基于机器学习的薄板屈服强度与制耳率建模分析

摘要：

针对1070铝合金薄板制耳率高、屈服强度不稳定等问题,基于生产数据,采用随机森林算法建立了"成分—工艺—性能"模型.选取冷轧率、热终轧温度、Fe含量、Fe/Si(铁硅质量比)等工艺和成分作为自变量,所建立的屈服强度模型精度(R2)为0.75,制耳率模型精度为0.87.利用模型定量分析各参数对屈服强度和制耳率的影响规律.通过对模型的解析,求解出各自变量的变量权重系数和Shap值.结果表明,对屈服强度影响最显著的因素为冷轧率,二者呈正相关关系,对制耳率影响最显著的因素为Fe含量,二者呈负相关关系.同时,根据模型进行了特定工艺下的性能预报并得出了较优工艺.

关键词：机器学习、屈服强度、制耳率、性能预报

所属期刊栏目：13

分类号：TG335(金属压力加工)

资助基金：北京市科技计划课题;北京市科技计划课题

在线出版日期：2023-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：67-73