%0 Journal Article
%T 基于优化SVR模型的大跨度样本疲劳寿命预测
%A 杨大炼
%A 刘义伦
%A 周维
%A 羿九火
%J 东北大学学报:自然科学版
%P 1321-1326
%D 2015
%R 10.3969/j.issn.1005-3026.2015.09.023
%X 针对传统方法在大跨度、小样本情况下的疲劳寿命预测准确率不高的问题，研究基于优化SVR模型的寿命预测方法.根据大跨度样本的特点，提出有效的预处理方法、SVR模型的训练方法及参数优化准则.以LY12CZ(2A12)铝合金疲劳寿命预测为实例，分析了高斯核函数、多项式核函数及多层感知核函数对SVR模型训练误差的影响.结果表明高斯核函数更适用于SVR模型的训练，并通过细菌觅食算法对核参数γ及惩罚因子C进行优化选取，LY12CZ(2A12)铝合金疲劳寿命预测结果验证了该方法的有效性.
%K 大跨度
%K 支持向量回归
%K 疲劳
%K 寿命预测
%K 铝合金
%U http://xuebao.neu.edu.cn/natural/CN/abstract/abstract9609.shtml