基于支持向量机和粒子群优化相结合的残余应力预测  

Prediction of residual stress based on SVM and PSO

作　　者：张孟劼 王明春[1] 戚厚军[2] 

机构地区：[1]天津职业技术师范大学理学院,天津300222 [2]天津职业技术师范大学机械工程学院,天津300222

出　　处：《机械设计》2015年第7期83-87,共5页Journal of Machine Design

基　　金：国家自然科学基金资助项目(51075298)

摘　　要：准确地预测残余应力对激光冲击工艺过程中的参数优化有重要的意义。残余应力预测问题实际上是多输入单输出问题,文中利用粒子群优化方法优化支持向量机回归中的参数,建立了残余应力的预测模型。试验结果表明,经PSO算法优化的SVM回归模型具有较高的预测精度。Predicting residual stress accurately has an important significance of parameters optimization in laser shock process. Predicting of residual stress is a multi-input single-output problem. Using the PSO method to optimize parameters in SVM,the residual stress prediction model is established. The experiments result showes that the particle swarm optimization algorithm to optimize the support vector machine regression model can have higher prediction accuracy for prediction.

关 键 词：支持向量机 粒子群优化算法 残余应力预测 

分 类 号：TH16[机械工程—机械制造及自动化]