基于集成学习的压电陶瓷烧结过程质量预测建模

作     者：马超 翁智逸 何非 MA Chao;WENG Zhiyi;HE Fei

作者机构：南京理工大学机械工程学院江苏南京210094 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2025年第31卷第1期

页      面：147-157页

核心收录：

学科分类：080706[工学-化工过程机械] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：江苏省军工产品科研生产大数据智能分析及应用军民融合公共服务平台资助项目(1171061540) 

主　　题：压电陶瓷 质量预测 贝叶斯超频带超参数优化算法 CatBoost算法 

摘      要：烧结工艺是影响压电陶瓷成品质量的关键工艺,涉及影响因素众多,具有非线性、滞后性的特点,导致烧成品的质量难以保证。针对这一难题,通过分析烧结过程中陶瓷微观结构的变化,提出平均晶粒尺寸和烧成密度两个间接质量指标,并与压电性能指标间的关系进行分析,建立质量预测模型,实现对烧结工艺的质量预测及控制。通过采取集成学习CatBoost算法,并结合贝叶斯超频带(BOHB)超参数优化算法,以五折交叉验证的方式建立了BOHB-CatBoost质量预测模型。最后,结合RMSE和R^(2)两个指标评估模型的性能,并与其他预测模型进行对比,验证了该模型具有更高的预测精度以及稳健性,对压电陶瓷的烧结生产过程具有较好的指导意义。