[发明专利]一种基于机器学习的复合绝缘子芯棒性能预测方法

权利要求书

1.一种基于机器学习的复合绝缘子芯棒性能预测方法，其特征在于，包括：

a)选取不同规格、不同生产工艺生产的以及不同使用材料的复合绝缘子芯棒；

b)根据规格、生产工艺以及使用材料将各个复合绝缘子芯棒进行分类；

c)选取每一类中若干复合绝缘子芯棒并测试其性能参数，将测试的性能参数记入数据库；

d)利用LSTM算法预测同类中其他复合绝缘子芯棒的性能参数；

e)利用试验对预测的性能参数进行验证，将验证后的性能参数记入数据库。

2.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性能预测方法，其特征在于：步骤b)中分类方式分为同规格同生产工艺不同材料类、同规格不同生产工艺同材料类、不同规格同生产工艺同材料类。

3.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性能预测方法，其特征在于：步骤b)中的规格按照复合绝缘子芯棒直径和复合绝缘子芯棒长度进行划分，生产工艺按照复合绝缘子芯棒生产中牵引力、牵引速度、固化温度、固化时间进行划分，材料按照复合绝缘子芯棒集体材料、增强材料、固化剂、促进剂、脱模剂的各成分组合及成分占比进行划分。

4.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性能预测方法，其特征在于：步骤c)中复合绝缘子芯棒测试的性能参数包括理化性能参数、力学性能参数及电学性能参数，所述理化性能参数包括复合绝缘子芯棒的固化度、含胶量、玻璃化转变温度、纵向线膨胀系数、树脂分解温度，所述力学性能参数包括复合绝缘子芯棒生产中的牵引力、牵引速度、固化温度、固化时间，所述电学性能参数包括复合绝缘子芯棒表面电阻、体积电阻、泄露电流、介质损耗角。

5.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性能预测方法，其特征在于，步骤d)包括如下步骤：

d-1)将数据库中的性能参数数据归一化处理，得到矩阵X，x_ij为矩阵X中第i行第j列的数据；

d-2)通过公式计算得到处理后的矩阵中第i行第j列的数据式中x_imax为第i行数据中的最大值，根据计算的数据形成处理后的矩阵X_t；

d-3)通过公式F_t＝σ(W_f[H_t-1,X_t]+B_f)计算得到时刻t的遗忘门的输出F_t，式中σ为sigmoid函数，W_f为遗忘门权重矩阵，B_f为遗忘门偏置矩阵，H_t-1为当前隐藏层数据矩阵；

d-4)通过公式I_t＝σ(W_i[H_t-1,X_t]+B_i)计算得到时刻t的存储门的输出I_t，式中W_i为存储门权重矩阵，B_i为存储门偏置矩阵，通过公式计算得到时刻t的备选输出矩阵式中W_c为存储门权重矩阵，B_c为存储门偏置矩阵；

d-5)通过公式计算得到时刻t的细胞状态C_t，式中C_t-1为当前细胞矩阵；

d-6)通过公式O_t＝σ(W_o[H_t-1,X_t]+B_o)计算得到输出门的输出O_t，式中W_o为输出门权重矩阵，B_o为输出门偏置矩阵，通过公式H_t＝O_t*tanh(C_t)计算得到输出矩阵H_t，输出矩阵H_t为预测得到的同类中其他复合绝缘子芯棒的性能参数。

6.根据权利要求1所述的基于机器学习的复合绝缘子芯棒性能预测方法，其特征在于：还包括在步骤e)之后利用建立好的数据库，根据不同规格、不同生产工艺生产的以及不同使用材料的信息在数据库中查找相关的复合绝缘子芯棒性能参数。