[發明專利]一種基于遺傳算法-BP神經網絡快速預測復合介質微波電磁性能的方法

有效

• 申請號: 202110018119.1
• 申請日: 2021-01-07
• 公開（公告）號: CN112687351B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 姜建堂;李枘;宮元勛;甄良;邵文柱
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G16C20/30
• 分類號: G16C20/30;G06N3/126;G06N3/084
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 孫莉莉

1.一種基于遺傳算法-BP神經網絡快速預測復合介質微波電磁性能的方法，其特征在于：所述電磁性能的預測包含兩種情況：(1)單一吸收劑：吸收劑既定、填充率任意的系列材料；(2)多元混合吸收劑：含有既定的多種吸收劑，各吸收劑的相對含量，即填充率，任意的系列材料；

所述方法包括以下步驟：

步驟一、樣品基礎參數的獲取；

對于單一吸收劑的材料而言，選定的填充率涵蓋低、中、高三個典型區間，考慮到粉末填充的實際情況，從而在5-10vol.％、20-25vol.％、40-50vol.％三個范圍內各取一值作為低、中、高含量的典型代表；對于多元混合吸收劑的材料而言，首先保證各吸收劑總體填充率之和符合前述低、中、高填充率各有取值的要求；其次，在總體填充率既定的基礎上，各吸收劑的相對含量也應該涵蓋低、中、高的選擇；

步驟二、遺傳算法-BP神經網絡模型體系構建；所述體系構建包括BP神經網絡的設計和遺傳算法-BP神經網絡的設計；

步驟三、遺傳算法-BP神經網絡的訓練；

步驟四、基于遺傳算法-BP神經網絡的性能預測：載入原始數據形成涵蓋任意填充率的電磁性能預測，并自動輸出；

所述BP神經網絡的設計具體為：

所述BP神經網絡由輸入層，隱含層和輸出層組成，層與層之間設計有兩種信號在流通：一種是工作信號，它是施加在輸入端產生實際輸出的信號，是輸入和權值的函數；另一種是誤差信號，網絡實際輸出與期望輸出之間差值即為誤差，它由輸出端開始逐層向后傳播；

所述BP神經網絡的計算過程如下：

針對信號的前向傳播過程，隱含層第i個節點的輸入net_i：

其中M表示輸入層節點個數，ω_ij表示輸入層第i個節點到隱含層第j個節點的權值，x_j表示輸入層第j個節點的輸出，θ_i表示隱含層第i個節點的閾值；

隱含層第i個節點的輸出式中φ為隱含層的激勵函數；

輸出層第k個節點的輸入net_k：

式中，q表示隱含層節點總數，ω_ik為隱含層第i個節點到輸出層第k個節點的權值；y_i為隱含層第i個節點的輸出，α_k為輸出層第k個節點的閾值；

輸出層第k個節點的輸出o_k＝ψ(net_k)，其中ψ為輸出層的激勵函數；

誤差的反向傳播，首先由輸出層開始逐層計算各層神經元的輸出誤差，然后根據誤差下降法來調節各層的權值和閾值，使修改后的網絡的最終輸出趨于期望值；

所述遺傳算法-BP神經網絡的設計為引入遺傳算法對BP神經網絡的初始權值和閾值進行優化，具體優化流程為：

步驟1、確定神經網絡的拓撲結構；

步驟2、對神經網絡權值和閾值編碼，得到初始種群；

步驟3、解碼得到權值和閾值；

步驟4、將權值和閾值賦給新建的BP神經網絡；

步驟5、使用訓練樣本訓練網絡；

步驟6、使用測試樣本測試網絡；

步驟7、測試網絡；

步驟8、計算適應度；

步驟9、選擇適應度高的染色體進行復制；

步驟10、交叉；

步驟11、變異；

步驟12、得到新群體；

步驟13、判斷是否滿足終止條件，如果滿足，則進行解碼操作，得到最佳神經網絡權值和閾值；如果不滿足，則執行步驟3。

2.根據權利要求1所述的方法，其特征在于：所述原始數據具體為：第一種情況下，電磁性能的預測要求測定吸收劑既定、3-5水平填充率樣品的電磁性能作為遺傳算法-BP神經網絡訓練的原始數據；第二種情況下，電磁性能的預測要求測定吸收劑群組既定、各吸收劑相對含量各自差異的4-6個樣品的電磁性能，以作為遺傳算法-BP神經網絡訓練的原始數據。

3.根據權利要求1所述的方法，其特征在于：所述權值和閾值均為-0.5到0.5范圍內的數。