[发明专利]基于强化T-S模糊神经网络的径向锻造凹坑预测优化方法在审
| 申请号： | 201711204015.X | 申请日： | 2017-11-27 |
| 公开（公告）号： | CN109840335A | 公开（公告）日： | 2019-06-04 |
| 发明（设计）人： | 董湘怀;王碧凝;王新宝;黄艳龙;何雪龙;苏建婷 | 申请（专利权）人： | 上海交通大学;兰州兰石能源装备工程研究院有限公司 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/04 |
| 代理公司： | 上海交达专利事务所 31201 | 代理人： | 王毓理;王锡麟 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于强化T‑S模糊神经网络的径向锻造凹坑预测优化方法，通过从径向锻造试验和有限元仿真结果中提取出样本的端部凹坑值和对应的工艺参数并构建得到T‑S模糊神经网络的训练集合，用其对T‑S模糊神经网络的输出值进行误差估计后，得到AdaBoost算法强化T‑S模糊神经网络并再次对无量纲端部凹坑值进行预测，得到优化工艺参数组合。本发明将强化T‑S模糊神经网络运用于工业生产过程中，能有效地提高工艺优化的准确性和效率，降低优化成本，提高径向锻造尺寸精度、节省材料。 | ||
| 搜索关键词： | 模糊神经网络 径向锻造 凹坑 预测 优化 工业生产过程 优化工艺参数 仿真结果 工艺优化 节省材料 误差估计 训练集合 无量纲 有效地 构建 样本 输出 试验 | ||
【主权项】：
1.一种基于强化T‑S模糊神经网络的径向锻造凹坑预测优化方法，其特征在于，通过从径向锻造试验和有限元仿真结果中提取出样本的端部凹坑值和对应的工艺参数并构建得到T‑S模糊神经网络的训练集合，用其对T‑S模糊神经网络的输出值进行误差估计后，得到AdaBoost算法强化T‑S模糊神经网络并再次对无量纲端部凹坑值进行预测，得到优化工艺参数组合；所述的训练集合包括：训练集、验证集和预测集的输入数据和训练集、验证集的预期输出数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学;兰州兰石能源装备工程研究院有限公司，未经上海交通大学;兰州兰石能源装备工程研究院有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711204015.X/，转载请声明来源钻瓜专利网。
