基于特征融合和集成学习的涡轮盘模锻质量预测方法

本发明公开了基于特征融合和集成学习的涡轮盘模锻质量预测方法，包括：获取涡轮盘模锻制造过程中的工艺离散数据和工艺时序数据；通过CatBoost模型和PVC策略，结合SHAP框架验证从工艺离散数据中提取与质量性能参数强相关的重要特征；通过集成了自注意力机制的AE‑GRU自编码器从工艺时序数据中提取时序特征；将重要特征和时序特征融合后输入训练好的集成学习模型，通过集成学习模型输出质量性能参数的预测结果。本发明通过从离散数据和时序数据中分别提取特征来充分利用涡轮盘模锻加工过程的生产加工数据，同时通过集成学习模型来适应不同质量性能参数的分布特性，从而提高涡轮盘模锻质量性能参数预测的精度和全面性。