| AO-LSSVM在铣削铝合金表面粗糙度预测研究与应用 |
| |
| 引用本文： | 吕亮亮,尹凝霞,仵景岳,麦青群,刘璨. AO-LSSVM在铣削铝合金表面粗糙度预测研究与应用[J]. 宇航材料工艺, 2023, 53(3): 28-35 |
| |
| 作者姓名： | 吕亮亮 尹凝霞 仵景岳 麦青群 刘璨 |
| |
| 作者单位： | 广东海洋大学机械工程学院,湛江 524088,广东海洋大学机械工程学院,湛江 524088,广东海洋大学机械工程学院,湛江 524088,广东海洋大学机械工程学院,湛江 524088,广东海洋大学机械工程学院,湛江 524088 |
| |
| 基金项目： | 国家自然科学基金资助项目（51375099）;广东省教育厅特色创新类项目（2017KTSCX086）;广东海洋大学科研启动费资助项目（E15168） |
| |
| 摘 要： | 为提高铣削7475铝合金表面粗糙度（）的预测准确性和便捷性,本文基于天鹰优化器算法（AO）对最小二乘向量机（LSSVM）进行优化,以4个铣削参数作为输入值,作为输出值构建铣削铝合金预测模型,通过与粒子群（PSO）优化最小二乘支持向量机（LSSVM）和LSSVM 两种算法进行对比,采用灰色关联对铣削参数与表面粗糙度之间的相关性进行分析并通过GUI界面搭建预测系统。结果表明：基于AO-LSSVM的预测模型的预测误差为4.287 6%,拟合优度达到0.938 64,优于其他算法;每齿进给量与的相关性最大,灰色关联度值为0.764;通过GUI预测应用系统能实现高效、便捷、准确地预测值。
|
| 关 键 词： | 表面粗糙度 天鹰优化最小二乘支持向量机 灰色关联分析 应用系统 |
| 收稿时间： | 2022-10-08 |
| 修稿时间： | 2022-10-27 |
Research and Application of AO-LSSVM in Milling Aluminum Alloy Surface Roughness Prediction |
| |
| LV Liangliang,YIN Ningxi,WU Jingyue,MAI Qinqun and LIU Can. Research and Application of AO-LSSVM in Milling Aluminum Alloy Surface Roughness Prediction[J]. Aerospace Materials & Technology, 2023, 53(3): 28-35 |
| |
| Authors: | LV Liangliang YIN Ningxi WU Jingyue MAI Qinqun LIU Can |
| |
| Abstract: | |
| |
| Keywords: | Surface roughness Aquila optimized least squares support vector machine Grey correlation analysis Application system |
|
| 点击此处可从《宇航材料工艺》浏览原始摘要信息 |
|
点击此处可从《宇航材料工艺》下载免费的PDF全文 |
|
