CN113393910A - 一种高韧性钢渣微表处材料的制备方法及系统 - Google Patents
一种高韧性钢渣微表处材料的制备方法及系统 Download PDFInfo
- Publication number
- CN113393910A CN113393910A CN202110752279.9A CN202110752279A CN113393910A CN 113393910 A CN113393910 A CN 113393910A CN 202110752279 A CN202110752279 A CN 202110752279A CN 113393910 A CN113393910 A CN 113393910A
- Authority
- CN
- China
- Prior art keywords
- toughness
- proportioning
- data set
- obtaining
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000000463 material Substances 0.000 title claims abstract description 266
- 238000002360 preparation method Methods 0.000 title claims abstract description 96
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 92
- 239000010959 steel Substances 0.000 title claims abstract description 92
- 239000002893 slag Substances 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 63
- 238000004458 analytical method Methods 0.000 claims abstract description 47
- 230000006870 function Effects 0.000 claims description 64
- 238000012549 training Methods 0.000 claims description 21
- 230000015654 memory Effects 0.000 claims description 20
- 230000007613 environmental effect Effects 0.000 claims description 12
- 239000000654 additive Substances 0.000 claims description 11
- 230000000996 additive effect Effects 0.000 claims description 11
- 238000005452 bending Methods 0.000 claims description 11
- 238000007667 floating Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 description 19
- 230000008569 process Effects 0.000 description 16
- 239000000203 mixture Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 239000010410 layer Substances 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000003723 Smelting Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 239000002910 solid waste Substances 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Primary Health Care (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Investigating And Analyzing Materials By Characteristic Methods (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明公开了一种高韧性钢渣微表处材料的制备方法及系统，所述方法包括：基于大数据，获得钢渣微表材料的第一成分数据集和第一含量数据集，生成第一材料配比数据集；通过对所述第一成分数据集和所述第一含量数据集进行材料属性分析，确定第一韧性材料；根据所述第一韧性材料，获得第一韧性指标信息；根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数；根据所述第一材料配比函数，获得第一配比系数；根据所述第一配比系数完成高韧性钢渣微表处材料制备。解决了现有技术中存在对于钢渣微表处材料的韧性分析不够准确，且材料配比无法智能化调整，进而对路面的性能产生影响的技术问题。
Description
技术领域
本发明涉及路面养护材料相关领域，尤其涉及一种高韧性钢渣微表处材料的制备方法及系统。
背景技术
钢渣是在钢铁冶炼中产生的固体废弃物，其环保处置与资源化是目前的研究热点，近年来，随着我国公路的蓬勃发展，对于钢渣的进一步的处理与分析将钢渣广泛用于道路路基的垫层、结构层，尤宜用作沥青拌合料的骨料铺筑路面层。钢渣筑路，具有强度高，耐磨性和防滑性好，耐久性好，维护费用低等优点。因此，通过研究钢渣微表处材料对路用性能的影响，确定最佳制备配比十分重要。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在对于钢渣微表处材料的韧性分析不够准确，且材料配比无法智能化调整，进而对路面的性能产生影响的技术问题。
发明内容
本申请实施例通过提供一种高韧性钢渣微表处材料的制备方法及系统，解决了现有技术中存在对于钢渣微表处材料的韧性分析不够准确，且材料配比无法智能化调整，进而对路面的性能产生影响的技术问题，达到了通过针对钢渣微表处材料的韧性指标结合配比调整，实现优化路面韧性使用设计，提高制备性能效果的技术效果。
鉴于上述问题，提出了本申请实施例提供一种高韧性钢渣微表处材料的制备方法及系统。
第一方面，本申请实施例提供了一种高韧性钢渣微表处材料的制备方法，其中，所述方法应用于一种高韧性钢渣微表处材料的制备系统，所述系统与一显示屏装置智能连接，所述方法包括：基于大数据，获得钢渣微表材料的第一成分数据集和第一含量数据集，其中，所述第一含量数据集与所述第一成分数据集一一对应；根据所述第一成分数据集和所述第一含量数据集，生成第一材料配比数据集；通过对所述第一成分数据集和所述第一含量数据集进行材料属性分析，确定第一韧性材料，其中，所述第一韧性材料为对材料韧性具有相关性的材料；根据所述第一韧性材料，获得第一韧性指标信息；根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数；根据所述第一材料配比函数，获得第一配比系数，其中，所述第一配比系数通过第一显示屏装置实时显示；根据所述第一配比系数完成高韧性钢渣微表处材料制备。
另一方面，本申请还提供了一种高韧性钢渣微表处材料的制备系统，所述系统包括：第一获得单元，所述第一获得单元用于基于大数据，获得钢渣微表材料的第一成分数据集和第一含量数据集，其中，所述第一含量数据集与所述第一成分数据集一一对应；第一生成单元，所述第一生成单元用于根据所述第一成分数据集和所述第一含量数据集，生成第一材料配比数据集；第一确定单元，所述第一确定单元用于通过对所述第一成分数据集和所述第一含量数据集进行材料属性分析，确定第一韧性材料，其中，所述第一韧性材料为对材料韧性具有相关性的材料；第二获得单元，所述第二获得单元用于根据所述第一韧性材料，获得第一韧性指标信息；第三获得单元，所述第三获得单元用于根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数；第四获得单元，所述第四获得单元用于根据所述第一材料配比函数，获得第一配比系数，其中，所述第一配比系数通过第一显示屏装置实时显示；第一制备单元，所述第一制备单元用于根据所述第一配比系数完成高韧性钢渣微表处材料制备。
第三方面，本发明提供了一种高韧性钢渣微表处材料的制备系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了基于大数据获得钢渣微表材料的第一成分数据和第一含量数据，并对所述第一成分数据集和所述第一含量数集进行分析，生成第一材料配比数据集，进一步结合材料属性确定出第一韧性材料以及材料对应的韧性指标信息，再结合所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合获得第一材料配比函数，并根据第一材料配比函数，获得第一配比系数，并根据所述第一配比系数完成高韧性钢渣微表处材料制备的方式，达到了通过针对钢渣微表处材料的韧性指标结合配比调整，实现优化路面韧性使用设计，提高制备性能效果的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种高韧性钢渣微表处材料的制备方法的流程示意图；
图2为本申请实施例一种高韧性钢渣微表处材料的制备方法的环境判断流程示意图；
图3为本申请实施例一种高韧性钢渣微表处材料的制备方法的制备调整流程示意图；
图4为本申请实施例一种高韧性钢渣微表处材料的制备方法的函数二次拟合流程示意图；
图5为本申请实施例一种高韧性钢渣微表处材料的制备方法的优化配比流程示意图；
图6为本申请实施例一种高韧性钢渣微表处材料的制备方法的偏差分析流程示意图；
图7为本申请实施例一种高韧性钢渣微表处材料的制备方法的韧性预测流程示意图；
图8为本申请实施例一种高韧性钢渣微表处材料的制备系统的结构示意图；
图9为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第一生成单元12，第一确定单元13，第二获得单元14，第三获得单元15，第四获得单元16，第一制备单元17，计算设备90，存储器91，处理器92，输入输出接口93。
具体实施方式
本申请实施例通过提供一种高韧性钢渣微表处材料的制备方法及系统解决了现有技术中存在对于钢渣微表处材料的韧性分析不够准确，且材料配比无法智能化调整，进而对路面的性能产生影响的技术问题，达到了通过针对钢渣微表处材料的韧性指标结合配比调整，实现优化路面韧性使用设计，提高制备性能效果的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
钢渣是在钢铁冶炼中产生的固体废弃物，其环保处置与资源化是目前的研究热点，近年来，随着我国公路的蓬勃发展，对于钢渣的进一步的处理与分析将钢渣广泛用于道路路基的垫层、结构层，尤宜用作沥青拌合料的骨料铺筑路面层。钢渣筑路，具有强度高，耐磨性和防滑性好，耐久性好，维护费用低等优点。因此，通过研究钢渣微表处材料对路用性能的影响，确定最佳制备配比十分重要。但现有技术中存在对于钢渣微表处材料的韧性分析不够准确，且材料配比无法智能化调整，进而对路面的性能产生影响的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种高韧性钢渣微表处材料的制备方法，其中，所述方法应用于一种高韧性钢渣微表处材料的制备系统，所述系统与一显示屏装置智能连接，所述方法包括：基于大数据，获得钢渣微表材料的第一成分数据集和第一含量数据集，其中，所述第一含量数据集与所述第一成分数据集一一对应；根据所述第一成分数据集和所述第一含量数据集，生成第一材料配比数据集；通过对所述第一成分数据集和所述第一含量数据集进行材料属性分析，确定第一韧性材料，其中，所述第一韧性材料为对材料韧性具有相关性的材料；根据所述第一韧性材料，获得第一韧性指标信息；根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数；根据所述第一材料配比函数，获得第一配比系数，其中，所述第一配比系数通过第一显示屏装置实时显示；根据所述第一配比系数完成高韧性钢渣微表处材料制备。
在介绍了本申请基本原理后，下面结合附图，对本申请的实施例进行描述。本领域普通技术人员可知，随着技术的发展和新场景的出现，本申请实施例提供的技术方案对于类似的技术问题同样适用。
实施例一
如图1所示，本申请实施例提供了一种高韧性钢渣微表处材料的制备方法，其中，所述方法应用于一种高韧性钢渣微表处材料的制备系统，所述系统与一显示屏装置智能连接，所述方法包括：
步骤S100：基于大数据，获得钢渣微表材料的第一成分数据集和第一含量数据集，其中，所述第一含量数据集与所述第一成分数据集一一对应；
具体而言，所述第一成分数据集为钢渣微表材料的组成成分，一般而言，由于钢渣是一种钢铁冶炼的固体废弃物，因此钢渣微表的材料类型较多，且成分多为混合成分，基于大数据将钢渣微表材料的成分进行检测分析，获得第一成分数据集以及每个成分中对应的含量。其中，基于大数据将现有钢渣微表处材料的成分及含量，通过收集到的所有数据信息，大数据以其容量大、存取速度快能够将现有钢渣微表的所有材料成分和含量数据进行采集，使得海量数据能够系统化的进行管理和处理，进而完成之后的分析，因此，基于大数据的手段采集到的所有数据有助于之后路面材料配比分析提供有效的数据源，增加样本大容量，并提高数据分析准确性技术效果。
步骤S200：根据所述第一成分数据集和所述第一含量数据集，生成第一材料配比数据集；
具体而言，所述第一材料配比数据集是基于所述第一成分数据集和所述第一含量数据集综合分析后获得的数据集，所述第一材料配比数据集中包括多个材料配比的相关数据，在进行材料配比添加的过程中钢渣微表材料的配比数据不同也会影响到路面的使用性能，因此，需要通过针对材料的配比数据进行分析，进一步的，通过对历史的所有数据进行分析，确定出每一配比数据对应的路面性能，生成所述第一材料配比数据集，为之后的进一步配比分析提供计算数据来源。
步骤S300：通过对所述第一成分数据集和所述第一含量数据集进行材料属性分析，确定第一韧性材料，其中，所述第一韧性材料为对材料韧性具有相关性的材料；
步骤S400：根据所述第一韧性材料，获得第一韧性指标信息；
具体而言，由于钢渣微表材料的种类和成分较多，且数据集的数据量较大，对于针对化的数据分析需要通过对所述第一成分数据集和所述第一含量数据集进行材料属性分析，其中，由于钢渣微表材料中包含有韧性强度的材料，因此，材料属性分析的过程是对材料的韧性强度进行分析的过程，从而获得表征韧性的相关材料信息，其中，所述材料属性分析的过程是通过将钢渣材料中每一种材料的属性类别进行划分，并按照韧性强度对所述第一韧性材料进行排序，将排序结果作为之后分析其韧性指标的基础数据，进一步的，所述获得第一韧性指标信息是对所述第一韧性材料进行韧性指标的具体化分析确定的材料的各个指标信息，利用数据化将韧性钢渣微表材料韧性强度进行抽象转换为具体的关系，从而使得所述第一韧性指标信息能够为之后函数关系的建立提供数据逻辑化的效果，提高制备准确性的效果。
步骤S500：根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数；
具体而言，通过对所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合是根据其中韧性指标和材料配比的关系的数学逻辑反应，从而能够根据拟合输出的材料配比函数完成之后的分析，从而获得准确的配比系数，将钢渣微表材料的配比关系准确的表示，其中，所述第一材料配比函数的拟合过程可以通过对所有材料配比表现出来的韧性性能进行数据化的关系分析，通过针对韧性相关性强的钢渣材料进行不间断的数学逻辑化分析，对应确定其韧性指标的表现性能，从而构建出所述第一材料配比函数，进一步的，基于大数据中产生的大量基础数据，进而根据这些数据进行神经网络的函数拟合，进而获得对应的函数关系，再根据其拟合生成的函数类型，利用最小二乘法或者其他的方法对应求出系数，进而再将系数对应增加至拟合的函数中，提高函数的代表性和代表关系，进而达到了提高函数拟合准确性，数据智能化处理的技术效果。
步骤S600：根据所述第一材料配比函数，获得第一配比系数，其中，所述第一配比系数通过第一显示屏装置实时显示；
具体而言，所述第一配比系数为所述第一材料配比函数获得的输出结果，其中，通过对所述第一材料配比函数进行约束条件的限制，进而以韧性指标为所述第一材料配比函数的目标数据进行函数的拟合输出，使得所述第一配比系数能够满足配比需求，从而提高路面混合比例，进一步的，所述第一配比系数是通过对钢渣微表材料以及混合路面中其他的材料进行配比的表达系数，并将所述第一配比系数通过所述第一显示屏装置进行显示，其中，所述第一显示屏装置与系统智能连接，根据设定的期望数据不同，函数响应的输出结果也有所区别，并将对应的输出结果实时显示，达到了基于准确配比系数提高钢渣高韧性材料的制备效果。
步骤S700：根据所述第一配比系数完成高韧性钢渣微表处材料制备。
具体而言，根据所述第一配比系数进行实时制备过程，且过程中材料制备实时显示，进一步的，所述第一显示屏装置中包括三组显示数据，第一组显示数据为所述第一配比系数，第二组显示数据为根据设置的制备材料总量显示所述第一配比系数对应的量化数据并根据添加材料的量化数据实时显示剩余添加的量化数据，第三组显示数据与添加模块连接，通过添加模块添加的添加剂类型从而显示添加剂的量化数据，进而达到了通过针对钢渣微表处材料的韧性指标结合配比调整，基于实时显示数据准备制备材料的技术效果。
进一步而言，其中，所述根据所述第一材料配比函数，获得第一配比系数，本申请实施例步骤S600还包括：
步骤S610：获得第一预设需求韧性指标；
步骤S620：将所述第一预设需求韧性指标作为目标数据输入所述第一材料配比函数中，获得第一配比系数；
步骤S630：获得第一实时环境信息；
步骤S640：判断所述第一实时环境信息是否满足预设制备环境条件；
步骤S650：若所述第一实时环境信息满足所述预设制备环境条件，根据所述第一配比系数和所述第一实时环境信息完成制备。
具体而言，所述第一预设需求韧性指标为材料制备生产线的相关决策人员或者对应管理人员基于生产过程中的生产时间和生产成本以及按照对应的订单需求合理安排控制后获得的第一预设需求韧性指标，其中，所述第一预设需求韧性指标可以根据路面的投放使用性能等进行动态调整进而将所述第一预设需求韧性指标作为对应拟合函数的目标进行函数的输入，进一步的，还需要通过对材料的制备环境进行实时数据的采集，将采集到的所述第一实时环境信息与制备环境要求进行比对，进而分析判断各个数据是否会对制备过程产生影响，比如在材料制备的过程中，制备温度较高会使得制备混合料的粘性增加或者对材料性能产生影响，或者环境湿度较高影响混合料制备过程中水分的含量，从而在同样搅拌时间内影响混合料的制备效果。因此，通过依据函数关系和实际的环境信息，确定可达到较高韧性的材料配比含量和制备条件再进行制备，提高制备效果。
进一步而言，所述判断所述第一实时环境信息是否满足预设制备环境条件，本申请实施例步骤S640还包括：
步骤S641：若所述第一实时环境信息不满足所述预设制备环境条件根据所述第一实时环境信息，获得第一实时环境参数；
步骤S642：根据第一制备环境要求，获得第一需求环境参数；
步骤S643：根据所述第一实时环境参数与所述第一需求环境参数，获得第一环境参数差，其中，所述第一环境参数差包括正向差和负向差；
步骤S644：根据所述第一环境参数差，获得第一环境调整参数；
步骤S645：根据所述第一环境调整参数的第一执行状态，获得第一制备指令。
具体而言，将所述第一实时环境信息中的各个环境指标构建多维环境空间模型，按照所述第一实时环境的多个指标表现匹配程度进行多个指标的综合分析，当多维环境空间模型输出结果不满足预设制备环境条件时，将所述第一实时环境信息中所有环境参数提取出来获得所述第一实时环境参数，包括温度、湿度、颗粒度、制备器械清洁度等各个环境参数，并根据所述多维环境空间模型中输出的结果获得所述第一环境参数差，其中，环境参数差为所述第一实时环境参数与所述第一需求环境参数中相差的参数阈值，比如，制备过程中需求用水量为a，但由于环境湿度较大，使得掺入材料的含水量增加至a+b，其中，所述第一环境参数差的第一湿度参数差为+b；或者制备过程中需求温度为c，但由于环境温度低从而降低对应温度，使得制备实时温度为c-d，其中，所述第一环境参数差的第一温度参数差为-d。进而根据对应的参数进行上调或者下调的对应操作，满足制备环境需求再根据所述第一制备指令进行制备。
进一步而言，其中，所述根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数之后，本申请实施例步骤S500还包括：
步骤S510：获得第一样本训练集；
步骤S520：根据所述第一样本训练集，获得所述第一材料配比函数的第一样本输出集；
步骤S530：通过对所述第一样本输出集进行分析，获得第一浮动系数；
步骤S540：判断所述第一浮动系数是否满足第一性能要求；
步骤S550：若所述第一浮动系数不满足第一性能要求，通过第一辅助拟合数据对所述第一材料配比函数进行二次拟合，获得第二材料配比函数。
具体而言，所述第一样本训练集为所述第一材料配比函数性能评估的样本数据集，其中，所述第一样本训练集为基于大数据获得企业实时制备工厂的历史制备数据，从而获得的韧性指标与配比之间的关系数据集，从而将所述第一样本训练集输入到所述第一材料配比函数中，获得对应的输出结果，通过将函数的输出结果与工厂历史数据训练获得的韧性配比关系进行比对，从而根据对比数据获得所述第一材料配比函数的性能，进一步的，当所述第一浮动系数满足所述第一性能要求时表示目前拟合的函数满足企业实时制备工厂的历史参数，若不满足，表示目前拟合的函数与企业实时制备工厂的各制备条件或参数会对制备效果产生影响，因此，通过基于浮动的阈值与车间的历史制备数据进行结合后完成函数的二次训练拟合，进而获得所述第二材料配比函数，达到了依据函数关系和实际的环境信息的高度结合，实现高韧性材料输出配比的准确程度。
进一步而言，所述系统还包括一添加模块，本申请实施例步骤S800还包括：
步骤S810：根据所述第一添加模块，输入第一制备过程的第一添加材料信息；
步骤S820：根据所述第一添加材料信息，获得第一韧性优化系数；
步骤S830：通过所述第一韧性优化系数对所述第一配比系数进行调整，获得第二配比系数，其中，所述第二配比系数可以根据添加材料的不同于所述第一显示屏装置变更显示。
具体而言，一般在制备材料时为了保证路面的防滑抗裂等性能要求，会通过添加一些材料从而提高制备材料的其他性能，以满足路面的实际使用效能，但是，有些添加的材料也会对目前韧性强度产生影响或者变化，因此，需要通过增加所述第一添加模块并输入系统中从而显示于所述第一显示屏装置中，且添加材料的信息为显示屏中的第三组数据，从而系统根据添加材料的分析确定其优化系数，其中，所述第一韧性优化系数为添加材料对韧性强度积极影响的数学表达，进一步的，还可以根据所述第一韧性优化系数对所述第一配比系数进行动态的智能化调整，并将其动态反应的过程显示在所述第一显示屏装置中，进而达到了基于动态化智能调整的方式，提高输出配比信息准确性的技术效果。
进一步而言，本申请实施例S630还包括：
步骤S631：根据所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息，获得第一预测信息；
步骤S632：根据所述第一预测信息，获得第一抗压强度和第一弯曲性能；
步骤S633：通过对所述第一预设需求韧性指标可偏差分析，获得第一可偏差阈值；
步骤S634：根据所述第一可偏差阈值，获得第一抗压强度阈值和第一弯曲性能阈值；
步骤S635：根据所述第一抗压强度阈值和所述第一弯曲性能阈值完成动态调整。
具体而言，所述第一预测信息是根据所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息为基础数据构建的韧性预测分析模型经过数据不断训练获得的输出信息，其中，进行输出的模型主要是根据神经网络模型进行预测的，获得所述第一预测信息，所述第一预测信息包括第一预测抗压强度和第一预测弯曲性能，进一步的，针对所述第一预测需求韧性指标结合实际情况进行误差度的分析，由于在进行材料制备的过程中对于其公路面层的要求以及使用要求，设定出一个可供偏差的标准阈值，进而根据预测的信息结合实际制备环境获得所述第一可偏差阈值，并获得对应的偏差抗压强度阈值和弯曲性能阈值，从而通过预测信息和可偏差分析，获得输出的韧性指标阈值，当阈值的范围变化浮动太大时需要严格监控其中制备流程或者设置对应的调整参数，进而达到了优化路面韧性使用设计，提高制备性能效果的技术效果。
进一步而言，所述根据所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息，获得第一预测信息，本申请实施例S631还包括：
步骤S6311：将所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息作为输入信息构建韧性预测分析模型中；
步骤S6312：所述韧性预测分析模型通过多组数据训练获得，所述多组数据包括所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息和标识第一预测信息的标识信息；
步骤S6313：获得所述韧性预测分析模型的第一输出结果，所述第一输出结果为所述第一预测信息。
具体而言，所述韧性预测分析模型是基于神经网络构建的神经网络模型，其中，神经网络模型是一种数据网络模型，可以根据输入的数据进行数据的训练分析，从而获得对应的模型的性能，当多组训练数据满足一定的收敛条件，经收敛分析后输出其中的对应输出信息，神经网络是由大量的、简单的处理单元广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络是一个数学模型，通过大量训练数据的训练、机器学习输出的准确的数据信息，因此，通过将多次输出信息进行集合分析获得所述第一预测信息。
进一步的，所述韧性预测分析模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致即收敛的情况下，结束本组数据监督学习，进行下一组数据监督学习。达到了数据的智能化处理，提高数据分析的准确性。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘，移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备执行本申请各个实施例所述的方法。
综上所述，本申请实施例所提供的一种高韧性钢渣微表处材料的制备方法及系统具有如下技术效果：
1、由于采用了基于大数据获得钢渣微表材料的第一成分数据和第一含量数据，并对所述第一成分数据集和所述第一含量数集进行分析，生成第一材料配比数据集，进一步结合材料属性确定出第一韧性材料以及材料对应的韧性指标信息，再结合所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合获得第一材料配比函数，并根据第一材料配比函数，获得第一配比系数，并根据所述第一配比系数完成高韧性钢渣微表处材料制备的方式，达到了通过针对钢渣微表处材料的韧性指标结合配比调整，实现优化路面韧性使用设计，提高制备性能效果的技术效果。
2、通过增加所述第一添加模块并输入系统中从而显示于所述第一显示屏装置中，根据添加材料的分析确定其优化系数对所述第一配比系数进行动态的智能化调整的方式，达到了提高输出配比信息准确性的技术效果。
3、由于采用了根据所述多维环境空间模型中输出的结果获得环境参数差和二次拟合函数，依据函数关系和实际的环境信息，确定可达到较高韧性的材料配比含量和制备条件再进行制备的方式，提高制备效果。
实施例二
基于与前述实施例中一种高韧性钢渣微表处材料的制备方法同样发明构思，本发明还提供了一种高韧性钢渣微表处材料的制备系统，如图8所示，所述系统包括：
第一获得单元11，所述第一获得单元11用于基于大数据，获得钢渣微表材料的第一成分数据集和第一含量数据集，其中，所述第一含量数据集与所述第一成分数据集一一对应；
第一生成单元12，所述第一生成单元12用于根据所述第一成分数据集和所述第一含量数据集，生成第一材料配比数据集；
第一确定单元13，所述第一确定单元13用于通过对所述第一成分数据集和所述第一含量数据集进行材料属性分析，确定第一韧性材料，其中，所述第一韧性材料为对材料韧性具有相关性的材料；
第二获得单元14，所述第二获得单元14用于根据所述第一韧性材料，获得第一韧性指标信息；
第三获得单元15，所述第三获得单元15用于根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数；
第四获得单元16，所述第四获得单元16用于根据所述第一材料配比函数，获得第一配比系数，其中，所述第一配比系数通过第一显示屏装置实时显示；
第一制备单元17，所述第一制备单元17用于根据所述第一配比系数完成高韧性钢渣微表处材料制备。
进一步的，所述系统还包括：
第五获得单元，所述第五获得单元用于获得第一预设需求韧性指标；
第六获得单元，所述第六获得单元用于将所述第一预设需求韧性指标作为目标数据输入所述第一材料配比函数中，获得第一配比系数；
第七获得单元，所述第七获得单元用于获得第一实时环境信息；
第一判断单元，所述第一判断单元用于判断所述第一实时环境信息是否满足预设制备环境条件；
第二制备单元，所述第二制备单元用于若所述第一实时环境信息满足所述预设制备环境条件，根据所述第一配比系数和所述第一实时环境信息完成制备。
进一步的，所述系统还包括：
第八获得单元，所述第八获得单元用于若所述第一实时环境信息不满足所述预设制备环境条件根据所述第一实时环境信息，获得第一实时环境参数；
第九获得单元，所述第九获得单元用于根据第一制备环境要求，获得第一需求环境参数；
第十获得单元，所述第十获得单元用于根据所述第一实时环境参数与所述第一需求环境参数，获得第一环境参数差，其中，所述第一环境参数差包括正向差和负向差；
第十一获得单元，所述第十一获得单元用于根据所述第一环境参数差，获得第一环境调整参数；
第十二获得单元，所述第十二获得单元用于根据所述第一环境调整参数的第一执行状态，获得第一制备指令。
进一步的，所述系统还包括：
第十三获得单元，所述第十三获得单元用于获得第一样本训练集；
第十四获得单元，所述第十四获得单元用于根据所述第一样本训练集，获得所述第一材料配比函数的第一样本输出集；
第十五获得单元，所述第十五获得单元用于通过对所述第一样本输出集进行分析，获得第一浮动系数；
第二判断单元，所述第二判断单元用于判断所述第一浮动系数是否满足第一性能要求；
第十五获得单元，所述第十五获得单元用于若所述第一浮动系数不满足第一性能要求，通过第一辅助拟合数据对所述第一材料配比函数进行二次拟合，获得第二材料配比函数。
进一步的，所述系统还包括：
第一输入单元，所述第一输入单元用于根据所述第一添加模块，输入第一制备过程的第一添加材料信息；
第十六获得单元，所述第十六获得单元用于根据所述第一添加材料信息，获得第一韧性优化系数；
第十七获得单元，所述第十七获得单元用于通过所述第一韧性优化系数对所述第一配比系数进行调整，获得第二配比系数，其中，所述第二配比系数可以根据添加材料的不同于所述第一显示屏装置变更显示。
进一步的，所述系统还包括：
第十八获得单元，所述第十八获得单元用于根据所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息，获得第一预测信息；
第十九获得单元，所述第十九获得单元用于根据所述第一预测信息，获得第一抗压强度和第一弯曲性能；
第二十获得单元，所述第二十获得单元用于通过对所述第一预设需求韧性指标可偏差分析，获得第一可偏差阈值；
第二十一获得单元，所述第二十一获得单元用于根据所述第一可偏差阈值，获得第一抗压强度阈值和第一弯曲性能阈值；
第一调整单元，所述第一调整单元用于阈值根据所述第一抗压强度阈值和所述第一弯曲性能阈值完成动态调整。
进一步的，所述系统还包括：
第二输入单元，所述第二输入单元用于将所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息作为输入信息构建韧性预测分析模型中；
第二十二获得单元，所述第二十二获得单元用于所述韧性预测分析模型通过多组数据训练获得，所述多组数据包括所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息和标识第一预测信息的标识信息；
第二十三获得单元，所述第二十三获得单元用于获得所述韧性预测分析模型的第一输出结果，所述第一输出结果为所述第一预测信息。
本申请实施例可以根据上述方法示例对网络设备和终端设备进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个接收模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。通过前述对一种高韧性钢渣微表处材料的制备方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种高韧性钢渣微表处材料的制备系统的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
图9是本申请的计算设备的示意图。图9所示的计算设备90可以包括:存储器91、处理器92、输入/输出接口93。其中，存储器91、处理器92和输入/输出接口93通过内部连接通路相连，该存储器33用于存储指令，该处理器92用于执行该存储器91存储的指令，以控制输入/输出接口93接收输入的数据和信息，输出操作结果等数据。
图9是本申请另一实施例的计算设备的示意图。图9所示的计算设备90可以包括:存储器91、处理器92、输入/输出接口93。其中，存储器91、处理器92和输入/输出接口93通过内部连接通路相连，该存储器91用于存储指令，该处理器92用于执行该存储器92存储的指令，以控制输入/输出接口93接收输入的数据和信息，输出操作结果等数据。
在实现过程中，上述方法的各步骤可以通过处理器92中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的异常消息的识别方法和/或异常消息识别模型的训练方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器﹑寄存器等本领域成熟的存储介质中。该存储介质位于存储器91，处理器92读取存储器91中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
应理解，本申请实施例中，该处理器可以为中央处理单元(centralprocessingunit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，DSP)，专用集成电路(application specific integrated circuit，ASIC)、现成可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
应理解，本申请实施例中，该存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。处理器的一部分还可以包括非易失性随机存取存储器。例如，处理器还可以存储设备类型的信息。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机，服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(Digital Subscriber Line，DSL))或无线(例如红外，无线，微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够读取的任何可用介质或者是包含一个或多个可用介质集成的服务器，数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘(Digital Video Disc，DVD))或者半导体介质(例如，固态硬盘(Solid State Disk，SSD))等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种高韧性钢渣微表处材料的制备方法，其中，所述方法应用于一种高韧性钢渣微表处材料的制备系统，所述系统与一显示屏装置智能连接，所述方法包括：
基于大数据，获得钢渣微表材料的第一成分数据集和第一含量数据集，其中，所述第一含量数据集与所述第一成分数据集一一对应；
根据所述第一成分数据集和所述第一含量数据集，生成第一材料配比数据集；
通过对所述第一成分数据集和所述第一含量数据集进行材料属性分析，确定第一韧性材料，其中，所述第一韧性材料为对材料韧性具有相关性的材料；
根据所述第一韧性材料，获得第一韧性指标信息；
根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数；
根据所述第一材料配比函数，获得第一配比系数，其中，所述第一配比系数通过第一显示屏装置实时显示；
根据所述第一配比系数完成高韧性钢渣微表处材料制备。
2.如权利要求1所述的方法，所述根据所述第一材料配比函数，获得第一配比系数，所述方法还包括：
获得第一预设需求韧性指标；
将所述第一预设需求韧性指标作为目标数据输入所述第一材料配比函数中，获得第一配比系数；
获得第一实时环境信息；
判断所述第一实时环境信息是否满足预设制备环境条件；
若所述第一实时环境信息满足所述预设制备环境条件，根据所述第一配比系数和所述第一实时环境信息完成制备。
3.如权利要求2所述的方法，其中，所述判断所述第一实时环境信息是否满足预设制备环境条件，所述方法还包括：
若所述第一实时环境信息不满足所述预设制备环境条件根据所述第一实时环境信息，获得第一实时环境参数；
根据第一制备环境要求，获得第一需求环境参数；
根据所述第一实时环境参数与所述第一需求环境参数，获得第一环境参数差，其中，所述第一环境参数差包括正向差和负向差；
根据所述第一环境参数差，获得第一环境调整参数；
根据所述第一环境调整参数的第一执行状态，获得第一制备指令。
4.如权利要求1所述的方法，其中，所述根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数之后，所述方法还包括：
获得第一样本训练集；
根据所述第一样本训练集，获得所述第一材料配比函数的第一样本输出集；
通过对所述第一样本输出集进行分析，获得第一浮动系数；
判断所述第一浮动系数是否满足第一性能要求；
若所述第一浮动系数不满足第一性能要求，通过第一辅助拟合数据对所述第一材料配比函数进行二次拟合，获得第二材料配比函数。
5.如权利要求1所述的方法，其中，所述系统还包括一添加模块，所述方法还包括：
根据所述第一添加模块，输入第一制备过程的第一添加材料信息；
根据所述第一添加材料信息，获得第一韧性优化系数；
通过所述第一韧性优化系数对所述第一配比系数进行调整，获得第二配比系数，其中，所述第二配比系数可以根据添加材料的不同于所述第一显示屏装置变更显示。
6.如权利要求2所述的方法，所述方法还包括：
根据所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息，获得第一预测信息；
根据所述第一预测信息，获得第一抗压强度和第一弯曲性能；
通过对所述第一预设需求韧性指标可偏差分析，获得第一可偏差阈值；
根据所述第一可偏差阈值，获得第一抗压强度阈值和第一弯曲性能阈值；
根据所述第一抗压强度阈值和所述第一弯曲性能阈值完成动态调整。
7.如权利要求6所述的方法，所述根据所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息，获得第一预测信息，所述方法还包括：
将所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息作为输入信息构建韧性预测分析模型中；
所述韧性预测分析模型通过多组数据训练获得，所述多组数据包括所述第一配比系数、所述第一韧性材料信息和所述第一实时环境信息和标识第一预测信息的标识信息；
获得所述韧性预测分析模型的第一输出结果，所述第一输出结果为所述第一预测信息。
8.一种高韧性钢渣微表处材料的制备系统，其中，所述系统包括：
第一获得单元，所述第一获得单元用于基于大数据，获得钢渣微表材料的第一成分数据集和第一含量数据集，其中，所述第一含量数据集与所述第一成分数据集一一对应；
第一生成单元，所述第一生成单元用于根据所述第一成分数据集和所述第一含量数据集，生成第一材料配比数据集；
第一确定单元，所述第一确定单元用于通过对所述第一成分数据集和所述第一含量数据集进行材料属性分析，确定第一韧性材料，其中，所述第一韧性材料为对材料韧性具有相关性的材料；
第二获得单元，所述第二获得单元用于根据所述第一韧性材料，获得第一韧性指标信息；
第三获得单元，所述第三获得单元用于根据所述第一材料配比数据集和所述第一韧性指标信息进行函数关系拟合，获得第一材料配比函数；
第四获得单元，所述第四获得单元用于根据所述第一材料配比函数，获得第一配比系数，其中，所述第一配比系数通过第一显示屏装置实时显示；
第一制备单元，所述第一制备单元用于根据所述第一配比系数完成高韧性钢渣微表处材料制备。
9.一种高韧性钢渣微表处材料的制备系统，包括至少一个处理器和存储器，所述至少一个处理器与所述存储器耦合，用于读取并执行所述存储器中的指令，以执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110752279.9A CN113393910B (zh) | 2021-07-03 | 2021-07-03 | 一种高韧性钢渣微表处材料的制备方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110752279.9A CN113393910B (zh) | 2021-07-03 | 2021-07-03 | 一种高韧性钢渣微表处材料的制备方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113393910A true CN113393910A (zh) | 2021-09-14 |
| CN113393910B CN113393910B (zh) | 2022-08-02 |
Family
ID=77625007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110752279.9A Expired - Fee Related CN113393910B (zh) | 2021-07-03 | 2021-07-03 | 一种高韧性钢渣微表处材料的制备方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113393910B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114817286A (zh) * | 2022-04-29 | 2022-07-29 | 中冶赛迪重庆信息技术有限公司 | 一种铜冶炼设备数据处理方法、系统、电子设备及介质 |
| CN114974477A (zh) * | 2022-06-07 | 2022-08-30 | 扬州华铁机电集团有限公司 | 一种用于双流向防雷器的镍铁电极材料优化方法及系统 |
| CN117784721A (zh) * | 2023-11-14 | 2024-03-29 | 东莞德芳油墨科技有限公司 | 一种生产水性环保油墨智能控制系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110164513A (zh) * | 2019-05-23 | 2019-08-23 | 北京科技大学 | 一种多性能耦合寻优的钢材优化方法 |
| CN110435009A (zh) * | 2019-07-15 | 2019-11-12 | 中国科学院重庆绿色智能技术研究院 | 一种混凝土生产配合比的智能设计方法 |
| US20190390313A1 (en) * | 2018-06-26 | 2019-12-26 | Mitsubishi Hitachi Power Systems, Ltd. | Method for determining microstructure of titanium alloy and method for producing titanium alloy |
| CN111080146A (zh) * | 2019-12-20 | 2020-04-28 | 武汉羽芒智能科技有限公司 | 一种智能材料性能分析仪器 |
| CA3120081A1 (en) * | 2018-11-15 | 2020-05-22 | University Of Virginia Patent Foundation | Cementitious materials and methods of making and using thereof |
| CN111620608A (zh) * | 2020-05-25 | 2020-09-04 | 中铁大桥局集团有限公司 | 一种超高韧性水泥基复合材料及其设计方法 |
-
2021
- 2021-07-03 CN CN202110752279.9A patent/CN113393910B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190390313A1 (en) * | 2018-06-26 | 2019-12-26 | Mitsubishi Hitachi Power Systems, Ltd. | Method for determining microstructure of titanium alloy and method for producing titanium alloy |
| CA3120081A1 (en) * | 2018-11-15 | 2020-05-22 | University Of Virginia Patent Foundation | Cementitious materials and methods of making and using thereof |
| CN110164513A (zh) * | 2019-05-23 | 2019-08-23 | 北京科技大学 | 一种多性能耦合寻优的钢材优化方法 |
| CN110435009A (zh) * | 2019-07-15 | 2019-11-12 | 中国科学院重庆绿色智能技术研究院 | 一种混凝土生产配合比的智能设计方法 |
| CN111080146A (zh) * | 2019-12-20 | 2020-04-28 | 武汉羽芒智能科技有限公司 | 一种智能材料性能分析仪器 |
| CN111620608A (zh) * | 2020-05-25 | 2020-09-04 | 中铁大桥局集团有限公司 | 一种超高韧性水泥基复合材料及其设计方法 |
Non-Patent Citations (2)
| Title |
|---|
| KARUNANITHI, S: "Flexural Toughness Properties of Reinforced Steel Fibre Incorporated Alkali Activated Slag Concrete", 《 ADVANCES IN CIVIL ENGINEERING》 * |
| 杨丁: "超强高韧性树脂钢丝网混凝土加固RC短柱偏压试验研究及有限元分析", 《中国优秀硕士论文电子期刊》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114817286A (zh) * | 2022-04-29 | 2022-07-29 | 中冶赛迪重庆信息技术有限公司 | 一种铜冶炼设备数据处理方法、系统、电子设备及介质 |
| CN114974477A (zh) * | 2022-06-07 | 2022-08-30 | 扬州华铁机电集团有限公司 | 一种用于双流向防雷器的镍铁电极材料优化方法及系统 |
| CN114974477B (zh) * | 2022-06-07 | 2023-09-19 | 扬州华铁机电集团有限公司 | 一种用于双流向防雷器的镍铁电极材料优化方法及系统 |
| CN117784721A (zh) * | 2023-11-14 | 2024-03-29 | 东莞德芳油墨科技有限公司 | 一种生产水性环保油墨智能控制系统 |
| CN117784721B (zh) * | 2023-11-14 | 2024-05-28 | 东莞德芳油墨科技有限公司 | 一种生产水性环保油墨智能控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113393910B (zh) | 2022-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113393910B (zh) | 一种高韧性钢渣微表处材料的制备方法及系统 | |
| CN112417273B (zh) | 区域画像图生成方法、装置、计算机设备及存储介质 | |
| AU2017205763A1 (en) | System, device and method for releasing vehicle insurance surveying task, and readable storage medium | |
| CN113379564A (zh) | 电网负荷预测方法、装置及终端设备 | |
| CN117218118B (zh) | 基于图像序列的坍落度监测方法、装置及可读介质 | |
| CN113569457A (zh) | 一种基于数字孪生的需求功能模型构建方法及系统 | |
| CN115237710A (zh) | 服务器温度预测方法、装置、计算机设备和存储介质 | |
| CN114037184A (zh) | 收益评价指标的预测方法、装置、介质、设备及程序产品 | |
| CN113642886B (zh) | 规划电网线路利用率分析方法、系统、介质及计算设备 | |
| CN113033989B (zh) | 一种输电线路的故障风险评估方法、装置及终端设备 | |
| CN112257958A (zh) | 一种电力饱和负荷预测方法及装置 | |
| CN113626578B (zh) | 一种密封材料的智能分析方法及系统 | |
| CN113269464B (zh) | 一种生态恢复评估方法和生态恢复评估装置 | |
| Fathima et al. | MEMS multi sensor intelligent damage detection for wind turbines by Using IOT | |
| CN115144571A (zh) | 施工现场混凝土强度检测模型建立方法、装置、设备及介质 | |
| CN114004138A (zh) | 基于大数据人工智能的建筑监测方法、系统及存储介质 | |
| CN113742187A (zh) | 应用系统的容量预测方法、装置、设备及存储介质 | |
| CN117388374B (zh) | 一种建筑用混凝土的强度检测方法及系统 | |
| CN110956379A (zh) | 安全态势感知方法、装置、计算机设备和存储介质 | |
| CN111260191B (zh) | 测试床成熟度量化方法、装置、计算机设备和存储介质 | |
| Silva et al. | A comparative study of machine learning methods for compressive strength of concrete | |
| CN118132626B (zh) | 一种基于数据分析的乡村信息服务管理平台 | |
| CN112508266B (zh) | 生态系统属性组分空间结构演化趋势预测方法 | |
| CN117572363A (zh) | 一种空间碎片监测雷达探测性能在线评估方法和系统 | |
| CN117113507A (zh) | 一种基于建筑信息化的数据采集方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: 010000 Building 9 Hailar East Street, Hailar East Road Street, Xincheng District, Hohhot City, Inner Mongolia Autonomous Region Patentee after: Inner Mongolia Transportation Group Co.,Ltd. Address before: 010000 No. 105 Hulun North Road, Hohhot City, Inner Mongolia Autonomous Region Patentee before: INNER MONGOLIA SENIOR HIGHWAY CONSTRUCTION DEVELOPMENT CO.,LTD. |
|
| CP03 | Change of name, title or address | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220802 |