机械工程材料

作者：李浩玮, 李强, 桂海莲, 李沂玮, 杨鹏程, 申春雷

关键词：旋压工艺, 机器学习, 表面质量, 性能预测, SHAP值可解释分析

采用有限元模拟了不同减薄率（10%，20%，30%，40%，50%）和进给率（0.55，0.70，0.85，1.00，1.15，1.30，1.45 mm·r?1）下旋压成形20钢筒形件的椭圆度、直线度和残余应力，构建数据集，采用粒子群优化（PSO）优化支持向量回归（SVR）、随机森林（RF）、梯度提升决策树（GBDT）和极端梯度提升树（XGBoost）算法建立机器学习模型，对比分析各模型预测效果，并进行了沙普利可加性特征解释（SHAP）分析。结果表明：有限元模拟得到随着减薄率增加，椭圆度先增大后减小后增大，直线度先增大后减小，残余压应力先减小后增大；随着进给率增加，椭圆度增加，直线度增大，残余应力变化不显著。对直线度、椭圆度和残余应力预测准确性由高到低依次为GBDT模型、XGBoost模型、RF模型和SVR模型；GBDT模型SHAP分析结果与实际结果基本相符，证明了GBDT模型预测的可靠性。GBDT模型预测得到满足直线度小于0.5 mm、椭圆度小于0.4 mm、残余应力小于160 MPa要求的旋压工艺参数为减薄率40%、进给率0.55～0.90 mm·r?1。

来源：2025年第10期

《机械工程材料》期刊编辑部

查看机械工程材料杂志2025年第10期