[發明專利]一種機制砂級配確定方法及系統

在審

• 申請號: 202010035374.2
• 申請日: 2020-01-14
• 公開（公告）號: CN111242483A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 張利慧;劉敦文;楊學成;賴勇超;翦英驊;張文俊;曾增杰
• 申請（專利權）人: 上海隧道工程有限公司;中南大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 楊媛媛

1.一種機制砂級配確定方法，其特征在于，所述方法包括：

確定標準評語云滴圖；

獲取機制砂級配二級評價指標體系中的一級指標和二級指標；

利用層次分析法確定所述機制砂級配二級評價指標體系中各級指標的權重；

獲取所述機制砂級配二級評價指標體系中各二級指標的評分；

利用逆向云發生器計算公式將各所述二級指標的評分轉換成各所述二級指標對應的云數字特征；所述云數字特征包括期望值、熵值和超熵值；

利用二級指標加權公式將各所述二級指標的權重與各所述二級指標對應的云數字特征進行加權計算，獲得多個一級指標對應的云數字特征；

利用一級指標加權公式將各所述一級指標的權重與各所述一級指標對應的云數字特征進行加權計算，獲得機制砂級配的綜合云數字特征；

根據所述機制砂級配的綜合云數字特征確定綜合評價云滴圖；

判斷所述綜合評價云滴圖中設定數量的云滴是否落入所述標準評語云滴圖中的中和差范圍內；如果所述綜合評價云滴圖中設定數量的云滴落入設定的中和差的范圍內，則通過優化算法擬定優化方案，獲得機制砂級配的最終結果；如果所述綜合評價云滴圖中設定數量的云滴落入所述標準評語云滴圖中的優范圍內，則取樣進行篩分試驗，繪制級配曲線并對照國家標準中機制砂二區級配范圍，確定機制砂級配的最終結果；所述最終結果包括：機制砂各級篩網累計篩余值參數、每噸機制砂成本以及機制砂評價指標體系中各二級指標的參數值。

2.根據權利要求1所述的機制砂級配確定方法，其特征在于，所述確定標準評語云滴圖，包括：

確定多個評語區間；

利用云模型特征計算公式對多個所述評語區間進行計算，獲得多個標準評語云的云數字特征；

根據多個所述標準評語云的云數字特征繪制標準評語云滴圖。

3.根據權利要求1所述的機制砂級配確定方法，其特征在于，所述對級配進行優化，獲得機制砂級配的最終結果，具體包括：

確定待改善因素中各所述二級指標對應的綜合評分；

構建機制砂級配優化模型；

將所述待改善因素中各所述二級指標對應的綜合評分輸入所述機制砂級配優化模型，采用遺傳算法對機制砂級配進行優化，確定機制砂級配的最終結果。

4.根據權利要求3所述的機制砂級配確定方法，其特征在于，所述確定待改善因素中各二級指標對應的綜合評分，具體包括：

選取比標準評語云中云數字特征的期望值小的各二級指標對應的云數字特征的期望值作為待改善因素；

確定所述待改善因素內各所述二級指標對應的云數字特征的期望值與所述綜合云數字特征的期望值之間的絕對值；

根據各所述二級指標對應的絕對值和各所述二級指標對應的權重確定待改善因素中各二級指標對應的綜合評分。

5.根據權利要求3所述的機制砂級配確定方法，其特征在于，所述構建機制砂級配優化模型；具體包括：

利用人工神經網絡確定機制砂各級篩網累計篩余值網絡；

向所述機制砂各級篩網累計篩余值網絡輸入原始樣本參數進行訓練學習，輸出機制砂各級篩網累計篩余值和每噸機制砂成本；

判斷所述機制砂各級篩網累計篩余值與篩網累計篩余設定值之間的差值是否在級配設定范圍內，或每噸機制砂成本與成本設定值之間的差值是否在成本設定范圍內；如果所述機制砂各級篩網累計篩余值與篩網累計篩余設定值之間的差值在級配設定范圍內，且每噸機制砂成本與成本設定值之間的差值在成本設定范圍內，則輸出所述機制砂各級篩網累計篩余值網絡；如果所述機制砂各級篩網累計篩余值與篩網累計篩余設定值之間的差值不在級配設定范圍內，或每噸機制砂成本與成本設定值之間的差值不在成本設定范圍內，則返回步驟“向所述機制砂各級篩網累計篩余值網絡輸入樣本參數進行訓練學習，輸出機制砂各級篩網累計篩余值和每噸機制砂成本”。