基于SVM的典型機械聯(lián)接結(jié)構壽命預測研究.pdf

1、本文研究的內(nèi)容來源于國家自然科學基金與中國工程物理研究院聯(lián)合基金項目“基于核函數(shù)的結(jié)構特征參數(shù)辨識及其變化預測方法”(項目編號：11176027)，該項目主要是對長期貯存的大型裝備進行健康狀態(tài)檢測與變化預測分析。本文的主要研究內(nèi)容如下：
　　(1)對機器學習問題、支持向量機算法、核函數(shù)理論和多參數(shù)優(yōu)化方法進行探討和分析。重點研究支持向量機算法對小樣本數(shù)據(jù)的處理能力。
　　(2)支持向量機是一種多參數(shù)的機器學習算法。通過研究支

2、持向量機模型參數(shù)相互之間的約束關系，結(jié)合徑向基核函數(shù)支持向量機的漸近性能，找到最優(yōu)參數(shù)組合的“好區(qū)”，再采用改進人工蜂群優(yōu)化算法在“好區(qū)”內(nèi)搜尋最優(yōu)參數(shù)。從而，構建出支持向量機模型參數(shù)的優(yōu)化體系，即L-ABC-SVM方法。
　　(3)為了探究環(huán)境因素對貯存裝備聯(lián)接結(jié)構產(chǎn)生的影響，依據(jù)加速壽命腐蝕試驗標準，搭建三種聯(lián)接方式(鉚接、焊接、螺栓聯(lián)接)的加速壽命試驗平臺。建立數(shù)據(jù)預處理流程方案，對試驗數(shù)據(jù)進行預處理，再采用L-ABC-SV