应用遗传算法优化支持向量机的疲劳裂纹扩展预测.pdf

《应用遗传算法优化支持向量机的疲劳裂纹扩展预测.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、制造技术／．TL岂装备现代制造工程(ModernManufacturingEngineering)2011年第6期应用遗传算法优化支持向量机的疲劳裂纹扩展预测龚兰芳1，张昱2(1广东水利电力职业技术学院，广州510635；2广东省科学院自动化工程研制中心，广州510070)摘要：准确警速地预测疲劳裂纹的扩展进程具有十分重要的现实意义和显著的经济效益。为了实现疲劳裂纹长度的准确预测，提出基于遗传算法优化支持向量机(GA-SVM)的疲劳裂纹扩展预测方法，其中遗传算法用于确定SVM巾的训练参数，得到优化的SVM预测模型。试验结果表明：用GA-SVM对疲劳裂纹长度进行预

2、测具有很好的预测精度。关键词：疲劳裂纹扩展；支持向量机；遗传算法；参数优化中图分类号：TGll3文献标志码：A文章编号：167l-3133(2011)06—0086—04PredictionoffatiguecrackpropagationbasedonsupportvectormachineoptimizedbygeneticalgorithmGONGLan．fan91．ZHANGYu2(1GuangdongTechnicalCollegeofWaterResourceandElectricEngineering，Guangzhou510635，China；2

3、AutomationEngineeringR&MCenter，GuangdongAcademyofSciences，Guangzhou510070，Chint)Abstract：Accuratelyandrapidlyforecastingthefatiguecrackpropagationisofpracticalsignificanceandremarkableeconomicbenefit．Toforecastfatiguecrackpropagationexactly，SupportVectorMachineoptimizedbyGeneticAlgor

4、ithm(GA—SVM)ispro—posed．GeneticAlgorithm(GA)isusedtodeterminetrainingparametersofsupportvectormachineinthismodel，whichcangainoptimizedSVMforecastingmodel．TheexperimentalresultsindicatethattheproposedGA—SVMmodelcanachievegreataccuracyinfatiguecrackpropagationforecasting．Keywords：fatig

5、uecrackpropagation；SupportVectorMachine(SVM)；GeneticAlgorithm(GA)；parameteroptimization0引言疲劳失效是影响机械结构安全的重要因素之一，准确迅速地预测疲劳裂纹的扩展进程具有十分重要的现实意义和显著的经济效益。疲劳裂纹的扩展预测可以看成是一个关于裂纹长度的时问序列预测问题。在裂纹扩展过程中，裂纹扩展速率受各种不确定性因素的影响，且各参数大多具有分散性，这对预测模型的非线性性能提出了很高的要求¨。2j。在预测模型巾，人1二神经网络应用较多，但人工神经网络主要依靠的是经验风险最小化原

6、则，容易导致泛化能力的下降月．模型结构难以确定。在学习样本数量有限时，学习过程误差易收敛：f局部极小点，学习精度难以保证；学习样本数量很多时，又陷入“维数灾难”，泛化性能不高‘3J。支持向量机(SupportVectorMachine，SVM)采用结构风险最小化原则，能有效地解决小样本、非线性等同归问题，泛化能力强，并能找到全局最优解，克服86了神经网络局部极值的难题H引。近年来，支持向量机在小样本、非线性预测领域有着广泛地应用。然而，支持向量机中训练参数的选择对其预测性能有很大影响，鉴于遗传算法具有隐含的并行性和强大的全局搜索能力，非常适用于确定SVM中的训练

7、参数。本文提出遗传算法一支持向量机(GA—SVM)疲劳裂纹长度预测方法，其中将遗传算法(GA)用于确定SVM中的训练参数。分别选择某在役压力容器疲劳裂纹、某行车连杆疲劳裂纹进行预测计算，以证明本文方法的有效性和正确性。1SVM回归原理给定训练样本集㈠，Yi}羔、，其中xi为第i个样本的输入矢量，m为样本个数，Y。为期望的目标值。SVM同归的基本思想是利用非线性函数9将输入空间数据戈映射到高维特征空间，并在该空间用函数f(戈)=加妒(z)+b进行线性【堕l归，其中，W为权值矢量，b为模龚兰芳，等：应用遗传算法优化支持向量机的疲劳裂纹扩展预测2011年第6期型的预测

8、输出与对象实际输出之间的