基于激光诱导击穿光谱与随机森林识别GCr15钢的硬度

通过热处理工艺制备了6种不同回火温度的GCr15钢样品，通过对样品的光谱特性进行分析，发现谱线强度的比值与样品的硬度之间存在线性相关性，并且这种相关性的大小与所选择的分析谱线有关。因此，提出将激光诱导击穿光谱与随机森林算法相结合的方法，对样品的硬度进行研究。利用两种特征选择方法建立了不同的随机森林模型，结果表明，当基于主成分分析选择特征时，所建立的随机森林模型不能对样品的硬度进行正确的识别，而当基于变量重要性提取特征时，所建立的随机森林模型能有效识别样品硬度，并且调节随机森林模型的参数可以使模型的性能得到进一步提高。研究结果表明，激光诱导击穿光谱与随机森林算法相结合是一种新颖的硬度测量技术，可以应用于工程中钢的性能评估。