一种基于机器学习的高标轴承钢质量预测模型

本发明公开了一种基于机器学习的高标轴承钢质量预测模型，1)数据采集：收集现场对高标轴承钢合格率和缺陷有潜在影响的关键工艺、成分数据；2)数据预处理：对采集的各类工艺、成分特征变量进行处理；3)数据划分：将数据按照比例进行划分，分为训练集和测试集；4)构建模型：通过训练集对使用Python构建深度神经网络模型进行训练；5)模型评估：通过测试集对训练后的模型进行评估对比，将训练后的集成学习模型作为预测模型；6)质量预测，将待测钢材的数据导入到训练后的模型，获得预测结果。本发明构建完善的企业数字化工艺及成分采集体系，利用机器学习技术实现对高标轴承钢质量的准确预测，水浸探伤合格预报、裂纹缺陷预报准确率均≥80％。