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！

摘要：本发明提供基于相似原理的改进KNN算法的挤压铸造工艺参数设计方法，属于工艺参数设计技术领域，工艺参数设计方法首先基于相似原理对工艺参数的相关变量的相对变化趋势进行衡量。在此基础上提取与目标案例的相关变量相对变化趋势相似的样本数据，基于这些样本数据，进行KNN聚类并对聚类样本中的对应参数进行加权回归作为目标案例的工艺参数设计值。该设计方法基于已有的研究数据，充分参考利用了现有的相关研究成果，无需进行繁琐的实验研究且工艺参数的设计精度较高。相比于现有的工艺参数设计方法，节省了大量的时间成本和实验成本。该方法具有普适性，不仅适用于挤压铸造工艺参数的设计，对于其它类似领域的参数设计同样适用。

主权项：1.基于相似原理的改进KNN算法的挤压铸造工艺参数设计方法，其特征在于，所述方法包括如下步骤：步骤1：挤压铸造工艺数据表示，对于已有挤压铸造工艺参数数据集case，表示为case＝{Si|i＝1,2,…,m}，m为数据样本的个数，每个样本数据包含挤压铸造的工艺参数、材料成分数据和形状特征数据的属性变量，按照性质将样本属性划分为工艺参数的影响因素Xk，其中k＝1，2，...，t，t表示工艺影响因素的个数，和工艺参数Yj，其中j＝1，2，...，n，n表示工艺参数的个数，商品数据样本Si的对应属性数据分别为xik和yij，挤压铸造的工艺参数包括挤压压力、浇注温度和模具预热温度；步骤2：得到所设计的工艺参数的相关影响属性，对所设计的目标挤压铸件的特定工艺参数Yj，称为目标工艺参数，对应值为yoj，工艺参数的影响因素Xk并非都是工艺参数Yj的相关影响因素，利用SVM-RFE算法从Xk中选取直接影响该工艺参数的相关属性，设为Xc＝{X1,X2,...,Xs}；步骤3：选出挤压铸造工艺参数数据集case中目标工艺参数Yj及其相关属性Xc所对应的数据，表示为case*，基于熵权法和数据集case*计算步骤1选取的相关属性Xc＝{X1,X2,...,Xs}的权重，区分Xc＝{X1,X2,...,Xs}对Yj的影响程度，得到相关属性的权重记为W＝{w1,w2,...,ws}；步骤4：进行相关属性Xc的相对变化趋势的衡量和工艺数据筛选，将对应的挤压铸造工艺参数数据视为N维变量集合，不同工艺参数数据的差异可视为N维变量运动、变化和发展的结果，根据步骤2选取的相关属性Xc＝{X1,X2,...,Xs}，计算衡量已有工艺参数数据和待设计的目标工艺参数的相关属性的相对变化趋势，并筛选出与待设计的目标工艺参数的相关属性相对变化趋势程度最相近的工艺参数数据，设为S*＝{S1*，S2*，...，Sp*}，p为聚类所得的工艺参数数据数量；步骤5：应用KNN算法，对步骤4得到的聚类结果S*＝{S1*，S2*，...，Sp*}加权聚类，然后对聚类结果进行加权求和，得到求和结果即为所所需的工艺参数Yj；KNN算法的聚类和加权回归处理过程为：步骤5.1：对数据进行预处理，利用数据归一化方法消除不同相关属性之间不同纲量的影响，即为步骤2选取的s个相关属性，具体过程为： 其中，xis为Xc中的第i行第s列；步骤5.2：计算样本间的距离，根据步骤3得到的相关属性权重，通过计算加权欧氏距离衡量属性空间Xc内S*中的数据样本与目标铸件O的Xc各属性之间的距离dlO，l＝1,2,…,p，并根据距离的大小取K个与目标铸件O最近邻的工艺数据样本S*′，最近邻即为距离最小，距离计算如下所示： 其中，xlc为S*中第l个样本的第c个属性值，oc为目标数据O中第c个属性值；步骤5.3：把S*′根据与目标样本之间的距离对S*′各个聚类样本赋权，得到聚类样本的权重样本权重计算如下式所示： 其中，是S*′第i′个样本的权重；步骤5.4：根据步骤5.3所得样本权重，对所求的工艺参数进行加权求和，求和结果即为所设计的目标的工艺参数yoj的值，工艺参数计算如下式所示：

全文数据：

权利要求：

百度查询： 广西大学 基于相似原理的改进KNN算法的挤压铸造工艺参数设计方法