CN111863157B - 一种玻璃生产过程的原料质量确定方法 - Google Patents

Abstract

本发明公开了一种玻璃生产过程的原料质量确定方法，包括以下步骤：S1：获取各批次白云石的成分数据；S2：建立白云石批次组合模型；S3：根据质量指标与生产要求设置白云石批次组合模型参数并利用模型求解组合结果；S4：获取除白云石外的其它原料的成分数据；S5：基于SLSQP算法建立原料质量计算模型；S6：设置原料质量计算模型参数，输入白云石成分数据与S4数据并利用模型求解原料添加质量。解决了玻璃生产过程中原料质量添加不合理、玻璃质量不稳定的问题。

Description

一种玻璃生产过程的原料质量确定方法

技术领域

本发明涉及玻璃生产质量指标控制领域，特别是一种玻璃生产过程的原料质量确定方法。

背景技术

用于玻璃生产的原料主要包括硅砂、白云石、氧化铝与纯碱等。不同批次白云石之间的成分(如SiO₂、Fe₂O₃等)含率不同，实际生产过程中，由于白云石库存的存在以及每次上料各成分含率的要求，往往将不同批次的白云石组合使用。但在组合时需要考虑如下问题：组合时不能只考虑当前组合的合理性，也要顾及后续组合的合理性。实际生产过程中，由于库存批次较多，导致总组合数过于庞大，其计算复杂度远远超出了人类大脑的计算能力(例如当前库存为40批，4批为一个组合时，仅仅当前组合的组合数就为

)。

成品玻璃对质量指标(SiO₂、Fe₂O₃、Al₂O₃含率与密度等)的要求极其严格。这就需要在生产前十分准确地计算出各原料的添加质量，使得成品玻璃的各项质量指标均满足生产要求。实际中，由于成品玻璃的质量指标较多，经常出现人工计算难度大、原料添加不合理的情况，这对成品玻璃的质量产生了不良影响。

建立对应的数学模型能够根据当前各生产原料的成分含率，快速、准确地计算出所需的白云石批次组合与各原料合理的添加质量，使得成品玻璃的各项质量指标均满足生产要求。本发明提出的原料质量计算模型克服了人工计算难度大、效率低的缺点，能使成品玻璃的生产质量更加稳定。

发明内容

为解决现有技术存在的问题，本发明提供了一种玻璃生产过程的原料质量确定方法，解决了克服了人工计算难度大、效率低的缺点，成品玻璃的生产质量不稳定的问题。

本发明采用的技术方案是，一种玻璃生产过程的原料质量确定方法，包括以下步骤：

S1：获取各批次白云石的成分数据；

S2：建立白云石批次组合模型；

S3：根据质量指标与生产要求设置白云石批次组合模型参数并利用模型求解组合结果；

S4：获取除白云石外的玻璃生产所需其它原料的成分数据；

S5：基于SLSQP算法建立原料质量计算模型；

S6：设置原料质量计算模型参数，输入白云石成分数据与步骤S4数据并利用模型求解原料添加质量。

优选地，步骤S1的，具体步骤如下：

首先获取当前库存中总批次数sumbch、批次集合Batch₁与各批次的成分含率，成分包括CaO、MgO、Fe₂O₃、SiO₂、Al₂O₃；Batch₁的定义如下式所示：

Batch₁＝{1，2，3，…，sumbch}。

优选地，S2的包括以下子步骤：

S21.计算不同批次组合后的各成分含率的平均数，计算方法如下：

其中，

代表组合后成分J含率的平均数，J_i代表批次i的成分含率，J∈{CaO，MgO，Fe₂O₃，SiO₂，Al₂O₃}，n代表一个组合所包含的批次数；

S22.在Batch₁中求解第一个组合combi₁，组合后

需满足以下约束：

其中，J_stad代表

的标准值，error_J代表

的最大波动范围，％；

求解方法采用随机生成的方法，即在Batch₁中随机选取n个元素，计算

并判断是否满足上述约束，若满足，则combi₁求解成功；若不满足，则继续随机生成，直至找到满足约束的combi₁；

在第一个组合求解成功后，继续求解按照同样的方式求解第二个组合combi₂，Batch₂计算方法如下：

Batch₂＝Batch₁-combi₁

当combi₁不合理时，Batch₂会存在无解的情况；定义最大随机次数ran_max，当已执行的求解次数大于ran_max且combi₂仍未求解成功时，重新求解combi₁；在Batch₃中求解combi₃时，当已执行的求解次数大于ran_max且combi₃仍未求解成功时，重新求解combi₁；Batch₃的计算方法如下式所示：

Batch₃＝Batch₂-combi₂

以此类推，直至求解出combi_pmax，pmax为需要求解的组合数。

优选地，S3的包括以下子步骤：

S31.根据玻璃生产的质量指标与生产要求设置的白云石批次组合模型参数，包括J_stad、error_J、n与pmax；

S32.在模型参数设置完毕后，输入步骤S1所述的白云石批次信息即可利用白云石批次组合模型求解出pmax个组合。

优选地，S4的包括以下子步骤：

其它原料，主要包括硅砂、氧化铝、纯碱、芒硝、碳粉、铁粉与碳酸钾；获取各成分的含率，包括CaO、MgO、Fe₂O₃、SiO₂、Al₂O₃、K₂O、Na₂O、Na₂CO₃、Na₂SO₄与C共10种成分；不同的原料包含其中的几种成分。

优选地，S5的包括以下子步骤：

S51.在获取了各生产原料的成分含率后，计算混合原料的各成分含率；计算方法如下：

m_k＝∑M_q·con_qk

其中，pro_k代表混合原料成分k的含率；

k∈{CaO，MgO，Fe₂O₃，SiO₂，Al₂O₃，K₂O，Na₂O}；ec₁代表经验系数；m_sum代表各成分的质量和；m_k代表混合原料中成分k的质量；M_q代表原料q的质量，q∈{硅砂，白云石，氧化铝，纯碱，芒硝，碳粉，铁粉，碳酸钾}；con_qk代表原料q中成分k的含率；

混合原料C含率的计算方法如下式所示：

其中，pro_C代表混合原料C含率；M_C与M_mira分别代表碳粉与芒硝质量；con_CC代表碳粉中的C含率；con_Na2SO4代表芒硝中的Na₂SO₄含率；

混合原料芒硝含率的计算方法如下式所示：

其中，pro_mira代表混合原料芒硝含率；ec₂与ec₃代表经验系数；M_sa代表纯碱质量；con_Na2CO3代表纯碱中的Na₂CO₃含率；

混合原料的总质量与玻璃密度计算方法如下式所示：

M_sum＝∑M_q

其中，M_sum代表原料混合后的总质量；dens代表玻璃密度；ec_k代表经验系数；

S52.生产中要求M_sum在标准值M_stad上下一定的区间内浮动，且越接近M_stad越好；建立原料质量模型，选取目标函数如下：

min M_sum-M_stad

S53.生产中对混合原料的总质量、密度、各成分含率均有约束，即要求这些指标要在标准值的上下一定范围内波动，如下式所示：

M_stad-M_al≤M_sum≤M_stad+M_al

dens_stad-dens_al≤dens≤dens_stad+dens_al

pro_kstad-pro_kal≤pro_k≤pro_kstad+pro_kal

pro_Cstad-pro_Cal≤pro_C≤pro_kstad+pro_Cal

pro_mirastad-pro_miraal≤pro_mira≤pro_mirastad+pro_miraal

pro_CaMgstad-pro_CgMgal≤pro_CgMg≤pro_CaMgstad+pro_CgMgal

其中，M_stad代表总质量的标准值；M_al代表总质量的最大允许波动值；dens_stad代表玻璃密度的标准值；dens_al代表玻璃密度的最大允许波动值；pro_kstad代表混合原料成分k的标准值；pro_kal代表混合原料成分k的最大允许波动值；pro_Cstad代表碳含率的标准值；pro_Cal代表碳含率的最大允许波动值；pro_mirastad代表芒硝含率的标准值；pro_miraal代表芒硝含率的最大允许波动值；pro_CaMgstad代表CaO含率MgO含率之和的标准值，计算方法如下式所示；pro_CgMgal代表CaO含率MgO含率之和的最大允许波动值：

pro_CaMgstad＝pro_Caostad+pro_Mgostad

S54.使用序列最小二乘规划法即SLSQP对M_q进行求解；如下式所示：

其中，

表示目标函数在的M_q ^k处的Jacobi矩阵，H^k表示目标函数在M_q ^k处的Hessian矩阵；M_q ^k的迭代形式如下式所示：

求解过程中H^k的迭代形式如下式所示：

其中，

ΔM_q ^k＝M_q ^k+1-M_q ^k

优选地，S6的包括以下子步骤：

S61.根据玻璃质量指标设置模型里的参数，设置的参数包括：M_stad、M_al、dens_stad、dens_al、pro_kstad、pro_kal、pro_Cstad、pro_Cal、pro_mirastad、pro_miraal、pro_CaMgstad与pro_CgMgal；

S62.输入白云石批次组合模型求解的组合结果与其他原料的成分数据，利用步骤S5建立的原料质量模型，对M_q进行求解。

本发明提供的一种玻璃生产过程的原料质量确定方法，有益效果如下：

1.本发明的一种玻璃生产过程的原料质量确定方法可以根据当前各批次白云石的成分含率，快速、准确地计算出所需的白云石批次组合，用于后续玻璃生产。

2.本发明的一种玻璃生产过程的原料质量确定方法可以根据当前各生产原料成分含率快速、准确地计算出各原料合理的添加质量，使得成品玻璃的各项质量指标均满足生产要求。

附图说明

图1是本发明的流程图。

图2是人工组合结果与本发明的白云石批次组合模型组合结果对比图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

如图1所示，一种玻璃生产过程的原料质量确定方法，包括以下步骤：

S1：获取各批次白云石的成分数据；

S2：建立白云石批次组合模型；

S3：根据质量指标与生产要求设置白云石批次组合模型参数并利用模型求解组合结果；

S4：获取除白云石外的玻璃生产所需其它原料的成分数据；

S5：基于SLSQP算法建立原料质量计算模型；

S6：设置原料质量计算模型参数，输入白云石成分数据与步骤S4数据并利用模型求解原料添加质量。

白云石是玻璃生产的原料之一，但各批次间成分含率不同，需要首先获取当前库存中总批次数sumbch、批次集合Batch₁与各批次的成分含率，成分包括CaO、MgO、Fe₂O₃、SiO₂、Al₂O₃。Batch₁的定义如下式所示：

Batch₁＝{1，2，3，…，sumbch}

然后，计算不同批次组合后的各成分含率的平均数，计算方法如下：

其中，

代表组合后成分J含率的平均数，J_i代表批次i的成分含率，J∈{CaO，MgO，Fe₂O₃，SiO₂，Al₂O₃}，n代表一个组合所包含的批次数。

在Batch₁中求解第一个组合combi₁，组合后

需满足以下约束：

其中，J_stad代表

的标准值，error_J代表

的最大波动范围，％。求解方法采用随机生成的方法，即在Batch₁中随机选取n个元素，计算

并判断是否满足上述约束。若满足，则combi₁求解成功；若不满足，则继续随机生成，直至找到满足约束的combi₁。在第一个组合求解成功后，继续求解按照同样的方式求解第二个组合combi₂，Batch₂计算方法如下：

Batch₂＝Batch₁-combi₁

当combi₁不合理时，Batch₂会存在无解的情况。本发明定义最大随机次数ran_max，当已执行的求解次数大于ran_max且combi₂仍未求解成功时，重新求解combi₁。在Batch₃中求解combi₃时，当已执行的求解次数大于ran_max且combi₃仍未求解成功时，重新求解combi₁。Batch₃的计算方法如下式所示。以此类推，直至求解出combi_pmax，pmax为需要求解的组合数。

Batch₃＝Batch₂-combi₂

然后，根据玻璃生产的质量指标与生产要求设置的白云石批次组合模型参数，包括J_stad、error_J、n与pmax。在模型参数设置完毕后，输入S1所述的白云石批次信息即可利用白云石批次组合模型求解出pmax个组合。

玻璃生产中除优选出合适的白云石组合作为生产原料外，还需要其它原料，主要包括硅砂、氧化铝、纯碱、芒硝、碳粉、铁粉与碳酸钾。这些原料不需要进行批次组合，但同样需要获取各成分的含率，包括CaO、MgO、Fe₂O₃、SiO₂、Al₂O₃、K₂O、Na₂O、Na₂CO₃、Na₂SO₄与C共10种成分。不同的原料包含其中的几种成分。

在获取了各生产原料的成分含率后，需要计算混合原料的各成分含率。计算方法如下：

m_k＝∑M_q·con_qk

其中，pro_k代表混合原料成分k的含率，k∈{CaO，MgO，Fe₂O₃，SiO₂，Al₂O₃，K₂O，Na₂O}；ec₁代表经验系数；m_sum代表各成分的质量和；m_k代表混合原料中成分k的质量；M_q代表原料q的质量，q∈{硅砂，白云石，氧化铝，纯碱，芒硝，碳粉，铁粉，碳酸钾}；con_qk代表原料q中成分k的含率。混合原料C含率的计算方法如下式所示：

其中，pro_C代表混合原料C含率；M_C与M_mira分别代表碳粉与芒硝质量；con_CC代表碳粉中的C含率；con_Na2SO4代表芒硝中的Na₂SO₄含率；混合原料芒硝含率的计算方法如下式所示：

其中，pro_mira代表混合原料芒硝含率；ec₂与ec₃代表经验系数；M_sa代表纯碱质量；con_Na2CO3代表纯碱中的Na₂CO₃含率。混合原料的总质量与玻璃密度计算方法如下式所示：

M_sum＝∑M_q

其中，M_sum代表原料混合后的总质量；dens代表玻璃密度；ec_k代表经验系数。

生产中要求M_sum在标准值M_stad上下一定的区间内浮动，且越接近M_stad越好。因此在建立原料质量模型，选取目标函数如下：

min M_sum-M_stad

生产中对混合原料的总质量、密度、各成分含率均有约束，即要求这些指标要在标准值的上下一定范围内波动，如下式所示：

M_stad-M_al≤M_sum≤M_stad+M_al

dens_stad-dens_al≤dens≤dens_stad+dens_al

pro_kstad-pro_kal≤pro_k≤pro_kstad+pro_kal

pro_Cstad-pro_Cal≤pro_C≤pro_kstad+pro_Cal

pro_mirastad-pro_miraal≤pro_mira≤pro_mirastad+pro_miraal

pro_CaMgstad-pro_CgMgal≤pro_CgMg≤pro_CaMgstad+pro_CgMgal

其中，M_stad代表总质量的标准值；M_al代表总质量的最大允许波动值；dens_stad代表玻璃密度的标准值；dens_al代表玻璃密度的最大允许波动值；pro_kstad代表混合原料成分k的标准值；pro_kal代表混合原料成分k的最大允许波动值；pro_Cstad代表碳含率的标准值；pro_Cal代表碳含率的最大允许波动值；pro_mirastad代表芒硝含率的标准值；pro_miraal代表芒硝含率的最大允许波动值；pro_CaMgstad代表CaO含率MgO含率之和的标准值，计算方法如下式所示；pro_CgMgal代表CaO含率MgO含率之和的最大允许波动值。

pro_CaMgstad＝pro_CaOstad+pro_MgOstad

然后使用序列最小二乘规划法即SLSQP对M_q进行求解；如下式所示：

其中，

表示目标函数在的M_q ^k处的Jacobi矩阵，H^k表示目标函数在M_q ^k处的Hessian矩阵；M_q ^k的迭代形式如下式所示：

求解过程中H^k的迭代形式如下式所示：

其中，

ΔM_q ^k＝M_q ^k+1-M_q ^k

最后根据玻璃质量指标设置模型里的参数，需要设置的参数包括：M_stad、M_al、dens_stad、dens_al、pro_kstad、pro_kal、pro_Cstad、pro_Cal、pro_mirastad、pro_miraal、pro_CaMgstad与pro_CgMgal。输入白云石批次组合模型求解的组合结果与其他原料的成分数据，利用S5建立的原料质量模型，对M_q进行求解。

如图2是人工组合结果与本发明的白云石批次组合模型组合结果对比图，选取所有组合的平均偏差作为衡量指标。计算公式如下式所示：

其中，MRE_J表示成分J的平均偏差；cal_Ji表示第i组成分J的偏差。

表1

表1是本发明一种玻璃生产过程的原料质量确定方法人工计算结果与原料质量计算模型计算结果的对比。选取各样本的平均偏差作为衡量指标。

其中，W∈{CaO，MgO，Fe₂O₃，SiO₂，Al₂O₃，K₂O，Na₂O，CaMg，mira，C，M_sum，dens}。

Claims (3)

1.一种玻璃生产过程的原料质量确定方法，其特征在于，包括以下步骤：

S1：获取各批次白云石的成分数据；

首先获取当前库存中总批次数sumbch、批次集合Batch₁与各批次的成分含率，成分包括CaO、MgO、Fe₂O₃、SiO₂、Al₂O₃；Batch₁的定义如下式所示：

Batch₁＝{1,2,3,…,sumbch}；

S2：建立白云石批次组合模型；

包括以下子步骤：

S21.计算不同批次组合后的各成分含率的平均数，计算方法如下：

其中，

代表组合后成分J含率的平均数，J_i代表批次i的成分含率，J∈{CaO,MgO,Fe₂O₃,SiO₂,Al₂O₃}，n代表一个组合所包含的批次数；

S22.在Batch₁中求解第一个组合combi₁，组合后

需满足以下约束：

其中，J_stad代表

的标准值，error_J代表

的最大波动范围％；

求解方法采用随机生成的方法，即在Batch₁中随机选取n个元素，计算

并判断是否满足上述约束，若满足，则combi₁求解成功；若不满足，则继续随机生成，直至找到满足约束的combi₁；

在第一个组合求解成功后，继续求解按照同样的方式求解第二个组合combi₂，Batch₂计算方法如下：

Batch₂＝Batch₁-combi₁

当combi₁不合理时，Batch₂会存在无解的情况；定义最大随机次数ran_max，当已执行的求解次数大于ran_max且combi₂仍未求解成功时，重新求解combi₁；在Batch₃中求解combi₃时，当已执行的求解次数大于ran_max且combi₃仍未求解成功时，重新求解combi₁；Batch₃的计算方法如下式所示：

Batch₃＝Batch₂-combi₂

以此类推，直至求解出combi_pmax，pmax为需要求解的组合数；

S3：根据质量指标与生产要求设置白云石批次组合模型参数并利用模型求解组合结果；

包括以下子步骤：

S31.根据玻璃生产的质量指标与生产要求设置的白云石批次组合模型参数，包括J_stad、error_J、n与pmax；

S32.在模型参数设置完毕后，输入步骤S1所述的白云石批次信息即可利用白云石批次组合模型求解出pmax个组合

S4：获取除白云石外的玻璃生产所需其它原料的成分数据；

其它原料，主要包括硅砂、氧化铝、纯碱、芒硝、碳粉、铁粉与碳酸钾；获取各成分的含率，包括CaO、MgO、Fe₂O₃、SiO₂、Al₂O₃、K₂O、Na₂O、Na₂CO₃、Na₂SO₄与C共10种成分；不同的原料包含其中的几种成分；

S5：基于SLSQP算法建立原料质量计算模型；

S6：设置原料质量计算模型参数，输入白云石成分数据与步骤S4数据并利用模型求解原料添加质量。

2.根据权利要求1所述的一种玻璃生产过程的原料质量确定方法，其特征在于，所述步骤S5的包括以下子步骤：

S51.在获取了各生产原料的成分含率后，计算混合原料的各成分含率；计算方法如下：

m_k＝∑M_q·con_qk

其中，pro_k代表混合原料成分k的含率；

k∈{CaO,MgO,Fe₂O₃,SiO₂,Al₂O₃,K₂O,Na₂O}；ec₁代表经验系数；m_sum代表各成分的质量和；m_k代表混合原料中成分k的质量；M_q代表原料q的质量，q∈{硅砂，白云石，氧化铝，纯碱，芒硝，碳粉，铁粉，碳酸钾}；con_qk代表原料q中成分k的含率；

混合原料C含率的计算方法如下式所示：

其中，pro_C代表混合原料C含率；M_C与M_mira分别代表碳粉与芒硝质量；con_CC代表碳粉中的C含率；con_Na2SO4代表芒硝中的Na₂SO₄含率；

混合原料芒硝含率的计算方法如下式所示：

其中，pro_mira代表混合原料芒硝含率；ec₂与ec₃代表经验系数；M_sa代表纯碱质量；con_Na2CO3代表纯碱中的Na₂CO₃含率；

混合原料的总质量与玻璃密度计算方法如下式所示：

M_sum＝∑M_q

其中，M_sum代表原料混合后的总质量；dens代表玻璃密度；ec_k代表经验系数；

S52.生产中要求M_sum在标准值M_stad上下一定的区间内浮动，且越接近M_stad越好；建立原料质量模型，选取目标函数如下：

minM_sum-M_stad

S53.生产中对混合原料的总质量、密度、各成分含率均有约束，即要求这些指标要在标准值的上下一定范围内波动，如下式所示：

M_stad-M_al≤M_sum≤M_stad+M_al

dens_stad-dens_al≤dens≤dens_stad+dens_al

pro_kstad-pro_kal≤pro_k≤pro_kstad+pro_kal

pro_Cstad-pro_Cal≤pro_C≤pro_kstad+pro_Cal

pro_mirastad-pro_miraal≤pro_mira≤pro_mirastad+pro_miraal

pro_CaMgstad-pro_CgMgal≤pro_CgMg≤pro_CaMgstad+pro_CgMgal

其中，M_stad代表总质量的标准值；M_al代表总质量的最大允许波动值；dens_stad代表玻璃密度的标准值；dens_al代表玻璃密度的最大允许波动值；pro_kstad代表混合原料成分k的标准值；pro_kal代表混合原料成分k的最大允许波动值；pro_Cstad代表碳含率的标准值；pro_Cal代表碳含率的最大允许波动值；pro_mirastad代表芒硝含率的标准值；pro_miraal代表芒硝含率的最大允许波动值；pro_CaMgstad代表CaO含率MgO含率之和的标准值，计算方法如下式所示；pro_cgMgal代表CaO含率MgO含率之和的最大允许波动值：

pro_CaMgstad＝pro_CaOstad+pro_MgOstad

S54.使用序列最小二乘规划法即SLSQP对M_q进行求解；如下式所示：

其中，

表示目标函数在的M_q ^k处的Jacobi矩阵，H^k表示目标函数在M_q ^k处的Hessian矩阵；M_q ^k的迭代形式如下式所示：

求解过程中H^k的迭代形式如下式所示：

其中，

ΔM_q ^k＝M_q ^k+1-M_q ^k

3.根据权利要求2所述的一种玻璃生产过程的原料质量确定方法，其特征在于，所述步骤S6的包括以下子步骤：

S61.根据玻璃质量指标设置模型里的参数，设置的参数包括：M_stad、M_al、dens_stad、dens_al、pro_kstad、pro_kal、pro_Cstad、pro_Cal、pro_mirastad、pro_miraal、pro_CaMgstad与pro_CgMgal；

S62.输入白云石批次组合模型求解的组合结果与其他原料的成分数据，利用步骤S5建立的原料质量模型，对M_q进行求解。

Images