基于IAGA-LSSVM的切削加工表面粗糙度的智能预测.pdf

《基于IAGA-LSSVM的切削加工表面粗糙度的智能预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、TeChn010gyand工艺与检测基于IAGA-LSSVM的切削加工表面粗糙度的智能预测术王明海王京刚郑耀辉高蕾李世永(沈阳航空航天大学航空制造_T-艺数字化国防重点学科实验室，辽宁沈阳110136)摘要：提出了一种基于改进自适应遗传算法与最小二乘支持向量机(IAGA—LSSVM)的切削加工表面粗糙度的智能预测方法。通过设定LS-SVM模型主要参数的取值范围，采用IAGA进行寻优，提高了LS—SVM预测模型的精度。最后采用平均相对预测误差作为检验指标，比较了多元线性回归模型、BP神经网络模型、AGA-LSSVM模型及I

2、AGA-LSSVM模型对表面粗糙度的预测能力。结果表明：IAGA-LSSVM预测模型的建模时间更短，平均相对预测误差更小，对切削加工表面粗糙度的预测具有一定的参考意义。关键词：自适应遗传算法；支持向量机；切削加工；粗糙度；智能预测中图分类号：TP16文献标识码：AIntelligentpredictionforsurfaceroughnessofcuttingbasedonIAGA-—LSSVMWANGMinghai，WANGJinggang，ZHENGYaohui，GAOLei，LIShiyong(KeyLaborat

3、oryofFundamentalScienceforNationalDefenseofAeronauticalDigitalManufacturingProcess，ShenyangAerospaceUniversity，Shenyang110136，CHN)Abstract：AnewpredictionmethodforsurfaceroughnessofmillingbasedonanImprovedAdaptiveGeneticAlgo—rithm(IAGA)andLeastSquaresSuppo~VectorM

4、achine(LS—SVM)isputforward．BysettingtherangeofthemainparametersoftheLS—SVMmodel，theaccuracyoftheLS—SVMforecastingmodelisimprovedbyusingIAGAoptimizingtheparameters．Finally，thepredictionaccuracyforsurfacerough—nessofthemultiplelinearregressionmodel，BPneuralnetworkm

5、odel，AGA—LSSVMmodelandIAGA-LSSVMmodeliscompared．ThepracticalexperimentalresultsshowthatthemodelingtimeofIAGA—LSSVMpredictionmodelisshorter，whiletheaveragerelativepredictionerrorissmaller，thathasacer—tainguidingsignificanceforthepredictionofsurfaceroughnessinmilli

6、ng．Keywords：adaptivegeneticalgorithm；supportvectormachine；cutting；roughness；intelligentprediction表面粗糙度作为衡量工件表面加工质量的重要指问对分类超平面进行寻优，很好的解决了复杂非线性、标之一，其大小对工件的疲劳强度、摩擦系数、耐蚀性小样本、高维数、局部极小值等问题，具有全局最优性具有重要影响¨。及较强的泛化能力。最小二乘支持向量机(LS—目前对铣削表面粗糙度的预测方法多采用多元线SVM)是标准SVM的一种扩展，它选取最小二

7、乘线性回归模型，在一定程度上较好地拟合了铣削表面粗糙性误差e的二范数作为优化目标的损失函数，将不等度与铣削参量之间的非线性关系，但是试验数据的获得式约束转换为等式约束，降低了求解的复杂性；但是往往要经过大量的试验，致使这种方法既费时又费力。LS—SVM的学习机参数的选择往往依赖于操作人员的人工神经网络(ANN)以其对复杂非线性系统良好的逼经验，从而导致模型预测精度不高。近能力，在表面粗糙度预测方面得到了广泛应用J。针对现有预测方法的不足，提出了一种基于改进但是该方法存在计算时间长、容易陷人局部极值点、外自适应遗传算法与最

8、小二乘支持向量机(IAGA—LSS．插能力较弱以及泛化能力较低等缺点J。VM)的铣削表面粗糙度预测方法。对现有自适应遗支持向量机(SVM)基于结构风险最小化原则，通传算法(AGA)进行了改进，并将IAGA与LS-SVM进过非线性变换把输入空间转换到高维空间，并在此空行了融合，利用IAGA优化LS-SVM参数，提高了预