首页|融合改进猎人猎物优化算法与LSTM的电驱动总成腔体密封质量预测

融合改进猎人猎物优化算法与LSTM的电驱动总成腔体密封质量预测

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
腔体密封不良对电驱动总成的寿命及功能实现具有较大负面影响,针对电驱动总成腔体密封质量合格率低,事后检验繁琐、效率低等实际问题,提出了一种基于改进猎人猎物优化算法(IHPO)与长短期记忆神经网络(LSTM)的电驱动总成腔体密封质量预测模型.首先,采用核主成分分析法(KPCA)对多个腔体密封质量影响因素进行降维处理,再用Cubic混沌映射、折射反向学习和强制切换策略优化猎人猎物优化算法,然后利用改进的猎人猎物优化算法对LSTM模型的参数进行优化,并采用改进HPO-LSTM模型并完成腔体密封质量预测.最后以某装配车间X型电驱动总成为例进行实例验证,结果表明:IHPO-LSTM模型预测结果均方根误差、平均绝对误差、决定系数分别为0.15442%、0.13230%、0.98218,均优于其他模型.
Combining the improved hunter-prey optimization and LSTM to predict the sealing quality of the electric drive assembly cavity

龚小容、余先豫、周康渠

展开 >

重庆理工大学 机械工程学院,重庆 400054

电驱动总成 质量预测 改进猎人猎物优化算法 LSTM

2024

制造业自动化
北京机械工业自动化研究所

制造业自动化

CSTPCD
影响因子：0.482
ISSN：1009-0134
年,卷(期)：2024.46(4)
  • 16