申请/专利权人：郑州信大先进技术研究院

申请日：2021-12-20

公开（公告）日：2024-03-22

公开（公告）号：CN114330114B

主分类号：G16C20/30

分类号：G16C20/30;G16C20/70;G16C60/00;G06F18/2411;G06F18/214;G06F30/27;G06V20/69;G06V10/54;G06V10/764;G06N20/10;G06T17/00;G06F119/04

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.04.29#实质审查的生效;2022.04.12#公开

摘要：本发明提供一种基于量子支持向量机的铍青铜合金腐蚀速率预测方法，基于机器学习算法，通过对铍青铜合金腐蚀过程有重要影响的诸多因素进行数据采集处理及主成因分析，利用结合量子算法的量子最小二乘支持向量机构建盐雾环境下铍青铜合金腐蚀预测模型，并利用该模型实现对铍青铜合金腐蚀速率的高效准确预测。

主权项：1.一种基于量子支持向量机的铍青铜合金腐蚀速率预测方法，其特征在于：步骤1，获取铍青铜合金腐蚀速率原始数据集；针对不同批次的铍青铜合金带材，选取材料样品进行机械加工、超声波除油、化学除油、三酸清洗、纯水漂洗以及烘干密封处理操作，获取材料质量符合预设标准的铍青铜合金试片；利用三维光学表面轮廓仪对铍青铜合金试片进行非接触扫描，构建三维表面图像模型，并基于图像纹理分析对图像模型进行数据处理与分析，获取不同铍青铜合金试片的表面粗糙度；利用超高清微观显微系统对铍青铜合金试片表面进行复杂微观图像分析，对材料晶粒度等指标进行定量测试，根据截点法获取不同铍青铜合金试片的晶粒度数据值；基于三维光学表面轮廓仪和超高清微观显微系统的检测结果，将处理后的铍青铜合金试片按粗糙度、晶粒度等进行编号并分类保存；利用中性盐雾试验装置在不同温度、不同盐度以及不同pH值的环境参数条件下对不同编号的铍青铜合金试片进行相同时间的材料腐蚀速率测试，并记录各个铍青铜合金试片的试验结果；以温度、盐度、pH值、表面粗糙度、微观晶粒度作为模型输入向量，以腐蚀速率作为模型输出向量，构成铍青铜合金腐蚀速率原始数据集；步骤2，对铍青铜合金腐蚀速率原始数据集依次进行标准化处理和降维处理，得到新铍青铜合金腐蚀速率数据集；将新铍青铜合金腐蚀速率数据集按7030％的比例分为训练样本集和测试样本集；步骤3，基于非线性映射结合已构建的训练样本集构造最优决策函数，基于结构风险最小化原则，将最优决策函数转换为量子最小二乘支持向量机优化问题，并在KKT条件下将量子最小二乘支持向量机优化问题转化为求解线性方程组，根据已构建的训练样本集对线性方程组进行求解，得到铍青铜合金腐蚀速率预测模型；步骤4，基于步骤3中训练好的铍青铜合金腐蚀速率预测模型和步骤2中的测试样本集验证铍青铜合金材料腐蚀速率预测模型的正确性；步骤5，利用测试通过的铍青铜合金腐蚀速率预测模型对铍青铜合金进行腐蚀速率预测；其中，步骤3中，基于非线性映射结合已构建的训练样本集构造最优决策函数，基于结构风险最小化原则，将最优决策函数转换为量子最小二乘支持向量机优化问题，包括：设定训练样本集为D＝{x1,y1,x2,y2,…xi,yi,…,xm,ym}，其中,x1为模型输入向量的第1个元素，包括第1个训练样本的温度、盐度、pH值、表面粗糙度、微观晶粒度；y1为模型输出向量的第1个元素，包括第1个训练样本的腐蚀速率；x2为模型输入向量的第2个元素，包括第2个训练样本的温度、盐度、pH值、表面粗糙度、微观晶粒度；y2为模型输出向量的第2个元素，包括第2个训练样本的腐蚀速率；xi为模型输入向量的第i个元素，包括第i个训练样本的温度、盐度、pH值、表面粗糙度、微观晶粒度；yi为模型输出向量的第i个元素，包括第i个训练样本的腐蚀速率；xm为模型输入向量的第m个元素，包括第m个训练样本的温度、盐度、pH值、表面粗糙度、微观晶粒度；ym为模型输出向量的第m个元素，包括第m个训练样本的腐蚀速率；m为训练样本总数量；通过非线性函数把模型输入向量映射至特征空间构造最优决策函数：其中，x＝[x1,x2,…,xm]T，ω为权重向量，为x的非线性函数，b为偏置常数；根据结构风险最小化原则，建立约束问题： 其中，C为惩罚系数，ξi为误差变量，ξ＝[ξ1，ξ2，…，ξm]；步骤3中在KKT条件下将量子最小二乘支持向量机优化问题转化为求解线性方程组，根据已构建的训练样本集对线性方程组进行求解，得到铍青铜合金腐蚀速率预测模型包括：引入拉格朗日乘子，构建拉格朗日函数其中，αi≥0为对应xi的拉格朗日乘子，α为拉格朗日向量，且α＝[α1，α2，…，αm]，为xi的非线性函数；利用KKT条件对拉格朗日函数求偏导，得到四个偏导数消去ω,ξi，令核函数得到线性方程组Fb,αT＝0,yT，其中,xj为模型输入向量x的第j个元素，为xj的非线性函数，y＝[y1,y2,…,ym],I＝[1,1,…,1]，K为核函数矩阵，且基于训练样本集，采用HHL量子算法对线性方程组Fb,αT＝0,yT进行求解，获取最优值，实现铍青铜合金腐蚀速率预测模型的构建，其函数数学表达式为yx＝∑i＝1αikx,xi+b；其中b*为b的最优解，为α的最优解。

全文数据：

权利要求：

百度查询： 郑州信大先进技术研究院 基于量子支持向量机的铍青铜合金腐蚀速率预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD