基于XGBoost的车身尺寸装配质量智能预测模型

摘要：

针对汽车多级制造系统中传统机器学习方法处理多元数据样本时间久、精度低等问题,提出一种基于XGboost的车身尺寸装配质量智能预测模型,解决多级制造系统的车身装配精准预测控制问题.首先,通过对车身多级装配过程的分析,对数据样本进行预处理,建立基于Spearman系数的不同特征要素的绝对相关性矩阵;其次,对生产流程的相关数据实时采集、清洗及挖掘分析,提出数据分析流程与数据处理框架,建立基于XGBoost的车身尺寸装配质量智能预测模型,并通过对模型性能的有效评估实现对车身尺寸装配的精准控制;最后,仿真实例对比分析表明,基于XGboost的质量智能预测模型能精准地解决多级制造系统中的车身装配质量控制问题.

关键词：多级制造系统;车身尺寸;质量预测;XGBoost算法

所属期刊栏目：24

分类号：TP395(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;辽宁省重点研发计划资助

在线出版日期：2021-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：77-82