基于PSO-LSSVM算法的表面粗糙度预测模型与应用

摘要：

为便于选取合适的切削参数,以满足期望的加工表面质量要求,提出一种最小二乘支持向量机(LSSVM)和粒子群优化(PSO)相结合的表面粗糙度预测模型.以预测精度和收敛速度为指标,对比PSO-LSSVM模型与支持向量机、人工神经网络和遗传算法优化BP神经网络模型的优劣.结果表明:PSO-LSSVM模型具有较高的预测精度和较快的收敛速度.基于MATLAB GUI搭建了表面粗糙度预测与参数优化应用系统.该系统具有较好的实用性,可实现简单、快速预测表面粗糙度,帮助决策人员灵活选取切削参数.

关键词：表面粗糙度预测、最小二乘支持向量机、粒子群优化、应用系统

所属期刊栏目：49

分类号：TH16

在线出版日期：2021-05-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：47-50,59