基于改进pso_lssvm机械结构疲劳裂纹扩展预测 - 计算机应用研究.pdf

第３０卷第１２期 计 算 机 应 用 研 究 Ｖｏｌ．３０Ｎｏ．１２ ２０１３年１２月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｄｅｃ．２０１３ 基于改进 ＰＳＯ＿ＬＳＳＶＭ机械结构 疲劳裂纹扩展预测 ａ ａ ｂ 王　静 ，蒋　刚 ，陈中杰 （西南科技大学 ａ．制造科学与工程学院；ｂ．计算机科学与工程学院，四川 绵阳 ６２１０１０） 摘　要：机械结构在长期的存储中，疲劳裂纹的变化受到多种环境因素的影响，针对目前疲劳裂纹预测准确率低 的问题，提出一种基于最小二乘支持向量机方法（ＬＳＳＶＭ）来预测机械结构的疲劳裂纹长度，通过改进的粒子群优 化算法对ＬＳＳＶＭ进行参数优化。改进的粒子群参数优化算法采用二次型惯性权重递减策略，使粒子群优化算法 的优化过程更接近实际的非线性和高复杂过程。经仿真实验验证，结果表明，基于改进的粒子群参数优化的最小 二乘支持向量机（ＰＳＯ＿ＬＳＳＶＭ）对于机械结构的疲劳裂纹长度预测优于传统方法，收敛速度快，预测准确。 关键词：粒子群参数优化；最小二乘支持向量机；疲劳裂纹；二次型惯性权重递减策略 中图分类号：ＴＰ１８１；ＴＰ３９１　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１３）１２３５９７０３ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１３．１２．０２０ ＢａｓｅｄｏｎｉｍｐｒｏｖｅｄＰＳＯ＿ＬＳＳＶＭｐｒｅｄｉｃｔｍｅｃｈａｎｉｃａｌ ｓｔｒｕｃｔｕｒｅｏｆｆａｔｉｇｕｅｃｒａｃｋｐｒｏｐａｇａｔｉｏｎ ａ ａ ｂ ＷＡＮＧＪｉｎｇ，ＪＩＡＮＧＧａｎｇ，ＣＨＥＮＺｈｏｎｇｊｉｅ （ａ．ＳｃｈｏｏｌｏｆＭａｎｕｆａｃｔｕｒｉｎｇＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，ｂ．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏ ｇｙ，ＭｉａｎｙａｎｇＳｉｃｈｕａｎ６２１０１０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｏｒｍｅｃｈａｎｉｃａｌｓｔｒｕｃｔｕｒｅｉｎｌｏｎｇｔｅｒｍｓｔｏｒａｇｅ，ｆａｔｉｇｕｅｃｒａｃｋｃｈａｎｇｅｓｗｅｒｅｉｎｆｌｕｅｎｃｅｄｂｙａｖａｒｉｅｔｙｏｆｅｎｖｉｒｏｎｍｅｎｔａｌ ｆａｃｔｏｒｓ．Ｆａｔｉｇｕｅｃｒａｃｋｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｗａｓｌｏｗ．Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｍｅｔｈｏｄｂａｓｅｄｏｎｌｅａｓｔｓｑｕａｒｅｓｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ ｍｅｔｈｏｄｔｏｐｒｅｄｉｃｔｔｈｅｆａｔｉｇｕｅｃｒａｃｋｌｅｎｇｔｈｏｆｍｅｃｈａｎｉｃａｌｓｔｒｕｃｔｕｒｅ．Ｂｙｉｍｐｒｏｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｏｐｔｉｍｉｚｅｄ ｔｈｅＬＳＳＶＭｐａｒａｍｅｔｅｒｓ．Ｉｍｐｒｏｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｕｓｅｄｑｕａｄｒａｔｉｃｄｅｃｒｅａｓｉｎｇｉｎｅｒｔｉａｗｅｉｇｈｔｓｔｒａｔｅｇｙ，ｍａｄｅ ＰＳＯａｌｇｏｒｉｔｈｍｏｐｔｉｍｉｚａｔｉｏｎｐｒｏｃｅｓｓｃｌｏｓｅｒｔｏａｃｔｕａｌｈｉｇｈｎｏｎｌｉｎｅａｒａｎｄｃｏｍｐｌｅｘｐｒｏｃｅｓｓ．Ｉｔｈａｓｂｅｅｎｔｅｓｔｅｄｂｙｓｉｍｕｌａｔｉｏｎｅｘｐｅｒｉ ｍｅｎｔｓ，ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｍｅｃｈａｎｉｃａｌｓｔｒｕｃｔｕｒｅｆａｔｉｇｕｅｃｒａｃｋｌｅｎｇｔｈｐｒｅｄｉｃｔｉｏｎｉｓｂｅｔｔｅｒｔｈａｎｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓ．Ｉｔｈａｓｆａｓｔ ｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄ，ｈｉｇｈａｃｃ