一种融合领域知识的氟塑料蠕变性能预测方法

本发明属于健康管理领域，特别涉及一种融合领域知识的氟塑料蠕变性能预测方法。所述方法包括以下步骤：对氟塑料的健康因子数据进行归一化预处理；提取先验知识并添加先验知识到BP神经网络的性能函数中，得到最终权值阈值更新公式；利用‑PSO优化神经网络的权值和阈值；根据确定的BP神经网络结构初始化粒子种群及参数，计算‑PSO的粒子适应度值，寻找个体最优值和种群最优值。经实验验证，该方法可以有效解决氟塑料老化性能预测精度低的问题。结果表明，本文所提改进的粒子群算法（‑PSO）与传统BP神经网络相比平均误差下降约3.5479‰，具有更高的预测精度，该方法简明有效，有一定的实际意义。