基于免疫SVM的机械产品寿命预测.pdf

《基于免疫SVM的机械产品寿命预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、仪器仪表／检测／监控现代制造工程(ModernManufacturingEngineering)2012年第6期基于免疫SVM的机械产品寿命预测林立忠1，刘智国1，张雅明2(1石家庄学院，石家庄050035；2石家庄信息工程职业学院。石家庄050035)摘要：传统机械产品寿命预测方法成本较高，精度较低，难以满足机械产品寿命预测要求。为了改变这种状况，提出基于人工免疫算法优化支持向量机(免疫SVM)回归器的机械产品寿命预测技术，采用人工免疫算法进行支持向量机回归器参数选取。人工免疫算法具有良好的全局搜索能力，能较好地选择合理的支持向量机回归器参数。采用普通SVM预测方法与免疫

2、SVM预测模型进行比较，试验结果表明，相比于普通SVM，免疫SVM具有更高的机械产品预测性能。关键词：机械产品；免疫算法；支持向量机；寿命；预测中图分类号：‘I'P30l文献标志码：A文章编号：1671--3133(2012)06—O104—04LirepredictionformechanicalproductsbasedonimmuneSVMLinLizhon91，“uZhigu01，ZhangYarning。(1ShijiazhuangCollege，Shijiazhuang050035，China；2ShijiazhuangInformationEngineerin

3、gCollege，Shijiazhuang050035，China)Abstract：Generally，thehigIIcostandthelowpredicdonaccuraciesoftraditionalpredictionmethodsformechanicalproductsarcdifficulttomeetthe”quimm％toflifepredictionformechanicalproducts．Inordertochangethesituation，SupportVectorMa-chine(SVM)optimizedbyartificialimmu

4、nealgorithmispresentedtolifepredictionformechanicalproducts，whereartificialim-mullealgorithmisappliedtochoosetheparametemofsupportvectormachine．Aaifieialimmunealgorithmhasstrongslobalsearchability．whichCallchoosetheparametersofsupportvectormachineclmsiIjereffectively．NormalSVM哪appliedtocor

5、n·parewiththeproposedmethod．Theexperimentalresultsdemonstratethattheproposedmethodhashigherlifepredictionaccuracyformechanicalproduet8thannormalSVM．Keywords：mechanicalproduct；immunealgorithm；SupportVc‘etorMachine(SVM)；life；prediction0引言机械系统中零／部件的可靠性对系统能否正常运行起着非常重要的作用，而产品寿命是零／部件可靠性的重要指标之一，因

6、此，为了确保机械系统的安全运行，对机械产品寿命预测显得非常必要。概率统计分析法是对产品寿命预测常用的方法，然而，该方法需要大量样本、大量实验时间才能得到较为可信的预测结果。因而，不少学者将人工智能算法应用于机械产品的寿命预测，其中支持向量机、人工神经网络等在机械产品寿命预测中应用较多。人工神经网络训练速度慢、容易陷入局部极值等问题影响了其实用性¨．3】，为了克服人工神经网络的缺点，支持向量机(SVM)被提出并应用于机械产品寿命预测。该方法具有较强的非线性回归性能，在机械产品寿命预测中取得了一定成果。然而，支持向量机回归器参数选104取对其回归性能有着较大的影响。为此，本文采

7、用人工免疫算法进行支持向量机回归参数的选取。人工免疫算法来源于生物免疫的机理。它能在缺乏先验知识的情况下准确地识别和记忆各种非己物质，并在自主学习中不断提高其免疫功能’4。7J。这种人工免疫算法具有良好的全局搜索能力，能较好地选择合理的支持向量机回归器参数，从而构建性能优越的支持向量机回归模型。因此，本文提出基于人工免疫算法优化支持向量机的机械产品寿命预测。试验结果表明，相比于普通SVM，人工免疫SVM具有更高的机械产品寿命预测性能。1支持向量机回归算法对于训练样本集(气，，，i)?：。，其中戈i∈R”为输入矢量，