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！

龙图腾网获悉中国科学院金属研究所申请的专利一种基于粒子群优化BP神经网络的多元合金性能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：CN114783540B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202210264317.0，技术领域涉及：G16C20/30；该发明授权一种基于粒子群优化BP神经网络的多元合金性能预测方法是由张士宏;李应焕;张孟枭;宋鸿武设计研发完成，并于2022-03-17向国家知识产权局提交的专利申请。

本一种基于粒子群优化BP神经网络的多元合金性能预测方法在说明书摘要公布了：本发明的一种基于粒子群优化BP神经网络的多元合金性能预测方法，包括：步骤1：根据材料成分‑性能历史数据建立数据库；步骤2：建立并训练粒子群优化BP神经网络成分‑性能预测模型，以决定系数作为预测效果的评价标准；步骤3：将步骤2训练好的预测模型所得运算集带入遗传优化BP神经网络中，以决定系数作为预测效果的评价标准；步骤4：若骤3中计算的决定系数满足判定标准，则将所要预测多元合金成分以及微合金化元素数组代入步骤2获得的粒子群优化BP神经网络中完成性能预测；否则重复步骤2和3。该预测方法适用于多元合金以及微合金化合金的性能预测，适用于新材料成分研发过程，在工业上可预测由于冶炼烧损影响的性能变化。

本发明授权一种基于粒子群优化BP神经网络的多元合金性能预测方法在权利要求书中公布了：1.一种基于粒子群优化BP神经网络的多元合金性能预测方法，其特征在于，包括： 步骤1：根据材料某一特定状态下成分-性能历史数据建立数据库，材料某一特定状态包括但不限于：轧态、退火态、锻态、铸态或挤压态； 步骤2：建立并训练粒子群优化BP神经网络成分-性能预测模型，以决定系数作为预测效果的评价标准，若计算的决定系数满足判定标准，执行步骤3，否则重新执行步骤2； 步骤3：将步骤2训练好的预测模型所得运算集带入遗传优化BP神经网络中，同样以决定系数作为预测效果的评价标准验证模型准确性； 步骤4：若骤3中计算的决定系数满足判定标准，则将所要预测多元合金成分以及微合金化元素数组代入步骤2获得的粒子群优化BP神经网络中完成性能预测；否则重复步骤2和步骤3； 所述步骤1具体为： 步骤1-1：收集多元合金成分数据和与成分关联的且判定合金使用标准的性能数据，构成基本数据库； 步骤1-2：将基本数据库划分为粒子群优化BP神经网络训练集和粒子群优化BP神经网络验证集两部分，具体为： 当基本数据库数量在200至400时，粒子群优化BP神经网络训练集为基本数据库的95％，粒子群优化BP神经网络验证集为基本数据库的5％；当基本数据库数量大于400时，粒子群优化BP神经网络训练集为基本数据库的90％，粒子群优化BP神经网络验证集为基本数据库的10％； 步骤1-3：对粒子群优化BP神经网络训练集和粒子群优化BP神经网络验证集做0到1之间的归一化处理，作为粒子群优化BP神经网络运算集； 所述步骤2具体为： 步骤2-1：将所述粒子群优化BP神经网络运算集中成分数据作为输入，性能数据作为输出，并设置粒子群优化算法参数，利用粒子群算法优化BP神经网络的初始权值和阈值，所述粒子群参数包括种群规模、最大更新代数、学习因子和惯性权重方法； 步骤2-2：建立BP神经网络，将粒子群优化BP神经网络运算集和粒子群优化后的初始权值和阈值代入BP神经网络中，设置BP神经网络隐含层节点数，建立成分-性能预测模型； BP神经网络模型将归一化后粒子群优化BP神经网络运算集中的训练集再自动划分为BP模型内部训练集、BP模型内部验证集和BP模型内部测试集，各个集合比例之和为1； BP模型内部训练集、BP模型内部验证集和BP模型内部测试集划分比例，根据粒子群优化BP神经网络训练集数量决定，粒子群优化BP神经网络训练集数量在200至400时，BP模型内部训练集所占比例为85％或90％，BP模型内部验证集所占比例10％，BP模型内部测试集所占比例5％或0；粒子群优化BP神经网络训练集数量在400以上时，BP模型内部训练集所占比例为70％～90％，BP模型内部验证集所占比例10％～20％，BP模型内部测试集所占比例10％～20％； 步骤2-3：选择传递函数和训练方法训练粒子群优化BP神经网络，根据基本数据库数量的不同选取不同决定系数作为评定标准；当基本数据库数量在200至400时，预测效果以BP神经网络性能预测值和粒子群优化BP神经网络验证集中实际值的决定系数与1偏差的绝对值≤15％为评价标准；当基本数据库数量大于400时，预测效果以BP神经网络性能预测值和粒子群优化BP神经网络验证集中实际值的决定系数与1偏差的绝对值≤10％为评价标准，若在评价标准范围内则进入步骤3，否则重新计算； 所述步骤3具体为： 步骤3-1：将粒子群优化BP神经网络训练筛选出的运算集中成分数据作为遗传算法优化BP神经网络输入，性能数据作为遗传算法优化BP神经网络输出，并设置遗传算法参数，利用遗传算法优化BP神经网络的初始权值和阈值，所述遗传算法参数包括种群规模、迭代终止代数、交叉和变异概率； 步骤3-2：设置BP神经网络参数，选择传递函数和训练方法训练并将遗传算法优化后的初始权值和阈值代入BP神经网络； 步骤3-3：当基本数据库数量小于400时，预测效果以BP神经网络性能预测值和遗传算法优化BP神经网络验证集中实际性能值的决定系数与1偏差的绝对值≤20％为评价标准；当基本数据库数量大于400时，预测效果以BP神经网络性能预测值和遗传算法优化BP神经网络验证集中实际性能值的决定系数与1偏差的绝对值≤15％为评价标准。

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中国科学院金属研究所，其通讯地址为：110016 辽宁省沈阳市沈河区文化路72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”。