首页|基于Stacking方法的粗糙度预测模型

基于Stacking方法的粗糙度预测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
金属铣削通常伴随着高温高热高压,作为多元非线性过程具有复杂性与无序性.使用M-V5CN组合机床铣削U71Mn高锰钢获取了1000组样本集,基于Xgboost算法增益分析发现表面粗糙度影响因素由大到小依次为:主轴转速、铣削深度、每齿进给量、铣削宽度.提出一种在三折交叉验证下基于Stacking方法的改进集成回归模型,通过集成训练GA-SVM、Xgboost、KNN模型有效避免单一基模型在特定铣削参数区间内误差敏感问题.最终在测试集样本中模型最大误差errmax(0.041μm),平均绝对误差MAE(0.017μm),决定系数r(0.938),较基模型性能提升显著.
Roughness Prediction Model Based on Stacking Method

奚建峰、史柏迪、庄曙东、陈天翔、陈威

展开 >

瓦卢瑞克天大(安徽)股份有限公司常州公司 常州 213033

河海大学机电工程学院 常州 213022

南京航空航天大学江苏省精密仪器重点实验室 南京 213009

粗糙度预测 极限梯度提升树 支持向量机 最近邻 集成学习

CZ5200078122018B44614GS2019YB18

2022

10.3969/j.issn.1672-9722.2022.12.041

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(12)
  • 5