论文摘要
加工过程中产生的表面质量（如粗糙度）的数据序列包含多种特征,为能捕捉更多的数据特征,提高表面粗糙度的预测精度,提出采用组合协方差的高斯过程回归（CGPR）模型预测表面粗糙度,来捕捉数据特征中的线性特征和非线性特征;为获得CGPR模型的最佳超参数组合,采用人工蜂群（ABC）优化算法对超参数寻优,形成人工蜂群—组合协方差的高斯过程回归（ABC-CGPR）模型。通过45钢的车削试验,基于不同切削用量和刀具结构,建立了各类不同组合协方差的ABC-CGPR预测模型和单一协方差的ABC-GPR预测模型,并对比其预测性能,结果展示CGPR预测模型相比单一的GPR预测模型具有更高的预测精度,其中线性协方差函数与Matern协方差函数组合的预测精度最高,为实际加工中选取满意的预测模型提供了有效的指导。
论文目录
文章来源
类型: 期刊论文
作者: 吴智强,鲁娟,张振坤,廖小平,马俊燕,陈楷
关键词: 表面粗糙度,人工蜂群优化算法
来源: 工具技术 2019年08期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 广西大学,北部湾大学
基金: 国家自然科学基金(51665005),广西研究生教育创新计划项目(YCBZ2017015),广西高校临海机械装备设计制造及控制重点实验室课题(GXLH2016ZD-06)
分类号: TH161.14
页码: 23-28
总页数: 6
文件大小: 588K
下载量: 89
相关论文文献
标签：表面粗糙度论文; 人工蜂群优化算法论文;