(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111227306.7 (22)申请日 2021.10.21 (71)申请人 中国特种设备检测研究院 地址 100029 北京市朝阳区和平街西苑2号 楼 申请人 中国计量大 学 (72)发明人 蔡起衡　曹逻炜　李光海　王强　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 代理人 赵兴华 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 111/06(2020.01) G06F 119/02(2020.01) (54)发明名称 一种应力腐蚀开裂裂纹扩展速率预测方法 及系统 (57)摘要 本发明公开一种应力腐蚀开裂裂纹扩展速 率预测方法及系统， 本发明首先采用遗传算法利 用预处理后的训练集、 BP神经网络拓扑结构以及 多个种群个体进行优化， 获得最优权值和阈值， 然后根据预处理后的训练集、 最优权值和阈值对 BP神经网络拓扑结构进行训练获得最优BP神经 网络； 最后将 验证集中的输入数据输入至所述最 优BP神经网络进行预测， 获得各输入数据对应的 裂纹扩展速率。 本发明利用GA寻优算法优化BP神 经网络进行裂纹拓展速率预测获得的预测曲线， 相比于单独BP神经网络进行裂纹拓展速率预测 获得的预测曲线， 利用GA寻优算法优化BP神经网 络得到的预测曲线与实际曲线拟合度更高。 权利要求书3页 说明书11页 附图5页 CN 114021432 A 2022.02.08 CN 114021432 A 1.一种应力腐蚀开裂 裂纹扩展速率预测方法， 其特 征在于， 所述方法包括： 步骤S1： 获取数据集； 所述数据集包括输入数据和输出数据； 所述输入数据包括温度、 应力强度、 电导 率、 腐蚀电位、 敏感度和PH值； 所述输出 数据包括裂纹扩展速率； 步骤S2： 将所述数据集按照一定比例划分训练集和 测试集； 步骤S3： 对所述训练集内的输入数据和输出 数据进行 预处理， 获得预处理后的训练集； 步骤S4： 基于BP神经网络 拓扑结构计算权值的个数以及阈值的个数； 步骤S5： 采用遗传算法， 利用预处理后的训练集、 BP神经网络拓扑结构以及多个种群个 体进行优化， 获得最优种群个体； 每个种群个体内包括BP神经网络初始给定的所有的阈值 和权值； 所述 最优种群 个体内的所有权值和阈值 为最优权值和阈值； 步骤S6： 根据预处理后的训练集、 最优权值和阈值对BP神经网络拓扑结构进行训练， 获 得最优BP神经网络； 步骤S7： 将验证集中的输入数据输入至所述最优BP神经网络进行预测， 获得各输入数 据对应的裂纹扩展速率。 2.根据权利要求1所述的应力腐蚀开裂裂纹扩展速率预测方法， 其特征在于， 所述采用 遗传算法， 利用预 处理后的训练集、 BP神经网络拓扑结构以及多个种群个体进 行优化， 获得 最优种群 个体， 具体包括： 步骤S51： 初始化 参数； 所述 参数包括种群 个体数量和第一终止条件； 步骤S52： 将各种群个体输入BP神经网络拓扑结构， 采用轮盘赌法从初始种群中选取两 个种群个体； 步骤S53： 将选取的两个种群 个体进行交叉， 获得两个新的种群 个体， 并存入初始种群； 步骤S54： 从初始种群中随机挑选一个种群个体， 对位置k进行变异， 获得新的种群个 体， 并将新的种群 个体存入到初始种群中； 步骤S55： 判断是否满足第一终止条件； 如果满足第一终止条件， 则执行 “步骤S56”； 如 果不满足第一终止条件， 则返回 “步骤S52”； 步骤S56： 将适应度值 最小的种群 个体作为最优种群 个体。 3.根据权利要求2所述的应力腐蚀开裂裂纹扩展速率预测方法， 其特征在于， 所述将各 种群个体输入BP神经网络拓扑结构， 采用轮盘赌法从初始种群中选取两个种群个体， 具体 包括： 步骤S521： 将各种群 个体输入BP神经网络 拓扑结构， 获得多个BP神经网络初始模型； 步骤S522： 将预处理后的训练集中的第j组输入数据输入到多个BP神经网络初始模型， 获得各种群个体对应的第j组裂纹拓展速率预测值； 步骤S523： 根据各种群个体对应的第j组裂纹拓展速率预测值计算各种群个体对应的 适应度； 步骤S524： 根据各种群 个体对应的适应度计算前i个种群 个体的累积概 率； 步骤S525： 随机生成两个随机数， 基于前i个种群个体的累积概率从初始种群中选取各 随机数对应种群 个体。 4.根据权利要求1所述的应力腐蚀开裂裂纹扩展速率预测方法， 其特征在于， 所述基于 BP神经网络 拓扑结构计算权值的个数以及阈值的个数， 具体包括： 步骤S41： 构 建3层BP神经网络拓扑结构； 所述BP神经网络拓扑结构包括输入层、 隐含层权　利　要　求　书 1/3 页 2 CN 114021432 A 2和输出层， 输入层节点的个数与输入数据包含自变量的种类数相同； 输出层节点的个数与 输出数据包含因变量的种类数相同； 步骤S42： 根据所述BP神经网络拓扑结构中输入层节点数、 输出层节点数以及隐含层节 点数来计算权值的个数以及阈值的个数。 5.根据权利要求1所述的应力腐蚀开裂裂纹扩展速率预测方法， 其特征在于， 所述对所 述训练集内的输入数据和输出 数据进行 预处理， 获得预处理后的训练集， 具体包括： 步骤S31： 对所述训练集内的输入数据进行归一 化处理； 步骤S32： 对所述训练集内的输出数据分别进行稳健标准化处理； 所述预处理后的训练 集包括归一 化处理后的输入数据和稳健标准 化处理的输出 数据。 6.一种应力腐蚀开裂 裂纹扩展速率预测系统， 其特 征在于， 所述系统包括： 获取模块， 用于获取数据集； 所述数据集包括输入数据和输出数据； 所述输入数据包括 温度、 应力强度、 电导 率、 腐蚀电位、 敏感度和PH值； 所述输出 数据包括裂纹扩展速率； 集合划分模块， 用于将所述数据集按照一定比例划分训练集和 测试集； 预处理模块， 用于对所述训练集内的输入数据和输出数据进行预处理， 获得预处理后 的训练集； 个数确定模块， 用于基于BP神经网络 拓扑结构计算权值的个数以及阈值的个数； 优化模块， 用于采用遗传算法， 利用预处理后的训练集、 BP神经网络拓扑结构以及多个 种群个体进行优化， 获得最优种群个体； 每个种群个体内包括BP神经网络初始给定的所有 的阈值和权值； 所述 最优种群 个体内的所有权值和阈值 为最优权值和阈值； 训练模块， 用于根据预处理后的训练集、 最优权值和阈值对BP神经网络拓扑结构进行 训练， 获得最优BP神经网络； 预测模块， 用于将验证集中的输入数据输入至所述最优BP神经网络进行预测， 获得各 输入数据对应的裂纹扩展速率。 7.根据权利要求6所述的应力腐蚀开裂裂纹扩展速率预测系统， 其特征在于， 所述优化 模块， 具体包括： 初始化单 元， 用于初始化 参数； 所述 参数包括种群 个体数量和第一终止条件； 种群个体优选单元， 用于将各种群个体输入BP神经网络拓扑结构， 采用轮盘赌法从初 始种群中选取两个种群 个体； 交叉单元， 用于将选取的两个种群个体进行交叉， 获得两个新的种群个体， 并存入初始 种群； 变异单元， 用于从初始种群中随机挑选一个种群个体， 对位置k进行变异， 获得新的种 群个体， 并将新的种群 个体存入到初始种群中； 判断单元， 用于判断是否满足第一终止条件； 如果满足第一终止条件， 则执行 “赋值单 元”； 如果不满足第一终止条件， 则返回 “种群个体优选单 元”； 赋值单元， 用于将适应度值 最小的种群 个体作为最优种群 个体。 8.根据权利要求7所述的应力腐蚀开裂裂纹扩展速率预测系统， 其特征在于， 所述种群 个体优选单 元， 具体包括： BP神经网络初始模型确定子单元， 用于将各种群个体输入BP神经网络拓扑结构， 获得 多个BP神经网络初始模型；权　利　要　求　书 2/3 页 3 CN 114021432 A 3