基于机器学习的除鳞辊表面涂镀层磨损预测研究

彭意钦，施文杰，杨康，关锐，艾新港（辽宁科技大学材料与冶金学院）

摘要：为提高冶金关键部件除鳞辊表面涂镀层磨损预测的准确性，提升高压水除鳞的效率，深入研究了机器学习在除鳞辊表面涂镀层磨损预测中的应用，分别介绍了多元线性回归磨损预测模型、X G Boost磨损预测模型以及随机森林磨损预测模型常用算法的原理以及结构。利用生产数据建立数据集对除鳞辊表面涂镀层磨损进行预测，并将预测结果和实测结果进行纵向比较，将三种算法的预测结果进行横向比较。结果表明，误差范围在±0.0010 mm和±0.0015mm时，随机森林磨损预测模型预测的命中率最高，分别为90.4%和95.9%；四项性能指标中，该模型的决定分数数值最大，均方根误差、均方误差和平均绝对误差三项指标数值最小，随机森林磨损预测模型最适用于实际生产，可以给冶金关键部件除鳞辊的形性退化和再造赋能机制的设定提供较高的参考价值。

关键词： 机器学习；除鳞辊；涂镀层；磨损预测