帮助 关于我们

返回检索结果

基于PSO-LSSVM弹药装配质量预测方法
PSO-LSSVM-Based Ammunition Assembly Quality Prediction Method

查看参考文献21篇

裘镓荣 1,2,3   曾鹏飞 1,2,3 *   邵伟平 1,2,3   赵丽俊 4   郝永平 2,3  
文摘 针对弹药装配工艺复杂、装配工序质量影响因素多、装配效率低的实际问题,提出基于粒子群优化(PSO)算法—最小二乘支持向量机(LSSVM)的弹药装配质量预测方法。通过灰熵关联分析方法,提取影响弹药装配质量的关键质量特性,并将其作为预测模型的输入向量,降低预测模型复杂度和运算工作量。将PSO-LSSVM作为建模工具,利用PSO算法优化LSSVM参数,建立基于PSO-LSSVM弹药装配质量预测模型;以预测某型号弹药对接装配工序中跳动量为例,与LSSVM预测模型和BP神经网络预测模型进行对比分析。实验结果表明,提出基于PSO-LSSVM弹药装配质量预测方法具有可行性和有效性,能够很好地实现弹药装配质量的预测。
其他语种文摘 Based on particle swarm optimization (PSO)-least squares support vector machines (LSSVM),an ammunition assembly quality prediction method is proposed to address the problems of complex ammunition assembly process,existence of various influencing factors for the assembly process quality, and low assembly efficiency. Through gray entropy correlation analysis, key quality characteristics affecting the ammunition assembly quality are extracted and used as the input vectors of the prediction model to reduce the complexity and calculation workload. Using PSO-LSSVM as the modeling tool,the parameters of LSSVM are optimized by the PSO algorithm,and a prediction model is developed for ammunition assembly quality. Taking the prediction of runout during the docking assembly of a certain type of ammunition as an example,the model is compared with LSSVM model and Back-Propagation (BP) neural network prediction model. The experimental results demonstrate that the proposed PSOLSSVM-based prediction method for ammunition assembly quality is feasible and effective,which can accurately predict the quality of ammunition assembly.
来源 兵工学报 ,2022,43(9):2379-2387 【核心库】
DOI 10.12382/bgxb.2021.0867
关键词 弹药装配 ; 质量预测 ; 灰熵关联分析 ; 粒子群优化 ; 最小二乘支持向量机
地址

1. 沈阳理工大学机械工程学院, 辽宁, 沈阳, 110159  

2. 沈阳理工大学, 辽宁省先进制造技术与装备重点实验室, 辽宁, 沈阳, 110159  

3. 沈阳理工大学CAD/CAM技术研究与开发中心, 辽宁, 沈阳, 110159  

4. 北方华安工业集团有限公司, 黑龙江, 齐齐哈尔, 161046

语种 中文
文献类型 研究性论文
ISSN 1000-1093
学科 机械、仪表工业
基金 国防技术基础科研项目 ;  辽宁省应用基础研究计划项目(2022年)
文献收藏号 CSCD:7307382

参考文献 共 21 共2页

1.  张根保. 多装配特征影响下的装配质量特性预测方法. 计算机应用研究,2015,32(3):709-712 CSCD被引 3 次    
2.  林海盛. 汽轮机隔板装配质量预测及控制方法研究,2020 CSCD被引 2 次    
3.  Abu B W. A Hybrid Quantum Inspired Particle Swarm Optimization and Least Square Framework for Real-time Harmonic Estimation. Journal of Modern Power Systems and Clean Energy,2021,9(6):1548-1556 CSCD被引 3 次    
4.  于震梁. 基于支持向量机和卡尔曼滤波的机械零件剩余寿命预测模型研究. 兵工学报,2018,39(5):991-997 CSCD被引 13 次    
5.  刘明周. 发动机曲轴多工序装配的质量预测模型研究. 汽车工程学报,2016,6(1):246-252 CSCD被引 1 次    
6.  徐鸿. 基于灰色系统的过热器管壁温度预测模型. 中国机械工程,2017,28(22):2662-2668 CSCD被引 2 次    
7.  郝建军. 基于改进PSO-LSSVM的轴类校直机校直行程预测. 重庆理工大学学报(自然科学),2020,34(4):87-94 CSCD被引 1 次    
8.  万方华. 基于KPLS的滚动轴承装配质量预测. 工业工程,2016,19(4):136-139 CSCD被引 1 次    
9.  陈资. 基于GA-SVM的数控机床装配质量预测模型. 制造技术与机床,2021(9):97-100,106 CSCD被引 1 次    
10.  Li X F. Particle swarm optimization-support vector machine model for machinery fault diagnoses in high-voltage circuit breakers. Chinese Journal of Mechanical Engineering,2020,33(1):104-113 CSCD被引 7 次    
11.  方喜峰. 基于支持向量机的船用柴油机装配质量预测. 组合机床与自动化加工技术,2021(9):62-66 CSCD被引 3 次    
12.  Chiu C C. Multiway elastic net (MEN) for final product quality prediction and quality-related analysis of batch processes. Chemometrics and Intelligent Laboratory Systems,2013,125:153-165 CSCD被引 2 次    
13.  Zhao C H. Improved batch process monitoring and quality prediction based on multiphase statistical analysis. Industrial & Engineering Chemistry Research,2008,47(3):835-849 CSCD被引 14 次    
14.  Ge L G. Short-term Load Prediction of Integrated Energy System with Wavelet Neural Network Model Based on Improved Particle Swarm Optimization and Chaos Optimization Algorithm. Journal of Modern Power Systems and Clean Energy,2021,9(6):1490-1499 CSCD被引 9 次    
15.  邓青. 基于支持向量机的坦克驾驶模拟训练结果分析. 兵工学报,2019,40(9):1953-1960 CSCD被引 5 次    
16.  杨琪. 基于PSO-SVR的飞行员工作负荷预测. 南京航空航天大学学报,2021,53(6):941-951 CSCD被引 1 次    
17.  Yeong G O. Adaptive SVM based real-time quality assessment for primer-sealer dispensing process of sunroof assembly line. Reliability Engineering and System Safety,2019,184:202-212 CSCD被引 2 次    
18.  Wang X Q. Research on assembly quality adaptive control system for complex mechanical products assembly process under uncertainty. Computers in Industry,2015,74:43-57 CSCD被引 9 次    
19.  赵新. 基于改进粒子群优化算法的近炸引信最佳炸高计算方法. 兵工学报,2021,42(5):924-929 CSCD被引 9 次    
20.  舒星. 基于改进最小二乘支持向量机与Box-Cox变换的锂离子电池容量预测. 机械工程学报,2021,57(14):118-128 CSCD被引 22 次    
引证文献 3 篇

1 陈浩威 基于RFECV-LightGBM-TPE联合模型的在制品质量问题预测方法研究 机械设计与研究,2023,39(5):115-122
CSCD被引 0 次

2 李敬兆 基于DBN和BES-LSSVM的矿用压风机异常状态识别方法 流体机械,2024,52(3):89-97
CSCD被引 0 次

显示所有3篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号