期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于沙猫群算法和集成学习的可解释数据驱动铝合金电弧增材成形尺寸预测模型研究
1
作者 张豪 许燕玲 +3 位作者 王杏华 马晓阳 王强 张华军 《航空制造技术》 北大核心 2025年第20期68-81,90,共15页
铝合金电弧增材制造是一个多参数耦合的复杂物理系统,其成形尺寸的精确预测与控制受到多种工艺参数影响。针对现有预测方法在参数耦合效应建模不足、预测精度有限及模型解释性欠缺等问题,提出一种基于数据增强策略和集成学习方法的可解... 铝合金电弧增材制造是一个多参数耦合的复杂物理系统,其成形尺寸的精确预测与控制受到多种工艺参数影响。针对现有预测方法在参数耦合效应建模不足、预测精度有限及模型解释性欠缺等问题,提出一种基于数据增强策略和集成学习方法的可解释数据驱动模型,以实现铝合金成形过程中宽度和层高的高精度预测。首先,利用数据增强技术扩充训练数据集,增强模型泛化能力;其次,基于五折交叉验证方法训练多个模型,评估出性能最优的3个基学习器;然后,通过SCSO算法优化基学习器的权重分配,构建高鲁棒性集成学习模型;最后,采用SHAP方法量化并解释工艺参数对成形过程的影响。试验结果表明,基于SCSO优化的集成学习模型在铝合金成形尺寸预测精度和解释性方面显著优于单一模型和传统集成学习方法(预测宽度和层高时RMSE为0.3518和0.0743,MAPE为0.0229和0.0364)。该研究为铝合金WAAM的工艺参数优化和成形质量控制提供了理论依据,具有较好的实用性和工程应用价值。 展开更多
关键词 铝合金电弧增材制造 尺寸预测 数据增强 沙猫群算法 可解释集成学习模型
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部