[发明专利]面向小样本试验数据的多元合金材料的软测量及其配方决策方法

摘要

本发明公开了一种面向小样本数据的多元合金材料的配方决策方法，其特征在于按照如下的步骤进行：一、通过对小样本注入噪声，再利用Bootstrap重采样，对小样本进行有效的扩充；二、通过最大熵神经网络方法，对扩充后的样本数据进行训练，实现对合金材料的热力学性能与多元配方之间潜在规律的软测量；三、根据企业对材料性能的要求，确定遗传算法的适应度函数，全局优化得到多元合金材料的配方决策；四、在适应度函数中引入梯度下降法的稳健优化准则，可得到对材料配方的微小变化不敏感的配方决策。本发明提供一套系统的面向小样本数据的多元合金材料的软测量及其配方决策方法，为缩短多元合金新产品的设计周期，提高多元合金的性能提供可行的方法。

主权项

一种面向小样本试验数据的多元合金材料的软测量及其配方决策方法，其特征在于，包括以下步骤： 步骤一、基于Bootstrap及注入噪声的小样本试验数据扩充方法： 在测量中不可避免的存在随机误差，因此利用在原始小样本试验数据中注入噪声的方法，增加样本的多样性，再利用Bootstrap重采样方法，增加样本的数量，解决小样本试验数据问题； 步骤二、基于最大熵神经网络的多元合金材料的热力学性能软测量： 以基于最小误差平方和的神经网络方法为基础，利用样本点之间的不确定性信息关系，把微分熵函数加入到反向传播的目标函数当中，构建一种基于最大熵神经网络ENN(Entropy Neural Network)，并由此建立小样本试验数据下的多元合金材料热力学性能的软测量模型； 步骤三、基于遗传算法的多元合金材料的配方决策： 实现多元合金材料的热力学性能软测量之后，根据多元合金材料的机理分析确定可行解空间，在遗传算法中设计染色体编码与解码方法，并确定交叉算子、变异算子及选择算子，通过进化计算，全局优化获得多元合金材料配方的最优决策； 步骤四、基于改进适应度函数的多元合金材料配方的稳健优化准则： 考虑各原材料纯度与计量仪器的误差对多元合金材料各元素含量的影响，需要设计稳健配方，即当各组员的含量受不确定因素影响，在小范围内波动时，能够对材料热力学性能的变差影响较小，这里对遗传算法的适应度函数进行改进，利用所需考虑的各热力学性能对各元素含量求偏导数的方法来表示这个变差，再结合传统的最小二乘的优化准则，设计出稳健优化准则，从而利用遗传算法得到多元合金材料配方的稳健优化解。