基于Kriging机器学习模型的螺杆结构设计方法及其产率优化
发布时间:2026-07-26 | 来源:中国塑料 | 作者:黄天宇, 蒋新沛, 魏兴岳, 王世龙, 王世檩, 张鹏, 杨卫民, 鉴冉冉
为提升塑料挤出机产率,以螺杆作为优化对象,提出了一种基于机器学习预测模型的螺杆产率优化设计方法,并利用该方法对产率进行了优化。以产率作为设计目标,建立以螺杆槽深、棱宽、间隙、转速为变量,产率为响应目标的Kriging预测模型并通过遗传算法实现结构优化设计。结果表明,Kriging模型表现出了较高的预测精度( RMSE
为提升塑料挤出机产率,以螺杆作为优化对象,提出了一种基于机器学习预测模型的螺杆产率优化设计方法,并利用该方法对产率进行了优化。以产率作为设计目标,建立以螺杆槽深、棱宽、间隙、转速为变量,产率为响应目标的Kriging预测模型并通过遗传算法实现结构优化设计。结果表明,Kriging模型表现出了较高的预测精度( RMSE =0、 RAAE =0.009 1、 RMAE =0.049 8、 R 2 =0.999 8),说明Kriging模型成功捕捉参数的耦合效应,对螺杆产率问题具有高度适用性。经仿真验证,优化后的最佳螺杆(C组)产率达14.318 8 kg/h,较样本集优基准提升17.1 %,证实基于机器学习预测模型的螺杆产率优化方法的可靠性。
返回资讯频道