基于沙猫群算法和集成学习的可解释数据驱动铝合金电弧增材成形尺寸预测模型研究

摘要： 铝合金电弧增材制造是一个多参数耦合的复杂物理系统，其成形尺寸的精确预测与控制受到多种工艺参数影响。针对现有预测方法在参数耦合效应建模不足、预测精度有限及模型解释性欠缺等问题，提出一种基于数据增强策略和集成学习方法的可解释数据驱动模型，以实现铝合金成形过程中宽度和层高的高精度预测。首先，利用数据增强技术扩充训练数据集，增强模型泛化能力；其次，基于五折交叉验证方法训练多个模型，评估... （共15页）