一种基于区间过程与神经网络融合的复合材料性能退化预测方法技术

本发明专利技术公开了一种基于区间过程与神经网络融合的复合材料性能退化预测方法，包括：利用灰色系统理论建立基于区间过程的复合材料退化模型作为区间过程模型；获得区间过程模型的中值函数和半径函数；利用先验信息对获得的退化试验数据集进行平滑插值处理；将试验数据集与区间过程模型相结合，进行区间过程坐标转换，获得坐标转换后的映射坐标集；确定映射坐标集的序列，并进行归一化预处理；利用映射数据对构建好的双向长短期记忆神经网络进行训练与预测，获取到预测数据集；基于区间过程坐标对预测数据集进行反映射，获得性能退化数据的预测数据集。本发明专利技术结合区间退化模型与双向长短期记忆神经网络以实现复合材料性能退化预测。

【技术实现步骤摘要】

本专利技术属于材料，涉及复合材料性能退化预测技术，具体涉及一种基于区间过程与神经网络融合的复合材料性能退化预测方法。

技术介绍

1、复合材料的性能退化预测方法可分为两类，即基于物理机理的方法和数据驱动的方法。对于前者，已经开发了许多基于物理机理分析的模型来描述退化过程并研究其应用。另一大类用于退化预测数据驱动的模型大多基于机器学习(ml，machine learning)方法，包括支持向量回归(svr，supportvector regression，svr)、随机森林和人工神经网络等。此外，对于使用时间序列数据集的退化预测，lstm网络属于递归神经网络(rnn，recurrentneural networks)，是目前最流行的数据驱动模型之一。

2、对于实际工程中复合材料的性能退化模型，基于物理的方法和数据驱动的方法都有不同的局限性。如果模型定义得当，基于物理的方法可能具有良好的模型可解释性和高预测精度，但同时复杂模型的参数难以调整，这些模型也可能是不完整的。另一方面，数据驱动的方法可以映射复杂的系统模式或系统机制，但这在很大程度上取决于数据本文档来自技高网...

【技术保护点】

1.一种基于区间过程与神经网络融合的复合材料性能退化预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于区间过程与神经网络融合的复合材料性能退化预测方法，其特征在于，所述步骤S1中区间过程模型的建立方法包括：

3.根据权利要求2所述的一种基于区间过程与神经网络融合的复合材料性能退化预测方法，其特征在于，所述步骤A1中数据序列x(0)的表达为：

4.根据权利要求2所述的一种基于区间过程与神经网络融合的复合材料性能退化预测方法，其特征在于，所述步骤A3中差值Δ(i)定义为：

5.根据权利要求2所述的一种基于区间过程与神经网络融...

【技术特征摘要】

1.一种基于区间过程与神经网络融合的复合材料性能退化预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于区间过程与神经网络融合的复合材料性能退化预测方法，其特征在于，所述步骤s1中区间过程模型的建立方法包括：

3.根据权利要求2所述的一种基于区间过程与神经网络融合的复合材料性能退化预测方法，其特征在于，所述步骤a1中数据序列x(0)的表达为：

4.根据权利要求2所述的一种基于区间过程与神经网络融合的复合材料性能退化预测方法，其特征在于，所述步骤a3中差值δ(i)定义为：

5.根据权利要求2所述的一种基于区间过程与神经网络融合的复合材料性能退化预测方法，其特征在于，所述步骤a4中区间变量的上下边界的计算方法为：

6.根据权利要求1所述的一种基于区间...

【专利技术属性】
技术研发人员：孙东阳，梁雪峰，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：