基于优化 SVR 模型的大跨度样本疲劳寿命预测

• 作者: 刘义伦 周维 杨大炼 羿九火
• 来源期刊: 东北大学学报（自然科学版）
• 学科: 工学
• 关键词: 大跨度 支持向量回归 疲劳 寿命预测 铝合金
• 年，卷（期）: 2015,（9）
• 所属期刊栏目: 机 械 工 程
• 页码范围: 1321-1326
• 页数: 6页
• 分类号: TG146.2+1
• 字数: 3563字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-3026.2015.09.023

摘要

针对传统方法在大跨度、小样本情况下的疲劳寿命预测准确率不高的问题,研究基于优化 SVR模型的寿命预测方法。根据大跨度样本的特点,提出有效的预处理方法、SVR 模型的训练方法及参数优化准则。以 LY12CZ(2A12)铝合金疲劳寿命预测为实例,分析了高斯核函数、多项式核函数及多层感知核函数对SVR 模型训练误差的影响。结果表明高斯核函数更适用于 SVR 模型的训练,并通过细菌觅食算法对核参数γ及惩罚因子 C 进行优化选取,LY12CZ(2A12)铝合金疲劳寿命预测结果验证了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘义伦	中南大学机电工程学院	177	1461	19.0	28.0
5	周维	中南大学机电工程学院	13	139	3.0	11.0
6	杨大炼	中南大学机电工程学院	7	62	4.0	7.0
7	羿九火	中南大学机电工程学院	2	24	2.0	2.0