10.19287/j.cnki.1005-2402.2021.09.019
基于GA-SVM的数控机床装配质量预测模型
装配质量的好坏直接决定了数控机床的最终性能,为对数控机床装配质量进行事前预测,提高装配合格率,采用基于GA-SVM方法建立数控机床装配质量预测模型.首先,基于"功能—运动—动作"的结构化分解方法对机床进行元动作分解,将各级元动作内部影响因素作为装配影响因素,并以元动作链中最后一个元动作输出运动参数作为装配质量分析对象.然后,将GA-SVM模型运用到砂轮架X轴进给运动下的元动作链装配质量预测中,为证明该模型的实用性与有效性,将GV-SVM模型得到的预测结果与BP神经网络、常规SVM模型进行对比分析,结果表明:三者的预测结果的平均相对误差分别为3.83%、8.90%和10.16%,显然,GA-SVM模型较其他两种预测模型而言预测效果较好,为数控机床装配工艺进一步优化提供指导意义.
遗传算法;支持向量机;装配质量;预测模型
U466(汽车工程)
2021-09-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
97-100,106