应用遗传算法优化支持向量机的疲劳裂纹扩展预测
【摘要】:准确迅速地预测疲劳裂纹的扩展进程具有十分重要的现实意义和显著的经济效益。为了实现疲劳裂纹长度的准确预测,提出基于遗传算法优化支持向量机(GA-SVM)的疲劳裂纹扩展预测方法,其中遗传算法用于确定SVM中的训练参数,得到优化的SVM预测模型。试验结果表明:用GA-SVM对疲劳裂纹长度进行预测具有很好的预测精度。
|
|
|
|
1 |
Dura Hari Bahadur;吴铁鹰;吴志功;;实心/空心杆结构的损伤容限与疲劳寿命估算(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2011年02期 |
2 |
张丽娜;吴学仁;刘建中;;疲劳裂纹扩展中单峰过载引起的残余应力强度因子计算[J];机械强度;2011年03期 |
3 |
;[J];;年期 |
4 |
;[J];;年期 |
5 |
;[J];;年期 |
6 |
;[J];;年期 |
7 |
;[J];;年期 |
8 |
;[J];;年期 |
9 |
;[J];;年期 |
10 |
;[J];;年期 |
11 |
;[J];;年期 |
12 |
;[J];;年期 |
13 |
;[J];;年期 |
14 |
;[J];;年期 |
15 |
;[J];;年期 |
16 |
;[J];;年期 |
17 |
;[J];;年期 |
18 |
;[J];;年期 |
19 |
;[J];;年期 |
20 |
;[J];;年期 |
|