首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于MRFO优化LSTM神经网络的复合微结构表面接触角建模方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:哈尔滨理工大学

摘要:本发明公开了一种基于MRFO优化LSTM神经网络的复合微结构表面接触角建模方法,所述方法包括如下步骤:一:建立电火花线切割单脉冲放电热‑流耦合仿真模型与凹坑‑凸起复合微结构表面润湿性能数值计算模型,得出不同放电参数下的凹坑‑凸起复合微结构并计算其接触角度;二:对数据进行收集分析、标准化处理;三:构建LSTM模型;四:采用MRFO对LSTM模型的结构参数进行优化;五:训练LSTM模型;六:评估模型性能;七:验证LSTM模型的性能、预测精度和鲁棒性;八:分析不同电火花放电参数对表面接触角的影响。该方法能够有效地处理序列数据并实现更准确的分类预测,具有高预测精度与鲁棒性的特点。

主权项:1.一种基于MRFO优化LSTM神经网络的复合微结构表面接触角建模方法,其特征在于所述方法包括如下步骤:步骤一:利用COMSOL软件,建立电火花线切割单脉冲放电热-流耦合仿真模型与凹坑-凸起复合微结构表面润湿性能数值计算模型,得出不同放电参数下的凹坑-凸起复合微结构并计算其接触角度;步骤二:对步骤一获取的数据进行收集分析,对收集的数据进行标准化处理,使得数据缩放到特定区间,即[0,1],以消除不同量纲之间的影响,进而确保输入数据的一致性和可比性,选取不同放电参数以及对应凹坑-凸起复合微结构表面接触角信息作为训练集与测试集使用;步骤三:构建LSTM模型,该模型由输入层、输出层和LSTM层构成,其中:输入层为电火花线切割放电参数,输出层为凹坑-凸起复合微结构表面接触角,LSTM层通过其内部的记忆单元和门控机制,捕捉输入特征之间的时序依赖关系;步骤四:结构参数优化,采用蝠鲼觅食优化算法对LSTM模型的结构参数进行优化;步骤五:使用优化后的最优结构参数组合,训练最终的LSTM模型,在训练过程中,通过交叉验证等方法避免过拟合,确保神经网络的泛化能力;步骤六:训练完成后,通过计算若干评价指标来评估训练完成后的LSTM模型的预测结果与真实值之间的差异,将各项指标结果进行汇总和分析,评估模型性能;步骤七:通过计算预测结果与真实值之间的预测评价指标,验证LSTM模型的性能、预测精度和鲁棒性;步骤八:利用优化后的LSTM模型,分析不同电火花放电参数对表面接触角的影响,通过预测结果指导实际加工过程中的参数选择,实现对凹坑-凸起复合微结构表面润湿性的精确控制。

全文数据:

权利要求:

百度查询: 哈尔滨理工大学 基于MRFO优化LSTM神经网络的复合微结构表面接触角建模方法

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。