技術(shù)特征：

1.基于BP神經(jīng)網(wǎng)絡(luò)的防眩玻璃化學(xué)侵蝕工藝參數(shù)優(yōu)化方法，其特征在于：包括以下步驟：

S1：數(shù)據(jù)處理，建立防眩玻璃化學(xué)侵蝕工藝數(shù)據(jù)集，該數(shù)據(jù)集包括防眩玻璃化學(xué)侵蝕工藝過(guò)程中的侵蝕溫度、侵蝕時(shí)間數(shù)據(jù)以及與侵蝕溫度和侵蝕時(shí)間對(duì)應(yīng)的玻璃透過(guò)率數(shù)據(jù)，并對(duì)數(shù)據(jù)集中的玻璃透過(guò)率進(jìn)行標(biāo)準(zhǔn)化處理：

；

其中，μ為所有樣本數(shù)據(jù)的均值，σ為所有樣本數(shù)據(jù)的標(biāo)準(zhǔn)差，為標(biāo)準(zhǔn)化后玻璃透過(guò)率數(shù)據(jù)，為未標(biāo)準(zhǔn)化前的玻璃透過(guò)率數(shù)據(jù)；

S2：確定侵蝕溫度及侵蝕時(shí)間的優(yōu)化范圍，通過(guò)分析玻璃透過(guò)率的主效應(yīng)圖等，刪除主效應(yīng)值不顯著的水平，確定侵蝕溫度及侵蝕時(shí)間的優(yōu)化范圍；

S3：利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建侵蝕溫度、侵蝕時(shí)間與玻璃透過(guò)率的關(guān)系模型，侵蝕溫度和侵蝕時(shí)間作為網(wǎng)絡(luò)輸入，玻璃透過(guò)率作為網(wǎng)絡(luò)輸出，通過(guò)對(duì)BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)的調(diào)整設(shè)置，構(gòu)建較為理想的網(wǎng)絡(luò)模型；

S4：BP神經(jīng)網(wǎng)絡(luò)尋優(yōu)搜索,在構(gòu)建良好網(wǎng)絡(luò)模型的基礎(chǔ)上，利用BP神經(jīng)網(wǎng)絡(luò)模型的高泛化能力對(duì)最優(yōu)參數(shù)組合尋優(yōu)搜索，初次迭代中，在S2中確定的侵蝕溫度及侵蝕時(shí)間的優(yōu)化范圍中賦值，并作為神經(jīng)網(wǎng)絡(luò)的檢測(cè)樣本，利用BP神經(jīng)網(wǎng)絡(luò)模型的泛化能力對(duì)檢測(cè)樣本預(yù)測(cè)出預(yù)測(cè)玻璃透過(guò)率數(shù)據(jù)，在最優(yōu)的預(yù)測(cè)玻璃透過(guò)率所對(duì)應(yīng)的侵蝕溫度及侵蝕時(shí)間組合上下小范圍波動(dòng)，作為下次神經(jīng)網(wǎng)絡(luò)迭代的檢測(cè)樣本，并預(yù)測(cè)出預(yù)測(cè)玻璃透過(guò)率數(shù)據(jù)，通過(guò)多次迭代，將迭代范圍逐漸減小，搜索最優(yōu)侵蝕溫度和侵蝕時(shí)間組合。

2.如權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)的防眩玻璃化學(xué)侵蝕工藝參數(shù)優(yōu)化方法，其特征在于：所述S2的具體方法為：利用Minitab軟件得到玻璃透過(guò)率的主效應(yīng)圖以及玻璃透過(guò)率與侵蝕溫度和侵蝕時(shí)間的等值線圖，通過(guò)主效應(yīng)圖和等值線圖確定侵蝕溫度及侵蝕時(shí)間的優(yōu)化范圍。

3.如權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)的防眩玻璃化學(xué)侵蝕工藝參數(shù)優(yōu)化方法，其特征在于：所述S3的具體方法為：以侵蝕溫度和侵蝕時(shí)間為因子，玻璃透過(guò)率為響應(yīng),溫度水平和時(shí)間水平作為輸入向量，響應(yīng)變量玻璃透過(guò)率作為輸出向量，構(gòu)造含有一個(gè)隱層的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)，設(shè)置隱層的神經(jīng)元個(gè)數(shù)為10，隱層傳遞函數(shù)為tansig，輸出層傳遞函數(shù)為線性函數(shù)purelin，訓(xùn)練函數(shù)用trainlm，訓(xùn)練精度目標(biāo)值、速度和循環(huán)次數(shù)分別設(shè)置為0.001、0.001和300。

4.如權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)的防眩玻璃化學(xué)侵蝕工藝參數(shù)優(yōu)化方法，其特征在于：所述S4中確定迭代次數(shù)的具體方法為：假設(shè)第i次迭代的最優(yōu)響應(yīng)值為，其未標(biāo)準(zhǔn)化前為，

；

；

整理后如下：

；

將作為第i次迭代的實(shí)際優(yōu)化增值，根據(jù)上述公式將迭代優(yōu)化值轉(zhuǎn)化為響應(yīng)實(shí)際優(yōu)化增值，由于比較響應(yīng)值的實(shí)際優(yōu)化增值直觀，可以有效解決盲目迭代優(yōu)化的問(wèn)題，以較少迭代次數(shù)達(dá)到較優(yōu)的響應(yīng)值，即以合理的實(shí)際優(yōu)化增值確定神經(jīng)網(wǎng)絡(luò)的迭代次數(shù)。