柔性机构动态可靠性分析的SVM回归极值法

为改善柔性机构动态可靠性分析的效率和精度,基于支持向量机(Support Vector Machine,SVM)回归理论,提出了一种柔性机构动态可靠性分析高效率高精度的SVM回归极值法(SVM Regression Extremum Method,SREM)。首先,介绍了柔性机构可靠性分析的基本理论;其次,结合蒙特卡罗法(Monte Carlo,MC)和SVM回归理论,建立了柔性机构动态响应极值的代理模型,并利用代理模型进行了柔性机构的可靠性分析;最后,以柔性夹紧机构的可靠性分析为例,利用SREM加以验证。结果表明:SREM的计算时间约为蒙特卡罗法的20%,远远少于蒙特卡罗法;SREM的计算精度几乎与蒙特卡罗法保持一致,当可靠度大于98%时,SVM回归极值法的计算精度与蒙特卡罗的计算精度完全一致。

柔性机构动态可靠性分析的新方法

为了改善柔性机构动态可靠性分析的效率和精度,基于支持向量机SVM(Support Vector Machine)回归理论,提出了一种柔性机构动态可靠性分析高效率高精度的SVM回归极值法SREM(SVM Regression Extremum Method)。首先,介绍了柔性机构可靠性分析的基本理论;其次,融合蒙特卡洛法MC(Monte Carlo)和SVM回归理论,建立了柔性机构动态响应极值的代理模型,并利用代理模型进行柔性机构可靠性分析。最后,利用SREM法对柔性机构实例进行了可靠性分析,并与MC和人工神经网络ANN(Artificial Neural Networks)的分析结果进行比较。结果显示,在小样本情况下,进行柔性机构动态可靠性分析时,SREM的计算效率和计算精度都比ANN高;SREM的计算效率比MC大大提高,计算精度与MC相当。验证了在柔性机构可靠性分析中SREM的高效率和高精度,并证明了SREM在柔性机构可靠性分析中的可行性和有效行性。

基于SVM回归柔性机构的动态可靠性研究

在柔性机构(Flexibility Mechanism,FM)动态可靠性分析中,为了提高其计算精度和计算效率,通过融合蒙特卡洛和支持向量机回归理论,提出了一种新的SVM回归极值法(SVM Regression Extremum Method,SREM)。该方法借助ADAMS软件抽取FM动态响应极值的小样本,基于支持向量机回归理论建立FM动态响应极值的代理模型,使用此代理模型进行FM动态响应可靠性分析。最后,利用蒙特卡洛法、SVM回归极值法和另外两种方法对柔性曲柄摇杆机构的摇杆最大摆角可靠度进行分析。结果显示:在小样本情况下,SVM回归极值法的计算精度与MC相当,精度明显高于另外两种方法;SVM回归极值法的计算效率比MC大幅度提高,与另外两种方法计算效率相当。验证了在小样本情况下,SREM在FM动态可靠性分析中高效率和高精度。