(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 202111358465.0 (22)申请日 2021.11.16 (71)申请人 华南理工大 学 地址 510640 广东省广州市天河区五山路 381号 (72)发明人 上官文斌　赖威　 (74)专利代理 机构 广州粤高专利商标代理有限 公司 44102 代理人 周春丽 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 119/04(2020.01) (54)发明名称 一种基于极限学习机的橡胶材料疲劳寿命 预测方法 (57)摘要 本发明公开了一种基于极限学习机的橡胶 材料疲劳寿命预测方法， 包括以下步骤： 设置橡 胶材料疲劳试验数据； 对试验数据进行预处理； 以预处理后的试验数据作为极限学习机模型的 输入， 确定极限学习机模 型中输入层、 隐含层、 输 出层神经元个数； 对输入权值矩阵和隐含层阈值 矩阵进行寻优， 确定预测寿命和实际寿命之间均 方误差最小的输入权值矩阵和隐含层阈值矩阵； 将最优输入权值矩 阵和隐含层阈值矩 阵返回极 限学习机模型， 通过计算隐含层输出矩阵的 Moore‑Penrose广义逆， 获得输 出权值矩阵； 结合 输入权值矩阵、 隐含层阈值矩阵和输出权值矩 阵， 建立基于极限学习机的橡胶材料疲劳寿命预 测模型预测寿命， 完成橡胶材料的寿命预测工 作。 权利要求书2页 说明书5页 附图3页 CN 114201911 A 2022.03.18 CN 114201911 A 1.一种基于极限学习机的橡胶材 料疲劳寿命预测方法， 其特 征在于， 包括以下步骤： S1、 设置橡胶材料疲劳试验数据， 所述试验数据包括不同应变均值和应变幅值下对应 的循环寿命次数； S2、 对试验数据进行 预处理； S3、 以预处理后的试验数据作为极限学习机模型的输入， 确定极限学习机模型中输入 层、 隐含层、 输出层神经元个数， 随机生成输入层与隐含层间的输入权值矩阵以及隐含层的 阈值矩阵， 作为初始值； S4、 对输入权值矩阵和隐含层阈值矩阵进行寻优， 确定预测寿命和实 际寿命之间均方 误差最小的输入权值矩阵和隐含层阈值矩阵； S5、 将最优输入权值矩阵和隐含层阈值矩阵返回极限学习机模型， 通过计算隐含层输 出矩阵的Mo ore‑Penrose广义逆， 获得输出权值矩阵； S6、 结合输入权值矩阵、 隐含层阈值矩阵和输出权值矩阵， 建立基于极限学习机的橡胶 材料疲劳寿命预测模型； S7、 采用极限学习机的橡胶材料疲劳寿命预测模型预测寿命， 完成橡胶材料的寿命预 测工作。 2.根据权利要求1所述的一种基于极限学习机的橡胶材料疲劳寿命预测方法， 其特征 在于， 所述寿命预测同时考虑应 变均值和应 变幅值对橡胶材 料疲劳寿命的影响。 3.根据权利要求1所述的一种基于极限学习机的橡胶材料疲劳寿命预测方法， 其特征 在于， 所述预处 理包括去极值、 对数平均、 归一 化、 划分测试集和试验集处 理。 4.根据权利要求1所述的一种基于极限学习机的橡胶材料疲劳寿命预测方法， 其特征 在于， 极限学习机模 型为单隐含层的神经网络模型， 包括输入层与隐含层， 输入层与隐含层 之间通过输入权值矩阵连接， 隐含层中每一个神经元中都有一个阈值， 隐含层与输出层之 间通过输出权值矩阵连接 。 5.根据权利要求1所述的一种基于极限学习机的橡胶材料疲劳寿命预测方法， 其特征 在于， 采用蜻蜓算法对极限学习机的输入权值和隐含层阈值进行寻优， 减少随机确定的输 入权值和隐含层阈值对 模型预测精度影响。 6.根据权利要求1所述的一种基于极限学习机的橡胶材料疲劳寿命预测方法， 其特征 在于， 所述 步骤S5中的隐含层输出矩阵为： 其中HL×1为隐含层输出矩阵， wLn为隐含层第L个神经元与输入层第n个神经元之间的连 接权值， xn为第n个样本中输入， bL为隐含层第n个神经 元的阈值， L 为隐含层神经 元个数。 7.根据权利要求3所述的一种基于极限学习机的橡胶材料疲劳寿命预测方法， 其特征 在于， 所述训练集用于训练极限学习机模型中输入权值和隐含层阈值参数， 测试集用于验 证模型的预测精度。 8.根据权利要求5所述的一种基于极限学习机的橡胶材料疲劳寿命预测方法， 其特征权　利　要　求　书 1/2 页 2 CN 114201911 A 2在于， 蜻蜓算法对输入权值和隐含层阈值进行寻优包括： 将一组输入权值和隐含层阈值赋 予蜻蜓个体， 作为位置信息， 在选定范围内初始化蜻蜓个体位置， 通过蜻蜓的分离行为、 对 齐行为、 内聚行为、 吸引行为以及躲避 行为进行位置的更新， 将极限学习机评价指标作为蜻 蜓个体的适应度函数， 迭代次数达到设定值或有蜻蜓个体找到最优位置时， 输出适应度最 高的蜻蜓个 体， 其位置信息即为 最优的一组输出权值和隐含层阈值。 9.根据权利要求8所述的一种基于极限学习机的橡胶材料疲劳寿命预测方法， 其特征 在于， 更新蜻蜓位置包括： 输入权值和隐含层阈值取值均为5以内的小值， 设置影响蜻蜓位 置更新的各 行为权重系数， 需使种群的局部 搜索能力优于全局搜索能力。 10.根据权利要求8所述的一种基于极限学习机的橡胶材料疲劳寿命预测方法， 其特征 在于， 极限学习机评价指标中， 实际输出与理论输出间的均方误差、 平均绝对百分比误差和 决定系数三者的加权作为优化算法的适应度函数， 以获得在计算与理论输出离散性最小的 一组极限学习机参数。权　利　要　求　书 2/2 页 3 CN 114201911 A 3