基于改进PSO-SVR的连杆机构可靠度敏感性研究

简介

为提高连杆机构的运动精度可靠性,提出一种利用多体动力学和支持向量回归(Support Vector Regression,SVR)算法构建机构的运动模型并对其进行可靠度敏感性分析的方法。通过引入粒子群优化(Particle Swarm Optimization,PSO)算法对SVR的惩罚参数和核函数参数进行寻优,提高SVR的回归预测精度。为克服PSO容易早熟和搜索精度低等缺点,对惯性权重系数和学习因子进行改进,应用改进算法与标准PSO-SVR算法并结合蒙特卡洛模拟对四杆机构的可靠度敏感性进行分析研究。通过实验对比表明,改进的算法收敛速度更快、回归预测精度更加接近于蒙特卡洛模拟,且计算速度优于蒙特卡洛模拟。