[发明专利]一种融合专家经验的高维小数据的代理模型构建方法

权利要求书

1.一种融合专家经验的高维小数据的代理模型构建方法，其特征在于，包括如下步骤：

步骤1，咨询汇总专家对于机翼形状设计中设计变量和设计目标间的对应关系的专家经验；所述专家经验包括输入参数与输出参数之间的函数关系；

步骤2，构建神经网络，其中，神经网络的输入为设计变量，输出为设计目标；其中，输入参数为机翼长度、机翼宽度、重量形状参数；输出参数为升力系数，阻力系数；

步骤3，采用遗传算法对步骤2构建的神经网络的权值进行训练，并以专家经验和拟合精度作为约束条件，训练得到的最优神经网络即为所求代理模型；具体包括如下子步骤：

步骤3.1，以神经网络为遗传算法中的种群个体，以神经网络的权值为个体基因，设定遗传算法种群大小，构建种群，设定交叉概率与变异概率；其中，初始种群中，各个体的初始权值为随机生成；

步骤3.2，针对当前种群，以样本集中的输入参数为作为各个体的输入，得到各个体的输出值；计算各个体的专家经验通过率和拟合精度；

所述专家经验通过率和拟合精度的计算方法如下：

针对各个体，针对其每次输入，改变输入值大小，判断其输出量的变化是否满足对应的专家经验，统计该个体在所有输入样本下的满足专家经验的百分比，获得该个体的专家经验通过率；

针对各个体，针对其的每次输入，计算其输出值与期望值之间的差值，统计该个体在所有输入样本下的输出值与期望值之间的差值，获得该个体的拟合精度；

步骤3.3，判断是否达到迭代次数要求，或者当前种群满足如下条件：种群中各个体的专家经验通过率均为100％且拟合精度均达到设定要求，若满足，则从当前种群中挑选出专家经验通过率最高且拟合精度也最高的个体所对应的神经网络作为代理模型输出；若不满足，则执行步骤3.4；

步骤3.4，以当前种群为父代种群，对父代种群实行遗传操作，得到子代种群；按照步骤3.2的方式，计算获得子代种群各个体的专家经验通过率和拟合精度；从父代种群和子代种群中挑选出专家经验通过率高的个体，组成新种群，其中，若专家经验通过率相同，则从中挑选出拟合精度高的个体，组成新种群；以新种群作为当前种群，执行步骤3.2～3.4，直到获得代理模型。

2.如权利要求1所述的融合专家经验的高维小数据的代理模型构建方法，其特征在于，所述步骤1中，对汇总的专家经验按照粒度进行分层，对于同一类型的专家经验，仅保留粒度最细的专家经验。

3.如权利要求2所述的融合专家经验的高维小数据的代理模型构建方法，其特征在于，所述专家经验分为如下四层：

第一层为对输入参数与输出参数之间函数基础特征的认识；第二层为输入与输出之间函数的单调性关系；第三层为输入参数与输出参数之间的倍数关系；第四层为输入参数与输出参数之间的完整关系式；层数越高，粒度越细。

4.如权利要求1所述的融合专家经验的高维小数据的代理模型构建方法，其特征在于，所述步骤2中，所述神经网络为全连接三层神经网络；其中，神经网络的激活函数为Sigmoid激活函数，神经网络的初始权值为-1到1之间的随机数；隐含层节点个数H由下式计算得到：

其中，m为输入层节点个数，n为输出层节点个数，a为1～10之间的调节常数。

5.如权利要求1所述的融合专家经验的高维小数据的代理模型构建方法，其特征在于，所述遗传操作包括交叉和变异。