针对汽车装配螺栓打紧过程，提出了一种可以准确识别打紧异常的模型。首先对原始数据进行处理，包括去除噪声和集中主体数据，并根据过程扭矩提取特征。对异常样本过少问题，提出了适合的SMOTE改进算法，通过对异常样本过采样平衡了数据集，挖掘并利用更多的样本信息。最后基于加权随机森林算法构建分类器，完成整个识别模型的建立。通过真实数据验证，模型可准确识别出打紧异常螺栓。
科研之友
微信
新浪微博
Facebook
分享链接
