基于优化SVR模型的大跨度样本疲劳寿命预测
来源期刊：东北大学学报(自然科学版)2015年第9期
论文作者：杨大炼 刘义伦 周维 羿九火
文章页码：1321 - 1326
关键词：大跨度;支持向量回归;疲劳;寿命预测;铝合金;
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.
杨大炼1，刘义伦1,2，周维1，羿九火1
1. 中南大学机电工程学院2. 中南大学轻合金研究院
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.
关键词：大跨度;支持向量回归;疲劳;寿命预测;铝合金;
