非极值评估预测方法

本发明涉及智能制造领域，尤其涉及一种非极值评估预测方法。

背景技术：

1、数值模拟作为实验的补充，在制造领域具有重要的意义，尤其涉及实验成本高、时间长的时，优势更为明显。然而，数值模拟往往基于极值情况，而忽略了附近的关联影响区域，这在一定程度上增加了错误风险，同时不利于真实的评价产品性能。因此，亟需一种综合评估方法以解决现有技术中极值评估的问题。

2、除真实性能评估外，对未知产品性能的预测也极为关键，现有技术多基于实验条件下进行人工智能模型训练，实验样本数据的大幅增加，成本较高，周期变长，相比之下，数值模拟能够提供更多的样本而受到更多青睐。因此，在提出的综合评估方法的基础上，进行基于数值模拟的样本数据训练极为重要，这为研发新产品并预测优异的性能提供了全新的方法。

3、有鉴于此，研究非极值综合评估及预测方法急迫且必要。

技术实现思路

1、本发明实施例提供一种非极值评估预测方法，以解决在先技术中无法精准评估和预测数值模拟数据的问题。

2、为了解决上述技术问题，本发明是这样实现的：

3、本发明实施例提供一种非极值评估预测方法，用于真实评估和预测产品性能，包括如下步骤：

4、s1：根据产品性能需求建立模型并进行至少一次数值模拟，采集模拟结果样本数据；

5、s2：三维重建或二维标记所述样本极值区域数据，确定广度评价数据，所述广度评价的计算方法至少包括形状因子、梯度均值中的一种；

6、s3：以所述极值区域的高度和所述广度综合评估所述性能；

7、s4：以机器学习算法训练所述样本数据，并实时预测不同条件下所述产品性能。

8、可选地，所述至少一次数值模拟包括相同工况条件下或不同工况条件下；所述采集方法包括相同工况条件下或不同工况条件下；所述采集方法包括相同工况或不同工况；

9、其中，所述采集方法需在相同色带条件下采集不同角度的样本数据。

10、可选地，所述样本数据包括图像、文本或视频中的至少一种；所述标记包括获取所述图像特定颜色范围边界以内区域。

11、可选地，所述高度为通过所述数值模拟所获得的最大所述产品性能需求，所述需求至少包括应力、位移、温度、压强、速度、浓度中的至少一种。

12、可选地，所述广度评价是指对相同工况条件下所标记的样本极值区域数据进行评价；

13、所述广度评价方法包括形状因子与梯度均值的乘积。

14、可选地，所述梯度均值计算方法包括所述极值区域等效圆梯度均值或所述高度值与所述边界值的均值。

15、可选地，所述形状因子计算方法包括4*π*极值区域面积/(极值区域周长*极值区域周长)。

16、可选地，所述机器学习至少包括深度学习、强化学习、群智能算法中的一种。

17、可选地，综合评估所述性能的方法为高度值-形状因子*梯度均值。

18、可选地，所述三维重建是指对数值模拟图像从不同角度获取的曲面图像进行重建，以精准获得所述样本极值区域数据。

19、在本发明实施例中，通过考虑极值区域的高度和广度进行综合评估其性能，避免了仅极值造成的片面影响；通过设置形状因子考虑广度中形状的影响，越接近圆形则越安全；通过设置梯度均值实现极值区域内梯度变化的精准衡量；通过机器学习算法实现不同条件下性能的预测；本方法可以估计和预测二维图像及三维模型中的极值区域；解决了先技术中无法精准评估和预测数值模拟数据的问题。

技术特征：

1.非极值评估预测方法，其特征在于，用于真实评估和预测产品性能，包括如下步骤：

2.根据权利要求1所述的非极值评估预测方法，其特征在于，所述至少一次数值模拟包括相同工况条件下或不同工况条件下；所述采集方法包括相同工况或不同工况；

3.根据权利要求1所述的非极值评估预测方法，其特征在于，所述样本数据包括图像、文本或视频中的至少一种；所述标记包括获取所述图像特定颜色范围边界以内区域。

4.根据权利要求1所述的非极值评估预测方法，其特征在于，所述高度为通过所述数值模拟所获得的最大所述产品性能需求，所述需求至少包括应力、位移、温度、压强、速度、浓度中的至少一种。

5.根据权利要求1所述的非极值评估预测方法，其特征在于，所述广度评价是指对相同工况条件下所标记的样本极值区域数据进行评价；

6.根据权利要求5所述的非极值评估预测方法，其特征在于，所述梯度均值计算方法包括所述极值区域等效圆梯度或所述极值区域均匀梯度；

7.根据权利要求5所述的非极值评估预测方法，其特征在于，所述形状因子计算方法包括4*π*极值区域面积/(极值区域周长*极值区域周长)。

8.根据权利要求1所述的非极值评估预测方法，其特征在于，所述机器学习至少包括深度学习、强化学习、群智能算法中的一种。

9.根据权利要求1所述的非极值评估预测方法，其特征在于，综合评估所述性能的方法为高度值-形状因子*梯度均值。

10.根据权利要求1所述的非极值评估预测方法，其特征在于，所述三维重建是指对数值模拟图像从不同角度获取的曲面图像进行重建，以精准获得所述样本极值区域数据。

技术总结
本发明实施例提供一种非极值评估预测方法，用于真实评估和预测产品性能，包括如下步骤：S1：根据产品性能需求建立模型并进行至少一次数值模拟，采集模拟结果样本数据；S2：三维重建或二维标记所述样本极值区域数据，确定广度评价数据，所述广度评价的计算方法至少包括形状因子、梯度均值中的一种；S3：以所述极值区域的高度和所述广度综合评估所述性能；S4：以机器学习算法训练所述样本数据，并实时预测不同条件下所述产品性能。本发明的实施例解决了先技术中无法精准评估和预测数值模拟数据的问题。

技术研发人员：白文娟,楚电明,张希君,张明鉴,何燕
受保护的技术使用者：青岛科技大学
技术研发日：
技术公布日：2024/12/5