热压混合材料板力学特性PSO-SVR模型预测

摘要：

精确、快速预测热压过程混合材料板力学特性,可降低生产成本,提高资源利用率.文章以热压过程为研究对象,提出基于粒子群算法(Particle Swarm Optimization,PSO)优化支持向量机回归(Support Vector Regression,SVR)模型.通过正交试验设计,结合混合材料板性能测试数据,以热压压力、热压温度、含水率、热压时间为自变量,预测混合材料板静曲强度、弹性模量、内结合强度.对比分析PSO-SVR与SVR预测结果,结果表明,PSO-SVR预测模型可明确热压参数与混合材料板力学特性间非线性关系,根据自变量预测混合材料板力学特性.与SVR相比,PSO-SVR算法模型具有鲁棒性强、精确度高、泛化能力强等优点.研究结果可为混合材料板力学特性预测及热压控制参数选择提供参考.

关键词：热压、力学特性、预测模型、支持向量机回归、粒子群算法

所属期刊栏目：49

分类号：TS653;TQ914.3(木材加工工业、家具制造工业)

资助基金：国家“十三五”重点研发计划项目2016YFD0701301

在线出版日期：2018-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：87-96