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！

龙图腾网获悉中国石油大学(华东)申请的专利基于可解释神经网络的压力容器热处理工艺参数优化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：CN121413467B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202512002179.5，技术领域涉及：G06F30/27；该发明授权基于可解释神经网络的压力容器热处理工艺参数优化方法是由周凡;黄天亮;龚玉雅;蒋文春;赵春辉;肖维设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本基于可解释神经网络的压力容器热处理工艺参数优化方法在说明书摘要公布了：本发明公开了一种基于可解释神经网络的压力容器热处理工艺参数优化方法，属于热处理工艺数值优化技术领域。所述方法包括步骤：构建数据样本，并划分数据集；对构建的数据样本进行自适应归一化预处理；建立基于遗传算法优化的BP神经网络预测模型并进行训练，获得训练成熟的BP神经网络预测模型；基于改进型SHAP可解释算法解析BP神经网络预测模型的输出结果，计算各输入特征对输出特征的贡献率；利用遗传算法对工艺参数进行多目标优化，获取最优工艺参数。本发明的方法能够实现压力容器焊后热处理残余应力的高精度预测、工艺参数优化调控以及各参数对残余应力影响程度的定量分析，为热处理工艺设计和残余应力控制提供可靠的技术支撑。

本发明授权基于可解释神经网络的压力容器热处理工艺参数优化方法在权利要求书中公布了：1.一种基于可解释神经网络的压力容器热处理工艺参数优化方法，其特征在于，包括步骤： 步骤一、获取若干压力容器热处理工艺参数数据及相应的横向残余应力、纵向残余应力数据，以热处理工艺参数中保温温度、保温时间、升温速率及降温速率作为输入特征，以横向残余应力、纵向残余应力作为输出特征构建数据样本，并划分为训练集、验证集、测试集； 步骤二、对步骤一构建的数据样本进行自适应归一化预处理，得到预处理后的训练集、验证集及测试集； 步骤三、建立BP神经网络预测模型，并利用遗传算法对BP神经网络预测模型的初始权值和阈值进行全局寻优，获取最优权值和阈值，将最优权值和阈值作为BP神经网络预测模型的初始参数，并利用步骤二预处理后的训练集进行训练，获得训练成熟的BP神经网络预测模型；将步骤二预处理后的测试集输入训练成熟的BP神经网络预测模型进行测试，评估BP神经网络预测模型的最终性能表现； 步骤四、基于物理跨度加权与输出自适应归一化的改进型SHAP可解释算法解析步骤三中训练成熟的BP神经网络预测模型的输出结果，计算各输入特征对输出特征的贡献率； 步骤五、基于步骤三所得的训练成熟的BP神经网络预测模型以及步骤四所得的各输入特征对输出特征的贡献率，利用遗传算法对工艺参数进行多目标优化，获取适用于压力容器焊后热处理的最优工艺参数； 所述步骤二中自适应归一化公式为： ； ； 其中，i表示输入特征的类别，i分别代表保温温度T、保温时间t、升温速率V1及降温速率V2；j为每一类输入特征中具体输入值的序号，为归一化后的第i类输入特征的第j个输入值，为归一化前的第i类输入特征的第j个输入值，为第i类输入特征的平均值，为第i类输入特征的标准差，为第i类输入特征的自适应权重系数，为调节系数，为第i类输入特征的跨度值，即，且、分别为第i类输入特征的最大值、最小值，为所有类别的输入特征的平均跨度值； 所述步骤四具体包括如下子步骤： 步骤4-1、从步骤二自适应归一化预处理后的训练集中取若干组数据样本； 步骤4-2、对于每组数据样本Xk，确定待计算输入特征类别i以及除第i类输入特征外的其它所有输入特征的组合，并生成该组合的所有特征子集S；利用步骤三所得的训练成熟的BP神经网络预测模型计算每个特征子集S的预测值并归一化处理；同时，将输入特征i加入特征子集S并记为，再次计算每个特征子集的预测值并归一化处理，并输出归一化处理后的预测值的变化量；然后计算每组数据样本Xk中第i类输入特征对输出特征的标准SHAP值； 步骤4-3、确定第i类输入特征的跨度值，并计算相应的特征物理权重系数； 步骤4-4、将步骤4-3所得的第i类输入特征的特征物理权重系数引入步骤4-2所得的标准SHAP值中，得到每组数据样本Xk中第i类输入特征对输出特征的综合贡献指标； 步骤4-5、将步骤4-4所得的综合贡献指标取绝对值并归一化处理，得到每组数据样本Xk中第i类输入特征对输出特征的贡献率；然后对所有组的数据样本中第i类输入特征对输出特征的贡献率取平均值，得到第i类输入特征对输出特征的平均贡献率； 步骤4-6、根据步骤4-5所得的各类输入特征对输出特征的平均贡献率，绘制SHAP汇总图，直观显示各热处理工艺参数对残余应力预测的贡献顺序及影响方向； 所述步骤4-2中对BP神经网络预测模型输出的预测值进行归一化处理，计算公式为： ； 式中，为BP神经网络预测模型直接输出的预测值，为归一化预测值，为参与SHAP预测值归一化计算的样本集合的预测输出均值，为参与SHAP预测值归一化计算的样本集合的预测输出标准差，为常数，取值为10-8~10-4。

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石油大学(华东)，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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”。

以上内容由龙图腾AI智能生成。