Method of Optimal Design with SVR-PSO for Ultrasonic Cutter Assembly

Hu, Xiaomin; Dong, X.D.; Yu, Bo

doi:10.1016/j.procir.2016.04.180

Cited by 4 publications

(1 citation statement)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Todas las partículas se agregan a la solución óptima global. Cuando la solución óptima global tiende a ser estable finalmente, el resultado es la solución óptima de la partícula en el espacio variable dimensional N (Hu, Dong and Yu, 2016).…”

Section: Optimización Por Enjambre De Partículasunclassified

Análisis de características tiempo-frecuencia para la predicción de series temporales de Material Particulado usando Regresión por Vectores de Soporte y Optimización por Enjambre de Partículas

Suescun

Zuluaga

Escobar

et al. 2020

reveia

View full text Add to dashboard Cite

La contaminación atmosférica por Material Particulado (PM) es un problema claramente reconocido a nivel mundial como uno de los factores de riesgo más importantes para la salud humana, en los últimos años han surgido diferentes modelos basados en inteligencia artificial para predecir la concentración de PM, con el fin de generar sistemas de alerta temprana que eviten la exposición de las personas. En este trabajo, se analizó un esquema de caracterización en el dominio tiempo-frecuencia usando la transformada Wavelet para la predicción de series temporales de PM10 y PM2.5 usando un algoritmo de Regresión por Vectores de Soporte optimizado por Enjambre de Partículas (SVR-PSO), además, se evaluó el efecto de la imputación de datos sobre las estimaciones. Los resultados obtenidos mostraron que, empleando características temporales, más las características tiempo-frecuencia propuestas, se obtiene el mejor desempeño de la SVR-PSO, además se encontró que el uso de la imputación de datos no afecta el desempeño de la SVR-PSO. El sistema propuesto en este trabajo permite disminuir el error de las estimaciones de concentración de PM10 y PM2.5 haciendo uso de características tiempo-frecuencia y es capaz de operar de forma robusta contra datos perdidos, aumentando su viabilidad de ser implementado en escenarios reales.

show abstract

Section: Optimización Por Enjambre De Partículasunclassified

Análisis de características tiempo-frecuencia para la predicción de series temporales de Material Particulado usando Regresión por Vectores de Soporte y Optimización por Enjambre de Partículas

Suescun

Zuluaga

Escobar

et al. 2020

reveia

View full text Add to dashboard Cite

show abstract

Modeling and fitting of an ultrasonic straight-blade cutting system

Zhang

Feng

et al. 2020

Int J Adv Manuf Technol

View full text Add to dashboard Cite

Prediction of flow stress in Mg-3Dy alloy based on constitutive equation and PSO-SVR model

Liu,

Feng,

Liu

et al. 2024

Mater. Res. Express

View full text Add to dashboard Cite

This study conducted hot compression experiments on as-cast Mg-3Dy alloy under deformation parameters of 380-470℃ and 0.001-1s-1. The microstructure of the alloy was observed using EBSD, and the flow stress of the Mg-3Dy alloy was predicted using the Arrhenius model and the particle swarm optimization-support vector regression (PSO-SVR) model. The organizational analysis results showed that the main recrystallization mechanism in the alloy is the discontinuous dynamic recrystallization (DDRX) mechanism. The generation of twins in the alloy was mostly the result of local stress action. The optimal processing window for this alloy was determined to be 380-470 °C and 0.001-0.01 s-1 through the thermal processing map. The prediction accuracies of the Arrhenius model and PSO-SVR model were evaluated using the correlation coefficient R2 and mean squared error MSE. The results showed that the PSO-SVR model significantly outperforms the Arrhenius model in prediction accuracy, with R2 value of 0.99982 and MSE of 0.074.

show abstract

Method of Optimal Design with SVR-PSO for Ultrasonic Cutter Assembly

Cited by 4 publications

References 7 publications

Análisis de características tiempo-frecuencia para la predicción de series temporales de Material Particulado usando Regresión por Vectores de Soporte y Optimización por Enjambre de Partículas

Análisis de características tiempo-frecuencia para la predicción de series temporales de Material Particulado usando Regresión por Vectores de Soporte y Optimización por Enjambre de Partículas

Modeling and fitting of an ultrasonic straight-blade cutting system

Prediction of flow stress in Mg-3Dy alloy based on constitutive equation and PSO-SVR model

Contact Info

Product

Resources

About