10.3404/j.issn.1672-7649.2015.07.013
基于PSO_SVM模型的水火弯板变形预测研究
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.
水火弯板、支持向量机、粒子群优化算法、变形预测
37
U671
江苏省科技厅资助项目BY2011143
2015-10-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
54-57