Page 103 - 无损检测2024年第十一期

王煜鑫，等：
基于声发射和 XGBoost 的陶瓷基复合材料剩余强度预测

表2 含预警函数特征的XGBoost模型预测性能
训练集（56 464） 测试集（14 117） 新试件测试集（4 550）
学习算法
M RE /% M AE /Mpa M RE /% M AE /Mpa M RE /% M AE /Mpa
M SE M SE M SE
XGBoost 0.27 4.34 0.34 0.52 8.63 0.40 34.97 50.70 4.61
数据特征中加入预警函数后，训练获得的基于 贡献最大，之后是其他特征。同时，结合图 6， 对比
XGBoost 算法的新剩余强度预测模型在测试集和 表1和表2发现，预警函数的加入，使得剩余强度预
新试件测试集上的预测结果如图 6 所示 （特征包括 测模型在训练集、测试集和新试件测试集上的平均
预警函数）。进一步地，为分析构建数据特征对整 绝对误差分别下降至0. 34，0. 40，4. 61 MPa，模型
个剩余强度模型的贡献，计算模型可解释性分析的 性能在均方误差和平均相对误差上的表现也大幅
SHAP 值，结果如图 7 所示。由图 7 可以看出模型 提升，表明预测函数的加入对模型的性能提升有较
中累积绝对能量、加载模型和预警函数值对模型的 大作用。

图 6 含预警函数特征下，基于 XGBoost 的预测模型预测结果

图 8 剩余强度预测模型在新试件加载过程中的预测结果

的平均绝对误差开始减小，尤其是加载进入后期，剩
图 7 基于 SHAP 值的特征贡献分析 余强度为拉伸强度10%以内时，基于当前模型的剩

剩余强度预测模型在新试件拉伸加载过程中的 余强度预测平均绝对误差仅为0. 698 MPa，表明文
预测结果如图8所示，其是图6（b）的时序化展示， 章建立的基于AE信号的预测模型能够较好地实现

该新试件材料为PIP工艺C/SiC，试件拉伸强度为 剩余强度预测，防止材料在加载过程中灾难性失效。
68 MPa。可以看出预测模型的预测趋势与加载过程
中的剩余强度降低趋势几乎一致。在加载前期，由 3 结论
于收集到的AE信号较少， 模型预测平均绝对误差较 （1）采用声发射信号数据特征（计数、绝对能量、
大，但是随着加载的进行，AE信号逐步丰富，预测 持续时间、峰值频率、累积绝对能量）结合力学载荷
65
2024 年 第 46 卷 第 11 期
无损检测