申请/专利权人:西安交通大学
申请日:2021-09-24
公开(公告)日:2024-04-09
公开(公告)号:CN113987917B
主分类号:G06F30/27
分类号:G06F30/27;G06N3/08;G06F119/04
优先权:
专利状态码:有效-授权
法律状态:2024.04.09#授权;2022.02.18#实质审查的生效;2022.01.28#公开
摘要:公开了基于BP神经网络的丁腈橡胶密封圈剩余寿命预测方法,方法中,测量丁腈橡胶密封圈的特征变量以构建训练样本,其中,以玻璃化转变温度、微米压痕硬度、服役时间和经历最低温度作为输入参数,以微米压痕简约杨氏模量作为输出参数,微米压痕简约杨氏模量越小,丁腈橡胶密封圈剩余寿命越少,并对数据进行归一化处理,获得训练样本;构建BP神经网络模型;使用遗传算法优化BP神经网络模型的初始权值和阈值;使用训练样本对BP神经网络模型进行迭代训练,获得丁腈橡胶密封圈剩余寿命预测模型;基于BP神经网络的丁腈橡胶密封圈剩余寿命预测模型对丁腈橡胶密封圈进行剩余寿命预测。
主权项:1.一种基于BP神经网络的丁腈橡胶密封圈剩余寿命预测方法,其特征在于,其包括以下步骤:第一步骤,测量丁腈橡胶密封圈的特征变量以构建训练样本,其中,特征变量包括丁腈橡胶密封圈的玻璃化转变温度、微米压痕硬度和微米压痕简约杨氏模量,以所述玻璃化转变温度、微米压痕硬度、服役时间和经历最低温度作为输入参数,以微米压痕简约杨氏模量作为输出参数,微米压痕简约杨氏模量越小,丁腈橡胶密封圈剩余寿命越少,并对数据进行归一化处理,获得训练样本;第二步骤,构建BP神经网络模型,BP神经网络模型包括输入层、隐含层、输出层,以所述输入参数数目作为输入层节点数N,以所述输出参数数目作为输出层节点数M,隐含层节点数L基于训练样本的训练结果确定;第三步骤,使用遗传算法优化BP神经网络模型的初始权值和阈值,采用所述输入层与隐含层连接权值、所述隐含层与输出层权值、所述隐含层阈值及所述输出层阈值四部分作为遗传信息进行实数编码,编码长度S满足: ,将每次预测的误差绝对值之和的倒数定义为适应度函数,采用轮盘赌法进行选择操作,适应度值越高的个体被选中的概率越大,采用实数交叉法进行交叉操作以及从种群中随机选择个体,按预定概率变异随机得到新个体;第四步骤,使用所述训练样本对BP神经网络模型进行迭代训练,获得训练好的基于BP神经网络的丁腈橡胶密封圈剩余寿命预测模型;第五步骤,待测丁腈橡胶密封圈的特征变量输入所述基于BP神经网络的丁腈橡胶密封圈剩余寿命预测模型,以对丁腈橡胶密封圈进行剩余寿命预测。
全文数据:
权利要求:
百度查询: 西安交通大学 基于BP神经网络的丁腈橡胶密封圈剩余寿命预测方法
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。