基于机器学习的薄板屈服强度与制耳率建模分析

作者：苗海宾; 向朝建; 张志阔; 刘胜楠; 黄东男; 吴永福^*

来源：有色金属科学与工程, 2022, 13(06): 67-73.

DOI：10.13264/j.cnki.ysjskx.2022.06.009

• 机器学习
• 屈服强度
• 制耳率
• 性能预报

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。

• 单位
  北京科技