[发明专利]基于BP神经网络算法的损伤点尺寸分布预测方法及系统有效
申请号: | 202011568129.4 | 申请日: | 2020-12-25 |
公开(公告)号: | CN112580264B | 公开(公告)日: | 2023-07-07 |
发明(设计)人: | 宋辞;石峰;邓明杰;张耀飞;田野 | 申请(专利权)人: | 中国人民解放军国防科技大学 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06N3/04;G06N3/084;G06F111/04 |
代理公司: | 湖南兆弘专利事务所(普通合伙) 43008 | 代理人: | 谭武艺 |
地址: | 410073 湖南*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 bp 神经网络 算法 损伤 尺寸 分布 预测 方法 系统 | ||
1.一种基于BP神经网络算法的损伤点尺寸分布预测方法,其特征在于,包括:获取损伤元件初始的损伤点分布N0和去除指定深度后的损伤点分布N1;将损伤元件初始的损伤点分布N0,去除指定深度后的损伤点分布N1及目标去除深度h输入预先训练好的机器学习分类模型,得到目标去除深度h时的损伤点分布Nh,所述机器学习分类模型被预先训练建立了作为输入的将损伤元件初始的损伤分布N0、去除指定深度后的损伤点分布N1、目标去除深度h,以及作为输出的目标去除深度h时的损伤点分布Nh的之间的映射关系。
2.根据权利要求1所述的基于BP神经网络算法的损伤点尺寸分布预测方法,其特征在于,所述损伤点分布N0、损伤点分布N1以及损伤点分布Nh均包括n种连续分布的损伤点大小区间范围对应的损伤点数量。
3.根据权利要求1所述的基于BP神经网络算法的损伤点尺寸分布预测方法,其特征在于,所述去除指定深度后的损伤点分布N1是指去除1μm后的损伤点分布N1。
4.根据权利要求1所述的基于BP神经网络算法的损伤点尺寸分布预测方法,其特征在于,所述获取损伤元件初始的损伤点分布N0和去除指定深度后的损伤点分布N1具体是使用表面质量检测技术检测获得,所述表面质量检测技术为显微暗场散射成像技术、光学显微镜技术、原子力显微镜技术、扫描电子显微镜技术中的一种。
5.根据权利要求1所述的基于BP神经网络算法的损伤点尺寸分布预测方法,其特征在于,所述损伤元件为熔石英元件、单晶硅元件或蓝宝石元件。
6.根据权利要求1所述的基于BP神经网络算法的损伤点尺寸分布预测方法,其特征在于,所述机器学习分类模型为BP神经网络,所述BP神经网络包括输入层、隐含层和输出层,其中输入层的神经元为2n+1个,隐含层的神经元数量为4n+3个,输出层的神经元数量为n个。
7.根据权利要求1所述的基于BP神经网络算法的损伤点尺寸分布预测方法,其特征在于,所述将损伤元件初始的损伤点分布N0,去除指定深度后的损伤点分布N1及去除深度h输入预先训练好的机器学习分类模型之前还包括训练机器学习分类模型的步骤:
1)制造多组损伤样件;
2)获取各件损伤样件初始的损伤点分布N0和去除指定深度后的损伤点分布N1;
3)将所有损伤样件分别去除不同的测试去除深度hx,然后获取测试去除深度hx时的损伤点分布Nx,从而形成由损伤样件初始的损伤分布N0、去除指定深度后的损伤点分布N1、测试去除深度hx,以及作为输出的测试去除深度hx时的损伤点分布Nx构成的训练数据;
4)通过训练数据训练机器学习分类模型直至满足预设的约束条件。
8.根据权利要求7所述的基于BP神经网络算法的损伤点尺寸分布预测方法,其特征在于,所述预设的约束条件为平均相对误差E1和均方根相对误差E2小于预设阈值。
9.一种基于BP神经网络算法的损伤点尺寸分布预测系统,包括相互连接的微处理器和存储器,其特征在于,所述微处理器被编程或配置以执行权利要求1~8中任意一项所述基于BP神经网络算法的损伤点尺寸分布预测方法的步骤,或者所述存储器中存储有被编程或配置以执行权利要求1~8中任意一项所述基于BP神经网络算法的损伤点尺寸分布预测方法的计算机程序。
10.一种计算机可读存储介质,其特征在于,该计算机可读存储介质中存储有被编程或配置以执行权利要求1~8中任意一项所述基于BP神经网络算法的损伤点尺寸分布预测方法的计算机程序。
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中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,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/pat/books/202011568129.4/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种轨道交通低照度图像增强算法
- 下一篇:一种一清组合物及制备方法