[发明专利]基于采用改进思维进化算法的BP人工神经元网络的喷射器性能的预测方法

权利要求书

1.一种基于采用改进思维进化算法的BP人工神经元网络的喷射器性能的预测方法，其特征在于：包括以下步骤：

步骤一，数据的采集与处理：对于给定的喷射器，收集相关参数即引射流体压力Pe、工作流体压力Pp、出口背压Pc和引射系数ε，对引射流体压力、工作流体压力与出口背压进行归一化处理，使其到[0,1]之间，公式如下：

其中，k为归一化后的数据，x为被归一化数据，x_min为被归一化数据中的最小值，x_max为被归一化数据中最大值；

步骤二，思维进化算法初始化参数设置：对包括种群大小、优胜子种群个数、临时子种群个数、子群体大小、迭代次数等参数进行设置并建立最初种群；

步骤三，根据得分函数计算最初种群中得分最高的若干个优胜个体和临时个体，以这些个体为中心产生新的个体，得到优胜子种群和临时子种群；

步骤四，趋同操作，各子种群内的个体相互竞争，直至产生成熟的子种群，将得分进行记录；

步骤五，异化操作，各个成熟子种群的最优个体进行全局竞争并形成新的临时群体；

步骤六，将得分较低的子群体中保留得分相对较高的子群体进行交叉变异得到新的个体，再将剩余的子群体淘汰掉并在全局范围内重新进行搜索并形成新的临时群体；

步骤七，重复步骤四～步骤六达到迭代次数上限，此时产生的评分最高的个体即为所求最佳个体；

步骤八，神经网络结构建立与参数初始化：根据网络的输入输出矢量，确定神经网络结构，隐含层数为一层，神经元个数根据经验公式：得出，其中l、n为输入、输出节点数，a为常数；其中，引射流体压力、工作流体压力为该神经网络的输入，出口背压、引射系数为该神经网络的输出；

步骤九，改进BP-MEA神经网络的训练：用步骤(8)中建立的人工神经网络进行训练，在经过若干次迭代直到预测值与期望值小于给定值，此时神经网络训练结束，该训练完成的神经网络即为建立的喷射器性能预测BP-MEA神经网络；

步骤十，在工程实际应用中，采集给定喷射器的实测数据，包括引射流体压力Pe、工作流体压力Pp；按步骤一的方法将数据进行归一化处理，然后再输入到建立完成的改进BP-MEA神经网络中，得到输出向量出口背压Pc和引射系数ε，再将出口背压进行反归一化处理，即得到预测值。

2.如权利要求1所述的基于采用改进思维进化算法的BP人工神经元网络的喷射器性能的预测方法，其特征在于：将所述步骤二中思维进化算法参数初始化，如种群大小、优胜子种群个数以及临时子种群个数，每个个体则由神经网络的权值与阈值组成；BP-MEA神经网络结构为l-m-n，即输入层有l个节点，隐含层有m个节点，输出层有n个节点，所以共有l×m×n个权值，m+n个阈值，个体编码长度为l×m×n+m+n个，权值与阈值为[-1,1]之间的随机数；采用上述编码建立评价函数，对个体进行评分，评分越高以该个体为权值和阈值所建立的BP-MEA神经 网络的预测结果越精确。

3.如权利要求1或2所述的基于采用改进思维进化算法的BP人工神经元网络的喷射器性能的预测方法，其特征在于：所述步骤三中，产生S个个体，按照步骤三进行评分并按照得分大小升序排列，产生N₁个评分最高的优胜个体和N₂个评分较高的临时个体，以上述个体为中心，在每个个体周围产生H个新的个体，从而得到个体数为H的N₁个优胜子种群和N₂个临时子种群。

4.如权利要求1或2所述的基于采用改进思维进化算法的BP人工神经元网络的喷射器性能的预测方法，其特征在于：所述步骤四中，趋同操作过程为：各子种群内的个体相互竞争，选取并记录最优解为所产生的新胜者，若不再产生新的胜者，则该子群体为成熟子群体，趋同过程结束后形成成熟优胜种群和成熟临时种群，分别记录各个子种群中最优个体的得分作为该子种群的得分。

5.如权利要求1或2所述的基于采用改进思维进化算法的BP人工神经元网络的喷射器性能的预测方法，其特征在于：所述步骤五中，异化操作过程为：各个成熟子种群的最优个体进行全局竞争，若临时子群体的得分高于某个成熟的优胜子群体的得分，则该优胜子群体会被获胜的临时子群体替代，原优胜子群体中的个体被释放；若一个成熟的临时子群体的得分低于任意一个优胜子群体的得分，则该临时子群体被废弃，其中的个体被释放。