基于PSO-LSSVM的复杂试验不确定度分析

作者：洪谭亮; 丁晓红^*; 王海华; 王神龙; 徐世鹏

来源：上海理工大学学报, 2021, 43(01): 29-34.

DOI：10.13255/j.cnki.jusst.20200213001

• 试验不确定度分析
• 粒子群优化
• 最小二乘支持向量机
• 蒙特卡罗法

提出一种结合粒子群优化(PSO)算法和最小二乘支持向量机(LSSVM)模型的复杂试验不确定度分析方法。以汽车座椅的安全带拉伸试验为对象,研究汽车座椅安全带拉伸试验的主要影响因素及其概率密度函数参数,采用拉丁超立方方法进行试验设计,并进行安全带拉伸试验有限元仿真。运用PSO-LSSVM建立安全带拉伸试验的数学模型,并与BP(back propagation)神经网络建立的数学模型进行对比,结果显示PSO-LSSVM数学模型有更高的预测精度,满足后续不确定度评定要求。进一步采用蒙特卡罗方法实现安全带拉伸试验的不确定度评定,并以国家标准规定的方法进行参考,研究结果表明,该方法可应用于各种复杂试验不确定度分析中。

• 单位
  上海理工大学