- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第49卷第 15期 机 械 工 程 学 报 vo1.49 NO.15
2013年 8 月 JoURNALOFMECHANICALENGINEERING Aug. 2013
DoI: 10.3901,JME.2013.15.105
基于多准则修正的产品性能多参数
关联分析与预测方法木
刘振宇1周恩杭 谭建荣 唐宏亮2
(1.浙江大学CADCG国家重点实验室 杭州 310027;
2.上海航天控制技术研究所 上海 200233)
摘要:复杂产品的性能往往受到多个特征参数的关联影响。建立特征参数与产品性能的关联映射关系,是准确预测产品性能
的关键。提出基于多准则修正的产品性能多参数关联分析方法,分别从特征参数粗大误差处理、特征参数数量精简、特征参
数有限元修正与神经网络预测模型修正四个角度实现产品性能预测,对特征参数进行基于测量数据拓扑距离的粗大误差处
理,采用灰熵关联分析对特征参数进行筛选,找到影响产品性能的关键特征参数,缩减预测模型的规模,并对装配后发生变
化的特征参数通过有限元方法修正,通过基于 AMESim模型的性能基准值计算和基于广义回归神经网络的性能偏差预测相
结合,实现产品性能预测。以某型双喷嘴挡板电液伺服阀的性能预测为例,验证方法的有效性。
关键词:粗大误差 灰熵关联 有限元 神经网络 性能预测 多准则
中图分类号:TP391
M ultipleParametersCorrelationAnalysisandPredictionM ethod
ofProductPerformanceBasedonM ulti.criteriaM odification
LIU Zhenyu ZHOU Sihang TAN Jianrong。 TANG Hongliang
(1.StateKeyLaboratoryofCADCGZhejiangUniversity,Hangzhou310027;
2.ShanghaiAerospaceControlTechnologyInstitute,Shnaghai200233)
Abstract:Theperformanceofcomplexproductsisalwayssyntheticallyaffectedbymultiplefeatureparameters.Thereby,itisthe
keyto createamappingbetweenfeatureparametersandproductperformna ceforproductperfomr anceprediction.Itproposesa
mehtodofmultipleparma eterscorrelationanalysisnadpredictionofproductperformna cebasedonmulti.criteriamodification.Inthe
proposedmethod,theproductperfomr anceprediction iSrealizedwiht fourstepshtatarecorrectinghtegrosserroroffeature
pramaeters,reducingthenumberoffeaturepraameters,modifyingthefeatureparametersbyfniiteelementmehtod(FEM)nad
improvinghteproductperformnacepredictionmodelbasedonneuralnewtork.respectively.Thegrosserrorprocessingoffeature
parametersisimplementedbasedontopologicaldistanceofthemeas~eddata,htekey featureprama eters,influencingproduct
perfomr na ce,raeselectedbyassociativena alysisofgrayentropytoreduc
您可能关注的文档
- “胜利”的根基——根基的力量.pdf
- 60年深厚情谊 抚今追昔话未来——读编共话《金属加工》杂志创刊60周年.pdf
- C/C++语言学习系统的构建.pdf
- EasiSNP:一种基于时空属性的传感器网络编程方法.pdf
- EPS树脂生产关键工艺技术的研究.pdf
- Every Day at the Shanghai Expo Will Be the First Day——A special interview with Mr. Ye Mingshui, Taiwan Pavilion's executive director英文论文.pdf
- Gender of large river deltas and parasitizing rivers英文论文.pdf
- Geochemistry of Heavy Oil in the T Block, Oriente Basin and its Origin英文论文.pdf
- Image-Pro Plus软件在小麦淀粉粒显微图像分析中的应用.pdf
- MSCT三期增强扫描在小肝癌检出中的作用.pdf
文档评论(0)