基于改进BOA优化KELM的焊接接头疲劳寿命预测

来源：计算机技术与发展杂志2025年第08期北京时间：

作者：曹欣宇;;邹丽;

单位：1. 大连交通大学 智能轨道工程学院,辽宁 大连 116028;2. 大连交通大学 辽宁省轨道交通装备焊接与可靠性重点实验室,辽宁 大连 116028;3. 大连交通大学 大连市区块链技术与应用重点实验室,辽宁 大连 116028

摘要：针对目前的机器学习模型在复杂载荷下焊接接头疲劳寿命预测上准确率较低的问题以及蝴蝶优化算法(Butterfly Optimization Algorithm,BOA)收敛精度较低且易陷入局部最优的不足,提出一种基于多策略改进的蝴蝶优化算法优化核极限学习机(Kernel Extreme Learning Machine,KELM)模型对两级载荷下焊接接头的剩余疲劳寿命进行预测。首先利用Circle混沌映射提高初始种群的多样性,并通过引入自适应权重因子和动态切换概率,有效实现全局搜索与局部搜索的平衡,避免陷入局部最优。同时,结合自适应t分布变异策略,加速了算法的收敛进程。将改进的优化算法与基础BOA算法及5种其他改进算法在6种基准测试函数上进行对比,寻优性能及寻优精度得到提升。然后用其优化KELM的参数,构建改进BOA优化KELM的疲劳寿命预测模型,并与3种改进算法优化模型及基础BOA优化模型进行比较。实验结果表明,该模型在预测效果上优于其他模型,表现出更高的预测精度。

关键词：疲劳寿命预测;蝴蝶优化算法;核极限学习机;多策略;Circle混沌映射;自适应t分布变异