原文传递
基于随机森林算法的水润滑轴承摩擦性能预测模型研究
| 论文题名： | 基于随机森林算法的水润滑轴承摩擦性能预测模型研究 |
| 关键词： | 改性水润滑轴承;预测模型;随机森林;Python软件 |
| 摘要： | 船舶轴承作为船舶推进系统的重要部件，其摩擦学性能对船舶的航行安全有直接的影响，随着环保要求的日益严格，水润滑尾轴承得到越来越多的应用，尾轴承材料的摩擦学性能直接决定了水润滑轴承及船舶推进系统的可靠性。聚氨酯作为传统的水润滑轴承的基体材料，在船舶的运行过程中的耐磨性能亟待提高。为解决这类问题，研究发现向聚氨酯内填充聚乙烯蜡材料可提高材料的耐磨性能。在试验配比的过程中需要进行大量的设计，该操作使得时间成本增大，故本文拟提出一种基于随机森林分类算法的预测模型，以便于减少试验成本，优化设计兼具耐磨性的新型复合材料。 本文从两类算法（分类算法和回归算法）中择优选取，每大类算法挑选其中有代表性的细分算法进行比较分析，从计算结果发现随机森林分类算法兼具两者的性能同时，还对小数据量的数据拟合性能具有更好的鲁棒性，故本文构建基于随机森林分类算法的预测模型。 本文所构建模型由算法和数据拟合而成，算法通过对比选择随机森林分类算法，数据的试验对象为聚氨酯基体材料和聚乙烯蜡混合制备而成的水润滑轴承，采用五组不同工况条件下测试的摩擦数据。首先对数据进行分析筛选，通过皮尔森相关系数法选择特征属性；接下来采用正常磨损阶段的数据合并为一组数据集，采用随机森林分类算法对数据进行模型构建。之后使用网格搜索法对算法进行参数优化，并对模型采用均方根误差（MSE）和ROC曲线方法验证可靠性，最后采用5折交叉验证的方法对模型进一步优化，最终的模型显示为ROC曲线均值为0.85，MSE值为0.18，即训练集的预测准确度为0.85、验证集误差为0.18，模型训练效果较好。 通过不断学习进一步改进上述模型，即通过补充训练数据对模型不断优化，本文通过MySQL和Navicat设计一种数据库，并设计一种将算法封装的计算软件。为对模型的预测效果进行验证，本文另外设计五组不同的新工况进行试验，取每组工况的平均值，将得到的数值与模型预测值进行对比，发现试验结果的误差率均在6%以下，造成误差的主要原因是由于水润滑轴承在试验过程中的压力波动造成。本文所建立预测模型较为合理，能够预测所试验材料的摩擦学性能。 |
| 作者： | 王裕 |
| 专业： | 轮机工程 |
| 导师： | 袁成清 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
