基于PCA⁃XGBoost融合模型的注塑工艺参数智能优化方法

发布时间:2026-03-26 | 来源:中国塑料 | 作者:杨洪于, 王航宇, 戴强, 马艺涛, 宋帅, 张嗣昌, 杨卫民

面向注射成型过程中多参数耦合、非线性关联显著等问题,提出了一种结合主成分分析(PCA)与梯度提升回归算法(XGBoost)的建模方法。该方法以注塑产线采集的工艺参数为基础,通过Z⁃score标准化消除量纲差异,随后应用PCA技术对特征变量进行降维处理,以压缩特征维度并降低冗余信息对模型性能的影响。在此基础上,构建回归模

面向注射成型过程中多参数耦合、非线性关联显著等问题,提出了一种结合主成分分析(PCA)与梯度提升回归算法(XGBoost)的建模方法。该方法以注塑产线采集的工艺参数为基础,通过Z⁃score标准化消除量纲差异,随后应用PCA技术对特征变量进行降维处理,以压缩特征维度并降低冗余信息对模型性能的影响。在此基础上,构建回归模型对产品合格率进行预测,并与未降维条件下的XGBoost模型进行了对比分析。结果显示,PCA⁃XGBoost模型在测试集上的决定系数( R ²)为0.981 7,优于未降维模型的0.962 0,平均绝对误差(MAE)下降约45 %。特征重要性分析表明,若干与注塑周期相关的变量在建模过程中具有较高权重,降维处理有助于增强模型对主要影响因子的识别能力。该模型已在一条食品容器类注塑产线上部署并进行了连续批次验证,在保持设备、原料与工艺流程一致的前提下,合格率由96.7 %提升至99.82 %。

返回资讯频道