基于支持向量机的端面磨削淬硬效果预测

金属热处理 ›› 2014, Vol. 39 ›› Issue (3): 145-147.DOI: 10.13251/j.issn.0254-6051.2014.03.036

摘要： 提出了一种基于支持向量机的磨削淬硬效果预测方法，利用试验测得的淬硬硬度和淬硬层深度数据建立SVM预测模型，并将预测结果和模糊神经网络法结果进行对比分析。结果表明，采用SVM方法进行磨削淬硬效果预测是可行的，与试验值相比，其预测误差均在5%以内，精度较高，且预测效果优于BP神经网络的预测效果。

关键词: 支持向量机, 端面磨削, 磨削淬硬, 预测

Key words: support vector machine, face grinding, grind-hardening, prediction

中图分类号:

姬会福，刘送永，郑加强. 基于支持向量机的端面磨削淬硬效果预测[J]. 金属热处理, 2014, 39(3): 145-147.

Ji Huifu, Liu Songyong, Zheng Jiaqiang. Face grind-hardening effect prediction based on support vector machine[J]. HTM, 2014, 39(3): 145-147.

[1]	赵晓峰, 刘菊东, 黄松伟. 磨削用量对球墨铸铁QT400磨削淬硬层及其均匀性的影响[J]. 金属热处理, 2022, 47(3): 198-203.
[2]	蔡显杰, 吴博雅, 左鹏鹏, 黎军顽, 郭伟. 压铸模镶块的热疲劳失效行为[J]. 金属热处理, 2022, 47(2): 250-256.
[3]	屈华鹏, 王留兵, 王东辉, 吴冰洁, 冯翰秋, 陈海涛, 许斌, 宋丹戎, 郎宇平. 时效强化高镍Inconel-718合金低周疲劳性能及寿命预测[J]. 金属热处理, 2021, 46(7): 1-6.
[4]	高宇, 高兴旺, 张根元. 台阶轴连续感应淬火组织硬度分布预测及其工艺优化[J]. 金属热处理, 2020, 45(5): 215-220.
[5]	胡俊，郑程2，金玉婷2，李光福2. 核电用690镍基合金的应变疲劳行为及寿命预测[J]. 金属热处理, 2017, 42(2): 29-33.
[6]	赵秋洪1，姜斌1，王佳美2. 热电厂用20G珠光体钢的球化机理及寿命预测[J]. 金属热处理, 2016, 41(9): 161-167.
[7]	曹燕光1，徐乐1，时捷1，王信康2，王毛球1. SAE8620H齿轮钢的淬透性及其预测模型[J]. 金属热处理, 2016, 41(2): 188-192.
[8]	晋家伟，刘菊东，于东民. 基于纵向往复和横向间歇进给的磨削淬硬层研究[J]. 金属热处理, 2015, 40(9): 170-174.
[9]	谢玲珍, 王忠, 周兴国, 王孟, 冯显磊. 含硼SCSiMn2H铸钢的淬透性预测[J]. 金属热处理, 2014, 39(11): 125-127.
[10]	陈海辉, 臧观建, 曾莹莹, 钟汉通. 退火套合残余应力的计算模型及试验研究[J]. 金属热处理, 2014, 39(10): 141-145.

PDF