[发明专利]基于粗糙集和神经网络的铸造气缸盖微组织预测方法

权利要求书

1.一种基于粗糙集和神经网络的铸造气缸盖微组织预测方法，其特征在于：包括如下步骤：

步骤一、获取铸造铝合金气缸盖的铸造和热处理工艺参数数据库、气缸盖材料的微组织形貌数据库以及数据采集点的位置参数；

所述铸造工艺参数包括：凝固速率、浇铸温度、铸型温度、充型时间、充型压力、充型速度、结壳时间、增压压力、增压速度、保压时间和卸压时间；

所述热处理工艺参数包括：固溶处理温度、保温时间、冷却速度、时效温度和时效时间；

所述气缸盖材料的微组织形貌数据包括：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；

步骤二、对步骤一获取的所有数据进行归一化处理；

数据归一化处理公式为：

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

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，然后对数据集进行编码，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、将铸造和热处理工艺参数、微组织形貌数据与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：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相对于决策属性集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；其中位置参数不参与约简；

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BP神经网络模型进行微组织形貌预测。