基于梯度提升决策树的硬车表面白层预测方法

作者：朱欢欢; 葛爱丽; 迟玉伦^*; 张梦梦; 李厚佳

来源：表面技术, 2023, 52(02): 328-342.

DOI：10.16490/j.cnki.issn.1001-3660.2023.02.031

• 白层
• 混淆矩阵
• 硬态切削
• 智能预测
• 梯度提升决策树

目的 实现硬态车削过程中每个产品零件白层现象的实时在线检测,提高产品生产加工效率和加工质量,提出一种基于梯度提升决策树的硬态车削加工工件表面白层预测方法。方法 首先,利用功率传感器、声发射传感器和振动传感器采集硬态车削过程中的动态切削信号数据,并对上述各种传感器信号数据进行特征提取;然后,结合特征重要性分析和梯度提升决策树建立硬态车削加工表面白层预测模型;最后,基于混淆矩阵提出一套评估梯度提升决策树模型预测性能的评价方法。结果 与功率、振动信号等特征相比,声发射信号特征能够进一步提升模型的白层预测性能。实验结果表明,该方法的预测准确率达到90%,F1为92%,Auc为89%,与SVM、XGBoost分类方法所得结果相比,该方法能更准确有效地实现硬态车削加工工件表面白层现象的在线预测。结论 该方法基于智能传感技术和梯度决策树模型对硬车过程中产生的白层现象进行了有效预测识别,对实现硬车过程白层现象的在线智能预测具有重要意义。

• 单位
  上海工程技术大学; 上海理工大学