申请/专利权人：福州大学

申请日：2021-11-18

公开（公告）日：2024-06-28

公开（公告）号：CN114065631B

主分类号：G06F30/27

分类号：G06F30/27;G06F30/28;G06N3/048;G06N3/084;G06N3/126;G06F113/08;G06F119/14

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.03.08#实质审查的生效;2022.02.18#公开

摘要：本发明涉及一种板材激光切割的能耗预测方法及系统，该方法包括以下步骤：（1）将激光加工设备工艺参数所对应的激光切割能耗数据划分为训练集和验证集；（2）通过K折交叉验证法划分训练集为K个子训练集；（3）使用烟花算法对极限学习机的输入权值和阙值进行优化处理，得到基于烟花算法优化极限学习机的激光切割能耗预测模型，然后将子训练集分别输入所述激光切割能耗预测模型对其进行训练，得到K个已训练的激光切割能耗预测模型；（4）通过验证集计算所述K个已训练的激光切割能耗预测模型的准确率，选择准确率最高的模型用于激光切割能耗预测。该方法及系统有利于准确预测激光切割能耗。

主权项：1.一种板材激光切割的能耗预测方法，其特征在于，包括以下步骤：1将激光加工设备工艺参数所对应的激光切割能耗数据划分为训练集Ct和验证集Cv；2通过K折交叉验证法划分训练集Ct为K个子训练集Ct1,Ct2,…,Ctk；3使用烟花算法对极限学习机的输入权值和阙值进行优化处理，得到基于烟花算法优化极限学习机的激光切割能耗预测模型，然后将子训练集Ct1,Ct2,…,Ctk分别输入所述激光切割能耗预测模型对其进行训练，得到K个已训练的激光切割能耗预测模型M1,M2,…,Mk；4通过验证集Cv计算所述K个已训练的激光切割能耗预测模型M1,M2,…,Mk的准确率，选择准确率最高的模型用于激光切割能耗预测；所述步骤3具体包括以下步骤：3.1初始化极限学习机的权值和阙值，设置烟花算法的群体规模Q、变异火花数R、迭代次数计数器t＝0以及最大迭代次数Iter_Max；对极限学习机中的数据进行设置，主要包含种群大小和迭代次数；3.2设置烟花算法的初始群体，并计算群体内个体的适应度值：将初始群体中每个个体对应的权值和阙值分别代入极限学习机中，通过训练集进行训练，并利用验证集计算训练后的极限学习机模型的预测准确率，根据预测准确率计算个体适应度值；3.3生成爆炸火花，引入高斯变异策略，生成变异火花：首先，对群体中的每个烟花个体，计算爆炸火花半径和爆炸火花数量，并生成爆炸火花；然后，随机选择R个烟花，对其分别采用高斯变异策略生成R个变异火花；对生成的每个爆炸火花和变异火花，计算个体适应度值；3.4根据选择策略从烟花、爆炸火花和变异火花中选择Q个作为下一代烟花：首先根据个体适应度值，从候选群体中选取适应度最大的一个进入下一代烟花群体中，然后采用基于适应度值的轮盘赌选择策略从候选群体中选取Q-1个烟花、爆炸火花或变异火花进入下一代烟花群体；3.5终止判断：如果迭代次数t＞Iter_Max，则终止迭代，输出最优个体及其对应的权值与阙值；否则t←t+1，返回步骤3.3；迭代完成后，得到基于烟花算法优化极限学习机的激光切割能耗预测模型；3.6将子训练集Ct1,Ct2,…,Ctk的数据输入到所述激光切割能耗预测模型对其进行训练，得到K个已训练的激光切割能耗预测模型M1,M2,…,Mk；3.7输入验证集数据并计算所述K个已训练的激光切割能耗预测模型M1,M2,…,Mk的准确率S。

全文数据：

权利要求：

百度查询： 福州大学 一种板材激光切割的能耗预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD