買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國科學院金屬研究所申請的專利一種基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的多元合金性能預測方法獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN114783540B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202210264317.0，技術領域涉及：G16C20/30；該發(fā)明授權一種基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的多元合金性能預測方法是由張士宏;李應煥;張孟梟;宋鴻武設計研發(fā)完成，并于2022-03-17向國家知識產(chǎn)權局提交的專利申請。

本一種基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的多元合金性能預測方法在說明書摘要公布了：本發(fā)明的一種基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的多元合金性能預測方法，包括：步驟1：根據(jù)材料成分?性能歷史數(shù)據(jù)建立數(shù)據(jù)庫；步驟2：建立并訓練粒子群優(yōu)化BP神經(jīng)網(wǎng)絡成分?性能預測模型，以決定系數(shù)作為預測效果的評價標準；步驟3：將步驟2訓練好的預測模型所得運算集帶入遺傳優(yōu)化BP神經(jīng)網(wǎng)絡中，以決定系數(shù)作為預測效果的評價標準；步驟4：若驟3中計算的決定系數(shù)滿足判定標準，則將所要預測多元合金成分以及微合金化元素數(shù)組代入步驟2獲得的粒子群優(yōu)化BP神經(jīng)網(wǎng)絡中完成性能預測；否則重復步驟2和3。該預測方法適用于多元合金以及微合金化合金的性能預測，適用于新材料成分研發(fā)過程，在工業(yè)上可預測由于冶煉燒損影響的性能變化。

本發(fā)明授權一種基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的多元合金性能預測方法在權利要求書中公布了：1.一種基于粒子群優(yōu)化BP神經(jīng)網(wǎng)絡的多元合金性能預測方法，其特征在于，包括： 步驟1：根據(jù)材料某一特定狀態(tài)下成分-性能歷史數(shù)據(jù)建立數(shù)據(jù)庫，材料某一特定狀態(tài)包括但不限于：軋態(tài)、退火態(tài)、鍛態(tài)、鑄態(tài)或擠壓態(tài)； 步驟2：建立并訓練粒子群優(yōu)化BP神經(jīng)網(wǎng)絡成分-性能預測模型，以決定系數(shù)作為預測效果的評價標準，若計算的決定系數(shù)滿足判定標準，執(zhí)行步驟3，否則重新執(zhí)行步驟2； 步驟3：將步驟2訓練好的預測模型所得運算集帶入遺傳優(yōu)化BP神經(jīng)網(wǎng)絡中，同樣以決定系數(shù)作為預測效果的評價標準驗證模型準確性； 步驟4：若驟3中計算的決定系數(shù)滿足判定標準，則將所要預測多元合金成分以及微合金化元素數(shù)組代入步驟2獲得的粒子群優(yōu)化BP神經(jīng)網(wǎng)絡中完成性能預測；否則重復步驟2和步驟3； 所述步驟1具體為： 步驟1-1：收集多元合金成分數(shù)據(jù)和與成分關聯(lián)的且判定合金使用標準的性能數(shù)據(jù)，構(gòu)成基本數(shù)據(jù)庫； 步驟1-2：將基本數(shù)據(jù)庫劃分為粒子群優(yōu)化BP神經(jīng)網(wǎng)絡訓練集和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡驗證集兩部分，具體為： 當基本數(shù)據(jù)庫數(shù)量在200至400時，粒子群優(yōu)化BP神經(jīng)網(wǎng)絡訓練集為基本數(shù)據(jù)庫的95％，粒子群優(yōu)化BP神經(jīng)網(wǎng)絡驗證集為基本數(shù)據(jù)庫的5％；當基本數(shù)據(jù)庫數(shù)量大于400時，粒子群優(yōu)化BP神經(jīng)網(wǎng)絡訓練集為基本數(shù)據(jù)庫的90％，粒子群優(yōu)化BP神經(jīng)網(wǎng)絡驗證集為基本數(shù)據(jù)庫的10％； 步驟1-3：對粒子群優(yōu)化BP神經(jīng)網(wǎng)絡訓練集和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡驗證集做0到1之間的歸一化處理，作為粒子群優(yōu)化BP神經(jīng)網(wǎng)絡運算集； 所述步驟2具體為： 步驟2-1：將所述粒子群優(yōu)化BP神經(jīng)網(wǎng)絡運算集中成分數(shù)據(jù)作為輸入，性能數(shù)據(jù)作為輸出，并設置粒子群優(yōu)化算法參數(shù)，利用粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡的初始權值和閾值，所述粒子群參數(shù)包括種群規(guī)模、最大更新代數(shù)、學習因子和慣性權重方法； 步驟2-2：建立BP神經(jīng)網(wǎng)絡，將粒子群優(yōu)化BP神經(jīng)網(wǎng)絡運算集和粒子群優(yōu)化后的初始權值和閾值代入BP神經(jīng)網(wǎng)絡中，設置BP神經(jīng)網(wǎng)絡隱含層節(jié)點數(shù)，建立成分-性能預測模型； BP神經(jīng)網(wǎng)絡模型將歸一化后粒子群優(yōu)化BP神經(jīng)網(wǎng)絡運算集中的訓練集再自動劃分為BP模型內(nèi)部訓練集、BP模型內(nèi)部驗證集和BP模型內(nèi)部測試集，各個集合比例之和為1； BP模型內(nèi)部訓練集、BP模型內(nèi)部驗證集和BP模型內(nèi)部測試集劃分比例，根據(jù)粒子群優(yōu)化BP神經(jīng)網(wǎng)絡訓練集數(shù)量決定，粒子群優(yōu)化BP神經(jīng)網(wǎng)絡訓練集數(shù)量在200至400時，BP模型內(nèi)部訓練集所占比例為85％或90％，BP模型內(nèi)部驗證集所占比例10％，BP模型內(nèi)部測試集所占比例5％或0；粒子群優(yōu)化BP神經(jīng)網(wǎng)絡訓練集數(shù)量在400以上時，BP模型內(nèi)部訓練集所占比例為70％～90％，BP模型內(nèi)部驗證集所占比例10％～20％，BP模型內(nèi)部測試集所占比例10％～20％； 步驟2-3：選擇傳遞函數(shù)和訓練方法訓練粒子群優(yōu)化BP神經(jīng)網(wǎng)絡，根據(jù)基本數(shù)據(jù)庫數(shù)量的不同選取不同決定系數(shù)作為評定標準；當基本數(shù)據(jù)庫數(shù)量在200至400時，預測效果以BP神經(jīng)網(wǎng)絡性能預測值和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡驗證集中實際值的決定系數(shù)與1偏差的絕對值≤15％為評價標準；當基本數(shù)據(jù)庫數(shù)量大于400時，預測效果以BP神經(jīng)網(wǎng)絡性能預測值和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡驗證集中實際值的決定系數(shù)與1偏差的絕對值≤10％為評價標準，若在評價標準范圍內(nèi)則進入步驟3，否則重新計算； 所述步驟3具體為： 步驟3-1：將粒子群優(yōu)化BP神經(jīng)網(wǎng)絡訓練篩選出的運算集中成分數(shù)據(jù)作為遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡輸入，性能數(shù)據(jù)作為遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡輸出，并設置遺傳算法參數(shù)，利用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的初始權值和閾值，所述遺傳算法參數(shù)包括種群規(guī)模、迭代終止代數(shù)、交叉和變異概率； 步驟3-2：設置BP神經(jīng)網(wǎng)絡參數(shù)，選擇傳遞函數(shù)和訓練方法訓練并將遺傳算法優(yōu)化后的初始權值和閾值代入BP神經(jīng)網(wǎng)絡； 步驟3-3：當基本數(shù)據(jù)庫數(shù)量小于400時，預測效果以BP神經(jīng)網(wǎng)絡性能預測值和遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡驗證集中實際性能值的決定系數(shù)與1偏差的絕對值≤20％為評價標準；當基本數(shù)據(jù)庫數(shù)量大于400時，預測效果以BP神經(jīng)網(wǎng)絡性能預測值和遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡驗證集中實際性能值的決定系數(shù)與1偏差的絕對值≤15％為評價標準。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢嗳?a target="_blank" rel="noopener noreferrer nofollow" href="https://iptop.www.hzsmkbearing.com.cn/list?keyword=%E4%B8%AD%E5%9B%BD%E7%A7%91%E5%AD%A6%E9%99%A2%E9%87%91%E5%B1%9E%E7%A0%94%E7%A9%B6%E6%89%80&temp=1">中國科學院金屬研究所，其通訊地址為：110016 遼寧省沈陽市沈河區(qū)文化路72號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。