基于PSO-LSSVM算法的表面粗糙度预测模型与应用

• 作者: 杨钊 路超凡 刘安黎
• 来源期刊: 机床与液压
• 关键词: 表面粗糙度预测 最小二乘支持向量机 粒子群优化 应用系统
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 试验与研究|TEST & RESEARCH
• 页码范围: 47-50,59
• 页数: 5页
• 分类号: TH16
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3881.2021.06.010

摘要

为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型.以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化BP神经网络模型的优劣.结果表明:PSO-LSSVM模型具有较高的预测精度和较快的收敛速度.基于MATLAB GUI搭建了表面粗糙度预测与参数优化应用系统.该系统具有较好的实用性,可实现简单、快速预测表面粗糙度,帮助决策人员灵活选取切削参数.