申请/专利权人：天津工业大学

申请日：2023-12-25

公开（公告）日：2024-03-29

公开（公告）号：CN117789878A

主分类号：G16C60/00

分类号：G16C60/00;G06N3/126

优先权：

专利状态码：在审-公开

法律状态：2024.03.29#公开

摘要：本发明公开了一种基于GA‑ELM算法的纳米纤维平均直径预测方法。在本发明中，包括以下特征：将静电纺丝工艺参数与平均纳米纤维直径作为训练样本，建立GA‑ELM预测纳米纤维直径模型，利用GA‑ELM算法实现对纳米纤维直径高效率，低成本的预测；直接将所需要预测的参数输入到已训练好的模型中，便可得到对应的纳米纤维直径预测值。本发明将遗传算法和极限学习机相结合的GA‑ELM模型，采用遗传算法对极限学习机的输入层权值和隐含层阈值进行优化，避免了输入层权值w和隐含层阈值b随机性对ELM预测精度的影响，提高了预测纳米纤维直径的准确率。

主权项：1.一种基于GA-ELM算法的纳米纤维平均直径预测方法，其特征包括以下步骤：1收集数据：通过实验配置不同质量分数的纺丝液，改变接收距离，推速，电压。得到实验样品，用扫描电子显微镜SEM拍摄照片，再使用NanoMeasure软件对拍摄的电镜照片进行直径测量，测量一百根然后取其平均值得到各个样品的平均纤维直径；2数据初步处理：采用min-max归一化方法处理收集到的样本数据集，消除各指标量纲对预测模型的影响；3数据分类：将归一化后的数据分为训练集和测试集；4建立ELM模型：确定模型的输入层，隐含层和输出层对应的神经元数量以及输入层权重和阈值参数后，通过训练集数据得到各影响因素与纳米纤维直径之间的关系，得到输出层权重并建立模型；5建立GA-ELM模型：通过遗传算法将ELM模型中每个影响因素的输入层权值w和阈值b进行优化，并通过训练集数据得到各影响因素与纳米纤维直径之间的关系进而得到优化后的输出层权重并建立模型；6对步骤4和5训练好的ELM，GA-ELM纳米纤维直径预测模型进行测试，将测试样本数据输入到两种预测模型中，将两种预测模型输出的预测值进行反归一化后与测试集的实际测量值进行对比，评价GA-ELM模型的精度；7通过步骤6选择到的GA-ELM模型作为最终模型，对四个工艺参数赋值后，通过GA-ELM模型得到相应的纳米纤维直径预测值。

全文数据：

权利要求：

百度查询： 天津工业大学 一种基于GA-ELM算法的纳米纤维平均直径预测方法

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