基于IGWO-SVM的超声辅助磨削Al2O3陶瓷表面粗糙度预测
赵明利
宋士杰
李博涵
河南理工大学大学 机械与动力工程学院,河南 焦作 454000
摘要：为预测超声辅助加工Al2O3陶瓷表面粗糙度,进行了超声辅助磨削Al2O3陶瓷试验.用改进的灰狼优化算法(IGWO)对支持向量机(SVM)进行参数优化,建立IGWO-SVM预测模型,并与PSO-SVM预测模型、CS-SVM预测模型、GWO-SVM预测模型进行比较.结果表明:IGWO-SVM预测模型预测值与试验值最大绝对误差值为0.4119,最小绝对误差值为0.0024,平均绝对误差值为0.1456,平方相关系数为0.931092,均方误差为0.0003998,相比PSO-SVM预测模型、CS-SVM预测模型、GWO-SVM预测模型,该模型具有更高的预测精度和可靠度,能够对超声辅助磨削Al2O3陶瓷表面粗糙度进行更精准的预测.
关键词：超声加工Al2O3陶瓷表面粗糙度支持向量机
分类号：TG663(金属学与金属工艺)TG113.25(金属学与热处理)
资助基金：国家自然科学基金(E51175153)河南理工大学博士基金资助项目(B2016-27)
论文发表日期：2021-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 117-121 )
英文信息