基于DE-Xgboost的U71Mn钢粗糙度预测模型

来源：计算机测量与控制杂志2021年第5期北京时间：

作者：成先明,王婷婷,史柏迪

单位：河海大学

摘要：U71Mn高锰钢为我国铁轨主要原材料，当铣削参数配置不合理时易导致金属表面马氏体粗大造成加工硬化，难以满足使用要求。针对此问题使用M-V5CN铣削U71Mn高锰钢获取了1000组切削数据集，建立了基于Xgboost算法的表面粗糙度预测模型，作为非线性模型其训练参数众多为最大化Xgboost模型性能,提出一种改进的混合编码DE算法进行模型超参数优化。模型建立完成后，经测试较未经优化的Xgboost最大误差下降7.4%，平均绝对误差下降11.7%，方差降低6.4%,且较主流DNN、GA-SVM模型性能提升明显可以更有效承担U71Mn高锰钢粗糙度预测任务。

关键词：粗糙度预测;极限梯度提升树;差分进化算法;参数优化;U71Mn高锰钢

基金资助：国家自然科学基金项目（61403122）；中央高校科研项目（B200202220）