能较好地选择合理的支持向量机回归器参数.采用普通SVM预测方法与免疫SVM预测模型进行比较,试验结果表明,相比于普通SVM,免疫SVM具有更高的机械产品预测性能.     

基于中值累积损伤法的桥壳疲劳寿命预测

为了提高汽车桥壳的寿命预测精度和效率,在Workbench软件中对桥壳有限元模型进行应力和疲劳寿命分析,在一定恒幅载荷历程作用下运用"中值累积损伤-概率损伤临界值"干涉模型对某电动汽车驱动桥壳进行疲劳寿命预测仿真计算。在桥壳强度与刚度满足标准规定的条件下,应用干涉模型预测桥壳的疲劳寿命得到了较高的计算效率和准确度,验证了所提出桥壳疲劳寿命预测方法的有效性,对汽车桥壳等其他复杂结构的疲劳寿命预测有重要的参考价值。     

基于支持向量回归机的刀具寿命预测

刀具寿命是制定刀具需求计划、衡量刀具性能和核算成本等的重要依据。针对现有神经网络方法在预测刀具寿命方面存在的不足,提出了一种新的基于支持向量回归机的刀具寿命预测方法。在分析了影响刀具寿命预测主要因素的基础上,建立了基于支持向量回归机的刀具寿命预测模型。应用实例的仿真结果表明,所建立的预测模型具有较强的推广能力和较高的预测精度。     

基于改进磷虾群优化支持向量机的短期负荷预测

针对支持向量机在短期负荷预测时,因受参数影响较大而导致预测精度不足和速度较慢的问题,提出了基于改进磷虾群算法对支持向量机进行参数选择的算法。阐述了支持向量机的原理与其参数的影响;分析了磷虾群算法并对其改进:加入模拟退火思想降低了算法陷入局部最优的概率,采用自适应迭代步长方法提高算法优化精度。建立预测模型并进行算例分析,实验结果表明改进磷虾群算法对支持向量机参数有较好的优化效果,可以有效地提高负荷预测精度和速度。     

AMPSO与SVR相结合的铣刀寿命预测研究

针对支持向量回归机在预测铣刀寿命时惩罚参数和核函数参数难确定、不同的参数设置对预测效果影响较大的问题，提出了自适应变异粒子群算法。在支持向量回归算法的基础上，引入AMPSO优化SVR参数，建立AMPSO与SVR相结合的数控铣刀寿命预测模型。通过硬质合金钢铣刀铣削的实验验证表明，相比于网格搜索法和神经网络算法，AMPSO-SVR算法在测试样本集的平均相对预测误差低至0.72%，相较前两者预测误差更小，可准确预测数控铣刀寿命，为数控加工过程中的换刀决策提供依据。     

改进TCD算法的疲劳寿命预测研究

在实际工程领域中,零件的疲劳破坏给工程界带来了难以计量的损失。所谓疲劳,是指零件在承受远低于其屈服极限的循环载荷时突然失效的情况。疲劳问题一直受到广泛关注,关键距离法(TCD算法)最初由Taylor等人提出,该理论将试件缺口附近区域某点,线上的应力特征值作为疲劳失效判断准则。拟选用疲劳试验机对45#钢缺口试样在四种应力级下进行疲劳试验,对45#钢缺口试样的疲劳性能进行了试验研究。同时运用了传统TCD算法以及改进TCD算法对45#钢缺口试样的疲劳寿命进行了预测,与实验结果进行比较,改进的TCD算法相对于传统TCD算法获得的预测结果更令人满意。从而为工程上缺口构件的疲劳寿命预测提供了理论计算方法。     

联合收获机割台装置装配质量智能检测方法与精度研究

针对联合收获机割台装置装配质量检测方法改进和精度提升等问题,结合智能算法进行装配质量检测,采用小波包能量熵对东方红4LZ-9A2联合收获机割台振动数据进行特征提取,利用差分灰狼优化算法平衡全局和局部寻优能力对支持向量机的惩罚系数和核函数半径进行寻优。小波包能量熵所用算法时间相较于变分模态分解和经验模态分解分别缩短了97.64%和96.89%,预测准确率分别提升了1.74%和56.25%,优化后支持向量机预测识别的准确率提升了2.05%。并使用优化后的模型对割台装置进行装配质量检测,进行多组对比试验,结果表明,差分灰狼算法优化后的支持向量机准确率,比粒子群算法提升了7.57%,比遗传算法提升了6.42%,比布谷鸟算法提升了11.80%。证明小波包能量熵对于割台装置振动信号数据特征提取的优越性,以及差分灰狼优化算法优化后的支持向量机对割台装置装配质量预测和识别的有效性,为联合收获机割台装置装配质量检测方法和精度的研究提供了理论指导和工程借鉴。     

SVR优化算法及其在蓄电池容量预测中的应用

提出一种优化的支持向量机回归算法(SVR)并应用于阀控密封铅酸蓄电池(VRLA)的容量预测.选定径向基函数作为支持向量机同归算法的核函数,分别使用遗传算法和遗传退火算法对核参数进行寻优,在此基础上建立了蓄电池容量预测模型.比较了在遗传算法和遗传退火算法两种参数优化方法下支持向量机回归算法对VRLA容量预测的精准度.仿真结果表明,基于遗传退火算法寻优的支持向量机回归算法用于VRLA容量预测的性能优于单一的遗传寻优算法.     

基于支持向量机预测的冷连轧机轧制力精确设定方法研究

针对冷连轧机液压AGC系统轧制力的精确设定问题,提出了一种基于差分进化算法优化支持向量机的轧制力精确设定方法。该方法在支持向量机预测模型的基础上,引入差分进化算法对支持向量机的训练参数进行优化,提高支持向量机的预测精度。之后,利用海量生产数据对支持向量机进行训练并进行轧制力偏差的预测,最后将预测结果用于修正轧制力模型设定计算值。通过预测结果和实际数据的对比表明,利用该方法能够有效地提高冷连轧机AGC系统轧制力的设定精度,使设定的相对误差从单纯模型计算的15%降到6%,为进一步提高冷连轧机的设定计算精度提供了一种有效可行的方法。     

基于支持向量机和深度信念网络的短期光伏发电预测方法CSCD

为了提高光伏发电预测的精度,提出基于支持向量机和深度信念网络的光伏发电预测方法。利用改进的相似日算法选择相似日训练样本,分别构建以线性核函数、多项式核函数、高斯径向基核函数为核函数的支持向量机预测模型作为组合预测模型中的单项模型,再将三种单项模型的预测结果作为深度信念网络的输入,利用深度信念网络对三种单项模型的预测结果进行组合优化输出,根据实际输出与期望输出的误差动态调整组合权值,从而获得更高的预测精度。最后以澳大利亚沙漠太阳能研究中心的实测数据进行仿真验证,仿真结果表明,所提方法相较于其他方法具有较高的预测精度。     

基于支持向量机和深度信念网络的短期光伏发电预测方法

为了提高光伏发电预测的精度,提出基于支持向量机和深度信念网络的光伏发电预测方法。利用改进的相似日算法选择相似日训练样本,分别构建以线性核函数、多项式核函数、高斯径向基核函数为核函数的支持向量机预测模型作为组合预测模型中的单项模型,再将三种单项模型的预测结果作为深度信念网络的输入,利用深度信念网络对三种单项模型的预测结果进行组合优化输出,根据实际输出与期望输出的误差动态调整组合权值,从而获得更高的预测精度。最后以澳大利亚沙漠太阳能研究中心的实测数据进行仿真验证,仿真结果表明,所提方法相较于其他方法具有较高的预测精度。     

基于威布尔分布的圆柱螺旋压缩弹簧疲劳寿命分析

为了研究弹簧疲劳数据的处理方法,设计了高服役应力的圆柱螺旋压缩弹簧并进行疲劳试验。提出了弹簧疲劳数据处理的新流程,在传统威布尔可靠性分析和基于支持向量机的图估计法的基础上,采用C#和Matlab混合编程的方法开发了带有可视化界面的威布尔分布参数确定程序。利用所开发的软件程序对不同样本容量的弹簧疲劳数据进行威布尔可靠性分析,对比分析了基于支持向量机的图估计法与传统的威布尔分布参数求解方法。结果表明,无论在大样本还是小样本情况下基于支持向量机的图估计法拟合精度较好。因此基于支持向量机的图估计方法可以作为圆柱螺旋压缩弹簧疲劳寿命威布尔可靠性分析的一种方法,同时验证了所开发程序的有效性和准确性。