基于改进EHO-GRNN算法的下横臂耐久性预测方法

本发明为一种基于改进EHO‑GRNN算法的下横臂耐久性预测方法。包括如下步骤：确定下横臂疲劳寿命的影响因素作为特征数据，通过耐久性实验来采集疲劳寿命循环数作为目标数据；对采集的目标数据进行清洗并将其和特征数据归一化处理；初始化象群参数和种群，定义GRNN的预测函数、种群的适应度函数以及动态分层和重组机制；对EHO‑GRNN算法的预测模型进行迭代优化；从优化过程中得到的全局最优解中提取出最优的核函数光滑因子和权重参数作为最优的EHO‑GRNN预测模型对汽车悬架下横臂的耐久性进行预测。本发明对EHO‑GRNN算法进行改进使其在搜索过程中能够更好地平衡全局探索和局部优化，提高了搜索效率，增强了训练模型的稳定性，提升了汽车悬架系统下横臂的耐久性预测精度。