基于PSO算法和SVR模型的加工中心可靠性模型参数估计

• 作者: 杨兆军 杨川贵 王松 郑志同 郝庆波 陈菲
• 来源期刊: 吉林大学学报（工学版）
• 学科: 工学
• 关键词: 数控机床 加工中心可靠性 Weibull模型 支持向量回归 粒子群优化
• 年，卷（期）: 2015,（3）
• 页码范围: 829-836
• 页数: 8页
• 分类号: TG659
• 字数: 4382字
• 语种: 中文
• DOI: 10.13229/j.cnki.jdxbgxb201503021

摘要

针对加工中心可靠性模型,提出了一种基于支持向量回归模型的参数估计方法,并利用改进的局部最优粒子群优化算法对支持向量回归模型的参数进行优化,以提高其对可靠性模型参数的估计精度.与标准的局部最优粒子群优化算法比较,改进的局部最优粒子群优化算法引入了变异操作和自适应调节惯性因子,提高了算法的全局最优解搜索能力.将提出的方法与最小二乘法、最大似然估计法、局部最优粒子群优化算法优化的支持向量回归模型和遗传算法优化的支持向量回归模型进行了对比试验.试验结果表明:该方法的参数估计精度高于最小二乘法、最大似然估计法、局部最优粒子群优化算法优化的支持向量回归模型和遗传算法优化的支持向量回归模型.最后,将该方法用于估计实际加工中心可靠性模型的参数,得出了相应的平均故障间隔时间的评估数值.