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！

龙图腾网获悉江苏科技大学申请的专利一种基于ISSA-ELM的水火弯板变形预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115374907B 。

龙图腾网通过国家知识产权局官网在2025-08-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210992443.8，技术领域涉及：G06F18/214；该发明授权一种基于ISSA-ELM的水火弯板变形预测方法是由王磊;祁淑康;周宏根;李磊;何强;李纯金设计研发完成，并于2022-08-18向国家知识产权局提交的专利申请。

本一种基于ISSA-ELM的水火弯板变形预测方法在说明书摘要公布了：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。

本发明授权一种基于ISSA-ELM的水火弯板变形预测方法在权利要求书中公布了：1.一种基于ISSA-ELM的水火弯板变形预测方法，其特征在于，包括以下步骤： S1：采集水火弯板加工数据，构建训练集； S2：将采集的水火弯板加工数据归一化处理； S3：根据采集的水火弯板加工数据，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，包括以下步骤： 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： 式中，Fd表示领导者樽海鞘在第d维空间的位置；表示领导者位置；ubd，lbd分别表示领导者个体在d维上的搜索上限和搜索下限；c1，c2为随机数，取值为[0,1]，c1用于控制整个群体的搜索能力和开发能力，c2决定移动的长度；c3为搜索平衡因子，决定移动方向的正反，用于平衡全局搜索和局部搜索能力，增强领导者的随机性和多样性；a表示加速度；v0表示初始速度；ta表示迭代步长；R表示运动距离；分别表示更新后和更新前第m个追随者第d维位置； 步骤S4所述改进的樽海鞘算法，步骤包括：添加衰减因子Al，使领导者位置更新范围随迭代次数的增加而逐渐减少，收敛前期避免陷入局部极值，收敛后期越来越逼近最优值，达到更高的求解精度；添加自适应惯性权重ω，使得算法搜索前期权重大于搜索后期权重； 衰减因子Al和自适应惯性权重ω公式如下： ω＝2-43*lT*cosπl 式中，l表示当前迭代次数，T表示最大迭代次数； 步骤S4所述利用改进的樽海鞘算法对ELM网络的初始权值w和阈值b进行优化，包括调用ISSA优化ELM模型，对拥有不同初始权值w和阈值b的ELM模型，将每个ELM模型中的初始权值w和阈值b作为ISSA算法种群中的独立樽海鞘个体，利用下式计算每个个体的适应度值，通过迭代寻优最小适应度值，作为最优的初始权值w和阈值b： 式中,E表示个体适应度值，yd *n表示网络训练输出，ydn表示期望输出，D为训练数据长度； S5：将加工数据作为优化后的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。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏科技大学，其通讯地址为：212003 江苏省镇江市京口区梦溪路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。