一种基于灰狼算法优化卷积神经网络预测钛合金寿命的方法

本发明公开了一种基于灰狼算法优化卷积神经网络预测钛合金寿命的方法，涉及钛合金结构件预测技术领域，包括，收集疲劳试验数据，对疲劳试验数据进行预处理，得到钛合金结构件结构特征；将疲劳试验数据分为训练集和测试集，并利用灰狼优化算法主循环计算结构进行计算，获得最优的一组超参数；基于最优的一组超参数，初始化CNN模型卷积层、池化层和全连接层，构建GWO‑CNN神经网络结构；基于GWO‑CNN神经网络模型，输入钛合金结构件的结构特征，输出钛合金结构件疲劳寿命；通过高质量的数据预处理，提升了GWO‑CNN神经网络模型输入数据的质量，增强了GWO‑CNN神经网络模型的稳定性；显著提高了GWO‑CNN神经网络模型的预测精度和鲁棒性，实现了对钛合金结构件疲劳寿命的高精度预测。