[發明專利]基于BP網絡模型的核用鋯-4合金耐腐蝕性能預測方法、電子設備、存儲介質

在審

• 申請號: 202011069396.7
• 申請日: 2020-09-30
• 公開（公告）號: CN112326540A
• 公開（公告）日: 2021-02-05
• 發明（設計）人: 儲林華;溫樹文;張書彥;張鵬;肖魏;朱水文;方敏杰;樊卓志;吳煒楓
• 申請（專利權）人: 東莞材料基因高等理工研究院;廣東書彥材料基因創新科技有限公司
• 主分類號: G01N17/00
• 分類號: G01N17/00;G01N5/00;G06N3/04;G06N3/08
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 葛燕婷

1.基于BP網絡模型的核用鋯-4合金耐腐蝕性能預測方法，其特征在于，包括以下步驟：

獲取原始數據樣本，將核用鋯-4合金板材試樣腐蝕增重作為研究對象，確定輸入變量和輸出變量，開展腐蝕檢測，獲得原始數據樣本；

構建BP網絡模型，確定BP網絡拓撲結構，設定訓練函數、學習率、傳遞函數、訓練步數和最大允許誤差，通過從所述原始數據樣本中選取的訓練樣本構建不同合金成分-腐蝕增重的BP網絡模型；

驗證BP網絡模型，通過從所述原始數據樣本中選取的測試樣本對構建的BP網絡模型進行驗證。

2.如權利要求1所述的基于BP網絡模型的核用鋯-4合金耐腐蝕性能預測方法，其特征在于：所述獲取原始數據樣本步驟中，所述輸入變量包括Sn的質量百分比、Fe+Cr的質量百分比、C的質量百分比、Si的質量百分比、X的質量百分比、腐蝕周期，所述輸出變量為樣品的腐蝕增重。

3.如權利要求1所述的基于BP網絡模型的核用鋯-4合金耐腐蝕性能預測方法，其特征在于：所述獲取原始數據樣本步驟中，所述板材試樣的尺寸為20mm×20mm×2mm，在反應釜內開展400℃/10.3MPa、300天腐蝕試驗，期間取樣測試增重周期分別為第10、30、60、80、100、130、150、180、210、240、270、300天。

4.如權利要求2所述的基于BP網絡模型的核用鋯-4合金耐腐蝕性能預測方法，其特征在于：在所述獲取原始數據樣本步驟和所述構建BP網絡模型步驟之間還包括提取特征信息，對所述輸入變量進行主成分分析，提取特征信息，形成新的低維輸入變量。

5.如權利要求4所述的基于BP網絡模型的核用鋯-4合金耐腐蝕性能預測方法，其特征在于：所述提取特征信息步驟中，利用SPSS-13.0軟件進行主成分分析，將6個具有一定相關性的成分輸入變量重新組合成3個新的互相無關的綜合變量。

6.如權利要求1所述的基于BP網絡模型的核用鋯-4合金耐腐蝕性能預測方法，其特征在于：所述構建BP網絡模型步驟中，所述BP網絡拓撲結構為三層，分別為輸入層、隱含層和輸出層，輸入層節點數為3，輸出層節點數為1，隱含層節點數取值范圍為[2-10]。

7.如權利要求1所述的基于BP網絡模型的核用鋯-4合金耐腐蝕性能預測方法，其特征在于：所述構建BP網絡模型步驟中，訓練函數為TRAINLM，學習函數為LEARGDM，傳遞函數為Tansig、Purelin，學習率設為0.1，最大迭代次數為2000次，目標誤差E為1x10^-2。

8.如權利要求4所述的基于BP網絡模型的核用鋯-4合金耐腐蝕性能預測方法，其特征在于：所述驗證BP網絡模型步驟中，從新樣本中選取未參加BP網絡模型訓練的樣本，對構建的BP網絡模型進行預測檢驗，通過實測和預測值間的相對誤差比較，評價模型的泛化能力。

9.一種電子設備，其特征在于包括：處理器；

存儲器；以及程序，其中所述程序被存儲在所述存儲器中，并且被配置成由處理器執行，所述程序包括用于執行權利要求1-8任意一項所述的方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于：所述計算機程序被處理器執行如權利要求1-8任意一項所述的方法。