【技术实现步骤摘要】
本专利技术涉及固态储氢，具体地涉及一种储氢合金的储氢性能预测方法、一种储氢合金的储氢性能预测装置、一种机器可读存储介质、一种电子设备及一种车辆。
技术介绍
1、随着能源危机和环境污染日益严重，氢能因其可再生、清洁无污染和高的能量密度而受到了广泛关注。开发安全高效的储氢合金是其发展的关键性环节。比如：ti基储氢合金由于其良好的吸氢和放氢动力学特性、活化性能、循环性能、安全性和低廉的成本，被认为是应用与氢燃料电池车中最具潜力的储氢合金。但低的储氢容量会限制其应用和推广，因此开发高性能的储氢材料对储氢技术的应用至关重要。
2、目前的储氢合金的储氢性能预测方法，普遍使用经验准则进行性能预测，这种预测方法具有较低的预测精度和准确性。
技术实现思路
1、本专利技术实施例的目的是提供一种储氢合金的储氢性能预测方法、一种储氢合金的储氢性能预测装置、一种机器可读存储介质、一种电子设备及一种车辆，该储氢合金的储氢性能预测方法通过对机器学习模型的交叉验证、ada集成模型以及多参数迭代筛选优化，实现对储氢合金的储氢性能快速精准预测。
2、为了实现上述目的，本申请第一方面提供一种储氢合金的储氢性能预测方法，包括：
3、获取样本数据库，所述样本数据库包括多种储氢合金的特征参数以及各种储氢合金对应的储氢容量，各种储氢合金的成分不同，晶体结构相同；
4、基于所述样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型；
5、从所述多个初始预测模
6、基于所述样本数据库，建立所述最优初始预测模型对应的ada集成模型，得到性能预测模型；
7、基于所述性能预测模型，对待预测储氢合金进行储氢预测，得到储氢预测结果。
8、在本申请实施例中，所述获取样本数据库，包括：
9、获取多种储氢合金及各种储氢合金对应的储氢容量；
10、分别对各种储氢合金进行第一性原理计算，得到各种储氢合金的元素晶体参数；
11、分别基于所述各种储氢合金的元素晶体参数，按照预置的特征参数计算公式计算得到各种储氢合金的特征参数；
12、基于所述各种储氢合金的特征参数及所述各种储氢合金对应的储氢容量，得到样本数据库。
13、在本申请实施例中，所述基于所述样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型，包括：
14、对所述样本数据库中的数据进行数据清理，得到新的样本数据库；
15、基于所述新的样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型。
16、在本申请实施例中，所述特征参数包括温度，所述各种储氢合金对应的储氢容量为各种储氢合金不同温度下对应的储氢容量。
17、在本申请实施例中，所述基于所述样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型，包括：
18、a1：将所述样本数据库划分为k个的子集，得到k个子样本集；
19、a2：在所述k个子样本集中选择其中k-1个子样本集作为训练集，剩余的子样本集作为验证集，基于所述训练集，分别对各个机器学习模型进行训练，并采用所述验证集对训练后的机器学习模型进行测试；
20、a3：重复步骤a1-a2直至所述样本数据库中的每一个样本均被遍历作为验证集，以得到多个初始预测模型。
21、在本申请实施例中，所述从所述多个初始预测模型中确定出最优初始预测模型，包括：
22、分别采用各个初始预测模型对所述验证集进行预测，得到各个初始预测模型对应的预测结果；
23、基于所述各个初始预测模型对应的预测结果和实际结果，分别计算得到各个初始预测模型的回归性能评估指标；
24、基于所述各个初始预测模型的回归性能评估指标，确定得到最优初始预测模型。
25、在本申请实施例中，还包括：
26、获取待预测多元储氢合金；
27、按照预置的间隔，对所述待预测多元储氢合金中的合金成分进行划分，得到多个合金比例组合；
28、基于所述性能预测模型，分别对各个合金比例组合进行储氢预测，得到多个合金比例组合的储氢预测结果；
29、基于所述多个合金比例组合的储氢预测结果，得到最优储氢性能的合金成分。
30、在本申请实施例中，还包括：
31、获取所述最优储氢性能的合金成分对应的实验储氢结果；
32、基于所述实验储氢结果，对所述最优储氢性能的合金成分对应的储氢预测结果进行验证，得到验证结果。
33、本申请第二方面提供一种储氢合金的储氢性能预测装置，包括：
34、获取模块，用于获取样本数据库，所述样本数据库包括多种储氢合金的特征参数以及各种储氢合金对应的储氢容量，各种储氢合金的成分不同，晶体结构相同；
35、训练模块，用于基于所述样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型；
36、确定模块，用于从所述多个初始预测模型中确定出最优初始预测模型；
37、建立模块，用于基于所述样本数据库，建立所述最优初始预测模型对应的ada集成模型，得到性能预测模型；
38、预测模块，用于基于所述性能预测模型，对待预测储氢合金进行储氢预测，得到储氢预测结果。
39、本申请第三方面提供一种电子设备，该电子设备包括：
40、至少一个处理器；
41、存储器，与所述至少一个处理器连接；
42、其中，所述存储器存储有能被所述至少一个处理器执行的指令，所述至少一个处理器通过执行所述存储器存储的指令实现上述的储氢合金的储氢性能预测方法。
43、本申请第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的储氢合金的储氢性能预测方法。
44、本申请第五方面提供一种车辆，包括上述的储氢合金的储氢性能预测装置或上述的电子设备或上述的机器可读存储介质。
45、通过上述技术方案，通过获取样本数据库，所述样本数据库包括多种储氢合金的特征参数以及各种储氢合金对应的储氢容量，各种储氢合金的成分不同，晶体结构相同；基于所述样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型；从所述多个初始预测模型中确定出最优初始预测模型；基于所述样本数据库，建立所述最优初始预测模型对应的ada集成模型，得到性能预测模型；基于所述性能预测模型，对待预测储氢合金进行储氢预测，得到储氢预测结果。通过选择不同成分晶体结构相同的储氢合金作为样本数据库，通过对机器学习模型的交叉验证从多个机器学习模型训练得的多个初始预测模型中选择最优初始预测模型，进一步采用ada集成模型进行参数迭代筛选，提升了预测模型预测的准确性，相较于现有技术中的经验准则法、线性拟合法和传统的机器学本文档来自技高网...
【技术保护点】
1.一种储氢合金的储氢性能预测方法，其特征在于，包括：
2.根据权利要求1所述的储氢合金的储氢性能预测方法，其特征在于，所述获取样本数据库，包括：
3.根据权利要求2所述的储氢合金的储氢性能预测方法，其特征在于，所述基于所述样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型，包括：
4.根据权利要求1所述的储氢合金的储氢性能预测方法，其特征在于，所述特征参数包括温度，所述各种储氢合金对应的储氢容量为各种储氢合金不同温度下对应的储氢容量。
5.根据权利要求1所述的储氢合金的储氢性能预测方法，其特征在于，所述基于所述样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型，包括：
6.根据权利要求5所述的储氢合金的储氢性能预测方法，其特征在于，所述从所述多个初始预测模型中确定出最优初始预测模型，包括：
7.根据权利要求1所述的储氢合金的储氢性能预测方法，其特征在于，还包括：
8.根据权利要求7所述的储氢合金的储氢性能预测方法，其特征在于，还包括：
9.一种储氢合金
10.一种电子设备，其特征在于，该电子设备包括：
11.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至8中任一项所述的储氢合金的储氢性能预测方法。
12.一种车辆，其特征在于，包括权利要求9所述的储氢合金的储氢性能预测装置或权利要求10所述的电子设备或权利要求11所述的机器可读存储介质。
...【技术特征摘要】
1.一种储氢合金的储氢性能预测方法，其特征在于，包括：
2.根据权利要求1所述的储氢合金的储氢性能预测方法，其特征在于，所述获取样本数据库，包括：
3.根据权利要求2所述的储氢合金的储氢性能预测方法，其特征在于，所述基于所述样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型，包括：
4.根据权利要求1所述的储氢合金的储氢性能预测方法，其特征在于，所述特征参数包括温度，所述各种储氢合金对应的储氢容量为各种储氢合金不同温度下对应的储氢容量。
5.根据权利要求1所述的储氢合金的储氢性能预测方法，其特征在于，所述基于所述样本数据库，对预置的多个机器学习模型进行训练，得到多个初始预测模型，包括：
6.根据权利要求5所述的储氢合金的储氢性能预测方法，...
【专利技术属性】
技术研发人员：刘延斌，樊钊，付玲，张正奇，蒋凯歌，尹莉，佘玲娟，
申请(专利权)人：中联重科股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。