群智能搜索在基础油性能预测模型中的优化效能

润滑油基础油组成成分的变化对其性能有重要影响,本文中针对复合基础油体系中KN4010、PAO40和PriEco 3000三种成分含量的不同配比,对润滑油运动黏度、黏度指数和旋转氧弹性能指标变化的影响,建立基于最小二乘支持向量机(LSSVM)基础性能预测模型,并进行对比分析及筛选;选用经典的粒子群优化算法(PSO)、蜻蜓算法(DA)和鲸鱼优化算法(WOA)等仿生群智能搜索策略构建混合模型,对优选的预测模型进行参数优化.测试结果表明:机器学习技术对油液性能具有良好的预测能力,并且LSSVM基础模型可以在小样本条件下得到相对较好的预测结果,而WOA-LSSVM能够显著降低模型的预测误差;并且通过测试和留一交叉验证法分析,WOALSSVM的预测结果明显优于其余模型,具有良好的预测精度和泛化能力.