计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2013年
12期
3597-3599,3609
,共4页
粒子群参数优化%最小二乘支持向量机%疲劳裂纹%二次型惯性权重递减策略
粒子群參數優化%最小二乘支持嚮量機%疲勞裂紋%二次型慣性權重遞減策略
입자군삼수우화%최소이승지지향량궤%피로렬문%이차형관성권중체감책략
particle swarm parameter optimization (PPSO)%least squares support vector machine (LSSVM)%fatigue crack%quadratic decreasing weight
机械结构在长期的存储中,疲劳裂纹的变化受到多种环境因素的影响,针对目前疲劳裂纹预测准确率低的问题,提出一种基于最小二乘支持向量机方法(LSSVM)来预测机械结构的疲劳裂纹长度,通过改进的粒子群优化算法对LSSVM进行参数优化.改选的粒子群参数优化算法采用二次型惯性权重递减策略,使粒子群优化算法的优化过程更接近实际的非线性和高复杂过程.经仿真实验验证,结果表明,基于改进的粒子群参数优化的最小二乘支持向量机(PSO_LSSVM)对于机械结构的疲劳裂纹长度预测优于传统方法,收敛速度快,预测准确.
機械結構在長期的存儲中,疲勞裂紋的變化受到多種環境因素的影響,針對目前疲勞裂紋預測準確率低的問題,提齣一種基于最小二乘支持嚮量機方法(LSSVM)來預測機械結構的疲勞裂紋長度,通過改進的粒子群優化算法對LSSVM進行參數優化.改選的粒子群參數優化算法採用二次型慣性權重遞減策略,使粒子群優化算法的優化過程更接近實際的非線性和高複雜過程.經倣真實驗驗證,結果錶明,基于改進的粒子群參數優化的最小二乘支持嚮量機(PSO_LSSVM)對于機械結構的疲勞裂紋長度預測優于傳統方法,收斂速度快,預測準確.
궤계결구재장기적존저중,피로렬문적변화수도다충배경인소적영향,침대목전피로렬문예측준학솔저적문제,제출일충기우최소이승지지향량궤방법(LSSVM)래예측궤계결구적피로렬문장도,통과개진적입자군우화산법대LSSVM진행삼수우화.개선적입자군삼수우화산법채용이차형관성권중체감책략,사입자군우화산법적우화과정경접근실제적비선성화고복잡과정.경방진실험험증,결과표명,기우개진적입자군삼수우화적최소이승지지향량궤(PSO_LSSVM)대우궤계결구적피로렬문장도예측우우전통방법,수렴속도쾌,예측준학.
