基于SVM的典型機械聯接結構壽命預測研究.pdf

1、本文研究的內容來源于國家自然科學基金與中國工程物理研究院聯合基金項目“基于核函數的結構特征參數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。本文的主要研究內容如下：
　　(1)對機器學習問題、支持向量機算法、核函數理論和多參數優(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據的處理能力。
　　(2)支持向量機是一種多參數的機器學習算法。通過研究支

2、持向量機模型參數相互之間的約束關系，結合徑向基核函數支持向量機的漸近性能，找到最優(yōu)參數組合的“好區(qū)”，再采用改進人工蜂群優(yōu)化算法在“好區(qū)”內搜尋最優(yōu)參數。從而，構建出支持向量機模型參數的優(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接結構產生的影響，依據加速壽命腐蝕試驗標準，搭建三種聯接方式(鉚接、焊接、螺栓聯接)的加速壽命試驗平臺。建立數據預處理流程方案，對試驗數據進行預處理，再采用L-ABC-SV