基于支持向量机的蠕墨铸铁表面粗糙度预测

• 作者: 吴智强 廖小平 张振坤 胡珊珊 马俊燕 鲁娟
• 来源期刊: 表面技术
• 学科: 工学
• 关键词: 差分进化算法 支持向量机回归 蠕墨铸铁 切削表面粗糙度 加工参数
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 表面质量控制及检测
• 页码范围: 339-346
• 页数: 8页
• 分类号: TG143.49
• 字数: 6013字
• 语种: 中文
• DOI: 10.16490/j.cnki.issn.1001-3660.2020.02.043

摘要

目的 准确预测蠕墨铸铁加工过程中的表面质量,指导加工参数调整,保证加工过程中加工质量的稳定,运用差分进化算法优化的SVM模型(DE-SVM)构建蠕墨铸铁表面粗糙度(Ra)预测模型和加工参数选择方法 .方法 采用DE-SVM提高支持向量机回归模型的预测精度,建立针对实际加工材料的表面粗糙度预测模型,基于构建的预测模型,挖掘表面粗糙度与加工参数之间的关系,从而获得较优的加工参数.结果 结合蠕墨铸铁的铣削加工实验数据,对比DE-SVM与常用优化算法(粒子群优化算法(PSO)和遗传算法(GA))优化的SVM模型,DE-SVM模型获得的MAPE(0.122)和R2(0.9559)值均优于粒子群和遗传算法优化的支持向量模型获得MAPE和R2值.在给定的加工参数范围内,切削速度和进给速度对表面粗糙度的影响较大,且表面粗糙度与切削速度成正比关系,与进给速度成反比,而切削深度对表面粗糙度影响不显著.结论 由实验的对比结果 可知,采用DE-SVM模型建立的蠕墨铸铁表面粗糙度模型具有更高的预测精度,基于DE-SVM获得的加工参数对表面粗糙度的影响,可有效指导加工参数的选择与调整,对保持蠕墨铸铁优良的加工质量具有较好的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马俊燕	广西大学机械工程学院	24	66	5.0	7.0
2	胡珊珊	广西大学机械工程学院	23	124	7.0	10.0
3	廖小平		8	14	2.0	3.0
4	鲁娟	北部湾大学机械与船舶海洋工程学院	5	6	1.0	2.0
8	张振坤	广西大学机械工程学院	4	5	1.0	2.0
9	吴智强	广西大学机械工程学院	2	2	1.0	1.0