基于PSO-LSSVM弹药装配质量预测方法

针对弹药装配工艺复杂、装配工序质量影响因素多、装配效率低的实际问题,提出基于粒子群优化(PSO)算法—最小二乘支持向量机(LSSVM)的弹药装配质量预测方法。通过灰熵关联分析方法,提取影响弹药装配质量的关键质量特性,并将其作为预测模型的输入向量,降低预测模型复杂度和运算工作量。将PSO-LSSVM作为建模工具,利用PSO算法优化LSSVM参数,建立基于PSO-LSSVM弹药装配质量预测模型;以预测某型号弹药对接装配工序中跳动量为例,与LSSVM预测模型和BP神经网络预测模型进行对比分析。实验结果表明,提出基于PSO-LSSVM弹药装配质量预测方法具有可行性和有效性,能够很好地实现弹药装配质量的预测。