舰船科学技术
艦船科學技術
함선과학기술
Ship Science and Technology
2015年
7期
54-57
,共4页
水火弯板%支持向量机%粒子群优化算法%变形预测
水火彎闆%支持嚮量機%粒子群優化算法%變形預測
수화만판%지지향량궤%입자군우화산법%변형예측
line heating%support vector machine%particle swarm optimization%deformation prediction
近年来,水火弯板加工自动化是船舶制造行业的研究热点和难点.由于影响钢板变形结果的参数之间复杂的非线性关系,导致水火弯板变形预测不能够快速准确的实现.支持向量机(SVM)具有良好的泛化能力,将其应用于水火弯板变形预测,可有效解决非线性、小样本、高维数等问题.支持向量机性能的好坏取决于其参数的选取,本文选用粒子群算法(PSO)来优化SVM的相关参数,并将预测结果和传统的支持向量机模型的预测结果进行对比分析.结果表明,PSO_SVM模型用于水火弯板变形预测可以较好地提高预测精度.
近年來,水火彎闆加工自動化是船舶製造行業的研究熱點和難點.由于影響鋼闆變形結果的參數之間複雜的非線性關繫,導緻水火彎闆變形預測不能夠快速準確的實現.支持嚮量機(SVM)具有良好的汎化能力,將其應用于水火彎闆變形預測,可有效解決非線性、小樣本、高維數等問題.支持嚮量機性能的好壞取決于其參數的選取,本文選用粒子群算法(PSO)來優化SVM的相關參數,併將預測結果和傳統的支持嚮量機模型的預測結果進行對比分析.結果錶明,PSO_SVM模型用于水火彎闆變形預測可以較好地提高預測精度.
근년래,수화만판가공자동화시선박제조행업적연구열점화난점.유우영향강판변형결과적삼수지간복잡적비선성관계,도치수화만판변형예측불능구쾌속준학적실현.지지향량궤(SVM)구유량호적범화능력,장기응용우수화만판변형예측,가유효해결비선성、소양본、고유수등문제.지지향량궤성능적호배취결우기삼수적선취,본문선용입자군산법(PSO)래우화SVM적상관삼수,병장예측결과화전통적지지향량궤모형적예측결과진행대비분석.결과표명,PSO_SVM모형용우수화만판변형예측가이교호지제고예측정도.
