基于最小正方形支向量的回归和尖顶猪的优化,预测激光覆盖层的几何特征
Xiangpan Li1, Junfei Xu1, Junhua Wang1,2,3,4
1School of Mechanical and Electrical Engineering, Henan University of Science and Technology, Luoyang 471003, China.
Micromachines
|July 27, 2024
概括
一个新的模型使用Crowned Porcupine优化和最小正方形支持向量回归预测了激光覆盖尺寸. 这种先进的方法显著提高了预测准确度,从而提高了层质量和工艺效率.
科学领域:
- 材料科学 材料科学 材料科学
- 制造业 工程 制造工程
- 计算智能是一种计算智能.
背景情况:
- 激光涂层对于表面工程至关重要,但控制涂层形态尺寸是具有挑战性的.
- 准确预测外尺寸对于优化组件性能和质量至关重要.
研究的目的:
- 开发一个非常准确的预测模型,用于激光层形态大小.
- 使用优化算法增强最小平方支持向量回归 (LSSVR) 的预测能力.
主要方法:
- 提出了一个预测模型,将最小平方支向量回归 (LSSVR) 与皇冠猪优化 (CPO) 算法集成在一起.
- 使用CPO优化了LSSVR惩罚因子和内核参数.
- 评估了CPO-LSSVR模型与标准LSSVR和基因算法优化逆向传播神经网络 (GA-BP) 模型相比.
主要成果:
- CPO-LSSVR模型实现了显著降低的相对误差,不超过2.5%.
- 与LSSVR和GA-BP模型相比,证明了优越的预测性能.
- 验证了模型根据激光功率,扫描速度和粉末料率准确预测板宽度和高度的能力.
结论:
- CPO-LSSVR模型为激光覆盖形态的预测准确性提供了实质性的增强.
- 这种准确的模型可以有效地指导激光覆盖过程参数的选择.
- 这些发现有助于提高激光覆盖过程的整体质量和效率.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
6.6K
11:47Characterization of Surface Modifications by White Light Interferometry: Applications in Ion Sputtering, Laser Ablation, and Tribology Experiments
Published on: February 27, 2013
15.6K
