基于PSO和Stacking集成学习的保险杠工艺优化
结合保险杠在注塑成型过程中存在的体积收缩缺陷,采用Stacking集成学习方法建立了顶出时体积收缩率平均值的预测模型,并且对工艺参数进行优化.采用正交试验法设计试验方案,通过CAE软件分析并获得注塑成型过程温度、压力、时间等工艺参数与顶出时体积收缩率的平均值的样本数据.使用极限学习机结合岭回归、支持向量机回归、K近邻回归建立RSK-ELM集成模型,仿真实验表明,集成模型具有更高的预测精度.以降低顶出时体积收缩率的平均值为 目标,基于建立的集成模型,运用粒子群算法对工艺参数优化问题进行求解,实验结果表明,使用优化的工艺参数,得到顶出时体积收缩率平均值为3.453%,与正交试验表中的下限相比,减少了 3.94%,有效地降低了产品的收缩变形.因此,利用上述方法能提高产品的质量.
保险杠、体积收缩、Stacking集成学习、工艺参数、极限学习机、粒子群算法
51
TP391.7(计算技术、计算机技术)
国家自然科学基金62076095
2022-09-14(万方平台首次上网日期,不代表论文的发表时间)
共6页
22-27