[发明专利]基于粗糙集和神经网络的铸造气缸盖力学性能预测方法

权利要求书

1.一种基于粗糙集与神经网络的铸造气缸盖力学性能的预测方法，其特征在于：包括以下步骤：

步骤一、获取铸造铝合金气缸盖材料的微组织结构信息数据库、气缸盖材料的力学性能数据库以及气缸盖取样位置参数；

所述气缸盖材料的微组织结构信息数据包括：晶粒尺寸、二次枝晶臂间距、二维孔隙率、金相孔隙面积、金相孔隙最大Feret尺寸、共晶硅面积均值、共晶硅长宽比均值、共晶硅最大Feret尺寸均值和共晶硅颗粒圆度均值；

所述铸造气缸盖力学性能参数包括：屈服强度、抗拉强度、断后伸长率、断面收缩率、弹性模量、疲劳极限和疲劳寿命；

所述气缸盖位置参数包括：顶板、力墙和底板；

步骤二、对步骤一获取的数据进行归一化处理；

数据归一化处理公式为：

式中，X表示归一化前的试验数据，X^*表示归一化后的试验数据，X_max为试验数据的最大值，X_min为试验数据的最小值；

步骤三、对步骤二归一化处理后的试验数据进行离散化处理，编码后得到离散化后的决策表；

步骤四、对步骤三得到的决策表中的条件属性进行重要度计算，然后依据重要度进行数据约简，以获取试验数据的约简子集；

S41、将微组织参数、力学性能数据以及位置参数决策表定义为一个四元组：

DT＝(U,C∪D,V,f)

其中：U：论域；

C∪D：C为条件属性集，D为决策属性集；

V：V＝∪V为属性的值域；

f：决策表的信息函数；

S42、给定一个决策表DT＝(U,C∪D,V,f)，存在属性集存在a∈C-B，

定义：

为条件属性a对条件属性集B相对于决策属性D的重要度；

S43、利用遗传算法对决策表进行属性约简，得到属性约简子集；

步骤五、通过粗糙集属性约简得到约简子集，利用此约简子集作为BP神经网络的输入层，并选取训练函数和传递函数建立BP神经网络预测模型；

步骤六、验证所述BP神经网络预测模型的有效性；

步骤七、若所述神经网络预测模型验证有效，采用所述模型进行力学性能预测。