摩擦焊接轴向缩短量神经网络与支持向量机预测
Prediction of axial shortening in inertia friction welding by RBF and SVM methods作者机构：西北工业大学凝固技术国家重点实验室西安710072 青海师范大学物理系西宁810008
出 版 物：《焊接学报》 (Transactions of The China Welding Institution)
年 卷 期：2013年第34卷第3期
页 面：85-88,117页
核心收录：
学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金：国家自然科学基金资助项目(51005180) 霍英东教育基金资助项目(131052)
摘 要：轴向缩短量是惯性摩擦焊接过程中的关键参量.文中利用ABAQUS有限元软件对高温合金管材惯性摩擦焊接过程进行了模拟,获得并研究了不同焊接工艺参数下的轴向缩短量结果.基于模拟结果,分别建立了支持向量机(SVM)和径向基函数(RBF)神经网络的轴向缩短量的预测模型.两种模型的对比表明,对于该小样本的预测,RBF神经网络比SVM智能预测结果更接近有限元模拟值.因此RBF神经网络模型可以更好的辅助摩擦焊接的有限元模拟,并有效降低模拟的时间成本.
维普期刊数据库
同方期刊数据库