基于粒子群算法优化支持向量回归的电火花加工工艺指标预测模型.docxVIP

基于粒子群算法优化支持向量回归的电火花加工工艺指标预测模型

目录

内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.3论文组织结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

相关理论与技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

2.1支持向量机(SVM)理论基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.2粒子群优化算法(PSO)原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

2.3电火花加工技术概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

2.4数据处理与预处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

实验设计与仿真环境．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

3.1实验设计框架．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

3.2数据收集与准备．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

3.3仿真环境的搭建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

粒子群算法优化支持向量回归模型．．．．．．．．．．．．．．．．．．．．．．．．．16

4.1粒子群算法优化策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

4.1.1编码策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

4.1.2初始化策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

4.1.3更新策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

4.2支持向量回归模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

4.2.1模型结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

4.2.2核函数选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

4.2.3参数调优．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

4.3模型训练与验证．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

4.3.1训练集划分．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

4.3.2训练过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

4.3.3模型评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

电火花加工工艺指标预测模型建立与应用．．．．．．．．．．．．．．．．．．．32

5.1工艺指标定义与选取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

5.2模型建立流程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

5.2.1输入层构造．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36

5.2.2隐层构造．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

5.2.3输出层构造．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

5.3模型训练与验证．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

5.3.1训练集划分．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42

5.3.2训练过程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

5.3.3模型评估．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

5.4预测结果分析与讨论．．．．．．．．．．．．．．．