买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：金丰良

摘要：本发明公开了一种炭黑‑碳纤维混杂增强形状记忆复合材料评价方法，包括：收集待检测材料的性能数据和比例数据；根据性能数据和比例数据得到变化特征，基于变化特征得到变化数据，基于变化特征对性能数据进行选择得到影响数据，根据变化数据得到第一数据，根据影响数据得到第二数据；通过第一数据和第二数据计算得到评价数据，根据评价数据建立SMP评价模型；对SMP评价模型进行参数优化，将待评价数据输入SMP评价模型得到评价结果。该方法不仅提高了对炭黑‑碳纤维混杂增强形状记忆复合材料性能评估的准确性和效率，而且为材料的进一步优化和应用提供了重要的科学依据，具有广泛的工业应用前景和商业价值。

主权项：1.一种炭黑-碳纤维混杂增强形状记忆复合材料评价方法，其特征在于，包括以下步骤：收集待检测材料的性能数据和比例数据；所述性能数据包括增强性能数据和原始性能数据，所述增强性能数据和所述原始性能数据分别为所述待检测材料和未使用炭黑-碳纤维增强材料的基体材料的力学性能、导电性能、形状记忆性能和变形性能，所述比例数据为炭黑和碳纤维在所述待检测材料中的比例；根据所述性能数据和所述比例数据得到变化特征，基于所述变化特征得到变化数据，基于所述变化特征对所述性能数据进行选择得到影响数据，包括：使用所述增强性能数据相对于所述原始性能数据的变化百分比作为第一变化数据，使用所述第一变化数据拟合所述比例数据：残差连接：Hout＝Hin⊙Wadd+FHin,{W}+badd其中Hout为残差块的输出，Hin为所述残差块的输入，Wadd为所述残差连接中的权重矩阵，⊙为逐元素乘积，FHin,{W}为残差块内部的多层卷积操作，W为卷积层的权重参数，badd为所述残差连接中的偏置项，在所述卷积层的输出中加入噪声项ε，模拟数据中的随机扰动： 其中Hconv为所述卷积层的输出，ReLU为非线性激活函数，W1,W2为所述卷积层的权重矩阵，b1,b2,b3为所述卷积层的偏置项，为所述卷积层的输入，损失函数: 其中λ1,λ2为L1和L2正则化的权重，∥Wlayer∥1和分别是权重矩阵Wlayer的L1和L2范数，多尺度残差连接： 其中φ为所述多尺度残差连接的函数，S是尺度集合，ψs是尺度s上的特征融合函数，和分别表示在尺度s上的输入和经过尺度处理的残差函数输出，对所述权重矩阵中的权重进行动态调整： 其中为在时间步t上的动态调整后的所述权重矩阵，Hlayer-1表示网络中当前层layer的前一层的输出，M,c为用于调整所述权重矩阵中的权重的可学习参数，t表示当前的时间步，所述非线性激活函数的动态调整：ReLUdynx；a,b＝maxax+b,0其中ReLUdyn为动态调整的ReLU激活函数，a,b为控制激活函数斜率和偏移的可学习参数，特征选择正则化： 其中Lfeature为考虑特征选择的损失函数，为输出的对数，Sparsity为促进权重稀疏性的函数，为拉普拉斯先验，将特征选择得到的特征作为所述变化特征，基于所述变化特征对所述第一变化数据进行特征选择得到所述变化数据，基于所述变化特征对所述性能数据进行特征选择得到所述影响数据，根据所述变化数据得到第一数据，根据所述影响数据得到第二数据；通过所述第一数据和所述第二数据计算得到评价数据，根据所述评价数据建立SMP评价模型；对所述SMP评价模型进行参数优化，将待评价数据输入所述SMP评价模型得到评价结果。

全文数据：

权利要求：

百度查询： 金丰良 一种炭黑-碳纤维混杂增强形状记忆复合材料评价方法