[发明专利]一种基于分级分类模型的人工智能筛选材料方法

说明书

本发明公开了一种基于分级分类模型的人工智能筛选材料方法，将影响材料结构和性能的制备工艺参数进行归纳总结，通过K‑means算法对参数进行科学取值，实验制备并测试材料的性能后获取实验数据。设定系统阈值，根据任一参数实验数据组的极差与阈值的差值，将参数分为敏感类参数和非敏感类参数。对于敏感类参数的实验测试结果进行多项式拟合，根据多项式拟合公式及其参数变量的指数值判定该参数的级数。根据参数的级数进行循环优化，直到参数的优化数值点与邻近实验值的离差小于阈值。以参数分类分级模型为核心建立一套新材料研发控制系统，对新材料研发过程中的制备参数进行优化管理，提高材料研发的效率，缩短研发周期，降低研发成本。

技术领域

本发明涉及人工智能，特别涉及一种基于参数分级分类模型的人工智能筛选材料方法。

背景技术

人工智能是新时期逻辑学、数学、计算机技术、控制理论综合利用和相互交叉的边缘学科和综合领域。人工智能技术具有自主学习的能力，利用自主学习的理论来实现建设专用的数据库，记录在运行过程中的各项参数，在系统中建设数学建模，让设备的运行状态满足人们的操作意图。建成的数据库库为数学模型建设参数的来源，应用建成的数学模型提升控制系统的运行效率。

但是现在的人工智能控制系统普遍都存在一些缺陷，比如运行效率仍然达不到人们的期望等等，将分级分类模型利用于人工智能控制系统上就可以有效地提高对控制系统分级分类的效率，但是尚未运用到关于新材料的制备及参数分类领域。

发明内容

发明目的：本发明的目的是提供一种基于分级分类模型的人工智能筛选材料方法，对材料进行分类和分级。

技术方案：本发明所述的一种基于分级分类模型的人工智能筛选材料方法，包括以下步骤：

步骤1，按照初始的聚类中心来选择得到k个聚类中心作为初始的聚类中心，根据数据对象之间的距离公式

计算出每一个数据对象与中心的距离，将每一个数据对象分配给离其最近的聚类中心，以得到k个簇类；

步骤2，得到k个簇类之后，根据簇类中心的公式

重新计算新的簇类的中心，然后更新簇类的中心，直到聚类的中心不再发生变化或是连续几次的取值的插值均小于阀值，确定若干簇类以完成对材料的分类；

步骤3，在完成材料的分类之后对材料进行分级，首先寻找材料参数数值区间，利用公式

对参数在参数数值区间内求偏导并利用插值拟合算法得到函数，其次材料的参数通过函数图像显示出来，根据函数图像判断材料的性能。

有益效果：本发明与现有技术相比：选定材料的组分，归纳总结并凝练出材料在研发制备过程中材料的构效关系，明确材料研发的目标函数等等，通过对随机森林和K-means两种人工智能算法的结合并改进，对材料的参数进行科学选值和实验测试，重点关注关注材料中参数的边界阈值、取值步长与方法的科学性对实现材料性能快速优化的影响，精准动态识别新材料研发过程中参数方程及优化方法复杂性特征，形成可解释人工智能的科学体系，实现了高效、快速的将参数进行分类分级及优化。

附图说明

图1不同浓度次亚磷酸钠对应的过电势图；

图2不同浓度柠檬酸三纳对应的过电势图；

图3为基于分级分类模型的人工智能筛选材料方法流程图；

图4为零级参数模型；

图5(a)为一级单调增参数模型；

图5(b)为一级单调减参数模型；

图6为二级参数模型-上单峰；