来源：期刊VIP网 时间：
作者：田炎霖;闫文青;高峰;顾进广;
单位：武汉科技大学材料学部;武汉科技大学计算机科学与技术学院;中冶南方连铸技术工程有限责任公司;
摘要：针对某厂的小方坯缺陷分类数据，文章提出了一种基于粒子群优化(PSO)、差分进化(DE)和极限梯度提升(XGBoost)算法的小方坯缺陷预测模型。首先通过过采样、随机采样和特征工程三种数据增强的方法对不平衡数据集进行预处理，随后采用PSO和DE方法优化XGBoost算法的超参数，并验证模型性能。实验结果表明，经过特征工程增强的数据集训练的模型性能最优，对于中心缩孔等级、内部裂纹等级、表面缺陷等级和形状缺陷等级的预测准确率分别达到79.07%、80.6%、97.5%和72.7%。该研究方法不仅为小方坯缺陷预测提供了一种新的思路，同时也为铸坯的制造过程质量控制提供了参考。
关键词：小方坯缺陷;;粒子群优化;;差分进化;;XGBoost;;数据增强
基金资助：国家自然科学基金(U1836118);; 科技创新“2030”新一代人工智能技术(2020AAA0108500);; 富媒体数字出版内容组织和知识服务实验室开发基金(ZD2022-10/05)
