论文部分内容阅读
针对传统方法在大跨度、小样本情况下的疲劳寿命预测准确率不高的问题,研究基于优化 SVR模型的寿命预测方法。根据大跨度样本的特点,提出有效的预处理方法、SVR 模型的训练方法及参数优化准则。以 LY12CZ（2A12）铝合金疲劳寿命预测为实例,分析了高斯核函数、多项式核函数及多层感知核函数对SVR 模型训练误差的影响。结果表明高斯核函数更适用于 SVR 模型的训练,并通过细菌觅食算法对核参数γ及惩罚因子 C 进行优化选取,LY12CZ（2A12）铝合金疲劳寿命预测结果验证了该方法的有效性。