[發明專利]一種基于RBF神經網絡的鋁型材機械性能預測方法

在審

• 申請號: 201811352852.1
• 申請日: 2018-11-14
• 公開（公告）號: CN109871937A
• 公開（公告）日: 2019-06-11
• 發明（設計）人: 邢邦圣
• 申請（專利權）人: 江蘇師范大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/12;G06K9/62
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 樓高潮

1.一種基于RBF神經網絡的鋁型材機械性能預測方法，其特征是，包括以下步驟：1)實測樣本變量的聚類分析；2)子空間內工藝參數空間到產品機械性能指標空間的直接映射關系；3)子空間和全空間內工藝參數到產品機械性能指標的RBF神經網絡模型；4)針對鋁型材機械性能預測的RBF神經網絡參數確定；5)基于RBF神經網絡的鋁型材生產工藝智能優化。

2.根據權利要求1所述的一種基于RBF神經網絡的鋁型材機械性能預測方法，其特征是，所述步驟1)的過程如下：采用聚類分析的方法，以檢驗樣本變量為中心，對實測已知樣本變量進行處理，構造出與檢驗樣本變量最相似的聚類，從而構造出以檢驗樣本變量為中心的子空間。

3.根據權利要求1所述的一種基于RBF神經網絡的鋁型材機械性能預測方法，其特征是，所述步驟2)的過程如下：

根據研究問題的需要，樣本空間中變量Xi有5個分量，分別為原材料抗拉強度σ₀、減徑量△、拉拔線速度v、滾輪起伏量I和滾輪間距s，分別記為xi1，xi2，xi3，xi4，xi5。Xi對應的性能參數變量Yi有2個分量，分別為產品的抗拉強度σb和延伸率δb，記為yi1，yi2；

設子空間Pk內，xij對yi1的影響因子為aki，對yi2的影響因子為bki。在Pk范圍內，利用下面關系

XkAk＝Yk1

XkBk＝Yk2

求出矩陣Ak和Bk，之后用該映射關系預測檢驗樣本的性能參數。

4.根據權利要求1所述的一種基于RBF神經網絡的鋁型材機械性能預測方法，其特征是，所述步驟3)的過程如下：用RBF網絡來逼近鋁型材生產工藝參數和產品機械性能之間的復雜映射關系。

5.根據權利要求1所述的一種基于RBF神經網絡的鋁型材機械性能預測方法，其特征是，所述步驟4)的過程如下：RBF網絡神經元層的寬度系數要足夠大，使神經元對輸入產生的響應范圍能夠覆蓋足夠大的區域，同時又不能太大，而使各個神經元都具有相互重疊的輸入向量響應區域；其網絡誤差的值同樣也不能太大或太小，否則將對RBF網絡性能產生不利影響；對于聯想神經元個數，擬采用迭代方式確定，在創建網絡時，每添加一個RBF神經元，計算網絡的當前誤差，如果網絡誤差小于期望值，停止迭代，否則，將神經元不斷地加入網絡中，直到均方誤差下降到期望的誤差之下，或者網絡神經元數目達到允許的最大值。

6.根據權利要求1所述的一種基于RBF神經網絡的鋁型材機械性能預測方法，其特征是，所述步驟5)的過程如下：利用統一目標函數法將多目標優化問題轉化為單目標優化問題；利用遺傳算法的全局概率搜索能力，在整個生產工藝參數空間內進行遺傳搜索；利用徑向基函數網絡的高精度逼近性能，建立鋁型材生產工藝參數和產品機械性能參數之間的聯系，實現遺傳計算中個體的適應度評價。