基于机器学习的前轴辊锻工艺参数预测

摘要

使用基于混合核函数的最小二乘支持向量机算法来进行前轴第1道次辊锻工艺参数的预测,构造混合函数以提高预测模型的预测精度。对工艺参数预测模型进行实验验证,结果表明,与基于单独RBF核的LS-SVM算法相比,混合核函数LSSVM算法构建的预测模型具有更高的预测精度,由3组不同核函数参数构成的预测模型对最大成形载荷及展宽的平均预测精度分别为91.8%和92.1%、89.4%和90.1%以及94.5%和93.2%,并且确定了最优的核函数参数:RBF核函数系数γ=4.52、惩罚系数c=276.4、Polynomial核函数核阶数q=1.21以及混合权重系数a=0.28。通过3组工艺参数实验对所研究的前轴辊锻工艺参数预测方法的可行性进行验证,所使用的预测方法预测得到的最大成形载荷和展宽与实际值误差在10%以内。