基于工艺参数的7005铝合金力学性能的支持向量回归预测
根据7005铝合金在不同工艺参数(挤压温度、挤压速度、淬火方式和时效条件)下的力学性能(抗拉强度σ_b、屈服强度σ_(0.2)和硬度HB)实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)结合留一交叉验证(LOOCV)的方法,对7005铝合金力学性能进行建模和预测研究,并与偏最小二乘法(PLS)、反向传播人工神经网络(BPNN)和两者结合的PLS-BPNN模型的预测结果进行比较.结果表明:基于SVR-LOOCV法的预测精度最高,对3种力学性能(σ_b、σ_(0.2)和HB)预测的均方根误差(RMSE)分别为4.531 9 MPa、14.550 8 MPa和HB1.414 2,其平均相对误差(MRE)分别为0.72%、2.61%和0.66%,均比PLS、BPNN和PLS-BPNN方法预测的RMSE和MRE要小.
7005铝合金、力学性能、支持向量机、粒子群算法、留一交叉验证法、回归分析
20
TP18;TG146.2+1(自动化基础理论)
教育部新世纪优秀人才支持计划资助项目NCET-07-0903;教育部留学回国人员科研启动基金资助项目教外司留[2008]101-1;重庆市自然科学基金资助项目CSTC2006BB5240;国家大学生创新性实验计划资助项目CQUCX-G-2007-016
2010-05-12（万方平台首次上网日期，不代表论文的发表时间）
共6页
323-328
