申请/专利权人:中机生产力促进中心有限公司
申请日:2024-01-15
公开(公告)日:2024-03-22
公开(公告)号:CN117574581B
主分类号:G06F30/17
分类号:G06F30/17;G06F30/27;G06N3/045;G06N3/0442;G06N3/08;G06F119/10;G06F119/02;G06F119/14
优先权:
专利状态码:有效-授权
法律状态:2024.03.22#授权;2024.03.08#实质审查的生效;2024.02.20#公开
摘要:本发明公开了一种温度敏感的涡卷弹簧热应力松弛预测方法及系统,方法包括:步骤1:数据准备和预处理;步骤2:从标准化数据中提取关键特征;步骤3:准备长短时记忆神经网络训练数据;步骤4:定义温度敏感长短时记忆神经网络单元;步骤5:定义自注意力机制;步骤6:构建整体长短时记忆神经网络模型,包括自定义的长短时记忆神经网络单元和自注意力机制;步骤7:训练模型,使用预处理的数据训练长短时记忆神经网络模型;步骤8:模型评估和预测,在不同于训练集的测试集上评估模型;步骤9:结果分析和可视化。
主权项:1.一种温度敏感的涡卷弹簧热应力松弛预测方法,其特征在于,所述方法包括:步骤1:数据准备和预处理;步骤2:从标准化数据中提取关键特征;步骤3:准备长短时记忆神经网络训练数据;步骤4:定义温度敏感长短时记忆神经网络单元;步骤5:定义自注意力机制;步骤6:构建整体长短时记忆神经网络模型,包括自定义的长短时记忆神经网络单元和自注意力机制;步骤7:训练模型,使用预处理的数据训练长短时记忆神经网络模型;步骤8:模型评估和预测,在不同于训练集的测试集上评估模型;步骤9:结果分析和可视化;其中,定义温度敏感长短时记忆神经网络单元具体包括:设计基于Burgers粘弹性模型的自定义LSTM单元,所述LSTM单元用于根据输入数据中的时间步长和温度信息动态调整其内部状态;引入松弛时间τ和蠕变因子α,所述松弛时间τ和蠕变因子α用于模拟材料行为;依据状态调整公式对LSTM单元的状态输出β进行调整,其中,所述状态调整公式是: ,其中,t表示从序列开始的时间步长;其中,定义自注意力机制具体包括:实施自注意力模块,所述自注意力模块用于识别和赋予更高的权重给序列数据中最重要的部分;设定隐藏层尺寸,并基于所述隐藏层尺寸构建一个线性层用于生成注意力分数,同时使用层标准化提升模型稳定性;所述自注意力机制通过一个线性层来生成注意力权重,并应用这些权重来计算序列的加权平均;自注意力机制通过以下公式计算: ,Q:查询向量,代表当前的输入元素;K:键向量,代表与当前元素进行比较的序列元素;V:值向量,代表实际的序列元素,其对应的权重由查询和键之间的匹配程度决定; :键向量的维度,用于缩放点积,防止其过大;其中,构建整体长短时记忆神经网络模型具体包括:将温度敏感长短时记忆神经网络单元与标准LSTM框架结合,使得模型能够根据输入数据中的时间步长和温度信息动态调整其状态,并集成步骤5中定义的自注意力机制,以强化模型对序列中关键时刻的关注和处理能力,模型最后设置一个全连接层,用于生成最终的预测输出。
全文数据:
权利要求:
百度查询: 中机生产力促进中心有限公司 一种温度敏感的涡卷弹簧热应力松弛预测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。