CN101261704B - 一种基于遗传算法的智能微粉配比优化系统 - Google Patents

Abstract

本发明涉及一种基于遗传算法的智能微粉配比优化方法，包括：用户磨料微粉信息库模块：存储用户信息、磨料价格和粒度组成的所有数据；功能实现模块：利用信息库模块的库存产品信息，通过基于遗传算法的智能微粉配比优化方法，计算出符合需求粒度号产品所需要的参与配比的微粉粒度号和比例；资料更新模块：用户可自行输入参与配比产品的参数，更改磨料微粉的相关参数，包括价格、畅销系数，从而获得生成产品的相关信息。本发明对磨料微粉企业实际生产具有指导意义，企业可将非畅销粒度号微粉按照一定的规则混合配料，得到畅销粒度号磨料，从而通过很低的加工成本带来良好的经济效益。

Description

一种基于遗传算法的智能微粉配比优化系统

技术领域

本发明属微粉磨料以及粉体材料配比技术领域，特别是涉及一种基于遗传算法的智能微粉配比优化系统。

背景技术

在此之前，对磨料配料技术的研究仅限于在化学方法，即烧结配料的优化。在这些专利中，配料的约束为烧结对各种化学成分的要求和硬度、抗破碎性等物理性能指标。例如国际公布号WO2004/069399的专利立方氮化硼、立方氮化硼的合成催化剂、以及立方氮化硼的制造方法，其中研究了立方氮化硼的制造和催化剂的使用及其质量的影响。又如公开号为1511783的专利人造金刚石的合成方法，此发明将触媒、碳片、叶腊石块组装在一起，通过一定的合成工艺生产出产量高、强度大、优质品率高的人造金刚石。这些方法都是研究磨料配料的化学方法，不涉及不同粒度号产品之间的关系。

发明内容

本发明所要解决的技术问题是提供一种根据企业订单对不同粒度号磨料微粉需求，利用产品数据库的库存产品信息，通过基于遗传算法的智能微粉配比优化系统计算出生成订单需求粒度号产品所需要的参与配比的微粉粒度号和比例。

技术方案

本发明解决其技术问题所采用的技术方案是：提供一种基于遗传算法的智能微粉配比优化系统，包括：

用户磨料微粉信息库模块：存储用户信息、磨料价格和粒度组成的所有数据；

功能实现模块：利用信息库模块的库存产品信息，通过基于遗传算法的智能微粉配比优化系统，计算出符合需求粒度号产品所需要的参与配比的微粉粒度号和比例；所述的遗传算法是将从数据库中读取的参数数据以及通过可视化界面输人的数值进行优化运算后，再利用人机界面，读取优化运算结果并显示在界面中；

资料更新模块：用户可自行输入参与配比产品的参数，更改磨料微粉的相关参数，包括价格、畅销系数，从而获得生成产品的相关信息。

所述的遗传算法包括下列步骤：

（1）设定遗传算子：

在设计遗传算子：交叉、选择和变异算子的基础上提前设定以下4个运行参数：

M：群体大小，即群体中所含个体的数量，在此取为100；

T：遗传算法的终止遗传代数，在此取为500；

P_c：交叉概率，在此取为0.8；

P_m：变异概率，在此取为0.15；

初始群体中的个体是随机产生的。将用户输入的重量参数作为可行区的上界，整个可行区设定为初始群体的生成区域，随机生成一定数目的个体。

用长度为10位的二进制编码串来表示决策变量，作为基因串，10位二进制串可以表示从0到1023之间的1024个不同的数，故将重量参数x₀、x₁、x₂、x₃、x₄的定义域离散化为1023个均等的区域，包括两个端点在内共有1024个不同的离散点。依次让它们分别对应于从0000000000(0)到1111111111(1023)之间的二进制编码。再将分别表示x₀,…,x₄的五个10位长的二进制编码串连接在一起，组成一个50位长的二进制编码串。

（2）进行解码：解码时先将50位长的二进制编码串切断为五个10位长的二进制编码串，然后分别将它们转换为对应的十进制整数代码，依据个体编码方法相对定义域的离散化方法进行转换；

（3）计算个体适应度：遗传算法为求函数的最大值，采用幂函数将目标函数转化为适应度函数；

（4）配比分析计算：分析各种微粉磨料粒度标准尺寸，通过目标函数和适应度函数求得对应的参与配比的5种磨料微粉的重量；某一粒度号的磨料微粉仅能由与它相邻的上下共四种粒度号磨料及其自身配比得到。因此，选择微粉配比的最大范围为五种原料进行配比。五种磨料微粉：x₀、x₁、x₂、x₃、x₄组成基因串，用长度为10位的二进制编码串来表示决策变量，作为基因串，编码后参数在[0-1024]范围内变化。设计如公式（2）所示的二次型函数为目标函数，再由目标函数设计适应度函数，即可求得满足上述二次型目标函数取得极小值的x_i，即对应的参与配比的5种磨料微粉的重量。

（5）是否达到最大遗传代数：判断是否达到终止遗传代数T；若未达到，则进行交叉算子、选择算子、变异算子，并返回步骤（2）；

交叉运算采用单点交叉算子。即对群体中的个体进行两两随机配对，每一对相互配对的个体，随机设置某一基因位之后的位置为交叉点；依设定的交叉概率在其交叉点处相互交换两个个体的部分染色体，从而产生两个新的个体。

选择运算采用比例选择算子。即个体被选中并遗传到下一代群体中的概率与该个体的适应度大小成正比。

变异运算采用均匀变异算子。依次指定个体编码串中的每个基因位为变异点，对每一个变异点，以变异概率从对应基因的取值范围内取一随机数来替代原有基因值，从而产生出一个新的个体。

（6）若步骤（5）达到最大遗传代数，则终止运算，取出最优基因串。

所述的用户信息包括用户名和密码；磨料价格包括粒度号、价格和畅销系数；粒度组成包括粒度号、最大粒范围、D3范围、D50范围和D94范围。

所述的优化系统是在Visual C#2005和SQL Server 2005基础上开发的。

由于国标GB2477—83磨料粒度号是以颗粒大小定义的，为了证明磨料微粉配比生产的可行性，我们将根据表1GB2477—83标准为例进行分析。GB2477—83将磨料按颗粒大小分为41个粒度号。这种方法规定用颗粒的最大宽度代表颗粒的大小，以大致为公比对粒径分档，把一个粉粒样品中的颗粒按上述方法分档为基本粒、混合粒、细粒、粗粒和最大粒。由表1：W63-W5磨料微粉粒度组成表归纳可得，每一粒度号的磨料微粉中基本粒的尺寸范围是上一稍大粒度号磨料中混合粒中除去基本粒的尺寸范围，同时是下一稍小粒度号磨料中粗粒的尺寸范围。由此规律得到相同的微粉颗粒可以同时成为相邻粒度号磨料微粉的成分，只是在较小粒度号的基本粒可能成为较大粒度号的混合粒的一部分，如W40的基本粒可以组成W50的混合粒，反过来W50的基本粒可以构成W40的粗粒等等，剩余的不符合合成产品要求的粗粒和细粒可以通过筛分去除。从而证明了相邻粒度号微粉配比合成是可行的。

面向磨料配比优化系统的工作原理：根据表2微粉GB国家标准与JIS日本标准尺寸对照表可知，日本标准的微粉粒度比较集中、粒度号的划分比较精细，同时也是国际上较为通用的微粉评定标准。因此，将其作为配比的标准，对实际生产具有更好的指导意义。它采用“最大粒、D3、D50和D94”等4个参数表述一种微粉的粒度，这里，最大粒是指所允许最大颗粒的粒径，D3、D50和D94则表示从最大粒径开始计算到这些粒径值的颗粒（以重量计）含量分别为3%、50%和94%。见表3：各种磨料微粉粒度标准尺寸对照表，得到不同粒度号磨料微粉之间的关系，建立数学模型，并综合考虑价格、畅销系数等因素对配料的影响，在满足性能指标要求的前提下以经济效益最大为目标，通过遗传算法进行优化计算。

表1

表2

表3

由于优化面对的问题规模和复杂程度较大，而传统优化方法易出现局部最优解。基于此原因，采用遗传算法进行配料计算。遗传算法是从初始群体开始搜索的，而不是从单点开始搜索的，具有较高效率的并行性。它把问题的参数集表示成个体，并以编码的形式运行，而不是对参数本身进行求解，具有良好的可操作性。遗传算法使用概率转换规则而不用确定性规则，具有全局寻优的特点。

最优化模型一般包括变量、约束条件和目标函数三要素。

基因串的大小和群体规模的选择

分析各种微粉磨料粒度标准尺寸对照表可知，某一粒度号的磨料微粉仅能由与它相邻的上下共四种粒度号磨料及其自身配比得到。其它粒度号由于D3或D94的尺寸范围相差太远，若作为配比原料会造成很大的浪费。因此，选择微粉配比的最大范围为五种原料进行配比，所生成的粒度号称作目标磨料微粉，其余参与配比的四种粒度号产品都称作原料微粉。五种磨料微粉：x₀、x₁、x₂、x₃、x₄组成基因串，用长度为10位的二进制编码串来表示决策变量，作为基因串，编码后参数在[0-1024]范围内变化，解码时用下述公式计算：

$x_i=4.096\×\frac{y_i}{1023}-2.048(i=\mathrm{0,1,2,3,4})---\left(1\right)$

式中，x_i表示各种原料微粉的用量，y_i表示对应各基因串的二进制数值。目标函数的计算

目标函数选用二次型函数，即

$J={[3-\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×D3P{\mathrm{er}}_i]}^2+{[50-\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×D50{\mathrm{Per}}_i]}^2$

$+{[94-\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×D94{\mathrm{Per}}_i]}^2$

$+A_1\×\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×{\mathrm{price}}_i+A_2\×\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×{\mathrm{coefficient}}_i---\left(2\right)$

其中，x_i分别表示各粒度号的原料微粉用量；D50Per_i分别表示目标微粉的D50对应的粒径在原料微粉粒度号磨料中对应的累积百分比；D3Per_i、D94Per_i意义可类推；price_i分别表示各粒度号磨料的价格；coefficient_i分别表示各粒度号磨料的畅销系数；A₁表示价格的加权系数；A₂表示畅销系数的加权系数。

目标函数到适应度函数的转化采用幂函数进行，即

$F\left(J\right)=\frac{1}{J}---\left(3\right)$

遗传算法一般求函数的最大值，通过(3)式将求最小值问题转化为求最大值问题。

有益效果

本发明的创新点是提出了一种对磨料微粉企业实际生产具有指导意义的磨料生产方法并通过计算机的智能配比加以实现。磨料微粉企业可将非畅销粒度号微粉按照一定的规则混合配料，得到畅销粒度号磨料，从而通过很低的加工成本带来良好的经济效益。

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：

1）对目前的磨料微粉生产有积极意义。传统微粉生产都是采用破碎的方法，生产周期长，成本高，质量难以保证。本发明提出的相邻粒度号磨料微粉配比合成新的粒度号微粉，可以实现生产周期短、降低库存和降低成本。该方法可以推广至其它粉体材料的配比；

2）所提出的基于遗传算法的智能微粉配比优化系统，可以满足D3，D50，D94等参数标准，可以实现五种微粉的配比，而且可以保证符合相关粒度标准，因此本方法的使用可以保证产品质量；

3）本方法通过畅销系数、微粉价格等参数建立与微粉市场相关配比系统，可以提高微粉企业的产品的市场适应能力，缩短新产品生产周期；

4）采用遗传算法进行配料计算。遗传算法的主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。特别适用于粉体材料配比优化系统，该系统简单通用、鲁棒性强。

附图说明

图1是系统数据库表结构图。

图2是软件总框图。

图3是算法框图。

图4是计算示例。

图5是资料更新示例。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本优化系统的开发语言是VisualC#2005和SQL Server 2005。参照附图1～3。首先在SQL Server 2005平台上建立用户磨料微粉信息库，表结构如图1所示。然后使用C#语言编写系统流程和主要功能如图2所示。遗传算法流程如图3，也通过C#实现，运算时将从SQL数据库中读取的参数数据以及通过VisualC#可视化界面输人的数值进行优化运算后，再利用Visual C#的人机界面，读取优化运算结果并显示在界面中，同时C#可更新SQL数据库，具体体现在资料更新过程中，用户可根据自身情况自行更改磨料微粉的相关参数，如价格、畅销系数等。

见图4，首先选择目标微粉粒度号，并输入重量；然后在复选框中选择库存的原料微粉粒度号，输入库存量；经系统计算得出需使用的各粒度号微粉的重量。

本实施例中，选择目标粒度号为JIS#500，重量为300kg；采用5种原料进行配比计算；计算得出配比后的微粉在经过筛网筛去#500的最大粒粒径以上的颗粒后满足D3、D50、D94的要求：在JIS标准规定的D3处，微粉的累积密度为2.1%；在D50处，微粉的累积密度为52.5%；在D94处，微粉的累积密度为95%。

Claims (3)

1.一种基于遗传算法的智能微粉配比优化方法，用于计算机处理系统，其特征在于：所述的计算机处理系统还包括：

用户磨料微粉信息库模块：存储用户信息、磨料价格和粒度组成的所有数据；

功能实现模块：利用信息库模块的库存产品信息，通过基于遗传算法的智能微粉配比优化系统，计算出符合需求粒度号产品所需要的参与配比的微粉粒度号和比例；所述的遗传算法的优化系统是将从数据库中读取的参数数据以及通过可视化界面输入的数值进行优化运算后，再利用人机界面，读取优化运算结果并显示在界面中；

资料更新模块：用户可自行输入参与配比产品的参数，更改磨料微粉的相关参数，包括价格、畅销系数，从而获得生成产品的相关信息；

所述的基于遗传算法的智能微粉配比优化方法包括下列步骤：

（1）初始化群体：

在设计遗传算子：交叉、选择和变异算子的基础上提前设定以下4个运行参数：

M：群体大小，即群体中所含个体的数量，在此取为100；

T：遗传算法的终止遗传代数，在此取为500；

P_c：交叉概率，在此取为0.8；

P_m：变异概率，在此取为0.15；

初始群体中的个体是随机产生的，将用户输入的重量参数作为可行区的上界，整个可行区设定为初始群体的生成区域，随机生成若干数目的个体；

用长度为10位的二进制编码串来表示决策变量，作为基因串，10位二进制串可以表示从0到1023之间的1024个不同的数，故将重量参数x₀、x₁、x₂、x₃、x₄的定义域离散化为1023个均等的区域，包括两个端点在内共有1024个不同的离散点；依次让它们分别对应于从0000000000(0)到1111111111(1023)之间的二进制编码；再将分别表示x₀,…,x₄的五个10位长的二进制编码串连接在一起，组成一个50位长的二进制编码串；

（2）进行解码：解码时先将50位长的二进制编码串切断为五个10位长的二进制编码串，然后分别将它们转换为对应的十进制整数代码，依据个体编码方法相对定义域的离散化方法进行转换；

（3）计算个体适应度：遗传算法为求函数的最大值，采用幂函数将目标函数转化为适应度函数；

通过目标函数和适应度函数计算各染色体串的适应度，公式如下：

$J={[3-\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×D3{\mathrm{Per}}_i]}^2+{[50-\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×D50{\mathrm{Per}}_i]}^2$

$+{[94-\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×D94{\mathrm{Per}}_i]}^2$

$+A_1\×\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×{\mathrm{price}}_i+A_2\×\underset{i=0}{\overset{4}{\mathrm{\Σ}}}{x}_i\×{\mathrm{coefficient}}_i$

其中，J为目标函数，x_i分别表示各粒度号的原料微粉用量；D50Per_i分别表示目标微粉的D50对应的粒径在原料微粉粒度号磨料中对应的累积百分比；D3Per_i分别表示目标微粉的D3对应的粒径在原料微粉粒度号磨料中对应的累积百分比、D94Per_i分别表示目标微粉的D94对应的粒径在原料微粉粒度号磨料中对应的累积百分比；price_i分别表示各粒度号磨料的价格；coefficient_i分别表示各粒度号磨料的畅销系数；A₁表示价格的加权系数；A₂表示畅销系数的加权系数；

适应度函数则由目标函数采用幂函数转化得到

$F\left(J\right)=\frac{1}{J};$

（4）配比分析计算：分析各种微粉磨料粒度标准尺寸，通过目标函数和适应度函数求得对应的参与配比的5种磨料微粉的重量；

（5）判别是否达到最大迭代次数；若未达到，则通过对染色体群体进行选择、交叉、

变异运算产生新一代群体，转入步骤（2）重复上述过程；

（6）若步骤（5）达到最大遗传代数，则终止运算。

2.根据权利要求1所述的一种基于遗传算法的智能微粉配比优化方法，其特征在于：所述的用户信息包括用户名和密码；磨料价格包括粒度号、价格和畅销系数；粒度组成包括粒度号、最大粒范围、D3范围、D50范围和D94范围。

3.根据权利要求1所述的一种基于遗传算法的智能微粉配比优化方法，其特征在于：所述的优化系统是在Visual C#2005和SQL Server2005基础上开发的。

Images