[發明專利]一種相似材料的制備方法、裝置、設備及可讀存儲介質

有效

• 申請號: 202210124570.6
• 申請日: 2022-02-10
• 公開（公告）號: CN114496125B
• 公開（公告）日: 2023-05-02
• 發明（設計）人: 連靜;楊長衛;張良;童心豪
• 申請（專利權）人: 西南交通大學
• 主分類號: G16C60/00
• 分類號: G16C60/00;G06N20/00;G06N3/126
• 代理公司: 北京集智東方知識產權代理有限公司 11578
• 代理人: 劉林;陳攀

1.一種相似材料的制備方法，其特征在于，包括：

獲取第一數據，所述第一數據包括原型材料的第一物理力學參數，所述第一物理力學參數包括原型材料的重度、原型材料的彈性模量、原型材料的抗壓強度和原型材料的泊松比；

基于白金漢定理和所述第一數據獲取實驗人員輸入的至少一組實驗數據，所述實驗數據包括原材料配比和第二物理力學參數，所述原材料配比包括各原材料的用量，所述第二物理力學參數為基于所述原材料配比所制造出來的相似材料的物理力學參數；

基于所述原材料配比和所述第二物理力學參數對機器學習模型進行訓練，得到訓練好的機器學習模型；

利用遺傳算法對所述訓練好的機器學習模型進行全局優化，得到制備所述相似材料的最佳配比，所述相似材料的最佳配比用于在實際生產中指導所述相似材料的制備。

2.根據權利要求1所述的相似材料的制備方法，其特征在于，基于白金漢定理和所述第一數據獲取實驗人員輸入的至少一組實驗數據，包括：

基于所述白金漢定理確定相似體系信息，所述相似體系信息包括每個參數的相似比；

基于所述原型材料的重度、原型材料的彈性模量、原型材料的抗壓強度、原型材料的泊松比和所述各參數的相似比計算得到相似材料的目標物理力學參數；

基于所述相似材料的目標物理力學參數向實驗人員發送控制命令，所述控制命令包括以所述相似材料的目標物理力學參數為目標參數，進行至少一組配比實驗的命令；

獲取實驗人員輸入的至少一組實驗數據。

3.根據權利要求1所述的相似材料的制備方法，其特征在于，基于所述原材料配比和所述第二物理力學參數對機器學習模型進行訓練，得到訓練好的機器學習模型，包括：

獲取相似材料的目標物理力學參數和第二數據，所述第二數據包括所述第一物理力學參數中每個參數對應的權重；

基于所述第二數據、所述相似材料的目標物理力學參數和第二物理力學參數計算得到每個所述原材料配比所對應的配比得分；

基于所述原材料配比和所述原材料配比所對應的配比得分對機器學習模型進行訓練，得到訓練好的機器學習模型。

4.根據權利要求3所述的相似材料的制備方法，其特征在于，基于所述原材料配比和所述原材料配比所對應的配比得分對機器學習模型進行訓練，得到訓練好的機器學習模型，包括：

將所述原材料配比中每個原材料的用量記為機器學習模型的輸入參數，所述原材料配比所對應的所述配比得分記為機器學習模型的輸出參數；

基于所述輸入參數，得到所述輸入參數與映射的第一關系表達式，所述輸入參數與所述輸出參數之間通過所述映射進行連接，所述第一關系表達式為：

??（1）

公式（1）中，H_j為所述映射；x_i為輸入參數；w_ij為所述輸入參數與所述映射之間的連接權值；a_j為所述輸入參數與所述映射之間的連接閾值，i為所述輸入參數的個數，j為所述映射的個數；

基于所述第一關系表達式得到所述輸出參數與所述映射的第二關系表達式，所述第二關系表達式為：

??（2）

公式（2）中，y_k為所述輸出參數；H_j為所述映射；w_jk為所述輸出參數與所述映射之間的連接權值；b_k為所述輸出參數與所述映射之間的連接閾值；k為所述輸出參數的個數；j為所述映射的個數；

基于所述第一關系表達式和所述第二關系表達式得到所述訓練好的機器學習模型。