專利名稱：面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法
技術(shù)領(lǐng)域：
本發(fā)明屬于新材料的研發(fā)與軟測量技術(shù)領(lǐng)域，具體涉及一種面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法。
背景技術(shù)：
合金材料是由兩種或兩種以上的金屬與非金屬經(jīng)一定方法所合成的具有金屬特性的物質(zhì)。由于合金的硬度、導(dǎo)電/導(dǎo)熱性和抗腐蝕性均比單一的純金屬材料好，因此，成為航空、航天、汽車、通訊電子等領(lǐng)域廣泛應(yīng)用的優(yōu)選材料?，F(xiàn)有的研究表明:合金材料的這些優(yōu)良的熱力學(xué)性能與材料的配方密切相關(guān)。根據(jù)化學(xué)成分及其比例的不同，依據(jù)這些組合成分的排列組合，將產(chǎn)生無數(shù)種新的鋁硅鎂合金材料，而這些元素搭配的不同將直接決定鋁硅鎂合金材料性能的優(yōu)劣。目前，常用的鋁硅鎂合金大概有100多種，然而，每種鋁硅鎂合金的組合成分的確定依然沒有適用的方法，往往通過實(shí)驗(yàn)設(shè)計(jì)的方式，獲得可行域內(nèi)的離散優(yōu)化成分，不僅花費(fèi)了大量的人力和物力，優(yōu)化的精度也不高。因此，若能建立其多元合金熱力學(xué)性能的軟測量模型，然后根據(jù)社會(huì)對(duì)高塑性、高硬度、高韌性的合金材料的需要，及時(shí)有效地決策出合金的配方，將有利于提高其經(jīng)濟(jì)價(jià)值，加快合金材料的發(fā)展。本發(fā)明以信息學(xué)科中最優(yōu)化理論的平臺(tái)來考慮這一交叉性學(xué)科問題，以鋁硅鎂合金材料的配方問題為例，可將該問題歸結(jié)為復(fù)雜系統(tǒng)建模與優(yōu)化問題，即以合金材料的軟測量及最優(yōu)配方?jīng)Q策為目標(biāo)，在現(xiàn)有合金材料配方體系基礎(chǔ)之上，解決小樣本數(shù)據(jù)有效的問題，其次把合金材料形成機(jī)理的已有知識(shí)用數(shù)學(xué)描述轉(zhuǎn)換成可行解空間，再建立材料配方與高塑性性能之間的數(shù)學(xué)模型，并全局優(yōu)化決策出最佳的合金材料配方。
發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，能夠在試驗(yàn)經(jīng)費(fèi)、時(shí)間有限的情況下，針對(duì)較少的小樣本試驗(yàn)數(shù)據(jù)，提高多元合金材料的軟測量精度，同時(shí)為多元合金配方的優(yōu)化提供決策。本發(fā)明的技術(shù)方案如下:一種面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，其關(guān)鍵在于按如下步驟進(jìn)行:
圖1是注入噪聲的小樣本擴(kuò)充示意圖；圖2是最大熵神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)；圖3是研究方法不意圖；圖4是基于最大熵神經(jīng)網(wǎng)絡(luò)的多元合金軟測量流程圖5是基于遺傳算法的多元合金材料配方的優(yōu)化流程圖；圖6是基于遺傳算法適應(yīng)度函數(shù)的變化曲線；圖7是優(yōu)化結(jié)束時(shí)的適應(yīng)度函數(shù)的分布。
具體實(shí)施例方式下面結(jié)合附圖和實(shí)施例1對(duì)本發(fā)明作進(jìn)一步說明:實(shí)例1:一種面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，如圖1所示，按如下步驟進(jìn)行:步驟一:小樣本試驗(yàn)數(shù)據(jù)的獲得及其有效擴(kuò)充(一)在《改良鑄造鋁硅鎂合金的成份優(yōu)化設(shè)計(jì)》一文中，確定了Cu，Ni，V，Mn，Re，Si, Mg, Al八種元素,其中，元素Mg = 0.35%, Si = 7%,所以綜合考慮剩余的6種合金元素，選擇L18 (37)正交表進(jìn)行試驗(yàn)設(shè)計(jì)，如表I所示，通過試驗(yàn)所得六種元素下對(duì)應(yīng)的18組小樣本數(shù)據(jù)。其中，常溫抗拉強(qiáng)度檢測結(jié)果見表2，常溫延伸率檢測結(jié)果見表3，常溫硬度檢測結(jié)果見表4。表I合金的化學(xué)成份
權(quán)利要求
1.一種面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，其特征在于，包括以下步驟: 步驟一、基于Bootstrap及注入噪聲的小樣本試驗(yàn)數(shù)據(jù)擴(kuò)充方法: 在測量中不可避免的存在隨機(jī)誤差，因此利用在原始小樣本試驗(yàn)數(shù)據(jù)中注入噪聲的方法,增加樣本的多樣性,再利用Bootstrap重采樣方法，增加樣本的數(shù)量，解決小樣本試驗(yàn)數(shù)據(jù)問題； 步驟二、基于最大熵神經(jīng)網(wǎng)絡(luò)的多元合金材料的熱力學(xué)性能軟測量: 以基于最小誤差平方和的神經(jīng)網(wǎng)絡(luò)方法為基礎(chǔ)，利用樣本點(diǎn)之間的不確定性信息關(guān)系，把微分熵函數(shù)加入到反向傳播的目標(biāo)函數(shù)當(dāng)中，構(gòu)建一種基于最大熵神經(jīng)網(wǎng)絡(luò)ENN(Entropy Neural Network),并由此建立小樣本試驗(yàn)數(shù)據(jù)下的多元合金材料熱力學(xué)性能的軟測量模型； 步驟三、基于遺傳算法的多元合金材料的配方?jīng)Q策: 實(shí)現(xiàn)多元合金材料的熱力學(xué)性能軟測量之后，根據(jù)多元合金材料的機(jī)理分析確定可行解空間，在遺傳算法中設(shè)計(jì)染色體編碼與解碼方法，并確定交叉算子、變異算子及選擇算子，通過進(jìn)化計(jì)算，全局優(yōu)化獲得多元合金材料配方的最優(yōu)決策； 步驟四、基于改進(jìn)適應(yīng)度函數(shù)的多元合金材料配方的穩(wěn)健優(yōu)化準(zhǔn)則: 考慮各原材料純度與計(jì)量儀器的誤差對(duì)多元合金材料各元素含量的影響，需要設(shè)計(jì)穩(wěn)健配方，即當(dāng)各組員的含量 受不確定因素影響，在小范圍內(nèi)波動(dòng)時(shí)，能夠?qū)Σ牧蠠崃W(xué)性能的變差影響較小，這里對(duì)遺傳算法的適應(yīng)度函數(shù)進(jìn)行改進(jìn)，利用所需考慮的各熱力學(xué)性能對(duì)各元素含量求偏導(dǎo)數(shù)的方法來表示這個(gè)變差，再結(jié)合傳統(tǒng)的最小二乘的優(yōu)化準(zhǔn)則，設(shè)計(jì)出穩(wěn)健優(yōu)化準(zhǔn)則，從而利用遺傳算法得到多元合金材料配方的穩(wěn)健優(yōu)化解。
2.根據(jù)權(quán)利要求1所述的面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，其特征在于步驟一中對(duì)小樣本試驗(yàn)數(shù)據(jù)的擴(kuò)充包括: 在測量中不可避免的存在隨機(jī)誤差，因此提出樣本擴(kuò)充法，即以原小樣本試驗(yàn)數(shù)據(jù)為中心點(diǎn)，以實(shí)驗(yàn)的容忍誤差為半徑r，構(gòu)造一個(gè)鄰域圓δ，在鄰域δ圓內(nèi)采用均勻分布產(chǎn)生隨機(jī)數(shù)的方法生成虛擬樣本，增加樣本的多樣性。
3.根據(jù)權(quán)利要求1所述的面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，其特征在于步驟二中基于最大熵神經(jīng)網(wǎng)絡(luò)的多元合金材料的熱力學(xué)性能軟測量包括: (一)最大熵神經(jīng)網(wǎng)絡(luò)的正向傳播過程 神經(jīng)網(wǎng)絡(luò)各層節(jié)點(diǎn)數(shù)，輸入層節(jié)點(diǎn)設(shè)為j，共有R個(gè)；隱含層節(jié)點(diǎn)為i，共有N個(gè)；輸出層節(jié)點(diǎn)為m，共有K個(gè)；輸入層、輸出層作用函數(shù)為線性函數(shù)，即f2(x) = ax+b, a = I ;隱含層作用函數(shù)為S型函數(shù)式，即= ^77，網(wǎng)絡(luò)的輸出為 (Ni Rλ^ym=fi ΣΚ Y^ijXj+bm(I) V1 V jJJ 其中，《…匕分別為輸入層到隱含層的權(quán)值、閾值wmi，bm分別為隱含層到輸出層的權(quán)值、閾值；j = l，2，...，R，i=l，2，...，N，m=l，2，…，K ;(二)最大熵神經(jīng)網(wǎng)絡(luò)的反向遞推算法 傳統(tǒng)的BP(Back-piOpagating)神經(jīng)網(wǎng)絡(luò)訓(xùn)練目標(biāo)是樣本點(diǎn)的誤差平方和最小，即 minE = (ym-dm)2 (2) 微分熵H最小函數(shù)為 H = -/ PmlnPmdx (3) 其中
4.根據(jù)權(quán)利要求1所述的面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，其特征在于步驟三中多元合金材料的配方?jīng)Q策的適應(yīng)度函數(shù)的確定: 所述多元合金材料選擇八元鋁硅鎂合金Mg，Si，Cu，Ni, V，Mn，Re，Al，三個(gè)熱力學(xué)性能為抗拉強(qiáng)度、延伸率及硬度，分別表示為T1, T2, T3，當(dāng)Mg = 0.35%, Si = 7%時(shí)，三個(gè)熱力學(xué)性能的軟測量模型形如(T1, T2, T3) = F (Cua, Nib, V。，Mnd, Ree, Alf);由于在遺傳算法尋優(yōu)中，適應(yīng)度函數(shù)的確定將決定決策變量優(yōu)化的效果，這里考慮將三個(gè)性能指標(biāo)T1, T2，T3綜合考慮為一個(gè)函數(shù)，用權(quán)重W1, W2，W3分別表示各熱力學(xué)性能在適應(yīng)度函數(shù)中所占的比重:max J = W1iVW2WT3=[W1, W2, W3IITijT2jT3It (17)=[W1, W2, ff3]*F(Cua, Nib, Vc, Mnd, Ree, Alf) 其中，Cua, Nib, V。，Mnd, Ree, Alf分別為Cu，Ni，V，Mn，Re，Al合金元素的配方含量，J為適應(yīng)度函數(shù)值。
5.根據(jù)權(quán)利要求1所述的面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，其特征在于步驟三中多元合金材料的配方?jīng)Q策: 第一步:確定決策變量及各種約束條件，即確定出個(gè)體的解空間； 第二步:根據(jù)最大熵神經(jīng)網(wǎng)絡(luò)建立的多元合金材料的熱力學(xué)性能的軟測量模型，確定適應(yīng)度函數(shù)為綜合后的各熱力學(xué)性能的線性加權(quán)和；第三步:確定表示可行解的染色體編碼方法； 第四步:確定染色體的解碼方法； 第五步:設(shè)計(jì)遺傳算子，即確定選擇運(yùn)算、交叉運(yùn)算、變異運(yùn)算等遺傳算子的具體操作方法； 第六步:在MATLAB軟件中，編寫遺傳算法的優(yōu)化方法，可得到所需的最優(yōu)配方含量決策。
6.根據(jù)權(quán)利要求1所述的面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，其特征在于步驟四中多元合金材料的配方穩(wěn)健優(yōu)化準(zhǔn)則: 考慮各原材料純度與計(jì)量儀器的誤差對(duì)多元合金材料各元素的含量的影響，還需要設(shè)計(jì)這樣的最優(yōu)配方，當(dāng)它在較小的范圍內(nèi)波動(dòng)的時(shí)候，能夠?qū)Σ牧闲阅艿淖兓绊戄^小，因此利用梯度下降設(shè)計(jì)出穩(wěn)健優(yōu)化準(zhǔn)則: 穩(wěn)健優(yōu)化設(shè)計(jì)包括兩方面的內(nèi)容:一個(gè)方面就是傳統(tǒng)的優(yōu)化，找到性能函數(shù)最優(yōu)時(shí)決策變量的值；另一個(gè)關(guān)鍵方面就是將自變量的變差傳遞給準(zhǔn)則函數(shù)，使各熱力學(xué)性能在自變量變化時(shí)產(chǎn)生的變差來表達(dá)產(chǎn)品的熱力學(xué)性能對(duì)各變量的穩(wěn)健程度，設(shè)計(jì)的穩(wěn)健優(yōu)化準(zhǔn)則如下:
7.根據(jù)權(quán)利要求5所述的面向小樣本試驗(yàn)數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，其特征在于得到八元合金材料鋁硅鎂合金具有較佳抗拉伸性能、延展性及硬度的配方為 Mg (0.35 % )，Si (7 % )，Cu (0.0010 % )，Ni (0.8000 % ), V(0.5000 % )，Mn (0.2000 % ), Re (0.8000 % ), Al (90.3489 % )。
全文摘要
本發(fā)明公開了一種面向小樣本數(shù)據(jù)的多元合金材料的配方?jīng)Q策方法，其特征在于按照如下的步驟進(jìn)行一、通過對(duì)小樣本注入噪聲，再利用Bootstrap重采樣，對(duì)小樣本進(jìn)行有效的擴(kuò)充；二、通過最大熵神經(jīng)網(wǎng)絡(luò)方法，對(duì)擴(kuò)充后的樣本數(shù)據(jù)進(jìn)行訓(xùn)練，實(shí)現(xiàn)對(duì)合金材料的熱力學(xué)性能與多元配方之間潛在規(guī)律的軟測量；三、根據(jù)企業(yè)對(duì)材料性能的要求，確定遺傳算法的適應(yīng)度函數(shù)，全局優(yōu)化得到多元合金材料的配方?jīng)Q策；四、在適應(yīng)度函數(shù)中引入梯度下降法的穩(wěn)健優(yōu)化準(zhǔn)則，可得到對(duì)材料配方的微小變化不敏感的配方?jīng)Q策。本發(fā)明提供一套系統(tǒng)的面向小樣本數(shù)據(jù)的多元合金材料的軟測量及其配方?jīng)Q策方法，為縮短多元合金新產(chǎn)品的設(shè)計(jì)周期，提高多元合金的性能提供可行的方法。
文檔編號(hào)G06F17/50GK103077288SQ20131002386
公開日2013年5月1日 申請日期2013年1月23日 優(yōu)先權(quán)日2013年1月23日
發(fā)明者蘇盈盈, 胡文金, 李太福, 劉玉成 申請人:重慶科技學(xué)院