摘要
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.
NETL
NSTL
万方数据