来源：期刊VIP网 时间：
作者：户燕会;任燕;户东亮;姜奎;
单位：同济大学中德工程学院;河南工业职业技术学院机械工程学院;国电投南阳热电有限责任公司;南阳长弓机械科技有限公司;
摘要：为获得更高的SVM精度，采用改进粒子群优化（PSO）算法来实现SVM惩罚参数以及核函数的寻优过程，进一步改进了PSO权系数并对学习因子进行了优化，获得了更强的全局和局部搜索性能，有效避免算法产生早熟以及搜索精度不高的情况，显著增强了SVM回归预测能力。以五连杆机构为例，开展可靠性灵敏度分析。研究结果表明：改进PSO-SVR模型获得了更高的可靠性，这里算法可以达到更高预测精度。改进PSOSVR获得了更快收敛速度，同时RMSE也更小。采用改进PSO方法寻求参数可以使SVR获得更高预测精度。采用改进PSO-SVR模型只需少量样本便能够达到理想拟合精度，从而实现对参数可靠性灵敏度的准确分析。提高L1均值后，可以使五连杆机构达到更高可靠性，而L2、L3、L4均值和各参数方差提高后，则会引起系统可靠性的下降。
关键词：连杆机构;;可靠性;;支持向量机;;粒子群优化;;蒙特卡洛;;预测精度
基金资助：河南省高等学校重点科研项目（21B46002）
