一种基于随机退化过程的材料相关参数间的预测方法技术

本发明专利技术公开了一种基于随机退化过程的材料相关参数间的预测方法，包括：相关参数间样本数据的参数对进行样本分布计算，获得符合分布的参数数组和确定分布类型；从而构建分布模型；生成新的试验样本数据序列作为训练样本数据，提取训练样本的输入向量和输出向量进行回归模型训练，获得训练样本回归模型的决策函数，并计算训练样本输入向量的均值向量，通过导入回归模型预测，获得均值预测向量；将训练样本的输入向量导入回归模型预测，获得相关参数的预测输出向量，并对预测输出向量和训练样本的输出向量计算加权均方误差；从而计算均值预测向量的置信区间，结合线性差值法计算出预测值置信区间，用于评估预测值的可靠性。本发明专利技术的方法对应用于机械工程的相关材料在退化过程中难以测量的相关参数试验数据进行精准预测和评估。预测和评估。预测和评估。

【技术实现步骤摘要】
一种基于随机退化过程的材料相关参数间的预测方法


[0001]本专利技术属于工程机械产品的材料在随机退化的可靠性分析领域，特别涉及一种基于随机退化过程的材料相关参数间的预测方法。

技术介绍

[0002]工程机械产品材料的理化性能参数，对产品的可靠性评价十分重要。然而在实际应用中，产品材料的各项理化性能参数，随产品退化过程的进行而呈现非线性变化。因此对产品实现有效的可靠性评估，需要定期对产品材料的各项理化参数进行测量与分析，具有很大的工作量。另一方面，由于产品材料的理化参数往往较多，且对部分参数的测量存在较大的困难，使得在实际的测量工作中，往往需要耗费较大的人力物力。
[0003]由于理化参数为材料的本征属性，即某些参数之间存在较强的相关性，如钢材的硬度与抗拉强度、橡胶的剪切模量与韧性等，且其中部分参数的测定相对简单方便，如硬度、剪切模量等，因此可以利用这种相关关系，结合回归分析方法，在随机退化过程中，以容易测量的参数数据为自变量，实现对产品材料中难以测量的相关参数的预测。

技术实现思路

[0004]专利技术目的：为了克服现有技术中的不足，本专利技术提供一种基于随机退化过程的材料相关参数间的预测方法，基于本专利技术SVM回归预测的方法，对应用于机械工程的相关材料在退化过程中难以测量的相关参数试验数据进行精准预测和评估，实现对材料中具有相关关系的理化参数间的回归预测。
[0005]技术方案：第一方面本专利技术提供一种基于随机退化过程的材料相关参数间的预测方法，包括：
[0006]获取相关参数间样本数据的参数对；
[0007]将参数对进行样本分布计算，获得符合分布的参数数组和确定分布类型；
[0008]根据分布的参数数组和确定的分布类型构建分布模型；
[0009]根据分布模型和相关参数样本数据的参数对生成新的模拟数据序列；
[0010]将新的试验样本数据序列作为SVM回归算法训练样本数据，根据训练样本数据提取训练样本的输入向量和计算出训练样本的均值向量；
[0011]将训练样本数据进行回归模型训练，获得回归模型；并将训练样本的输入向量作为测试样本输入向量，并将其与训练样本的均值向量导入回归模型进行预测，分别获得相关参数预测输出向量、均值预测向量；
[0012]分别对预测输出向量和训练样本的输出向量进行计算，获得加权均方误差；
[0013]根据加权均方误差和均值预测向量进行计算获得均值预测向量的置信区间；
[0014]将均值预测向量的置信区间和训练样本的均值向量代入线性差值法计算，获得预测值置信区间；
[0015]根据预测值置信区间评估相关参数预测值的可靠性。
[0016]在进一步的实施例中，获取相关参数间样本数据的参数对的方法为：
[0017]在产品材料随机退化实验过程中，针对相关参数设置多个实验样本；其中相关参数为两种或两种以上相互关联的材料本征属性参量；
[0018]对多个实验样本分别测量，并记录不同时刻下相关参数间的样本数据；
[0019]将多个实验样本的样本数据按照时间顺序整理为相关参数间样本数据的参数对集合；
[0020]相关参数样本数据的参数对的表达式为：{(α
ij
,β
ij
)}|
i＝1,2,...,m；j＝1,2,...n
[0021]式中，α，β分别表示产品材料的不同属性且相互关联的参数，n表示时刻，m表示试验样本的总批次，j表示任意时刻，i表示第j时刻下的i批次实验样本。
[0022]在进一步的实施例中，将参数对进行样本分布计算，获得符合分布的参数数组和确定分布类型的方法包括：
[0023]从相关参数样本数据的参数对集合中，提取同一时刻下的相关参数数组；
[0024]将相关参数数组代入概率密度函数进行检验，判断相关参数是符合分布参数的随机分布变量；
[0025]并将通过检验后相关参数的多个实验样本的参数数组依次采用极大似然比进行计算，获取多个参数数组所对应的极大似然比值；
[0026]对多个参数数组所对应的极大似然比值进行大小判断，确定多个极大似然比值的大小；
[0027]根据极大似然比值大小确定相关参数的分布类型和符合分布的参数组；
[0028]其中，概率密度函数为：
[0029]f(α|θ
αj1
,θ
αj2
,...,θ
αjk
)
ꢀꢀ
(1)
[0030]相关参数数组代入概率密度函数检验的表达式为：
[0031][0032]式中，(θ
αj1
,θ
αj2
,...,θ
αjk
)为参数α在t时刻分布模型的参数组；H0和H1为待检验的假设问题；
[0033]其中，极大似然比的计算公式为：
[0034][0035]式中，为(θ
αj1
,θ
αj2
,...,θ
αjk
)的极大似然估计，λ为极大似然比值；其中，确定多个极大似然比值的大小的判断表达式为：
[0036][0037]式中，K为临界值。
[0038]在进一步的实施例中，根据极大似然法确定的分布参数组和确定的分布函数类型，构建材料参数的分布模型的表达式，为：
[0039][0040]在进一步的实施例中，根据分布模型和相关参数样本数据的参数对生成新的试验样本数据序列的方法包括：
[0041]对于相关参数，α，β分别建立在t时刻参数的分布模型L，并利用利用蒙特卡罗(MC:Monte Carlo)法，生成符合分布参数组和的模拟数据序列和组成样本模拟数据其中，m0表示在j时刻的模拟数据的数量。
[0042]将样本数据{(α
ij
,β
ij
)}|
i＝1,2,...,m；j＝1,2,...n
和模拟数据组成新的试验样本数据序列{(α
i'j
,β
i'j
)}|
i'＝1,2,...,m'；j＝1,2,...n
，有效包含了相关参数对α和β分布模型中的统计信息。其中：
[0043]m'＝m+m0，表示在n个时刻里，新的试验样本数据的总批次；
[0044]i'表示在第j时刻下的i'批次实验样本；
[0045]m0所受约束条件为：
[0046]40＜m+m0≤50 (6)
[0047]在式(6)中，若实测样本数据量m超过50个，则不用蒙特卡罗法生成模拟数据；若实测样本数据量m不超过40个，则需根据上述MC法适当的进行数值数据模拟，使实测样本与模拟样本数据之和满足式(6)。
[0048]在进一步的实施中，将新的试验样本数据序列作为SVM回归算法训练样本数据，根据训练样本数据提取训练样本的输入向量和计算出训练样本的均值向量的方法为：
[0049]从新的试验样本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机退化过程的材料相关参数间的预测方法，其特征在于，包括：获取相关参数间样本数据的参数对；将参数对进行样本分布计算，获得符合分布的参数数组和确定分布类型；根据分布的参数数组和确定的分布类型构建分布模型；根据分布模型和相关参数样本数据的参数对生成模拟数据序列，并与实测样本数据组成新的试验样本数据序列；将新的试验样本数据序列作为SVM回归算法训练样本数据，根据训练样本数据提取训练样本的输入向量和计算出训练样本的均值向量；将训练样本的输入向量导入回归模型训练，获得训练样本的输出向量；并将训练样本的输入向量、训练样本的均值向量导入回归模型预测，分别获得相关参数的预测输出向量、均值预测向量；对预测输出向量和训练样本的输出向量进行计算，获得加权均方误差；根据加权均方误差和均值预测向量进行计算获得均值预测向量的置信区间；将均值预测向量的置信区间和训练样本的均值向量代入线性差值法计算，获得预测值置信区间；根据预测值置信区间评估相关参数预测值的可靠性。2.根据权利要求1所述的基于随机退化过程的材料相关参数间的预测方法，其特征在于，获取相关参数间样本数据的参数对的方法为：在产品材料随机退化实验过程中，针对相关参数设置多个实验样本；其中相关参数为两种或两种以上相互关联的材料本征属性参量；对多个实验样本分别测量，并记录不同时刻下相关参数间的样本数据；将多个实验样本的样本数据按照时间顺序整理为相关参数间样本数据的参数对集合；相关参数样本数据的参数对的表达式为：{(α
ij
,β
ij
)}|
i＝1,2,...,m；j＝1,2,...n
式中，α，β分别表示产品材料的不同属性且相互关联的参数，n表示时刻，m表示试验样本的总批次，j表示任意时刻，i表示第j时刻下的i批次实验样本。3.根据权利要求1所述的基于随机退化过程的材料相关参数间的预测方法，其特征在于，将参数对进行样本分布计算，获得符合分布的参数数组和确定分布类型的方法包括：从相关参数样本数据的参数对集合中，提取同一时刻下的相关参数数组；将相关参数数组代入概率密度函数进行检验，判断相关参数是符合分布参数的随机分布变量；并将通过检验后相关参数的多个实验样本的参数数组依次采用极大似然比进行计算，获取多个参数数组所对应的极大似然比值；对多个参数数组所对应的极大似然比值进行大小判断，确定多个极大似然比值的大小；根据极大似然比值大小确定相关参数的分布类型和符合分布的参数组；其中，将相关参数α数组代入概率密度函数的表达式为：f(α|θ
αj1
,θ
αj2
,...,θ
αjk
)
ꢀꢀ
(1)相关参数α数组代入概率密度函数检验的表达式为：
式中，(θ
αj1
,θ
αj2
,...,θ
αjk
)为参数α在t时刻分布模型的参数组；H0和H1为待检验的假设问题；其中，极大似然比的计算公式为：式中，为(θ
αj1
,θ
αj2
,...,θ
αjk
)的极大似然估计，λ为极大似然比值；其中，确定多个极大似然比值的大小的判断表达式为：式中，K为临界值；4.根据权利要求3所述的基于随机退化过程的材料相关参数间的预测方法，其特征在于，根据分布的参数数组和确定的分布类型构建分布模型的方法为：根据极大似然法确定的分布参数组和确定的分布函数类型，构建材料参数的分布模型的表达式为：5.根据权利要求1所述的基于随机退化过程的材料相关参数间的预测方法，其特征在于，根据分布模型和相关参数样本数据的参数对生成新的试验样本数据序列的方法包括：对于相关参数，α，β分别建立在t时刻参数的分布模型L，并利用利用蒙特卡罗(MC:Monte Carlo)法，生成符合分布参数组和的模拟数据序列和组成样本模拟数据其中，m0表示在j时刻的模拟数据的数量；将样本数据{(α
ij
,β

【专利技术属性】
技术研发人员：严兵，郭宇，贾攀，
申请(专利权)人：江苏徐工国重实验室科技有限公司，
类型：发明
国别省市：