基于粘结NdFeB永磁体制备工艺优化实验,建立了一个最小二乘支持向量机(LS- SVM)算法模型用于工艺参数的优化.以粘结剂含量、固化温度、固化时间以及单位压制力大小四个工艺参数为影响因数,以剩余磁感应强度Br、矫顽力Hcj；和最大磁能积(BH)m为影响对象,通过最小二乘支持向量机算法模型建立起影响因素与影响对象之间的复杂的非线形关系.针对多影响对象,提出了一种γ和σ选择算法；以均匀设计试验结果为样本进行训练,用训练好的模型进行预测.结果表明,LS - SVM模型的实验结果与预测结果吻合良好,二者相对误差很小,对比ANN模型预测结果,LS - SVM模型具有更高的精度和运算速度,具有很好的实用性.
参考文献
| [1] | 储林华,查五生,刘锦云,刘桂明,周晓庆,张静怡.基于Bayesian正规化BP神经网络的粘结NdFeB永磁体性能预测[J].稀土,2009(02):39-42,50. |
| [2] | 连利仙,刘颖,叶金文,高升吉,涂铭旌.基于人工神经网络的Nd-Fe-Co-Zr-B系永磁合金磁性的预测模型[J].金属学报,2005(05):529-533. |
| [3] | Vapnik V N.The nature of statistical learning theory[M].Beilin:Springer-Verlag,1995:123-170. |
| [4] | 郭崇慧,陆玉昌.预测型数据挖掘中的优化方法[J].工程数学学报,2005(01):25-29. |
| [5] | Cortes C;Vapnik V .Support-vector networks[J].Machine Learning,1995,20:273-297. |
| [6] | Suykens J A K;Vandewalle J.Least squares support vector machine classifiers[J].Neural Processing Letters,1999(03):293-300. |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%