10.16526/j.cnki.11-4762/tp.2021.05.046
基于DE-Xgboost的U71Mn钢粗糙度预测模型
U71Mn高锰钢为我国铁轨主要原材料,当铣削参数配置不合理时易导致金属表面马氏体粗大造成加工硬化,难以满足使用要求;针对此问题使用M-V5CN铣削U71Mn高锰钢获取了1 000组切削数据集,建立了基于Xgboost算法的表面粗糙度预测模型,作为非线性模型其训练参数众多为最大化Xgboost模型性能,提出一种改进的混合编码DE算法进行模型超参数优化;模型建立完成后,经测试较未经优化的Xgboost最大误差下降7.4%,平均绝对误差下降11.7%,方差降低6.4%,且较主流DNN、GA-SVM模型性能提升明显可以更有效承担U71 Mn高锰钢粗糙度预测任务.
粗糙度预测、极限梯度提升树、差分进化算法、参数优化、U71Mn高锰钢
29
TG15(金属学与热处理)
国家基金青年项目;浙江工业职业技术学院校科研项目
2021-06-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
230-234