基于IGBCA与SVM的质量预测

作者：李先飞; 高琦; 高菲

来源：制造技术与机床, 2019, (12): 128-132.

DOI：10.19287/j.cnki.1005-2402.2019.12.026

• 质量预测
• 改进遗传蜂群算法
• 支持向量机

为了提高制造过程的质量预测精度和效率,提出了一种基于改进遗传蜂群算法(IGBCA)与支持向量机(SVM)的质量预测模型。首先,针对实际生产中,影响质量变动的因素具有多变量、复杂非线性、时变性等特点,选择支持向量机进行预测;然后针对现有的支持向量机参数选择方法存在精度不高、收敛速度慢的问题,提出了一种改进遗传蜂群算法对支持向量机的参数进行搜索寻优。经过实例对比分析得出,利用改进的遗传蜂群算法得到的支持向量机质量预测模型比利用遗传算法(GA)、人工蜂群算法(ABCA)得到的预测模型精度更高、收敛时间更短。

• 单位
  山东大学