[發(fā)明專利]一種基于人工神經(jīng)網(wǎng)絡(luò)算法的輻射溫度反演方法

在審

• 申請?zhí)枺?/td>: 202010146537.4
• 申請日: 2020-03-05
• 公開（公告）號: CN111370080A
• 公開（公告）日: 2020-07-03
• 發(fā)明（設(shè)計）人: 賀芝宇;郭爾夫;裴文兵;黃秀光;賈果;張帆;董佳欽;舒樺;王琛
• 申請（專利權(quán)）人: 中國工程物理研究院上海激光等離子體研究所
• 主分類號: G16C60/00
• 分類號: G16C60/00;G06N3/04
• 代理公司: 上海智力專利商標(biāo)事務(wù)所(普通合伙) 31105
• 代理人: 周濤

1.一種基于人工神經(jīng)網(wǎng)絡(luò)算法的輻射溫度反演方法,其特征在于，具體包括以下步驟：

S1，構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型；

S2，利用一維激光靶耦合流體程序模擬生成樣本數(shù)據(jù)集；

S3，對樣本數(shù)據(jù)集進行預(yù)處理；

S4，利用預(yù)處理后的樣本數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，得到最優(yōu)人工神經(jīng)網(wǎng)絡(luò)模型；

S5，對樣品材料進行沖擊波實驗，獲得樣品材料受沖擊后的靶背發(fā)光圖像，根據(jù)靶背發(fā)光圖像利用最優(yōu)人工神經(jīng)網(wǎng)絡(luò)模型得到樣品材料的輻射卸載溫度演化。

2.根據(jù)權(quán)利要求1所述的基于人工神經(jīng)網(wǎng)絡(luò)算法的輻射度反演方法，其特征在于，所述步驟S2中利用一維激光靶耦合流體程序模擬生成樣本數(shù)據(jù)集的具體步驟為：

首先，將某一激光功率密度的沖擊波作用于某一金屬平面靶上，記錄沖擊波在金屬平面靶中傳播的平均速度u_s，平面靶厚度d、第n時刻金屬平面靶背面輻射發(fā)光強度I_νn、以及第n時刻金屬平面靶背面的輻射卸載溫度T_n，得到人工神經(jīng)網(wǎng)絡(luò)模型的輸入層向量x＝(u_s,d,I_ν0,I_ν1,I_ν2,…,I_νn)、輸出層向量y＝(T₀,T₁,T₂,…,T_n)；

然后，多次重復(fù)上述步驟，將不同激光功率密度的沖擊波作用于不同厚度的金屬平面靶上，從而得到樣本數(shù)據(jù)集。

3.根據(jù)權(quán)利要求2所述的基于人工神經(jīng)網(wǎng)絡(luò)算法的輻射溫度反演方法，其特征在于，所述沖擊波為一維平面沖擊波。

4.根據(jù)權(quán)利要求2所述的基于人工神經(jīng)網(wǎng)絡(luò)算法的輻射溫度反演方法，其特征在于，步驟S3中對樣本數(shù)據(jù)集進行預(yù)處理的具體步驟為：

將樣品數(shù)據(jù)集中的每個輸入層向量和每個輸出層向量中的各個樣本元素按照公式z_i’＝(z_i-min(z))/(max(z)-min(z))依次映射到區(qū)間[0,1]，求取得到其各自對應(yīng)的樣本特征值，z_i為某個輸入層向量x或輸出層向量y中的某一個樣本元素，z為與z_i所屬種類相同的所有樣本元素所構(gòu)成的數(shù)據(jù)集，max(z)為數(shù)據(jù)集z中數(shù)值最大的樣本元素的值，min(z)為數(shù)據(jù)集z中數(shù)值最小的樣本元素的值。

5.根據(jù)權(quán)利要求1所述的基于人工神經(jīng)網(wǎng)絡(luò)算法的輻射溫度反演方法，其特征在于，所述步驟S4中利用預(yù)處理后的樣本數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，得到最優(yōu)人工神經(jīng)網(wǎng)絡(luò)模型的具體步驟為：

首先，將預(yù)處理后的樣本數(shù)據(jù)分為訓(xùn)練集和驗證集；

然后，將輸出層與目標(biāo)層的值之間的均方差作為損失函數(shù)，選擇平均絕對誤差作為訓(xùn)練時對人工神經(jīng)網(wǎng)絡(luò)模型的監(jiān)督標(biāo)準(zhǔn)；

最后，利用訓(xùn)練集和驗證集的數(shù)據(jù)對人工神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，訓(xùn)練時，利用反向傳播和隨機梯度下降優(yōu)化算法不斷迭代調(diào)整權(quán)重和偏差項，損失函數(shù)最小時，即得到最優(yōu)人工神經(jīng)網(wǎng)絡(luò)模型。

6.根據(jù)權(quán)利要求1所述的基于人工神經(jīng)網(wǎng)絡(luò)算法的輻射溫度反演方法，其特征在于，所述人工神經(jīng)網(wǎng)絡(luò)模型具有一個輸入層、若干個隱藏層和一個輸出層，所述輸入層、輸出層和每個隱藏層均有若干個神經(jīng)元，相鄰兩層之間的神經(jīng)元均通過ReLU非線性激活函數(shù)連接。

7.根據(jù)權(quán)利要求6所述的基于人工神經(jīng)網(wǎng)絡(luò)算法的輻射溫度反演方法，其特征在于，所述人工神經(jīng)網(wǎng)絡(luò)模型為全連接的前饋神經(jīng)網(wǎng)絡(luò)。

8.根據(jù)權(quán)利要求1所述的基于人工神經(jīng)網(wǎng)絡(luò)算法的輻射溫度反演方法，其特征在于，所述樣本材料為不透明且內(nèi)部均勻的單層平面靶材。