基于改进PSO_LSSVM机械结构疲劳裂纹扩展预测

• 作者: 王静 蒋刚 陈中杰
• 来源期刊: 计算机应用研究
• 关键词: 粒子群参数优化 最小二乘支持向量机 疲劳裂纹 二次型惯性权重递减策略
• 年，卷（期）: 2013,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3597-3599,3609
• 页数: 4页
• 分类号: TP181|TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2013.12.020

摘要

机械结构在长期的存储中,疲劳裂纹的变化受到多种环境因素的影响,针对目前疲劳裂纹预测准确率低的问题,提出一种基于最小二乘支持向量机方法(LSSVM)来预测机械结构的疲劳裂纹长度,通过改进的粒子群优化算法对LSSVM进行参数优化.改选的粒子群参数优化算法采用二次型惯性权重递减策略,使粒子群优化算法的优化过程更接近实际的非线性和高复杂过程.经仿真实验验证,结果表明,基于改进的粒子群参数优化的最小二乘支持向量机(PSO_LSSVM)对于机械结构的疲劳裂纹长度预测优于传统方法,收敛速度快,预测准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋刚	西南科技大学制造科学与工程学院	70	338	11.0	15.0
2	王静	西南科技大学制造科学与工程学院	31	64	5.0	6.0
3	陈中杰	西南科技大学计算机科学与工程学院	3	57	3.0	3.0