欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018112027766
申请人: 北京工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-17
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于BP神经网络改进算法的铁磁材料硬度预测算法,其特征在于:具体实施步骤如下:步骤1,采集铁磁材料的巴克豪森信号,对信号集进行划分,获取巴克豪森噪声训练集和巴克豪森噪声测试集;

步骤2,对巴克豪森噪声信号进行特征提取;

步骤2.1,对巴克豪森噪声信号进行AR谱分析;

AR谱估计分为三步:第一步,假设出于观测的数据相符合的阶数P,使用了5个阶次的展开,分别是4、8、16、32、64;第二步,根据部分采集的数据去估计AR谱中的参数;在自回归模型中,利用式(1)检测一个时间序列{X(n)}中的未知数据点的数值:其中,x(n)是{X(n)}未知的所求点,{X(n)}为输入的信号序列,x1,x2,…,xp是x(n)前p个点,a1,a2,…,ak...,ap是AR谱的p个参数,为这个公式所求项,u(n)是白噪声项;

要计算未知点x(n)则需要预估x1,x2,…,xp和u(n)这p+1个值的点,利用的差值来计算u(n);即实际预估的就是这p个AR谱的阶数参数,从而使得计算功率谱不再需要将采集到的点的数值设为0;对上式的求解方法为最小二乘法,对于观测数据{X(n)}来说,x(p)之前的数据为已知数据,x(p)及之后的数据为检测数据;在最小二乘法中有式(2):Y=XA+ε   (2)

其中

Y=[x(p),x(p+1),…,x(N)]T

A=[a1,a2,...,ap]T

ε=[u(p),u(p+1),…,u(N)]T

上述公式中,N为输入信号的总数量,a1,a2,...,ap为所求的AR谱特征参数,u(p),u(p+

1),…,u(N)为白噪声,T表示矩阵的转置;根据最小二乘法原理得到模型参数A的估计为:A=(XTX)-1XTY   (3)

从而得到AR谱特征参数;

第三步,利用第二步所得到的参数计算功率谱与能量谱;根据AR模型的假设,计算单边功率谱密度根据式(4)得到其中S(w)就是计算所需的单边功率谱密度,ak为上个步骤中求出的AR谱特征参数,w是频域值,σ2是利用 的差值计算出的高斯白噪声的功率谱密度,j为虚部,即为上文中的u(n)的功率谱密度;

经过上述步骤,p值分别取4、8、16、32、64,从而得到了巴克豪森噪声5个阶次的AR谱;

步骤2.2,特征抽取与统一

对于上述步骤中得到巴克豪森噪声的5阶AR谱,;先对AR谱求一阶导,滤除噪声;然后求二阶导数,把一阶导数的两部分融合成一个谷,从而去除冗余信息,因此最后对于每一个巴克豪森噪声信号来说,特征源是AR谱信号的二阶导数,而提取的特征分别的是AR二阶导数的每个谷的谷宽,谷深和谷值点所在的位置三个特征;

得到上述特征后再使用kmeans算法对所有谷进行聚类,并按照每个谷所归属的类别对得到的特征进行编码,规则为若一个有某类谷则标1,无则标0;从而将每个样本的特征数量进行了统一;

步骤3,BP神经网络设计与优化

本步骤的输入为上一步得到的归一化后的特征,将特征输入到改进BP神经网络;

改进BP神经网络的方法是先采用行采样的方式,每次抽取训练集的75%作为训练子集,一共采样10次;经过这些子集就学习出10个BP神经网络,将需要检测的样本分别放入其中,得到10个检测结果,检测结果求和取均值则为最终检测结果,最终输出单位为维氏硬度的铁磁材料预测硬度。