公开(公告)号：CN115394381A

公开(公告)日：2022-11-25

申请号：CN202211015507.5

申请日：2022-08-24

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  杨佳 ,  杨志远 ,  李帅 ,  刘东戎

IPC: G16C60/00 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06N20/00

Abstract: 本发明提供一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置，属于合金硬度预测领域。为解决现有技术对高熵合金硬度进行预测时往往因数据不足而进行数据扩充，其数据扩充方法无法保证生成数据的质量，不利于提高高熵合金的硬度预测准确度的问题。包括：步骤一、构建高熵合金物理特征与硬度的原始训练集；步骤二、构建GAN神经网络模型，对原始训练集特征进行扩充；步骤三、构建机器学习模型，将扩充特征数据集的特征生成标签，得到扩充训练集；步骤四、将扩充训练集与原始训练集构建合并训练集；步骤五、采用合并训练集对机器学习模型进行调参并训练，得到高熵合金硬度模型。通过本发明方法得到高熵合金硬度模型具有更高的准确性。

公开(公告)号：CN116364211A

公开(公告)日：2023-06-30

申请号：CN202310317884.2

申请日：2023-03-28

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  杨佳 ,  李帅 ,  张洺玉 ,  杨志远

IPC: G16C20/70 ,  G16C20/90 ,  G16C20/20 ,  G16C60/00 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/084 ,  G06F18/213 ,  G06F18/2111 ,  G06F18/24

Abstract: 本发明提供一种基于经验参数和卷积神经网络结合元素周期表提取特征的高熵合金机器学习相预测方法及装置，属于高熵合金相预测领域。为解决现有技术对高熵合金相预测时特征提取与模型性能上的问题。包括：步骤一、构建高熵合金成分信息和相标签的分类数据集；步骤二、构建五种传统机器学习模型并选出最优模型；步骤三、构建卷积神经网络，对根据成分信息映射的元素周期表形式的二维伪图像进行自动提取特征并进行预测；步骤四、将经验参数与卷积神经网络提取的特征进行合并并基于遗传算法进行筛选，选出最优特征组合；步骤五、将步骤四的最优特征组合作为步骤二中选出的最优模型的输入，进行重新训练，得到高熵合金相预测模型。通过本发明方法得到的高熵合金相预测模型具有更高的准确性。

公开(公告)号：CN114464274A

公开(公告)日：2022-05-10

申请号：CN202210043307.4

申请日：2022-01-14

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  李帅 ,  刘东戎 ,  邹瑞 ,  杨志远

IPC: G16C60/00 ,  G06N20/10 ,  G06N3/12

Abstract: 一种基于机器学习和改进遗传算法特征筛选的高熵合金硬度预测方法，涉及材料性能预测技术领域，本发明为了高效预测HEA的硬度、降低预测误差而提出的。技术要点：收集多个HEA的成分与硬度信息，并由高熵合金所包含的元素成分和元素本身固有性质计算得出物理特征用作原始数据集；采用带有径向基核函数的支持向量回归作为预测高熵合金硬度的ML模型；对遗传算法进行改进；将ML模型代入到改进遗传算法的适应度值计算中来计算每一个个体的适应度值，通过特征重要性来提升初始种群的质量、加强迭代过程中的搜索能力，以选择出预测效果优异的特征组合。将新开发的改进遗传算法与传统遗传算法及其它具有代表性的特征选择方法进行比较。结果表明本方法有效地降低了预测误差。

公开(公告)号：CN115394381B

公开(公告)日：2023-08-22

申请号：CN202211015507.5

申请日：2022-08-24

Applicant: 哈尔滨理工大学

Inventor： 李述 ,  杨佳 ,  杨志远 ,  李帅 ,  刘东戎

IPC: G16C60/00 ,  G06F30/27 ,  G06N3/0475 ,  G06N7/01 ,  G06N3/048 ,  G06N3/084 ,  G06N3/09 ,  G06N20/00

Abstract: 本发明提供一种基于机器学习和两步法数据扩充的高熵合金硬度预测方法及装置，属于合金硬度预测领域。为解决现有技术对高熵合金硬度进行预测时往往因数据不足而进行数据扩充，其数据扩充方法无法保证生成数据的质量，不利于提高高熵合金的硬度预测准确度的问题。包括：步骤一、构建高熵合金物理特征与硬度的原始训练集；步骤二、构建GAN神经网络模型，对原始训练集特征进行扩充；步骤三、构建机器学习模型，将扩充特征数据集的特征生成标签，得到扩充训练集；步骤四、将扩充训练集与原始训练集构建合并训练集；步骤五、采用合并训练集对机器学习模型进行调参并训练，得到高熵合金硬度模型。通过本发明方法得到高熵合金硬度模型具有更高的准确性。

公开(公告)号：CN111175780A

公开(公告)日：2020-05-19

申请号：CN202010059297.4

申请日：2020-01-19

Applicant: 哈尔滨理工大学

Inventor： 张洪英 ,  田晓宁 ,  杨志远 ,  崔荣鹏

IPC: G01S17/58 ,  G01S7/4911 ,  G01S7/4912

Abstract: 一种注入锁定调频连续波激光雷达测速装置及方法，属于激光雷达技术领域。解决了传统的脉冲体制的激光雷达对人有害的问题，以及调频连续波激光雷达会引入调频非线性的问题。技术要点：主激光器、任意波形发生器、电光调制器与从激光器构成注入锁定系统，主激光器发出激光后进入电光调制器，任意波形发生器通过电光调制器对激光载波进行抑制载波调制，调制光经过光纤环形器注入从激光器以实现注入锁定，之后经过耦合器分为探测光与参考光。探测光经准直器发射到物体上，反射回来的光与参考光在耦合器中进行相干探测得到拍频信号，后经光电探测器转换为电信号，使用数据采集卡进行数据的采集以及处理。本发明应用于物体瞬时速度测量中。

公开(公告)号：CN211905692U

公开(公告)日：2020-11-10

申请号：CN202020121959.1

申请日：2020-01-19

Applicant: 哈尔滨理工大学

Inventor： 张洪英 ,  田晓宁 ,  崔荣鹏 ,  杨志远

IPC: G01S17/58 ,  G01S7/491 ,  G01S7/4911 ,  G01S7/4912

Abstract: 一种三角波形式的调频连续波激光雷达测速系统，属于激光雷达技术领域。解决了传统的脉冲体制的激光雷达对人有害的问题，以及调频连续波激光雷达会引入调频非线性的问题。技术要点：主激光器、任意波形发生器、电光调制器与从激光器构成注入锁定系统，主激光器发出激光后进入电光调制器，任意波形发生器通过电光调制器对激光载波进行抑制载波调制，调制光经过光纤环形器注入从激光器以实现注入锁定，之后经过耦合器分为探测光与参考光。探测光经准直器发射到物体上，反射回来的光与参考光在耦合器中进行相干探测得到拍频信号，后经光电探测器转换为电信号，使用数据采集卡进行数据的采集以及处理。本实用新型应用于物体瞬时速度测量中。