随机森林算法在进气歧管注塑成型优化的应用

摘要

经研究发现进气歧管的翘曲变形会影响其进气性能。本文基于进气歧管的翘曲变形问题,以优化歧管的翘曲变形量为目标,提出一种随机森林智能优化算法,并设计25组正交实验样本和4组噪音样本作为随机森林回归模型的原始数据,再利用Bootstrap采样对29组原始数据进行有放回的重复随机抽取新的数据样本作为训练集,并将训练的预测值与实际值进行比较以验证回归模型的可靠性,并得到预测翘曲变形量为1.0755 mm,经仿真验证实际翘曲变形量为1.084 mm,误差为0.8%,且与参考模型翘曲变形量相比较下降了13.6%。结果表明,随机森林回归模型在注塑成型的寻优应用中的精度是比较高的。