留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于SVM的电火花加工参数优化研究

任大林 隋修武 杜玉红

任大林, 隋修武, 杜玉红. 基于SVM的电火花加工参数优化研究[J]. 机械科学与技术, 2014, 33(8): 1167-1171. doi: 10.13433/j.cnki.1003-8728.2014.0811
引用本文: 任大林, 隋修武, 杜玉红. 基于SVM的电火花加工参数优化研究[J]. 机械科学与技术, 2014, 33(8): 1167-1171. doi: 10.13433/j.cnki.1003-8728.2014.0811
Ren Dalin, Sui Xiuwu, Du Yuhong. Study on the Optimum Processing Parameter of EDM Based on the SVM[J]. Mechanical Science and Technology for Aerospace Engineering, 2014, 33(8): 1167-1171. doi: 10.13433/j.cnki.1003-8728.2014.0811
Citation: Ren Dalin, Sui Xiuwu, Du Yuhong. Study on the Optimum Processing Parameter of EDM Based on the SVM[J]. Mechanical Science and Technology for Aerospace Engineering, 2014, 33(8): 1167-1171. doi: 10.13433/j.cnki.1003-8728.2014.0811

基于SVM的电火花加工参数优化研究

doi: 10.13433/j.cnki.1003-8728.2014.0811
基金项目: 

国家自然科学基金项目(51205288)资助

详细信息
    作者简介:

    任大林(1988-),硕士研究生,研究方向为精密仪器制造及加工和智能控制技术,rdlpayne@163.com;隋修武(联系人),副教授,博士,allensui@163.com

    任大林(1988-),硕士研究生,研究方向为精密仪器制造及加工和智能控制技术,rdlpayne@163.com;隋修武(联系人),副教授,博士,allensui@163.com

Study on the Optimum Processing Parameter of EDM Based on the SVM

  • 摘要: 分析了电火花加工中电参数与加工质量之间的关系,并运用支持向量机(SVM)对电火花加工中电参数进行了优化研究。仿真结果表明:电参数预测精度最高可达96.10%,最低89.20%,平均94.28%,说明SVM算法稳定性及泛化能力优秀。进一步经实验验证,预测精度最高达92.65%,最低81.50%,平均89.38%,同样较高。说明该方法所确定的最优电参数能够很好地保证预期的加工质量,从而可以方便操作者对加工条件的确定。
  • [1] 赵万生. 先进电火花加工技术[M]. 北京:国防工业出版社,2003Zhao W S. Advanced electric spark machining technology[M]. Beijing:National Defense Industry Press,2003 (in Chinese)
    [2] 胡建华,汪炜,徐启华. 一种基于模糊网络确定电火花加工条件的新方法[J]. 机械科学与技术,2008,27(18):1097-1100Hu J H,Wang W,Xu Q H. A new method fordetermination of the optimal machining conditionsin electrical discharge machining using fuzzy neuralnetwork [J]. Mechanical Science and Technology forAerospace Engineering,2008,27(18):1097-1100 (in Chinese)
    [3] 杨浩泉,周平. 电火花加工效果预测及工艺参数智能选择系统的研究[J]. 科学技术与工程,2010,10(16):3968-3971Yang H Q,Zhou P. Intelligent system for qualityprediction and parameters optimization of EDM[J].Mechanical Science and Engineering,2010,10 (16):3968-3971 (in Chinese)
    [4] 吴流发. 电火花线切割加工工艺参数智能化研究[J]. 模具制造,2007,(4):70-72Wu L F. Study of the parameters optimization in WEDM [J].Mould Manufacture,2007,(4):70-72 (in Chinese)
    [5] G. Krishna Mohana Rao et al. Development of hybridmodel and optimization of surface roughness in electricdischarge machining using artificial neural networks andgenetic algorithm[J]. Journal of Materials ProcessingTechnology,2009,(209):1512-1520
    [6] Vapnik V N. 统计学习理论[M]. 许建华,张学工,译. 北京:电子工业出社,2009Vapnik V N. Statistical learning theory[M]. Xu J H,Zhang X G,Translator. Beijing: Electronic IndustryPress,2009 (in Chinese)
    [7] 邓乃扬,田英杰. 数据挖掘中的新方法-支持向量机[M]. 北京:科学出版社,2004Deng N Y,Tian Y J. New methods in data mining-SVM[M]. Beijing:Science Press,2004 (in Chinese)
    [8] 李方方,赵英凯. 基于 Matlab 的最小二乘支持向量机的工具箱及 其 应 用[J]. 计 算 机 应 用,2006,26:-360Li F F,Zhao Y K. The least squares SVM based onmatlab toolbox and its application [J]. Journal ofComputer Applications,2006,26:358-360 (in Chinese)
    [9] 张彤,殷菲,倪宗瓒. 基于支持向量机的婴儿死亡率预测模型[J]. 中国卫生统计,2004,21(2):78-80Zhang T,Yin F,Ni Z Z. Infant mortality predictionmodel based on SVM[J]. Chinese Journal of HealthStatistics,2004,21(2):78-80 (in Chinese)
    [10] 赵万生,刘晋春. 电火花加工技术工人培训教材[M]. 哈尔滨:哈尔滨工业大学出版社,2000Zhao W S,Liu J C. Electrical discharge machiningtechnology workers training materials[M]. Harbin:Harbin Institute of Technology Press,2000 (in Chinese)
  • 加载中
计量
  • 文章访问数:  167
  • HTML全文浏览量:  36
  • PDF下载量:  3
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-03-01

目录

    /

    返回文章
    返回