基于数据驱动的镁合金压铸件质量智能预测

打开文本图片集

摘要： 为实现镁合金压铸件质量的智能预测，降低人工下线检测成本，提升镁合金压铸产业智能化水平，通过收集镁合金大型薄壁压铸件“工艺参数-质量参数”大数据，采用随机森林模型建立工艺参数与铸件产生的缺陷种类间的关系，分析了工业数据中的标签长尾分布现象对机器学习模型预测性能的影响，通过“随机降采样+SMOTE过采样”算法对数据集分布进行均衡化，最终获得了准确率为89.54%、受试者工作特征曲线（ROC）下面积为0.983 8、平均真正率为87.65%的准确预测模型，实现了极少数含缺陷样本的精准检出，并获得了镁合金压铸关键工艺参数重要性排序。（剩余9211字）