快速预测金属切削的各种力学性能对工业制造的优化设计和产能提高十分关键.当前相关预测模型通常需要昂贵且耗时的实验和分析过程.构建了一种基于金属切削模拟和决策树回归(decision tree regression,DTR)的预测模型,用于获取不同切削...快速预测金属切削的各种力学性能对工业制造的优化设计和产能提高十分关键.当前相关预测模型通常需要昂贵且耗时的实验和分析过程.构建了一种基于金属切削模拟和决策树回归(decision tree regression,DTR)的预测模型,用于获取不同切削工况下的力学性能.首先,采用自适应光滑粒子流体动力学(adaptive smoothed particle hydrodynamics,ASPH)模拟金属切削过程,捕获了不同模拟参数下的多种力学性能,组成2000种切削工况的模拟数据集;其次,利用DTR算法学习模拟数据集,训练和构建金属切削预测模型,并通过交叉验证和网格搜索评估了不同剪枝策略下预测模型的效果.结果表明,建立的预测模型可以快速地预测不同模拟参数下的多种力学性能,适宜的剪枝策略可以提升预测模型的准确度、泛化能力和稳定性.展开更多
