平面并联五连杆机构的改进PSO-SVR可靠性分析.pdfVIP

第2期机械设计与制造

2025年2月MachineryDesignManufacture179

平面并联五连杆机构的改进PSO-SVR可靠性分析

户燕会2，任燕”，户东亮”，姜奎4

（1.同济大学中德工程学院，上海201804;2.河南工业职业技术学院机械工程学院，河南南阳473000；

3.国电投南阳热电有限责任公司，河南南阳473000;4.南阳长弓机械科技有限公司，河南南阳

日473000)

摘要：为获得更高的SVM精度，采用改进粒子群优化（PSO)算法来实现SVM惩罚参数以及核函数的寻优过程，进一步改

进了PSO权系数并对学习因子进行了优化，获得了更强的全局和局部搜索性能，有效避免算法产生早熟以及搜索精度不高

的情况，显著增强了SVM回归预测能力。以五连杆机构为例，开展可靠性灵敏度分析。研究结果表明：改进PSO-SVR模

型获得了更高的可靠性，这里算法可以达到更高预测精度。改进PSOSVR获得了更快收敛速度，同时RMSE也更小。采用

改进PSO方法寻求参数可以使SVR获得更高预测精度。采用改进PSO-SVR模型只需少量样本便能够达到理想拟合精度，

从而实现对参数可靠性灵敏度的准确分析。提高L均值后，可以使五连杆机构达到更高可靠性，而L2、L、L均值和各参数

方差提高后，则会引起系统可靠性的下降。

关键词：连杆机构；可靠性；支持向量机；粒子群优化；蒙特卡洛；预测精度

中图分类号:TH16文献标识码：A文章编号：1001-3997(2025)02-0179-04

ReliabilityAnalysisofImprovedPSO-SVRforPlanar

ParallelFive-BarLinkageMechanism

HUYanhui-2,RENYan,HUDongliang,JIANGKuit

(1.Sino-GermanSchoolofEngineering,TongjiUniversity,Shanghai201804,China;

2.SchoolofMechanicalEngineering,HenanPolytechnicInstitute,HenanNanyang473000,China;

3.SDICNanyangThermalPowerCo.,Ltd.,HenanNanyang473000,China;

4.NanyangChangbowMachineryTechnologyCo.,Ltd.,HenanNanyang473000,China)

Abstract:InordertoobtainhigheraccuracyoftheSVM,animprovedparticleswarmoptimization(PSO)algorithmtoimplement

punishparametersandhernelfunctionofSVMoptimizationprocess,andfurtherimprovedPSOweightcoefficientandthelearning

factorisoptimized,themoreglobalandlocalsearchperformance,effectivelyavoidprematureandsearchalgorithmac