(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 202111369827.6 (22)申请日 2021.11.18 (71)申请人 广西大学 地址 530004 广西壮 族自治区南宁市西乡 塘区大学路100号 (72)发明人 邓建新　谢彬　刘光明　王令　 曾向明　贺德强　黄海宾　李先旺　 吴秀松　刘港　 (74)专利代理 机构 南宁智卓专利代理事务所 (普通合伙) 4512 9 代理人 吴世贵 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06K 9/62(2022.01)B22D 18/02(2006.01) G06F 119/08(2020.01) G06F 119/14(2020.01) (54)发明名称 基于相似原理的改进KNN算法的挤压铸 造工 艺参数设计方法 (57)摘要 本发明提供基于相似原理的改进KNN算法的 挤压铸造工艺参数设计方法， 属于工艺参数设计 技术领域， 工艺参数设计方法首先基于相似原理 对工艺参数的相关变量的相对变化趋势进行衡 量。 在此基础上提取与目标案例的相关变量相对 变化趋势相似的样本数据， 基于这些样本数据， 进行KNN聚类并对聚类样 本中的对应参数进行加 权回归作为目标案例的工艺参数设计值。 该设计 方法基于已有的研究数据， 充分参考利用了现有 的相关研究成果， 无需进行繁琐的实验研究且工 艺参数的设计精度较高。 相比于现有的工艺参数 设计方法， 节省了大量的时间成本和实验成本。 该方法具有普适性， 不仅适用于挤压铸造工艺参 数的设计， 对于其它类似领域的参数设计同样适 用。 权利要求书3页 说明书8页 附图2页 CN 114186357 A 2022.03.15 CN 114186357 A 1.基于相似原 理的改进KNN算法的挤压铸造工艺参数设计方法， 其特征在于， 所述方法 包括如下步骤： 步骤1： 挤压铸造工艺数据表示， 对于已有挤压铸造工艺参数数据集case， 表示为case ＝{Si|i＝1,2, …,m}， m为数据样本的个数， 每个样本数据包含挤压铸造的工艺参数、 材料 成分数据和形状特征数据的属性变量， 按照性质将样本属性划分为工艺参数的影响因素 Xk， 其中k＝1， 2， ...， t， t表示工 艺影响因素的个数， 和工艺参数Yj， 其中j＝1， 2， ...， n)， n表 示工艺参数的个数， 数据样本Si的对应属性数据分别为xik和yij， 挤压铸造的工艺参数包括 挤压压力、 浇注温度和模具 预热温度等。 步骤2： 得到所设计的工艺参数的相关影响属性， 对所设计的目标挤压铸件的特定工艺 参数Yj， 称为目标工艺参数， 对应值为yoj， 工艺参数的影响因素Xk并非都是工艺参数Yj的相 关影响因素， 利用SVM ‑RFE算法从Xk中选取直接影响该工艺参数的相关属性， 设为Xc＝{X1, X2,…,Xs}； 步骤3： 选出挤压铸造工艺参数数据集case中 目标工艺参数Yj及其相关属性Xc所对应的 数据， 表示为case*， 基于熵权法和 数据集case*计算步骤1选取的相关属性Xc＝{X1,X2,…, Xs}的权重， 区分Xc＝{X1,X2,…,Xs}对Yj的影响程度， 得到相关属性的权重记为W＝{w1, w2,…,ws}； 步骤4： 进行相关属性Xc的相对变化趋势的衡量和工艺数据筛选， 将对应的挤压铸造工 艺参数数据视为N维变量集合， 不同工艺参数数据的差异可视为N维变量运动、 变化和发展 的结果， 根据步骤2选取的相关属性Xc＝{X1,X2,…,Xs}， 计算衡量已有工艺参数数据和待设 计的目标工艺参数的相关属性的相对变化趋势， 并筛选出与待设计的目标工艺参数的相关 属性相对变化趋势程度最相近的工艺参数数据， 设为S*＝{S1*， S2*， ...， Sp*}， p为聚类所得 的工艺参数数据数量； 步骤5： 应用KNN算法， 对步骤4得到的聚类结果S*＝{S1*， S2*， ...， Sp*}加权聚类， 然后对 聚类结果进行加权求和， 得到求和结果即为所 所需的工艺 参数Yj。 2.根据权利要求1所述的基于相似原 理的改进KNN算法的挤压铸造工艺参数设计方法， 其特征在于： 步骤2中， 基于SVM ‑RFE算法相关属性的选取过程为， 基于PyCharm平台， 从 sklearn.feature_selection和sklearn.svm模块分别导入RFE和 SVE功能模块， SVM ‑RFE算 法的具体过程为， 以工艺参数的影响因素Xk和工艺参数Yj作为模型的输入数据， 其中k＝1， 2， ...， t， 使用特征变量训练模 型， 计算每个特征变量的重要性排序标准， 剔除最不重要的K 个特征， 保留其余特征， 并判断剩余特征数量达到简约要求， 若果达到， 从Xk中选取工艺参 数Yj的相关属性Xc＝{X1,X2,…,Xs}， 如果没有达 到重复计算。 3.根据权利要求1所述的基于相似原 理的改进KNN算法的挤压铸造工艺参数设计方法， 其特征在于： 步骤3中基于熵权法的相关属性的权 重分配过程 为： 步骤3.1， 将case*按下公式组成一个新的矩阵O*: 权　利　要　求　书 1/3 页 2 CN 114186357 A 2步骤3.2： 采用极差化法将O*标准化得到新的矩阵π， 然后对进行π归一化处理， 极差化 法 和归一化方法如下式： 其中， 为O*中的第i行第s列元素； 为O*中的第s列； 同理， bis为π中的第i行第s列元 素， π′is为 πis归一化的后的值； 步骤3.3： 则Xc中第s个相关属性的信息熵定义 为： 步骤3.4： 工艺 参数Yj有s个相关属性， 则设定影响因素 Xc对工艺参数Yj的影响权 重为： Ec为影响因素 Xc的信息熵。 4.根据权利要求1所述的基于相似原 理的改进KNN算法的挤压铸造工艺参数设计方法， 其特征在于： 步骤4中， 相关属性的相对变化趋势的衡量和挤压铸造工艺数据筛选的处理过 程如下： 步骤4.1： 记设计的目标铸 件的目标工艺参数的相关属性Xc的数据为O＝{o1,o2,…,os}， 简称为目标数据， 根据差异率， 从case*中选取一组与其相对接近的数据为对比基准， 选择 的原则是令基准C*与O中的对位属性的值相差越小越好； 步骤4.2： 为每个 添加一行与相关变量Xc维度相同的标签 用于记录相关属性上对应数据{xi1,xi2,…,xis}相对基准的变化趋势， 然后将case*中除基 准外的每一组挤压铸造工艺数据的相关属性数据{xi1,xi2,…,xis}与基准C*＝{c1,c2,…, cs}每个属性数据对应地进行一一比较， 并加标记， 若xi1≥c1， 则 为+， 反之为 ‑， 同样比较， 衡量目标数据相关属性O＝{o1,o2,…,os}相对基准C*＝{c1,c2,…,cs}的相对变化趋势， 结 果记为 步骤4.3： 将Ti与TO中的对应元素进行一一对比， 判断Ti与TO中相关属性相对O＝{o1, o2,…,os}的变化趋势是否相同， 若 与 同为+或同为 ‑， 则将 改写为1， 反之则将 改写为 0； 步骤4.4： 按每组数据， 对所有工艺数据的相关属性相对变化趋势的对比结果的标签Ti 求和， 得到STi， 其计算如下 所示： STi＝∑Ti STi的值为[0， s]中的一个整数， 最大值 为s， i为正整数。 步骤4.5： 根据计算的STi， 按整数数值大小划分STi等级， 数值越大等级越高， 相同数值权　利　要　求　书 2/3 页 3 CN 114186357 A 3