[發明專利]一種非晶合金熱塑性成形性能的人工神經網絡預測方法

有效

• 申請號: 201810119295.2
• 申請日: 2018-02-06
• 公開（公告）號: CN108256689B
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 龔攀;王新云;王思博;李棟基;鄧磊;金俊松
• 申請（專利權）人: 華中科技大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08;G06N3/12
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 張彩錦;曹葆青

1.一種非晶合金熱塑性成形性能的人工神經網絡預測方法，其特征在于，該預測方法包括下列步驟：

(a)選取多個性能參數作為非晶合金熱塑性成形性能的多個影響因子，同時選取另外一個參數作為衡量非晶合金熱塑性成形性能的特征指標，采集每個所述影響因子的多組數據，并將數據分為三組，分別為訓練樣本、驗證樣本和待預測樣本，測試并分別獲得所述訓練樣本和驗證樣本對應的特征指標測試值；

(b)選取人工神經網絡模型作為非晶合金熱塑性成形性能的初始預測模型，其中，將所述多個影響因子和特征指標分別設定為該初始預測模型的輸入和輸出，采用所述訓練樣本訓練所述人工神經網絡模型，并通過調整初始預測模型中各層的權重值，使得該初始預測模型的輸出值與訓練樣本對應的特征指標測試值之間的誤差小于預設誤差目標值，以此確定改進的預測模型；

(c)采用所述驗證樣本和其相應的特征指標測試值對所述改進的預測模型進行驗證，以此獲得最終的預測模型，將所述待預測樣本輸入該最終的預測模型中，獲得該待預測樣本對應的特征指標預測值，由此完成所述非晶合金熱塑性成形性能的預測；

其中，所述人工神經網絡模型的輸入層設置有11個神經元，該人工神經網絡模型輸入的所述多個影響因子為混合熵、離子率、原子電負性差比、原子半徑差比率，熔化熱/凝固潛熱，熔化熵，熔化溫度，導熱系數，熱導率，平均原子半徑和合金的泊松比，其輸出的所述特征指標為標準熱穩定性參數。

2.如權利要求1所述的一種非晶合金熱塑性成形性能的人工神經網絡預測方法，其特征在于，在步驟(b)中，所述采用訓練樣本訓練所述人工神經網絡模型之前，采用遺傳算法利用所述訓練樣本獲得所述人工神經網絡模型的初始權值和閾值。

3.如權利要求1所述的一種非晶合金熱塑性成形性能的人工神經網絡預測方法，其特征在于，在步驟(b)中，所述人工神經網絡模型采用BP神經網絡模型或RBF神經網絡。

4.如權利要求3所述的一種非晶合金熱塑性成形性能的人工神經網絡預測方法，其特征在于，在步驟(b)中，所述BP神經網絡模型中，采用雙曲線正切S型傳遞函數連接BP神經網絡模型的輸入層與第一隱含層以及第二隱含層與輸出層，其中，第一隱含層與第二隱含層之間采用線性傳遞函數連接。

5.如權利要求1所述的一種非晶合金熱塑性成形性能的人工神經網絡預測方法，其特征在于，在步驟(b)中，所述采用訓練樣本訓練所述人工神經網絡模型之前，采用歸一化函數對所述訓練樣本進行歸一化處理。