来源：期刊VIP网 时间：
作者：李冬阳;张张;徐志刚;白鑫林;
单位：中国科学院沈阳自动化研究所机器人国家重点实验室;东北大学机械工程与自动化学院;中国科学院机器人与智能制造创新研究院;上海航天化工应用研究所;
摘要：粘弹性材料兼有弹性固体和粘性流体的特性，传统的热分析方法无法准确描述同时发生的粘性和弹性变形。针对该复杂材料特性的材料去除过程中的温度场研究是十分稀少的，提出将机器学习算法应用到药柱钻削加工的温度预测当中。首先利用线性回归进行拟合，侧面证明该模型的非线性。其次利用随机森林和BP神经网络算法进行建模，随机森林模型的随机特性使其具有一定的抗噪能力，BP神经网络模型精度最高，决定系数达到0.989。利用BP神经网络模型的预测功能实现加工过程的提前防控，优化加工参数组合，实现高效安全生产。
关键词：机器学习;;粘弹性材料;;钻削温度;;预测模型
基金资助：辽宁省“兴辽英才”计划项目资助（XLYC1808040）
