[发明专利]一种基于ISSA-ELM的水火弯板变形预测方法

说明书

本发明涉及一种基于ISSA‑ELM的水火弯板变形预测方法，步骤为：采集水火弯板历史加工数据，构建水火弯板加工训练集；将获取的训练集样本归一化处理；根据所采集的数据样本，确定ELM网络的输入层、输出层和隐含层参数，建立ELM模型；利用改进的樽海鞘优化算法(ISSA)优化原始ELM网络的初始权值和阈值；利用训练集对ELM网络进行训练，完成对ELM网络的最终构建；将实际的加工数据输入到ELM网络中，输出结果反归一化处理；最终得到水火弯板加工变形预测结果。本发明可有效的应用于水火弯板加工变形预测，具有良好的预测精度和稳定性。

技术领域

本发明涉及一种水火弯板变形预测方法，更具体地，涉及一种基于ISSA-ELM的水火弯板加工变形预测方法。

背景技术

船体外板是船舶的主体结构中的重要组成部分，其作用是保证船体水密性，使船舶能够在水中漂浮且具有运载功能，保证船体的强度和刚度，承受船体服役期间的外部载荷。船舶曲板的制造方法主要有冷成型和热成型两种方式。在冷成型中，一般通过液压或辊压施加载荷，以达到所需的预期变形。热成型是在钢板表面施加热源，产生温度梯度，导致金属板材局部变形。目前，加工不可展曲面的主要方法是热成型，水火弯板技术是制造大型船体和复杂曲面的主要技术之一，具有应用范围广、成本低、灵活、适应度高等优点。在水火弯板加工中，其加工过程多由现场工人根据自身经验手工作业完成，经手工加工的板材成形质量不一，效率低下。所以有必要研究水火弯板加工参数与变形效果之间的关系。提前预测这些参数对成形效果的影响，可以为技术人员提供理论依据，对现场加工具有重要意义。

发明内容

发明目的：本发明的目的是提供一种预测精度高、预测效率高的水火弯板加工变形预测方法。

本发明所述的基于ISSA-ELM的水火弯板变形预测方法，包括以下步骤：

S1采集水火弯板加工历史数据，构建训练集；

S2将采集的数据进行归一化处理；

S3根据所采集的加工数据，确定ELM网络的输入层、输出层和隐含层参数；

S4利用改进的樽海鞘算法对ELM网络的初始权值和阈值进行优化；

S5将加工历史数据作为优化后的ELM网络的训练集，对ELM网络训练；

S6将实际加工参数输入到训练完成的ELM网络中，得到输出结果，将结果反归一化处理；

S7获得相应加工参数下的变形预测结果。

S1所述的水火弯板历史加工数据，包括加热速度、热输入量、板材厚度、加热次数、加热线长度、加热线宽度、加热线距板宽距离、水火距、焰心距、横向收缩量和角变形。

S2所述数据归一化处理，公式如下：

式中，T为目标数据；T_max为目标数据最大值；T_min为目标数据最小值；X_max为样本数据最大值；X_min为样本数据最小值；X为样本数据。

S3所述ELM网络中，加热速度、热输入量、板材厚度、加热次数、加热线长度、加热线宽度、加热线距板宽距离、水火距和焰心距作为输入层参数，横向收缩量和角变形作为输出层参数。

在S4中调用经改进的樽海鞘算法确定ELM模型的初始权值w和阈值b，包括步骤：将ELM网络模型中的初始权值w和阈值b作为樽海鞘群搜索空间中的一只樽海鞘，利用樽海鞘算法进行迭代寻优，设置樽海鞘算法的初始参数后按照ISSA算法中樽海鞘领导者和追随者的位置更新公式进行更新，直到迭代满足条件后输出最优解作为ELM网络模型中的初始权值w和阈值b；

领导者樽海鞘和追随者樽海鞘位置更新公式分别如下：