[发明专利]一种基于GA-ELM算法的铝合金压铸件晶粒尺寸预测方法

摘要

本发明公开了一种基于GA‑ELM算法的铝合金压铸件晶粒尺寸预测方法，包括：(1)将遗传算法(GA)与极限学习机(ELM)结合的新算法GA‑ELM；(2)利用GA‑ELM算法实现对晶粒尺寸高效率、高精度及低成本的预测；(3)用户直接将需要预测的工艺参数输入到已训练好的GA‑ELM模型中，经过计算后便可得到对应的晶粒尺寸预测值。本发明将遗传算法和极限学习机相结合的GA‑ELM模型，采用GA对ELM的输入层权值矩阵和隐含层阈值矩阵进行优化，避免了输入层权值矩阵和隐含层阈值矩阵随机性对ELM预测精度的影响，提高了预测准确率和预测效率，成本也大大降低，另外也能够丰富铝合金压铸件晶粒尺寸预测方法的模型库。

主权项

1.一种基于GA-ELM算法的铝合金压铸件晶粒尺寸预测方法，其特征在于：该方法包括以下步骤：/n(1)参数确定：选取模具预热温度、压射温度、低速充型速度、高速充型速度的工艺参数作为输入参数；/n(2)通过软件模拟或实验的方法获取预测的数据样本，将数据样本分为训练集和测试集；/n(3)使用遗传算法优化极限学习机的初始权值和阈值，从而获得新算法GA-ELM算法；/n(4)使用步骤(2)中获得的训练集数据样本对步骤(3)中的GA-ELM新算法进行训练，GA-ELM训练步骤如下：/n①首先读入实验数据，将实验数据分成训练集和测试集，并将数据进行归一化处理；/n②调用遗传算法寻找ELM算法最优的初始输入层权值矩阵和隐含层阈值矩阵，种群中的每个个体都包含了一个ELM网络的所有权值和阈值，个体通过适应度函数计算个体适应度值，遗传算法通过选择、交叉和变异操作找到最小适应度值对应个体；/n个体适应度函数取为ELM网络对训练集中部分样本预测的平均误差；/n