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：江苏科技大学

摘要：本发明公开一种基于混合增强智能的船体外板曲面成形智能决策方法，对试验船体外板有限元仿真，构建支持向量机模型，采用Sigmoid函数更新模型中的收敛因子，根据靠前的三只狼的不同位置确定不同的权重，对模型中的惩罚系数和超参数寻优，构成代理模型；将仿真数据、预测数据与人工经验数据相合形成多源数据库，用知识图谱表达；基于知识图谱初步筛选出待加工船板的加工参数进行第一次加工，计算局部变形量误差，微调第二次加工的焰道位置，如此重复获得最终焰道位置；兼顾生产时间和生产能耗的权重对待加工船板的加工参数进行多目标寻优，得到最优加工参数；使用代理模型作为预测模型，考虑样本点的实际分布情况，提高了加工效率和决策准确性。

主权项：1.一种基于混合增强智能的船体外板曲面成形智能决策方法，其特征是具有以下步骤：步骤1：对试验船体外板进行有限元仿真，得到基于不同加工参数和焰道位置所对应的仿真局部变形量，组成仿真数据，步骤2：将所述的仿真数据分为训练集和测试集，归一化处理后构建支持向量机模型fx＝w·gΦx+c，超参数g＝2a·r1-a，惩罚系数c＝2·ar2，w为权向量，Φx为映射函数，r1,r2为两个[0，1]间随机产生的值；步骤3：基于灰狼和狩猎对象之间的距离D＝||c·Wpt-Wt||以及灰狼和狩猎对象当前位置的向量Wt+1＝WPt-gD，采用Sigmoid函数更新收敛因子a，t为当前迭代次数；根据靠前的三只狼的不同位置确定不同的权重，采用欧式距离式计算出灰狼更新后的位置，如此对所述的惩罚系数c和所述的超参数g进行寻优得到最优惩罚系数c和最优超参数g；步骤4：将所述的最优惩罚系数c和超参数g代入所述的支持向量机模型，先用训练集的数据进行训练，再用测试集的数据进行测试，输出预测局部变形量，构成代理模型；步骤5：将所述的仿真数据、所述的代理模型的预测数据与人工经验数据相合，形成一个多源数据库，将所述的多源数据库用知识图谱的形式表达；步骤6：确定待加工船板的加工方式，使用板展开法得到待加工船板的裂缝，根据裂缝大小推出其局部变形量，根据裂缝位置推出其焰道位置，基于所述的知识图谱初步筛选出待加工船板的加工参数，用初步筛选的加工参数进行第一次加工；步骤7：在第一次加工之后计算加工后的船板与设定的目标船板之间对应位置的局部变形量误差，微调焰道位置作为第二次加工的焰道位置，如此重复获得最终焰道位置；步骤8：兼顾生产时间和生产能耗的权重对待加工船板的加工参数进行多目标寻优，得到待加工船板的最优加工参数；步骤9：将所述的最优加工参数和所述的最终焰道位置相组合形成加工方案。

全文数据：

权利要求：

百度查询： 江苏科技大学 基于混合增强智能的船体外板曲面成形智能决策方法