一种基于GA-GBRT的表面粗糙度预测方法及工艺参数优化方法

摘要

本发明公开了一种基于GA‑GBRT的表面粗糙度预测方法及工艺参数优化方法。a.采集数据构成数据集，将数据集分为训练组数据和测试组数据，使用训练组数据对GBRT模型的关键参数进行训练；b.参数编码和种群初始化：随机生成一个用于提升迭代次数、个体回归估计器的最大深度和学习速率的染色体序列；c.使用k‑折叠交叉验证方法训练GBRT模型，并使用遗传算法计算各个体的拟合优度适应度值；d.当循环次数未达到最大迭代次数时，种群被选择、交叉和变异以产生新一代的种群，并继续进行GBRT模型训练；e.重复步骤c和d，直至循环次数达到最大进化代数或超过最大迭代次数，以此获得最优模型参数。本发明具有测试精度高、预测性能优越、提高工件表面加工精度的特点。