基于支持向量机的复合材料力学性能预测(终稿)

《基于支持向量机的复合材料力学性能预测(终稿)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于支持向量机的复合材料力学性能预测蔡秋茹，汤嘉立，柳益君（江苏技术师范学院计算机工程学院，江苏常州　213001）摘要：通过建立材料力学性能与工艺参数相关的预测模型，可以减少试验次数、实现工艺优化，提高产品质量。该文提出利用支持向量机建立材料性能影响因素到力学性能的非线性映射。以麦杆增强复合材料为例，建立其力学性能预测的支持向量机模型，对材料的注塑工艺参数进行分析，得出其注塑成型的最佳工艺参数。结果表明所建模型具有较好的学习和泛化能力，对于优化成型工艺参数具有可行性，在材料性能研究领域有着较好的应用和推广价值。关键词：支持向量机；预测模型；力学性能中图分类号：TP18

2、3文献标识码：APredictionofcompositematerialmechanicalpropertieswithsupportvectormachineCAIQiu-ru,TANGJia-li,LIUYi-jun(CollegeofComputerEngineering,JiangsuTeachersUniversityofTechnology,ChangzhouJiangsu213001,China)ABSTRACT：Predictingmodelwhichreferstomechanicalpropertieswithtechniqueparameters

3、canbefoundedtoreducetesttimes,realizetheoptimizationofprocessandpromoteproductquality.Thispaperproposestoapplythesupportvectormachinetosetupthenonlinearmappingfrominfluencefactorsofmaterialmechanicalpropertiestomechanicalproperties.Takingthewheatstraw-reinforcedcompositeforinstance,thepr

4、edictionmodelbasedonsupportvectormachinehasbeenbuilt.Besides,themodelisusedtooptimizeprocessparametersofinjectionmolding andfindtherangeofbestparameters.Theresultsshowthefoundedmodelhaspreferablelearningandgeneralizationcapabilities,whichperformseffectivelyinpredictingmechanicalpropertie

5、s.Thereforeitisfeasibletooptimizeprocessparametersandthetechnologyisworthytobeappliedandspreadintheresearchofmaterialperformance.KEYWORDS：SupportVectorMachine;predictionmodel;mechanicalproperties0引言材料力学性能指材料在经受外力或其他作用的过程中所呈现的变形规律和破坏形态的各种物理力学性质，也称材料的机械性能。通常以应力、应变或两者所导出的一系列参数来表达，并需要通过各种材料的

6、标准试验方法测定，作为设计和制作各种构件的依据。复合材料，是以一种材料为基体，另一种材料为增强体组合而成的材料。各种材料在性能上互相取长补短，产生协同效应，使复合材料的综合性能优于原组成材料而满足各种不同的要求[1]。由于复合材料构成复杂，力学性能受诸多因素影响，非线性强，许多方面很难对其建立精确的数学模型或物理模型加以描述。若能建立复合材料性能与组成、复合态结构等相关的预测模型，则一定程度上可以减少实验次数、提高效率、实现实验工艺的优化，将对复合材料理论与实践的发展和进步具有重要意义。基金项目：江苏省高校自然科学基金资助项目(No.08KJB430003),江苏技术师

7、范学院青年科研基金项目(No.KYY06074)神经网络的非线性映射特性、信息的分布存储、并行处理和全局优化能力，尤其是其高度的自组织和自学习能力，使其成为模式学习的一种有效方法，已经在许多实际系统中得到了成功应用。文献[2-4]均将神经网络应用于复合材料的力学性能预测。但是基于神经网络的方法训练速度较慢，不易调和过拟合与泛化性之间的矛盾，而且易于收敛到局部最优点。由Vapnik创立的支持向量机（SupportVectorMachine,SVM)是建在统计学习理论的基础上的一种新的机器学习方法[5]。它基于结构风险最小化原则，具有简洁的数