基于CNN-CPSO-SVR的平面曲面气固冲蚀损失质量的预测方法技术

本发明专利技术公开了一种基于CNN

【技术实现步骤摘要】
基于CNN
‑
CPSO
‑
SVR的平面曲面气固冲蚀损失质量的预测方法


[0001]本专利技术涉及平面曲面冲蚀磨损预测
，具体为一种基于CNN
‑
CPSO
‑
SVR的平面曲面气固冲蚀损失质量的预测方法。

技术介绍

[0002]气固冲蚀磨损是一种表面磨损形式，通常发生在高速气体流经固体表面的情况下。这种磨损是由气体中携带的固体颗粒对材料表面的撞击和切削作用所引起的。从而能够保证，如涡轮叶片，风力发电扇叶，以及在多风沙地区中，石油管道等多种工业设备的安全使用，并且是后续寿命预测以及维修策略制定的基础，能够避免因设备故障更换不及时所造成的人员伤亡与经济损失。目前研究平面曲面冲蚀损失质量的方法主通过CFD的流体仿真模拟，数值模拟技术使用成本低，且易于操作，已经逐渐成为冲蚀预测研究的重要方法，但由多相流的复杂性以及流体与固相的相互作用使得仿真模拟对算力要求较高，虽能模拟出冲蚀趋势，但且尚不能对实际冲蚀情况进行完全的模拟；而进行多次的实验探究，工作量大，费时费力。随着数据处理技术愈本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于CNN
‑
CPSO
‑
SVR的平面曲面冲蚀损失重量的预测方法其实验内容与包括以下步骤:(1)实验设计使用3D打印技术将光敏树脂打印成平板，内曲面，外曲面的冲蚀样件,使用80目，100目，120目的沙子，气体表观流速控制为15m/s,30m/s,分别在30
°
，45
°
，60
°
，75
°
，90
°
处对其进行1min的冲蚀磨损实验。(2)冲蚀磨损实验根据步骤(1)当中样件的种类，沙砾目数，冲蚀角度以及冲蚀速度为特征，得到实验数据，每组重复五次，通过失重法得到其损失质量，取五次的平均失重量为当前组的冲蚀损失质量。2.基于CNN
‑
CPSO
‑
SVR的平面曲面冲蚀损失重量的预测方法其模型特征包括以下步骤:S1以步骤(2)得到的冲蚀磨损数据集为基础建立基于自适应卷积神经网络与支持向量回归机的平面曲面冲蚀损失重量模型，以8:2的比例把数据集分为训练集和测试集。S2根据权利要求1中基于CNN
‑
CPSO
‑
SVR的平面曲面冲蚀损失重量的预测方法，其特征在于采用自适应卷积神经网络对输入数据预处理进行预先的特征提取，把特征提取值作为S3中经过混沌粒子群优化算法优化的支持向量回归机的输入值，其优势在于能够获得数据的深层特征，使模型的预测更加精确。获得特征值的方法则是首先构建以[3
×
1]维度卷积核的卷积层，通过以下公式实现:y
i,j,k
表示卷积层输出的第k个通道在位置(i,j)上的值，w
u,v,c,k
是卷积核在位置(u,v)上的权重值，表示输入的第k个通道在位置(i+s
h
u,j+s
w
v)上的值，b
k
是第k个卷积核的偏置值，f
h
和f
w
分别表示卷积核的高度和宽度，s
h
和s
w
分别表示卷积核在高度和宽度方向上的步长，c表示输入的通道数。其次把经过卷积得到的输出当作输入，构建批量归一化层，通过以下公式实现:其中，μ是输入的均值，σ是输入的标准差，∈为趋于0的数。是归一化后的输出。再者构建Relu层，其通过以下公式实现:以此卷积层，批量化归...

【专利技术属性】
技术研发人员：于海跃，刘浩楠，王平凯，王飞，邵雷童，杨瑞琦，孙凯欣，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：