[发明专利]基于集成学习的自激励式电磁铆接的质量预测评估系统

说明书

本发明涉及一种基于集成学习的自激励式电磁铆接的质量预测评估系统，包括网页前端、后端服务器和数据库；所述后端服务器设有强学习器模型；用户通过网页前端输入了待预测方案，通过强学习器模型进行质量预测评估，然后将评估结果返回前端并存储于数据库。本发明可以实现高效率的自激励式电磁铆接的质量预测评估，大幅提高自激励式铆接方案制定效率，提高生产率。

技术领域

本发明涉及一种基于集成学习的自激励式电磁铆接的质量预测评估系统。

背景技术

铆接是飞机等飞行器的主要连接方法之一，据统计百分之七十的飞机疲劳事故是由于连接部位失效引起，所以铆接成型质量是飞行器平稳运行的关键因素。

自激励式电磁铆接作为一种新型电磁成型工艺方法，与传统电磁铆接相比具有成型性能好、能量利用率高、可铆接高强度大直径铆钉等优点。但是自激励式电磁铆接工艺参数较多。想要选取合适工艺参数，达到合格的铆接成型质量，往往要做大量试验或模拟。而且铆钉的规格和材料众多，选定合适的工艺参数需要耗费大量的时间和财力。同时，高度依赖个人经验，不利于大规模推广和使用。机器学习作为数据挖掘的常用手段，近年来在预测、评估诊断等方面有显著的成效。仅使用机器学习算法进行预测评估，人机交互能力差，需要工作人员有较高的编程和阅读代码的能力。

发明内容

有鉴于此，本发明的目的在于提供一种基于集成学习的自激励式电磁铆接的质量预测评估系统，旨在解决上述问题。

为实现上述目的，本发明采用如下技术方案：

一种基于集成学习的自激励式电磁铆接的质量预测评估系统，包括网页前端、后端服务器和数据库；所述后端服务器设有强学习器模型；用户通过网页前端输入了待预测方案，通过强学习器模型进行质量预测评估，然后将评估结果返回前端并存储于数据库。

进一步的，所述网页前端在html内开发，引入Bootstrap开源框架，使用Bootstrap的css样式集合开发静态网页样式，并引入JavaScript的类库jQuery，使用JavaScript语言设计网页动态效果；所述网页前端完成后置于项目框架下的templates文件下，供服务器调用。

进一步的，所述后端服务器使用Flask框架开发，设计路由，访问已设计好的前端页面，并编写后端的main函数完成设计的功能；用户输入或点击，使HTML发送POST或GET请求给后端，后端服务器的main函数才运行。

进一步的，所述数据库采用开源的Mysql数据库，用‘路径--install’，将Mysql制作成windows服务，使用pymsql.connect函数连接数据库与后端；设置connect参数chost＝127.0.0.1,port＝3306；用户输入的信息、数据和操作数据库指令从前端发送到后端，再由后端通过cursor.execute函数发送给数据库实现用户信息记录功能，用户数据记录功能和用户操作数据库功能。

进一步的，所述强学习器模型构建，具体如下：

步骤S1:通过对自激励式电磁铆接数学模型进行分析，选取可控自变量工艺参数作为特征参数，并基于抽样设计实验方案，有限元模拟和实验，获取数据集；

步骤S2:预处理数据集；

步骤S3:基于预处理后的数据集，进行集成学习，分别以相同数据代入若干机器学习算法进行二值输出回归训练，得到各个的基学习器，再进行集成，将训练完成的基学习器融合，得到强学习器。

进一步的，所述自激励式电磁铆接数学模型包括：

自激励式电磁铆接电磁斥力数学模型：

自激励式电磁铆接电路数学模型：