期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LOO-PSO-KELM复合算法的微电阻点焊质量预测与工艺优化
1
作者
张瑞
何奕程
+2 位作者
黄海松
高鑫
杨凯
《焊接》
2024年第11期11-18,26,共9页
【目的】为了提高小样本数据条件下微电阻点焊焊接质量预测的精度和泛化能力,提出了一种基于交叉验证(Leave one out,LOO)与粒子群优化算法(Particle swarm optimization,PSO)协同优化核极限学习机(Kernel extreme learning machine,KE...
【目的】为了提高小样本数据条件下微电阻点焊焊接质量预测的精度和泛化能力,提出了一种基于交叉验证(Leave one out,LOO)与粒子群优化算法(Particle swarm optimization,PSO)协同优化核极限学习机(Kernel extreme learning machine,KELM)的回归预测方法(LOO-PSO-KELM)。【方法】首先,采用正交试验方法开展电阻点焊工艺试验,建立小样本数据集,并采用留一法交叉验证对数据集进行分类。然后,基于验证数据集的绝对误差和与核极限学习机预测模型,利用粒子群优化算法对核极限学习机的参数进行寻优,获得可靠稳定的预测模型。最后,以选取的焊接工艺参数和LOO-PSO-KELM模型为基础,采用粒子群算法对工艺参数进行优化,获取最优工艺参数。【结果】与传统的PSO-BP神经网络和PSO-KELM算法对比,LOO-PSO-KELM算法在各类标准上表现优异,其预测的熔核直径和拉剪力的均方根误差分别为0.0199和4.4249;基于选取的焊接工艺参数对LOO-PSO-KELM模型进行验证,LOO-PSO-KELM模型预测值与试验验证结果的相对误差均小于3%,与正交试验下的最佳参数比较,拉剪力提高了2%。【结论】与传统方法相比,LOO-PSO-KELM预测模型具有更强的预测性能。在小样本数据集下,体现了较强的泛化性能,所提出的方法在微点焊的锂电池连接中具有良好的应用价值。
展开更多
关键词
微电阻点焊
核极限学习机
质量预测
参数优化
下载PDF
职称材料
题名
基于LOO-PSO-KELM复合算法的微电阻点焊质量预测与工艺优化
1
作者
张瑞
何奕程
黄海松
高鑫
杨凯
机构
贵州大学
贵州大学
出处
《焊接》
2024年第11期11-18,26,共9页
基金
国家自然科学基金项目(52265062)
贵州省科技计划项目(黔科合基础[2020]1Y232,黔科合基础ZK[2022]一般131)
+2 种基金
贵州省普通高等学校青年科技人才成长项目(黔教合KY字[2021]096)
贵州大学引进人才科研项目(贵大人基合字(2019)07号)
大学生创新创业训练计划项目(gzugc2023032,gzugc2023033)。
文摘
【目的】为了提高小样本数据条件下微电阻点焊焊接质量预测的精度和泛化能力,提出了一种基于交叉验证(Leave one out,LOO)与粒子群优化算法(Particle swarm optimization,PSO)协同优化核极限学习机(Kernel extreme learning machine,KELM)的回归预测方法(LOO-PSO-KELM)。【方法】首先,采用正交试验方法开展电阻点焊工艺试验,建立小样本数据集,并采用留一法交叉验证对数据集进行分类。然后,基于验证数据集的绝对误差和与核极限学习机预测模型,利用粒子群优化算法对核极限学习机的参数进行寻优,获得可靠稳定的预测模型。最后,以选取的焊接工艺参数和LOO-PSO-KELM模型为基础,采用粒子群算法对工艺参数进行优化,获取最优工艺参数。【结果】与传统的PSO-BP神经网络和PSO-KELM算法对比,LOO-PSO-KELM算法在各类标准上表现优异,其预测的熔核直径和拉剪力的均方根误差分别为0.0199和4.4249;基于选取的焊接工艺参数对LOO-PSO-KELM模型进行验证,LOO-PSO-KELM模型预测值与试验验证结果的相对误差均小于3%,与正交试验下的最佳参数比较,拉剪力提高了2%。【结论】与传统方法相比,LOO-PSO-KELM预测模型具有更强的预测性能。在小样本数据集下,体现了较强的泛化性能,所提出的方法在微点焊的锂电池连接中具有良好的应用价值。
关键词
微电阻点焊
核极限学习机
质量预测
参数优化
Keywords
micro resistance spot welding
kernel extreme learning machine
quality prediction
parameter optimization
分类号
TG453.9 [金属学及工艺—焊接]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LOO-PSO-KELM复合算法的微电阻点焊质量预测与工艺优化
张瑞
何奕程
黄海松
高鑫
杨凯
《焊接》
2024
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部