[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

权利要求书

1.一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，其特征在于，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。

2.根据权利要求1所述的基于集成学习的自激励式电磁铆接的质量预测评估系统，其特征在于，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。

3.根据权利要求1所述的基于集成学习的自激励式电磁铆接的质量预测评估系统，其特征在于，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。

4.根据权利要求1所述的基于集成学习的自激励式电磁铆接的质量预测评估系统，其特征在于，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。

5.根据权利要求1所述的基于集成学习的自激励式电磁铆接的质量预测评估系统，其特征在于，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。

6.根据权利要求5所述的基于集成学习的自激励式电磁铆接的质量预测评估系统，其特征在于，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：

其中F为自激励式涡流斥力，W为机械能，i₁为上线圈电流，i₂为下线圈电流，M₁₂为上线圈和下线圈的互感，u₁为上线圈电压，u₂为下线圈电压，R₁为上回路等效电阻，L₁为上回路等效电感，C₁为上回路电容，R₂为下回路等效电阻，L₂为下回路等效电感，C₂为下回路电容，t为时间、h为线圈间距。

7.根据权利要求5所述的基于集成学习的自激励式电磁铆接的质量预测评估系统，其特征在于，所述特征参数包括：上线圈匝数、下线圈匝数、上回路电压、下回路电压、上回路电容、下回路电容、冲头角度、铆钉直径、铆钉材料屈服强度、铆钉外伸量。