机械零件加工质量预测及优化模型构建研究——基于机器学习算法

摘要

在制造业零件加工过程中,精确高效的机械零件加工质量预测模型,可以帮助机械生产工艺过程有更高的生产效率,减少时间和成本。但在目前机械零件加工质量预测模型研究中,预测算法存在着计算复杂、精度低等问题,限制了机械零件加工质量的提升。因此,基于XGBoost机器学习,通过人工蜂群算法与遗传算法结合的方式进行参数寻优,建立机械零件加工质量目标优化函数。实验结果表明,在迭代训练所提方法的预测精确度和收敛速度上都有更好的表现,通过该方法,整体零件加工平均误差为0.0045 mm,相较于优化前,误差有60.87%的降低。