重庆理工大学学报2020，Vol.34Issue(4) ：87-94.

基于改进PSO-LSSVM的轴类校直机校直行程预测

Prediction of Straightening Stroke of Shaft Straightening Machine Based on Improved PSO-LSSVM

郝建军 陈家栋 王梦帆 周娣
重庆理工大学学报2020，Vol.34Issue(4) ：87-94.
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据

基于改进PSO-LSSVM的轴类校直机校直行程预测

Prediction of Straightening Stroke of Shaft Straightening Machine Based on Improved PSO-LSSVM

郝建军 1陈家栋 1王梦帆 1周娣1
扫码查看

作者信息

  • 1. 重庆理工大学 机械工程学院,重庆 400054
  • 折叠

摘要

传统的轴类校直通过人工操作设备和借助辅助设备的测量进行校直行程的计算.这种计算方法耗费人力,效率低下,同时也无法满足设备智能化的要求.为此,提出一种改进型的PSO-LSSVM(基于粒子群优化的最小二乘支持向量机)算法模型应用到校直行程的预测过程中.首先通过分析提取影响校直行程的相关因素,然后将这些影响因素与成功校直数据作为算法模型的输入样本进行训练,得到一个能可靠预测校直行程的PSO-LSSVM模型.通过对测试样本的数据分析,预测值与期望值的相对误差可以达到3.14％.结果表明:此模型可以满足校直设备的校直行程计算,进而提高校直效率与校直自动化.

关键词

校直行程预测/轴类校直/最小二乘支持向量机/粒子群优化

引用本文复制引用

基金项目

重庆市高校优秀成果转化资助项目(KJZH17127)

出版年

2020
重庆理工大学学报
重庆理工大学

重庆理工大学学报

CSTPCD北大核心
影响因子：0.567
ISSN：1674-8425
被引量4
参考文献量15
段落导航相关论文