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MRFO优化LSTM神经网络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：构建LSTM模型；四：采用MRFO对LSTM模型的结构参数进行优化；五：训练LSTM模型；六：评估模型性能；七：验证LSTM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表面接触角的影响。该方法能够有效地处理序列数据并实现更准确的分类预测，具有高预测精度与鲁棒性的特点。

主权项：1.一种基于MRFO优化LSTM神经网络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：构建LSTM模型，该模型由输入层、输出层和LSTM层构成，其中：输入层为电火花线切割放电参数，输出层为凹坑-凸起复合微结构表面接触角，LSTM层通过其内部的记忆单元和门控机制，捕捉输入特征之间的时序依赖关系；步骤四：结构参数优化，采用蝠鲼觅食优化算法对LSTM模型的结构参数进行优化；步骤五：使用优化后的最优结构参数组合，训练最终的LSTM模型，在训练过程中，通过交叉验证等方法避免过拟合，确保神经网络的泛化能力；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LSTM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预测评价指标，验证LSTM模型的性能、预测精度和鲁棒性；步骤八：利用优化后的LSTM模型，分析不同电火花放电参数对表面接触角的影响，通过预测结果指导实际加工过程中的参数选择，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MRFO优化LSTM神经网络的复合微结构表面接触角建模方法