[发明专利]一种微热管结构及工艺参数的预测方法

权利要求书

1.一种微热管结构及工艺参数的预测方法，其特征在于，所述微热管基于编织网和平面丝网复合吸液芯结构，所述方法包括：

S1：获取编织网和平面丝网复合吸液芯微热管，确定需预测的因变量参数和作为输入的自变量参数；

S2：获取上述参数后，设计编织网和平面丝网复合吸液芯结构微热管实验，形成微热管参数数据集；

S3：对S2中所获得的微热管参数数据集进行数据预处理和特征筛选，得到预处理后的数据集，所述特征筛选为剔除微热管参数数据中对参数预测过程冗余的数据特征；

S4：将预处理后的数据集中经过特征筛选后的自变量参数作为模型输入，将S1中所述因变量参数作为模型输出，采用机器学习算法进行训练，得到训练好的参数预测模型。

2.根据权利要求1所述的一种微热管结构及工艺参数的预测方法，其特征在于，所述机器学习算法为：多层感知机算法，形成参数预测模型的步骤包括：

将S3中预处理后的数据集，按照不同的比例划分训练集和测试集，采用k折交叉验证法分配每次模型训练过程中的训练集和测试集；

将经过特征筛选后的自变量参数作为模型输入，将S1中所划分的因变量作为模型输出，训练多层感知机模型，所述模型训练过程采用均方差函数作为优化目标，具体如下式所示：

式中，J(θ)为损失函数，y_i为第i个变量的预测值，N为因变量数量。

训练多层感知机模型直到最终均方差值小于设定值，得到训练好的参数预测模型。

3.根据权利要求1所述的一种微热管结构及工艺参数的预测方法，其特征在于，

所述S3中对微热管参数数据集进行数据预处理操作包括：数据无量纲化、缺失值处理。

4.根据权利要求3所述的一种微热管结构及工艺参数的预测方法，其特征在于，

所述无量纲化方法包括，1)标准化方法，即将数据按比例缩放，使之落入一个小的特定区间；2)归一化方法，对原始数据的线性变换，使结果值映射到[0-1]之间。

5.根据权利要求1所述的一种微热管结构及工艺参数的预测方法，其特征在于，采用copula熵算法作为特征筛选方法；在copula熵计算过程中，采用非参数估计的方式模拟抽样数据的真实分布情况。

6.根据权利要求5所述的一种微热管结构及工艺参数的预测方法，其特征在于，所述copula熵计算过程中的非参数估计方法采用高斯核函数进行核密度估计。

7.根据权利要求6所述的一种微热管结构及工艺参数的预测方法，其特征在于，在进行特征筛选时，考虑微热管结构需求参数并非单一作用于微热管功率，而是多参数综合对微热管功率产生影响，在计算copula熵值时，步骤如下：

步骤1：计算所有微热管结构需求参数与微热管功率间总copula熵值；

步骤2：依次排除单一参数，计算剩余参数copula熵值；

步骤3：由总copula熵值与每个剩余参数copula熵值取差值，反应该微热管结构需求参数与微热管功率间关联程度。

8.根据权利要求1所述的一种微热管结构及工艺参数的预测方法，其特征在于，基于pytorch框架训练多层感知机获得模型权重。

9.根据权利要求1所述的一种微热管结构及工艺参数的预测方法，其特征在于，构建多层感知机模型过程中，采用relu激活函数以增强模型的非线性拟合能力。

10.根据权利要求1所述的一种微热管结构及工艺参数的预测方法，其特征在于，采用贝叶斯优化的方式对构建的参数预测模型进行超参数优化，提高模型预测精度；采用贝叶斯优化进行超参数优化的过程中，代理模型使用高斯过程回归方法，采集函数使用EI函数。