支持向量机截齿疲劳寿命预测 MATLAB 程序

水木头

%************************************************************%
%**                  子函数——核函数                       **
%***********************************************************%
function [K]=ker(x,y,sig)
kerRow=size(x,2);
kerColumn=size(y,2);
omega=zeros(kerRow,kerColumn);
for i=1:kerRow
    for j=1:kerColumn               
        omega(i,j)=norm(x(:,i)-y(:,j));      
    end
end
K=exp(-omega.^2/(2*sig^2));


%***************************************************************
%**           截割三向力——疲劳——内插预测                    **
%***************************************************************
clear;
clc;
close all;
stress_x=[2606.6  3567.6  4349.8  5029.1  5638.6  6196.6  6714.5  7200  3359.5  4801  5974.4  6993.3  7907.5  8744.6  9521.4  10250  4112.4  6034.4  7598.9  8957.5  10176  11293  12328  13299  2659  3620  4402.3  5081.5  5691  6249  6766.9  7252.4  3411.9  4853.4  6026.8  7045.7  7959.9  8797  9573.8  10302  4164.8  6086.8  7651.4  9009.9  10229  11345  12381  13352];

stress_y=[4344.3  5946  7249.7  8381.8  9397.6  10328  11191  12000  5599.1  8001.7  9957.3  11655  13179  14574  15869  17083  6854  10057  12665  14929  16961  18821  20547  22165  4431.6  6033.3  7337.1  8469.2  9485  10415  11278  12087  5686.5  8089  10045  11743  13266  14662  15956  17170  6941.3  10145  12752  15016  17048  18908  20634  22253];

stress_z=[868.85  1189.2  1449.9  1676.4  1879.5  2065.5  2238.2  2400  1119.8  1600.3  1991.5  2331.1  2635.8  2914.9  3173.8  3416.5  1370.8  2011.5  2533  2985.8  3392.1  3764.2  4109.4  4433.1  886.32  1206.7  1467.4  1693.8  1897  2083  2255.6  2417.5  1137.3  1617.8  2008.9  2348.6  2653.3  2932.3  3191.3  3434  1388.3  2028.9  2550.5  3003.3  3409.6  3781.6  4126.9  4450.6];
fatigue=[247490000 193440000  158470000  133400000  114430000  99488000  87441000  77523000  204010000  141320000  105180000  81593000  65107000  53057000  43948000  36891000  168340000  103610000  70244000  50377000  37542000  28785000  22566000  18014000  244150000  190850000  156380000  131650000  112920000  98196000  86304000  76525000  201260000  139480000  103800000  80538000  64281000  52379000  43395000  36428000  166110000  102260000  69347000  49744000  37076000  28432000  22291000  17796000];


%  数据归一化
stress_x=(stress_x-min(stress_x))/(max(stress_x)-min(stress_x))*0.85+0.15;
stress_y=(stress_y-min(stress_y))/(max(stress_y)-min(stress_y))*0.85+0.15;
stress_z=(stress_z-min(stress_z))/(max(stress_z)-min(stress_z))*0.85+0.15;
E_x=stress_x;
E_y=stress_y;
E_z=stress_z;
E_f=fatigue;


%********学习样本*******************
x1=stress_x(1:2:48);
x2=stress_y(1:2:48);
x3=stress_z(1:2:48);
xInput=[x1;x2;x3];
yOutput=fatigue(1:2:48);


%*********预测样本******************
xs1=stress_x(2:4:48);
xs2=stress_y(2:4:48);
xs3=stress_z(2:4:48);
xsInput=[xs1;xs2;xs3];
yrOutput=fatigue(2:4:48);
sig=sqrt(4.5021);
gamma=1.6236e+008;
alpha0=0.2;

%********构造 RBF 核矩阵***************
ker1=ker(xInput,xInput,sig);
for i=1:size(xInput,2)      
    ker1(i,i)=ker1(i,i)+1/gamma;
end  

%*********LSSVM 模型训练**************
I=ones(1,size(xInput,2));
b=I*inv(ker1)*yOutput'/(I*inv(ker1)*I');
alpha=inv(ker1)*(yOutput'-b*I');
for i=1:size(alpha,1);      
    if abs(alpha(i))<alpha0;         
        alpha(i)=0;      
    end
end
ker2=ker(xInput,xsInput,sig);
ysOutput=alpha'*ker2+b*(ones(1,size(xsInput,2)));


%***********画图*********************
hold on;
plot(1:length(ysOutput),ysOutput,'b-');
plot(1:length(yrOutput),yrOutput,'r-.');
grid;
xlabel('序列');
ylabel('循环载荷次数/次');
title('截齿疲劳寿命曲线');
gtext('—real output');
gtext('.-predict output');
hold off;



%***********计算整体误差*********************
ave=sum(ysOutput)/length(ysOutput);
error1=sqrt(sum((yrOutput-ysOutput).^2)/sum((yrOutput-ave).^2))
%***********计算局部误差*********************
error2=sqrt(((ysOutput-yrOutput)./yrOutput).^2);
[max_error,max_ELoc]=max(error2')
[min_error,min_ELoc]=min(error2')  

happy

谢谢你的分享,希望以后今后能见到能多的好资料和大家分享