基于QGA-SVR的工件表面粗糙度预测和分析
版权信息:站内文章仅供学习与参考,如触及到您的版权信息,请与本站联系。
信息
资料大小
2.70 MB
文件类型
PDF
语言
简体中文
资料等级
☆☆☆☆☆
下载次数
简介
在自动化生产中建立难加工材料的表面质量预测模型,是实现可持续制造的基础。提出一种结合量子遗传算法和支持向量回归(Quantum genetic algorithm-Support vector regression,QGA-SVR)的已加工表面粗糙度预测模型,改进了现有寻优方法在搜索支持向量回归的模型参数易陷入局部最优解的问题。在量子门更新的过程中加入交叉和变异的操作,保证了模型全局搜索能力,为了提高支持向量回归的泛化能力,在参数优化过程结合了K-折叠交叉验证。结合干车削304不锈钢的切削试验以及现有的铣削实验数据,对比分析了基于量子遗传算法和遗传算法的支持向量回归模型。结果表明:QGA-SVR具有收敛速度快、预测精度高的优点,基于建立的QGA-SVR模型分析了切削参数对车削表面粗糙度的影响规律。相关论文
- 2021-03-17液压式半自动交通锥收放系统的设计
- 2021-06-06内涵型NGM(1,1,K)预测模型及其在油液光谱分析中的应用
- 2019-07-07YYCAPP系统开发中的零件分类成组
- 2021-03-12步进式加热炉液压系统常见故障浅析
- 2021-05-01综掘机机载锚杆钻机液压系统设计
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。