摘要
本发明公开了一种基于截断高斯函数虚拟样本扩充的弯管成形工艺预测方法。包括以下步骤:构建原始样本数据集,建立扩充域范围;使用原始样本数据集对多个代理模型进行训练和融合,得到混合代理预测模型;通过多目标优化算法根据扩充域范围和混合代理模型生成虚拟样本数据集;将虚拟样本数据集和原始样本数据集合并后,训练混合代理预测模型,得到基于传递的混合代理模型;使用基于传递的混合代理模型,根据待预测工艺参数预测横截面畸变率。本发明方法有效克服了机械工程领域样本量少、预测精度低的缺陷,通过生成虚拟样本数据集,增加了样本量和预测稳定性,并应用高精度传递混合代理模型,提高了预测模型对横截面畸变率的预测准确率。
技术关键词
样本
克里金模型
预测误差
管件弯曲成形
支持向量机
数据
参数
径向基函数模型
误差验证方法
支持向量回归机
拉丁超立方采样
仿真模型
扩展工具
隶属度函数
算法
表达式
系统为您推荐了相关专利信息
信号智能识别
多载波
正交频分复用
信号发射单元
神经网络模型训练
雷达回波数据
分类支持向量机
多域特征
短时傅里叶变换
检测器
三元组损失函数
嵌入特征
语义
检索方法
联合损失函数