[發(fā)明專利]一種含揮發(fā)組元爐渣實(shí)際成分及物性隨時(shí)間變化的預(yù)測方法

有效

• 申請?zhí)枺?/td>: 201811436920.2
• 申請日: 2018-11-28
• 公開（公告）號: CN109541143B
• 公開（公告）日: 2021-07-06
• 發(fā)明（設(shè)計(jì)）人: 崔雅茹;楊澤;施瑞盟;趙俊學(xué);王國華;郝禹;郭子亮
• 申請（專利權(quán)）人: 西安建筑科技大學(xué)
• 主分類號: G01N33/00
• 分類號: G01N33/00;G06N3/08
• 代理公司: 重慶晟軒知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50238
• 代理人: 楊曉磊

1.一種含揮發(fā)組元爐渣實(shí)際成分及物性隨時(shí)間變化的預(yù)測方法，其特征在于，包括如下步驟：

(1)對含揮發(fā)組元爐渣初始成分進(jìn)行檢測分析；

(2)在加熱溫度為600～1600℃，加熱時(shí)間為0～300分鐘的條件下，對步驟一中的含揮發(fā)性組元爐渣進(jìn)行多組物性檢測，獲得爐渣在不同加熱溫度、加熱時(shí)間條件下的物性參數(shù)測定結(jié)果，所述物性參數(shù)包括熔點(diǎn)、粘度、密度、表面張力、導(dǎo)電性以及導(dǎo)熱性；

(3)對步驟二中的相關(guān)爐渣立刻進(jìn)行急冷處理至室溫，并對該爐渣實(shí)際成分進(jìn)行檢測分析；

(4)根據(jù)步驟(1)確定的爐渣初始成分，以及步驟(2)、(3)的爐渣在不同加熱溫度、加熱時(shí)間條件下獲得的物性參數(shù)與爐渣實(shí)際成分，建立BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測相應(yīng)時(shí)間下的爐渣實(shí)際成分和物性參數(shù)對應(yīng)關(guān)系，所述BP神經(jīng)網(wǎng)絡(luò)模型按照如下步驟建立：

(41)采集步驟(2)、(3)中不同加熱溫度、加熱時(shí)間條件下的爐渣物性參數(shù)和實(shí)際成分作為樣本數(shù)據(jù)，并進(jìn)行歸一化處理，將樣本數(shù)據(jù)分為訓(xùn)練樣本和測試樣本；

(42)將爐渣初始成分、加熱溫度與加熱時(shí)間作為BP神經(jīng)網(wǎng)絡(luò)模型的輸入層，所需預(yù)測的爐渣實(shí)際成分和物性參數(shù)作為爐渣相應(yīng)時(shí)間下BP神經(jīng)網(wǎng)絡(luò)模型的輸出層；輸入層和輸出層之間設(shè)有一隱含層，確定隱含層單元數(shù)；

(43)選用隨機(jī)數(shù)作為初始權(quán)值初始化所述BP神經(jīng)網(wǎng)絡(luò)模型，選擇激活函數(shù)；

(44)將訓(xùn)練樣本輸入BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，計(jì)算輸出層的預(yù)測結(jié)果，然后計(jì)算預(yù)測結(jié)果與步驟(3)所測結(jié)果之間的誤差，判斷輸出誤差是否達(dá)到要求或訓(xùn)練次數(shù)達(dá)到最大訓(xùn)練次數(shù)，若達(dá)到前述任一條件，則結(jié)束訓(xùn)練；否則調(diào)整各節(jié)點(diǎn)的權(quán)重后執(zhí)行下次訓(xùn)練；

(45)訓(xùn)練結(jié)束后輸入測試樣本進(jìn)行測試，計(jì)算并記錄本次神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果，以及預(yù)測結(jié)果與實(shí)際數(shù)值之間的誤差；

(46)調(diào)整隱含層的節(jié)點(diǎn)數(shù)，重建BP神經(jīng)網(wǎng)絡(luò)模型，重復(fù)第(43)至第(45)步；

(47)比較預(yù)測性能，選擇最優(yōu)的BP神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行預(yù)測。

2.根據(jù)權(quán)利要求1所述的一種含揮發(fā)組元爐渣實(shí)際成分及物性隨時(shí)間變化的預(yù)測方法，其特征在于，所述爐渣包括含鉛渣、含氧化鈉渣、含揮發(fā)性氟化物渣以及含揮發(fā)性氯化物渣。

3.根據(jù)權(quán)利要求1-2任一項(xiàng)所述的一種含揮發(fā)組元爐渣實(shí)際成分及物性隨時(shí)間變化的預(yù)測方法，其特征在于，所述激活函數(shù)選取

4.根據(jù)權(quán)利要求1-2任一項(xiàng)所述的一種含揮發(fā)組元爐渣實(shí)際成分及物性隨時(shí)間變化的預(yù)測方法，其特征在于，所述訓(xùn)練樣本采用trainGDM算法進(jìn)行訓(xùn)練。