基于郊狼算法优化的LSSVM多工序质量预测方法

作者：杨建新; 兰小平^*; 姚志强; 赵振; 冯亚东

来源：制造业自动化, 2021, 43(12): 105-109.

• 多工序
• 质量预测
• 郊狼优化算法
• 最小二乘支持向量机

零件制造是一个多工序加工过程，各个工序的质量特征共同影响产品的最终质量。为有效提高产品质量和生产效率，提出一种基于郊狼优化算法(COA)和最小二乘支持向量机(LSSVM)的多工序质量预测方法。首先，以复杂零件关键质量特性为研究对象，通过对加工工艺进行分析确定其影响要素；其次，针对LSSVM预测模型参数难以确定的问题，采用改进后的COA算法对LSSVM中惩罚因子及核函数参数进行优化，构建COA-LSSVM多工序质量预测模型；最后，以某关键零部件为例，分别采用COA-LSSVM和LSSVM、PSO-LSSVM模型预测结果进行对比试验。试验结果表明：与LSSVM、PSO-LSSVM模型相比，COALSSVM模型不但预测精度高、速度快，而且具有更好的泛化能力和鲁棒性，能够较好地实现机加零件的质量预测。

• 单位
  中国兵器工业信息中心