基于多准则修正的产品性能多参数关联分析与预测方法.pdfVIP

基于多准则修正的产品性能多参数关联分析与预测方法.pdf

  1. 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. 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. 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. 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. 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. 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. 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

文档评论(0)

docindoc + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档