[发明专利]一种非晶合金热塑性成形性能的人工神经网络预测方法

权利要求书

1.一种非晶合金热塑性成形性能的人工神经网络预测方法，其特征在于，该预测方法包括下列步骤：

(a)选取多个性能参数作为非晶合金热塑性成形性能的多个影响因子，同时选取另外一个参数作为衡量非晶合金热塑性成形性能的特征指标，采集每个所述影响因子的多组数据，并将数据分为三组，分别为训练样本、验证样本和待预测样本，测试并分别获得所述训练样本和验证样本对应的特征指标测试值；

(b)选取人工神经网络模型作为非晶合金热塑性成形性能的初始预测模型，其中，将所述多个影响因子和特征指标分别设定为该初始预测模型的输入和输出，采用所述训练样本训练所述人工神经网络模型，并通过调整初始预测模型中各层的权重值，使得该初始预测模型的输出值与训练样本对应的特征指标测试值之间的误差小于预设误差目标值，以此确定改进的预测模型；

(c)采用所述验证样本和其相应的特征指标测试值对所述改进的预测模型进行验证，以此获得最终的预测模型，将所述待预测样本输入该最终的预测模型中，获得该待预测样本对应的特征指标预测值，由此完成所述非晶合金热塑性成形性能的预测；

其中，所述人工神经网络模型的输入层设置有11个神经元，该人工神经网络模型输入的所述多个影响因子为混合熵、离子率、原子电负性差比、原子半径差比率，熔化热/凝固潜热，熔化熵，熔化温度，导热系数，热导率，平均原子半径和合金的泊松比，其输出的所述特征指标为标准热稳定性参数。

2.如权利要求1所述的一种非晶合金热塑性成形性能的人工神经网络预测方法，其特征在于，在步骤(b)中，所述采用训练样本训练所述人工神经网络模型之前，采用遗传算法利用所述训练样本获得所述人工神经网络模型的初始权值和阈值。

3.如权利要求1所述的一种非晶合金热塑性成形性能的人工神经网络预测方法，其特征在于，在步骤(b)中，所述人工神经网络模型采用BP神经网络模型或RBF神经网络。

4.如权利要求3所述的一种非晶合金热塑性成形性能的人工神经网络预测方法，其特征在于，在步骤(b)中，所述BP神经网络模型中，采用双曲线正切S型传递函数连接BP神经网络模型的输入层与第一隐含层以及第二隐含层与输出层，其中，第一隐含层与第二隐含层之间采用线性传递函数连接。

5.如权利要求1所述的一种非晶合金热塑性成形性能的人工神经网络预测方法，其特征在于，在步骤(b)中，所述采用训练样本训练所述人工神经网络模型之前，采用归一化函数对所述训练样本进行归一化处理。