杨垒
,
李文戈
材料科学与工艺
综合应用激光熔覆和原位反应增强金属基复合材料,是当前金属基复合材料研究领域的一个热点,本文采用该工艺制备铁基表面复合材料,重点考虑该工艺参数的确定问题.根据在不同工艺参数下合成的铁基表面的WC体积分数实测数据集,提出建立不同工艺参数下WC体积分数的支持向量回归预测模型,并与基于人工神经网络模型（ANN）的预测结果进行比较.结果显示：对于相同的训练样本和检验样本,SVR预测模型比ANN预测模型具有更强的泛化能力.最后根据建立的预测模型,应用粒子群算法寻优得到最优工艺参数,该工艺参数在实际实验过程中的应用,验证了该方法的有效性.
关键词:
激光熔覆
,
原位自生
,
支持向量回归
,
粒子群算法
皇思洁
,
蔡从中
,
曾庆文
功能材料
doi:10.3969/j.issn.1001-9731.2013.14.022
根据脉冲激光沉积(PLD)法在单晶Si试样表面沉积制备多层TiN/AlN硬质膜实验数据,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立不同工艺参数下沉积的TiN/AlN多层膜的A1N膜厚及TiN薄膜硬度的SVR预测模型.在相同的训练与测试样本集下,将SVR所得的AlN膜厚预测值与免疫径向基函数(IRBF)神经网络的计算结果进行比较.结果表明,SVR模型训练和预测结果的平均绝对百分误差要比IRBFNN模型的小,其预测精度更高,预测效果更好.应用SVR的TiN薄膜硬度模型对PLD法沉积TiN薄膜的工艺参数进行了优化,分析了多因素对PLD法沉积TiN薄膜硬度的交互作用和影响.该方法可为人们利用PLD法沉积TiN/AlN多层功能薄膜提供科学的理论指导,具有重要的理论意义和实用价值.
关键词:
脉冲激光沉积
,
TiN/AlN硬质多层膜
,
支持向量回归
,
回归分析
,
工艺优化
唐江凌
,
蔡从中
,
皇思洁
,
肖婷婷
航空材料学报
doi:10.3969/j.issn.1005-5053.2012.5.016
为了研究不同时效工艺下Al-Cu-Mg-Ag合金强度性能,根据实测数据集,应用基于粒子群算法(PSO)寻优的支持向量回归(SVR)方法,建立了SVR预测模型.模型以Al-Cu-Mg-Ag合金时效温度与时效时间为输入,合金的抗拉强度、屈服强度为输出.经过与BP神经网络模型进行比较,结果表明:对于相同的训练样本和检验样本,支持向量回归模型比BP神经网络模型具有更高的预测精度.
关键词:
Al-Cu-Mg-Ag合金
,
强度
,
支持向量回归
,
粒子群优化
,
回归分析
徐喆
,
毛志忠
钢铁
不能及时获得收得率影响因素的检测数据是钢包精炼炉元素收得率预报的难点之一。为了解决该问题,首先通过机制分析,在可测变量中选取并创建可以间接表达收得率影响因素的变量,然后将这些变量作为模型的输入,使用支持向量机方法建立元素收得率预报模型。在试验中,将本方法与已有方法进行了比较,比较结果表明本方法所建模型有较高的预报精确度与命中率,更适合于在生产中使用。
关键词:
钢包精炼炉
,
元素收得率
,
支持向量回归
,
影响因素
,
预报
徐燕
,
张玉凤
,
高湉
,
张研
,
张惠然
,
刘永生
中国有色金属学报
根据一系列Al基非晶合金薄带实测数据集,应用粒子群优化支持向量回归方法(PSO-SVR),建立一个通过相关表征参数来预测Al基非晶合金晶化温度(Tx)的模型.利用该模型对不同类型铝基非晶合金的晶化温度(Tx)进行建模和预测研究,并与反向传播神经网络(BPNN)预测方法进行比较.结果表明:基于留一交叉验证法(LOOCV)的PSO-SVR模型预测的晶化温度误差要比BPNN模型预测的小得多,这说明模型中所采用的特征参数能很好地描述该系列Al基非晶合金的晶化行为和热稳定性.
关键词:
Al基非晶合金
,
晶化温度
,
支持向量回归
,
粒子群优化
