【技術實現(xiàn)步驟摘要】
本申請涉及互聯(lián)網(wǎng)，尤其涉及一種性能數(shù)據(jù)獲取方法、裝置、電子設備及存儲介質(zhì)。
技術介紹
1、復合材料的組成和結構可以根據(jù)具體需求進行靈活設計。通過調(diào)整不同組分的比例、形狀和排列方式，可以制備出具有不同性能特點的復合材料，以滿足各種復雜和多樣化的應用需求。
2、然而，現(xiàn)有復合材料的性能數(shù)據(jù)的獲取過程繁瑣，不利于提高性能數(shù)據(jù)的獲取效率。其原因在于，現(xiàn)有技術主要采用人工獲取的方式，獲取復合材料的性能數(shù)據(jù)，而人工獲取的方式需要依賴大量的數(shù)據(jù)比對，這不僅耗時耗力，而且容易受到人為因素的影響，因此不利于提高性能數(shù)據(jù)的獲取效率。
技術實現(xiàn)思路
1、本申請實施例提供一種性能數(shù)據(jù)獲取方法、裝置、電子設備及存儲介質(zhì)，以解決上述現(xiàn)有復合材料的性能數(shù)據(jù)的獲取過程繁瑣，不利于提高性能數(shù)據(jù)的獲取效率的技術問題。
2、第一方面，本申請實施例提供了一種性能數(shù)據(jù)獲取方法，應用于電子設備，所述電子設備存儲有xgboost模型，所述性能數(shù)據(jù)獲取方法包括：
3、獲取復合材料的樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括所述復合材料的預設拉伸速率和所述復合材料在所述預設拉伸速率下的預設性能數(shù)據(jù)；
4、基于所述樣本數(shù)據(jù)訓練所述xgboost模型，獲取所述xgboost模型基于所述樣本數(shù)據(jù)輸出的預測性能數(shù)據(jù)；
5、獲取所述預測性能數(shù)據(jù)中的預測抗拉強度、預測最大伸長率、預測斷裂伸長率，獲取所述預設性能數(shù)據(jù)中的預設抗拉強度、預設最大伸長率、預設斷裂伸長率；
6、獲取所述預測抗拉強
7、根據(jù)所述第一損失值、所述第二損失值、所述第三損失值以及預設的總體損失值生成模型，生成所述預測性能數(shù)據(jù)的總體損失值，判斷總體損失值是否小于預設損失值；
8、當所述總體損失值小于所述預設損失值時，停止訓練所述xgboost模型，保存訓練完成的所述xgboost模型；
9、獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述xgboost模型中，獲取訓練完成的所述xgboost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)。
10、在第一方面的一種可能的實現(xiàn)方式中，所述基于所述樣本數(shù)據(jù)訓練所述xgboost模型，獲取所述xgboost模型基于所述樣本數(shù)據(jù)輸出的預測性能數(shù)據(jù)，包括：
11、獲取所述樣本數(shù)據(jù)的特征向量，將所述特征向量輸入所述xgboost模型中；
12、獲取所述xgboost模型基于所述特征向量輸出的所述預測性能數(shù)據(jù)。
13、示例性地，所述總體損失值生成模型為：
14、s=k1×s1+?k2×(s2+s3)；
15、其中，s為所述總體損失值，s1為所述第一損失值、s2為所述第二損失值、s3為所述第三損失值，k1為預設的第一比例系數(shù)，k2為預設的第二比例系數(shù)。
16、其中，所述總體損失值用于描述預設性能數(shù)據(jù)和預測性能數(shù)據(jù)之間的差異程度；所述總體損失值越大，預設性能數(shù)據(jù)和預測性能數(shù)據(jù)之間的差異程度越大；所述總體損失值越小，預設性能數(shù)據(jù)和預測性能數(shù)據(jù)之間的差異程度越小。
17、其中，所述總體損失值生成模型為所述總體損失值的生成模型。
18、在第一方面的一種可能的實現(xiàn)方式中，所述當所述總體損失值小于所述預設損失值時，停止訓練所述xgboost模型，保存訓練完成的所述xgboost模型，包括：
19、當所述總體損失值小于所述預設損失值時，停止訓練所述xgboost模型；
20、獲取預設的保存指令，通過執(zhí)行所述保存指令，保存訓練完成的所述xgboost模型。
21、在第一方面的一種可能的實現(xiàn)方式中，所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述xgboost模型中，獲取訓練完成的所述xgboost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)，包括：
22、連接輸入設備，通過所述輸入設備，獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述xgboost模型中，獲取訓練完成的所述xgboost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)。
23、在第一方面的一種可能的實現(xiàn)方式中，在所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述xgboost模型中，獲取訓練完成的所述xgboost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)之后，所述性能數(shù)據(jù)獲取方法，包括：
24、獲取所述當前性能數(shù)據(jù)中的當前抗拉強度、當前最大伸長率、當前斷裂伸長率；
25、獲取預設的顯示區(qū)域，在所述顯示區(qū)域顯示所述當前抗拉強度、所述當前最大伸長率、所述當前斷裂伸長率。
26、在第一方面的一種可能的實現(xiàn)方式中，在所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述xgboost模型中，獲取訓練完成的所述xgboost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)之后，所述性能數(shù)據(jù)獲取方法，包括：
27、獲取預設的存儲區(qū)域，將所述當前性能數(shù)據(jù)存儲至所述存儲區(qū)域中。
28、在第一方面的一種可能的實現(xiàn)方式中，在所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述xgboost模型中，獲取訓練完成的所述xgboost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)之后，所述性能數(shù)據(jù)獲取方法，包括：
29、獲取所述復合材料的燃料名稱，將所述燃料名稱和所述當前性能數(shù)據(jù)上傳至預設的服務器。
30、第二方面，本申請實施例提供了一種性能數(shù)據(jù)獲取裝置，應用于電子設備，所述電子設備存儲有xgboost模型，包括：
31、第一獲取模塊，用于獲取復合材料的樣本數(shù)據(jù)，所述樣本數(shù)據(jù)包括所述復合材料的預設拉伸速率和所述復合材料在所述預設拉伸速率下的預設性能數(shù)據(jù)；
32、第二獲取模塊，用于基于所述樣本數(shù)據(jù)訓練所述xgboost模型，獲取所述xgboost模型基于所述樣本數(shù)據(jù)輸出的預測性能數(shù)據(jù)；
33、第三獲取模塊，用于獲取所述預測性能數(shù)據(jù)中的預測抗拉強度、預測最大伸長率、預測斷裂伸長率，獲取所述預設性能數(shù)據(jù)中的預設抗拉強度、預設最大伸長率、預設斷裂伸長率；
34、第四獲取模塊，用于獲取所述預測抗拉強度與所述預設抗拉強度之間的第一損失值，獲取所述預測最大伸長率與所述預設最大伸長率之間的第二損失值，獲取所述預測斷裂伸長率與所述預設斷裂伸長率之間的第三損失值；
35、判斷模塊，用于根據(jù)所述第一損失值、所述第二損失值、所述第三損失值以及預設的總體損失值生成模型，生成所述預測性能數(shù)據(jù)的總體損失值，判斷總體損失值是否小于預設損失值；
36、保存模塊，用于當所述總體損失值小于所述預設損失值時，停止訓練所述x本文檔來自技高網(wǎng)...
【技術保護點】
1.一種性能數(shù)據(jù)獲取方法，其特征在于，應用于電子設備，所述電子設備存儲有XGBoost模型，所述性能數(shù)據(jù)獲取方法包括：
2.根據(jù)權利要求1所述的性能數(shù)據(jù)獲取方法，其特征在于，所述基于所述樣本數(shù)據(jù)訓練所述XGBoost模型，獲取所述XGBoost模型基于所述樣本數(shù)據(jù)輸出的預測性能數(shù)據(jù)，包括：
3.根據(jù)權利要求1所述的性能數(shù)據(jù)獲取方法，其特征在于，所述當所述總體損失值小于所述預設損失值時，停止訓練所述XGBoost模型，保存訓練完成的所述XGBoost模型，包括：
4.根據(jù)權利要求1所述的性能數(shù)據(jù)獲取方法，其特征在于，所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述XGBoost模型中，獲取訓練完成的所述XGBoost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)，包括：
5.根據(jù)權利要求1至4任一項所述的性能數(shù)據(jù)獲取方法，其特征在于，在所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述XGBoost模型中，獲取訓練完成的所述XGBoost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)之后，所述性能
6.根據(jù)權利要求1至4任一項所述的性能數(shù)據(jù)獲取方法，其特征在于，在所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述XGBoost模型中，獲取訓練完成的所述XGBoost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)之后，所述性能數(shù)據(jù)獲取方法，包括：
7.根據(jù)權利要求1至4任一項所述的性能數(shù)據(jù)獲取方法，其特征在于，在所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述XGBoost模型中，獲取訓練完成的所述XGBoost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)之后，所述性能數(shù)據(jù)獲取方法，包括：
8.一種性能數(shù)據(jù)獲取裝置，其特征在于，應用于電子設備，所述電子設備存儲有XGBoost模型，包括：
9.一種電子設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序時實現(xiàn)如權利要求1至7任一項所述的性能數(shù)據(jù)獲取方法。
10.一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)存儲有計算機程序，其特征在于，所述計算機程序被處理器執(zhí)行時實現(xiàn)如權利要求1至7任一項所述的性能數(shù)據(jù)獲取方法。
...【技術特征摘要】
1.一種性能數(shù)據(jù)獲取方法，其特征在于，應用于電子設備，所述電子設備存儲有xgboost模型，所述性能數(shù)據(jù)獲取方法包括：
2.根據(jù)權利要求1所述的性能數(shù)據(jù)獲取方法，其特征在于，所述基于所述樣本數(shù)據(jù)訓練所述xgboost模型，獲取所述xgboost模型基于所述樣本數(shù)據(jù)輸出的預測性能數(shù)據(jù)，包括：
3.根據(jù)權利要求1所述的性能數(shù)據(jù)獲取方法，其特征在于，所述當所述總體損失值小于所述預設損失值時，停止訓練所述xgboost模型，保存訓練完成的所述xgboost模型，包括：
4.根據(jù)權利要求1所述的性能數(shù)據(jù)獲取方法，其特征在于，所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述xgboost模型中，獲取訓練完成的所述xgboost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)，包括：
5.根據(jù)權利要求1至4任一項所述的性能數(shù)據(jù)獲取方法，其特征在于，在所述獲取所述復合材料的當前拉伸速率，將所述當前拉伸速率輸入訓練完成的所述xgboost模型中，獲取訓練完成的所述xgboost模型基于所述當前拉伸速率輸出的當前性能數(shù)據(jù)之后，所述性能數(shù)據(jù)獲取方法，包括：
6....
【專利技術屬性】
技術研發(fā)人員：強洪夫，劉舜，王學仁，耿挺京，裴書帝，
申請(專利權)人：中國人民解放軍火箭軍工程大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。