基于改进SVR算法的模具棱线磨损预测方法研究

摘要

为研究汽车覆盖件模具棱线几何特征参数及成形工艺参数对棱线磨损的影响，实现对模具棱线磨损的精准预测，提出了一种基于改进SVR算法的模具棱线磨损预测模型.通过利用改进的拉丁超立方抽样（ILHS）方法获取模具棱线磨损有限元计算的实验样本，进而构建预测模型的输入参数集.通过耦合混沌理论、动态权重方法对蝗虫优化算法（GOA）进行改进，利用改进后的蝗虫优化算法（IGOA）对SVR算法关键参数进行寻优.构建了基于IGOASVR算法的模具棱线磨损预测模型，结合粒子群寻优算法（PSO）建立多目标优化模型，实现对模具棱线磨损的高精度预测以及几何特征参数和成形工艺参数优化.对比5种常规预测模型，基于IGOA-SVR算法的预测模型在采样点处的预测误差分别为8.546%、8.497%、8.473%，较GOA-SVR预测模型分别提高25.9%、26.2%、26.4%，预测精度相比于其他预测模型也有不同程度的提高.结果表明改进后的IGOA-SVR算法具有更高的精度.

关键词

模具磨损 / 蝗虫优化算法 / 支持向量回归 / 模具锐棱 / 粒子群寻优算法