随机森林算法在钢轨闪光焊接工艺质量预测模型数据预分类的应用

针对训练钢轨闪光焊接头质量预测深度学习模型需要大量数据集且采集困难的问题,采用预分类的方法,只选取相同需求顶锻量范围内的数据进行训练,以降低训练集数量并提高数据质量。以钢轨闪光焊接工艺的预测顶锻量为研究对象,随机森林回归算法进行建模,采用13个关键工艺参数预测实际顶锻量。研究结果表明:预测模型精度明显优于传统的理论建模及回归分析。在比较了多种常规算法的预测模型后发现,在训练样本较少的情况下,随机森林回归算法模型表现最佳。进一步数据分析得出,焊接工艺参数中的中期脉动阶段时间值、闪光末期钢轨消耗量和中期脉动钢轨消耗量对实际顶锻量影响权重相对较大。基于随机森林回归算法的预测模型为焊接实际需求的顶锻量预测及控制提供了一种有效的方法。