[發(fā)明專利]基于BP人工神經(jīng)網(wǎng)絡(luò)的橡膠減振器配方設(shè)計(jì)系統(tǒng)及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811355698.3
• 申請(qǐng)日: 2018-11-14
• 公開(kāi)（公告）號(hào): CN109508498A
• 公開(kāi)（公告）日: 2019-03-22
• 發(fā)明（設(shè)計(jì)）人: 曾憲奎;賈偉臣;滕彥理;陳洪帥;曾佳;苗清
• 申請(qǐng)（專利權(quán)）人: 青島科技大學(xué)
• 主分類(lèi)號(hào): G06F17/50
• 分類(lèi)號(hào): G06F17/50;G06N3/04;G06N3/08
• 代理公司: 山東重諾律師事務(wù)所 37228
• 代理人: 冷奎亨

1.一種基于BP人工神經(jīng)網(wǎng)絡(luò)的橡膠減振器配方設(shè)計(jì)系統(tǒng)，其特征在于：包括測(cè)試并采集橡膠減振器的性能參數(shù)的設(shè)備采用萬(wàn)能試驗(yàn)機(jī)、基于神經(jīng)網(wǎng)絡(luò)算法的BP神經(jīng)網(wǎng)絡(luò)模型以及基于BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果建立的目標(biāo)函數(shù)層； BP神經(jīng)網(wǎng)絡(luò)模型包括

輸入層，以橡膠配方的各組分含量作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)樣本的輸入項(xiàng)，并對(duì)輸入項(xiàng)進(jìn)行正交試驗(yàn)與歸一化處理；

隱含層，通過(guò)誤差反傳學(xué)習(xí)算法、搜索算法、以及經(jīng)驗(yàn)公式確定；

輸出層，作為以橡膠配方性能作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練的期望輸出項(xiàng)；性能參數(shù)包括靜剛度系數(shù)、動(dòng)剛度系數(shù)、損耗因子、阻尼系數(shù)。

2.一種基于BP人工神經(jīng)網(wǎng)絡(luò)的橡膠減振器配方設(shè)計(jì)方法，其特征在于:借助于基于BP人工神經(jīng)網(wǎng)絡(luò)的橡膠減振器配方設(shè)計(jì)系統(tǒng)，其包括測(cè)試并采集橡膠減振器的性能參數(shù)的設(shè)備采用萬(wàn)能試驗(yàn)機(jī)、基于神經(jīng)網(wǎng)絡(luò)算法的BP神經(jīng)網(wǎng)絡(luò)模型以及基于BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果建立的目標(biāo)函數(shù)層； BP神經(jīng)網(wǎng)絡(luò)模型包括輸入層，以橡膠配方的各組分含量作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)樣本的輸入項(xiàng)，并對(duì)輸入項(xiàng)進(jìn)行正交試驗(yàn)與歸一化處理；隱含層，通過(guò)誤差反傳學(xué)習(xí)算法、搜索算法、以及經(jīng)驗(yàn)公式確定；輸出層，作為以橡膠配方性能作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練的期望輸出項(xiàng)；性能參數(shù)包括靜剛度系數(shù)、動(dòng)剛度系數(shù)、損耗因子、阻尼系數(shù)；

該方法包括以下步驟：

步驟一、建立橡膠配方性能預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型；首先，分別選擇橡膠配方中的炭黑、云母粉、蒙脫土、硫磺、加工油的用量重量份作為變量，即變量個(gè)數(shù)A=5，進(jìn)行正交試驗(yàn),同時(shí)，測(cè)量的減振器的性能參數(shù)，性能參數(shù)包括靜剛度系數(shù)、動(dòng)剛度系數(shù)、損耗因子、阻尼系數(shù)，即性能參數(shù)個(gè)數(shù)B=4；然后，將正交試驗(yàn)后的變量與性能參數(shù)作為該橡膠配方性能預(yù)測(cè)的BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練樣本；其次，對(duì)訓(xùn)練樣本所用的試驗(yàn)數(shù)據(jù)進(jìn)行歸一化處理；再次，在歸一化后的試驗(yàn)數(shù)據(jù)中選定網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)，建立BP神經(jīng)網(wǎng)絡(luò)模型；

步驟二，利用訓(xùn)練樣本對(duì)步驟一的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練：首先，將所給的作為輸入數(shù)據(jù)的變量，從輸入層傳遞給隱含層；然后，隱含層通過(guò)權(quán)值及激勵(lì)函數(shù)進(jìn)行處理，并將處理后的結(jié)果傳遞給輸出層；其次，利用測(cè)試樣本對(duì)訓(xùn)練好的模型進(jìn)行檢驗(yàn)，將輸出層的結(jié)果同正確結(jié)果進(jìn)行比較，計(jì)算得到誤差；

BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)值參數(shù)包括網(wǎng)絡(luò)權(quán)值、閾值的初值、以及學(xué)習(xí)速率，其中，由Matlab矩陣隨機(jī)函數(shù)在（-1，1）之間指定網(wǎng)絡(luò)權(quán)值、閾值的初值；在閾值下限選取學(xué)習(xí)速率，并同時(shí)給定計(jì)算精度和最大學(xué)習(xí)次數(shù)；

步驟三，根據(jù)輸出層的結(jié)果，進(jìn)行反向逆推對(duì)連接權(quán)值進(jìn)行反饋修正；首先，設(shè)輸入層的輸入數(shù)據(jù)共有k組；然后，使用這k組數(shù)據(jù)中的任務(wù)數(shù)據(jù)量，利用公式計(jì)算每一層每一單元的值，其中表示第i層每一單元的值，表示第i層的權(quán)值，為激活函數(shù)，b為下一層神經(jīng)元閾值，在計(jì)算的過(guò)程中每個(gè)節(jié)點(diǎn)的輸出值是根據(jù)上層所有節(jié)點(diǎn)的輸出值、當(dāng)前節(jié)點(diǎn)與上層所有節(jié)點(diǎn)的權(quán)值和當(dāng)前節(jié)點(diǎn)的閥值進(jìn)行加權(quán)，在作為激活函數(shù)的因變量，對(duì)步驟一已建立的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練；其次，通過(guò)步驟一已建立的BP神經(jīng)網(wǎng)絡(luò)計(jì)算出預(yù)測(cè)值之后，通過(guò)與真實(shí)完成試驗(yàn)進(jìn)行比較；

步驟四，通過(guò)不斷修改BP神經(jīng)網(wǎng)絡(luò)模型中的權(quán)值直到收斂，首先，通過(guò)計(jì)算誤差函數(shù)輸出層各神經(jīng)元的偏導(dǎo)數(shù)，其中為輸出層的數(shù)據(jù)，為真實(shí)結(jié)果，利用計(jì)算出的修正權(quán)值，直至全局誤差小于閾值或者學(xué)習(xí)次數(shù)達(dá)到設(shè)定的最大次數(shù)設(shè)置，即完成本次訓(xùn)練；

步驟五，在步驟四中的BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成后，用測(cè)試數(shù)據(jù)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行檢測(cè)；若檢測(cè)結(jié)果誤差小于設(shè)定標(biāo)準(zhǔn)值，則BP神經(jīng)網(wǎng)絡(luò)模型可用于下一步的壽命預(yù)測(cè)；若檢測(cè)結(jié)果誤差大于設(shè)定標(biāo)準(zhǔn)值，則需要返回步驟一對(duì)BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行調(diào)整學(xué)習(xí)算法、網(wǎng)絡(luò)結(jié)構(gòu)和初始權(quán)值、閡值，重新挑選的樣本；

步驟六、在預(yù)先的誤差范圍內(nèi)得到滿足減振器設(shè)計(jì)指標(biāo)要求的預(yù)測(cè)膠料配方，根據(jù)步驟五檢測(cè)后的預(yù)測(cè)結(jié)果建立目標(biāo)函數(shù)；首先，目標(biāo)函數(shù)的建立仿照最小二乘法，滿足預(yù)測(cè)性能與目標(biāo)性能之間的均方誤差和最小，表達(dá)式為：

，

式中e為均方誤差，為權(quán)重，；

然后，由于BP神經(jīng)網(wǎng)絡(luò)對(duì)各個(gè)性能參數(shù)的預(yù)測(cè)精度不一，且各個(gè)目標(biāo)性能的重要程度不一，因此各個(gè)性能的權(quán)重也不相同，根據(jù)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度，把預(yù)測(cè)精度高的性能權(quán)重向閾值上限調(diào)整，預(yù)測(cè)精度低的性能權(quán)重向閾值下限調(diào)整；

最后，建立目標(biāo)函數(shù)之后，利用搜索算法尋找符合條件的目標(biāo)配方。