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：哈尔滨理工大学

摘要：本发明公开了一种基于WOA优化CNN‑BiLSTM‑Attention组合模型的复合微结构表面接触角建模方法，所述方法包括如下步骤：一：建立电火花线切割单脉冲放电热‑流耦合仿真模型与凹坑‑凸起复合微结构表面润湿性能数值计算模型，得出不同放电参数下的凹坑‑凸起复合微结构并计算其接触角度；二：对数据进行收集分析、标准化处理；三：设计CNN‑BiLSTM‑Attention组合模型；四：采用WOA对模型的超参数进行优化；五：训练模型；六：评估模型性能；七：验证模型的性能、预测精度和鲁棒性；八：分析不同电火花放电参数对凹坑‑凸起复合微结构表面接触角的影响。该方法具有高预测精度与鲁棒性的特点。

主权项：1.一种基于WOA优化CNN-BiLSTM-Attention组合模型的复合微结构表面接触角建模方法，其特征在于所述方法包括如下步骤：步骤一：利用COMSOL软件，建立电火花线切割单脉冲放电热-流耦合仿真模型与凹坑-凸起复合微结构表面润湿性能数值计算模型，得出不同放电参数下的凹坑-凸起复合微结构并计算其接触角度；步骤二：对步骤一获取的数据进行收集分析，对收集的数据进行标准化处理，使得数据缩放到特定区间，即[0，1]，以消除不同量纲之间的影响，进而确保输入数据的一致性和可比性，选取不同放电参数以及对应凹坑-凸起复合微结构表面接触角信息作为训练集与测试集使用；步骤三：设计CNN-BiLSTM-Attention组合模型，该组合模型由CNN、BiLSTM、Attention和全连接层构成，具体架构如下：CNN：包括输入层、多个卷积层、池化层，输入层接受归一化处理后的数据，卷积层同时学习多个不同的卷积核，每个卷积核对输入数据进行特征提取，选取出重要特征数据，得到输出数据OutPut1；池化层对特征数据进行降维处理，保留最显著特征，得到输出数据OutPut2；BiLSTM：由两个LSTM构成，将池化层降维后的输出数据OutPut2输入BiLSTM中前向和后向两个方向链式连接的LSTM单元中进行时间序列计算，得到输出数据OutPut3；Attention：对BiLSTM的输出数据OutPut3进行加权，突出重要特征，得到输出数据OutPut4；全连接层：将Attention得到的输出数据OutPut4映射到最终的回归输出，即凹坑-凸起复合微结构的接触角；步骤四：超参数优化，采用鲸鱼优化算法对CNN-BiLSTM-Attention组合模型的超参数进行优化；步骤五：使用优化后的超参数组合，训练最终的CNN-BiLSTM-Attention组合模型；步骤六：训练完成后，通过计算若干评价指标来评估训练完成后的CNN-BiLSTM-Attention组合模型的预测结果与真实值之间的差异，将各项指标结果进行汇总和分析，评估模型性能；步骤七：通过计算预测结果与真实值之间的评价指标，验证CNN-BiLSTM-Attention组合模型的性能、预测精度和鲁棒性；步骤八：利用优化后的CNN-BiLSTM-Attention组合模型，分析不同电火花放电参数对凹坑-凸起复合微结构表面接触角的影响，通过预测结果指导实际加工过程中的放电参数选择，实现对凹坑-凸起复合微结构表面润湿性的精确控制。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 基于WOA优化CNN-BiLSTM-Attention组合模型的复合微结构表面接触角建模方法