收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量回归(SVR)的材料热加工过程建模

杨芳  
【摘要】: 金属材料热加工自动化是材料热加工技术发展的一个趋势,但其过程涉及到温度场、流场、组织场、应力场、形变场、熔化与凝固等复杂变化,使得采用经典的建模方法难以获得材料热加工过程的精确数学模型。然而,获取该过程中的知识模型,有助于认识复杂热加工过程的规律,获取人类智能的经验知识,甚至升华人类智能的经验知识,从而实现复杂热加工过程的自动化和智能化,所以获取热加工过程的知识模型意义重大。 近年来,采用模糊集理论、神经网络理论、粗糙集理论以及两者结合的理论获取材料热加工过程的知识模型成为科研人员关注的焦点,但这些方法都存在一些本身难以克服的缺点,有必要对这类复杂过程的建模方法进一步研究。基于结构风险最小化原则的支持向量回归建模方法具有较强的泛化能力,克服了以往建模方法的“维数灾难”和“过学习”等问题,对于复杂过程建模具有较好的适用性。因此,本文引入支持向量回归建模方法,并针对热加工过程的SVR知识建模方法中各步骤所涉及的问题进行了必要的形式化,给出了相应的解决方法,最终将各个步骤模块化,开发了材料热加工过程MPSVR知识建模软件系统。 以汇众汽车公司活塞环用HUNTER型砂铸造生产线为基础,给出了湿型砂铸造过程质量预测SVR建模试验结果及分析,并且将SVR建模方法与已应用的灰色关联分析评价方法进行了比较。试验结果表明,SVR知识建模方法及设计的MPSVR软件系统对型砂铸造过程质量预测建模具有较强的可行性和有效性,获得型砂铸造过程模型的复杂程度和精度都是可以满足要求的,模型易于理解。从而,证明了SVR建模方法对于型砂铸造复杂过程是有效的知识建模方法。 本文以基于视觉传感的焊接过程为背景,将SVR知识建模方法应用于铝合金脉冲GTAW焊接动态过程建模,根据不同材料不同焊接方法下热积累不同,提出了三种不同的模型输入形式,针对本文焊接随机试验比较了不同模型输入的特点,并分析了三种模型输入的适用范围。试验结果表明,选择了合理的模型输入条件下,MPSVR知识建模方法可以有效的获取铝合金脉冲GTAW焊接动态过程的知识模型,模型的复杂程度和精度都是可以满足要求的,模型易于理解,为实现焊接过程的智能化控制奠定了基础。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 陈志国;程义民;王以孝;游安清;;基于SVR的机动目标跟踪[J];计算机工程与科学;2006年08期
2 张瑞青;王雷;李勇;;基于SVR的凝汽器真空冗余测量[J];热力透平;2008年04期
3 孟建钊;;基于压缩感知去噪和SVR的汇率预测研究[J];时代金融;2017年08期
4 刘明辉;杨峰;王磊;吴红;;基于SVR的反舰导弹作战效能探索性评估方法[J];计算机仿真;2009年08期
5 钱宗华;袁哲明;周建军;熊洁仪;;基于SVR的多维时间序列农业经济预测模型[J];湖南农业科学;2007年04期
6 汪陶胜;方宁;薛明华;孟刚;南华;陈唯实;王宝发;;基于SVR的箔条云团电磁逆散射研究[J];电子学报;2006年S1期
7 王文超;苗夺谦;陈骥远;;基于SVR算法的燃气轮机功率预测研究[J];计算机科学;2013年S1期
8 田一梅;吴迷芳;王阳;;基于SVR的城市供水管网余氯预测分析[J];重庆建筑大学学报;2006年02期
9 张骏;吴志敏;潘雨帆;郭孜政;;基于SVR模型的驾驶简单反应时间预测方法[J];中国公路学报;2017年04期
10 蔡艳宁;曹小平;胡昌华;;基于自适应小波SVR算法的陀螺漂移预测[J];控制工程;2007年S3期
11 蔡从中;王桂莲;裴军芳;朱星键;;沥青生产过程中软化点的SVR预测[J];重庆大学学报;2011年09期
12 李紫蕊;范书瑞;花中秋;夏克文;张艳;;基于随机森林和粒子群优化的SVR的混合气体分析方法研究[J];传感技术学报;2019年11期
13 林树宽;支力佳;张少敏;乔建忠;王国仁;于戈;;基于组合SVR的非平稳时间序列的模糊建模方法[J];电子学报;2006年10期
14 程怀蒙;张胜业;;基于ε-SVR算法的大地电磁测深资料去噪[J];地球物理学进展;2014年02期
15 胡良谋;曹克强;王文栋;徐浩军;董新民;;基于SVR的非线性系统故障诊断研究[J];机械科学与技术;2010年02期
16 杨际祥;谭国真;王凡;田珠;潘东;;实时交通流预测的并行SVR预测方法[J];大连理工大学学报;2010年06期
中国重要会议论文全文数据库 前10条
1 吴德会;;非线性动态系统的SVR辨识法[A];第二十六届中国控制会议论文集[C];2007年
2 文尚刚;李发伯;于川;郝建中;赵锋;;SVR相机在爆轰实验中的应用[A];第二届全国爆炸力学实验技术交流会论文集[C];2002年
3 宁可;李清;陈禹六;;经营过程建模标准的需求与建议[A];先进制造技术论坛暨第二届制造业自动化与信息化技术交流会论文集[C];2003年
4 黄细霞;陈善本;;基于支持向量机的焊接过程建模方法[A];第十一次全国焊接会议论文集(第2册)[C];2005年
5 贾利民;张锡第;;复杂过程建模与控制的模糊穴映射法及其应用[A];1992年中国控制与决策学术年会论文集[C];1992年
6 赵军;甘仞初;;基于规范的业务过程建模研究[A];企业应用集成系统与技术学术研究会论文集[C];2006年
7 王熙雏;;煮糖过程建模的分析与研究[A];2004年广西自动化学会学术年会论文集[C];2004年
8 孙武峰;曹丽;王焕钢;徐文立;;基于SVR的重介悬浮液煤泥含量测量[A];中国仪器仪表学会第十一届青年学术会议论文集[C];2009年
9 夏悦琴;唐任仲;;并行产品开发过程建模研究[A];制造业与未来中国——2002年中国机械工程学会年会论文集[C];2002年
10 吴敏;邵之江;曹卫华;;工业过程建模发展研究[A];2010-2011控制科学与工程学科发展报告[C];2011年
中国博士学位论文全文数据库 前10条
1 王目树;基于模式运动的一类复杂生产过程建模、分析与控制[D];北京科技大学;2019年
2 牟盛静;石化工业过程建模与优化若干问题研究[D];浙江大学;2004年
3 袁锋;基于资源优化的制造过程建模与仿真研究[D];东北大学;2006年
4 魏驰航;基于降维映射的工业过程建模与监测[D];浙江大学;2018年
5 郭武;过程建模技术中若干问题的研究[D];吉林大学;2008年
6 刘小雍;基于SVR的非机理模型建模研究及故障预测[D];华中科技大学;2015年
7 蒋辉;经济预测的灰色支持向量回归方法[D];中南大学;2010年
8 余艳芳;改进型支持向量回归机及其在过程建模与控制中的应用[D];华东理工大学;2010年
9 杨美艳;食用油热加工过程中反式脂肪酸的形成与控制[D];南昌大学;2012年
10 凌萍;基于支持向量技术的聚类分类研究[D];吉林大学;2010年
中国硕士学位论文全文数据库 前10条
1 杨芳;基于支持向量回归(SVR)的材料热加工过程建模[D];上海交通大学;2010年
2 方仁孝;基于群智能算法优化SVR的短时交通流预测[D];大连理工大学;2015年
3 叶立强;基于SVR的滚动轴承剩余使用寿命预测方法研究[D];哈尔滨理工大学;2017年
4 党晔;SVR在电力谐波测量中的应用研究[D];西安科技大学;2006年
5 谭庆双;基于SVR的混凝土/水泥的配合比对其抗压强度影响规律的研究[D];重庆大学;2014年
6 娄剑;基于SVR的制造企业产品定价方法研究[D];大连理工大学;2017年
7 李建伟;SVR理论在图像处理和边值问题中的应用[D];河北工业大学;2003年
8 肖文;基于SVR的铝电解槽极距软测量模型的研究[D];中南大学;2010年
9 高岩;基于动态代谢通量分析的发酵过程建模与优化[D];江南大学;2018年
10 谷宏志;基于EATI的维修排故过程建模与仿真方法研究[D];中国民航大学;2017年
中国重要报纸全文数据库 前1条
1 首席记者 卜庆祥 于军 记者 侯冰冰;向量的梦想空间[N];鞍山日报 ;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978