CN117877619B - 高分散性水泥分散剂的阻燃性改良方法及系统 - Google Patents
高分散性水泥分散剂的阻燃性改良方法及系统 Download PDFInfo
- Publication number
- CN117877619B CN117877619B CN202410114541.0A CN202410114541A CN117877619B CN 117877619 B CN117877619 B CN 117877619B CN 202410114541 A CN202410114541 A CN 202410114541A CN 117877619 B CN117877619 B CN 117877619B
- Authority
- CN
- China
- Prior art keywords
- solution
- combustion
- cement dispersant
- initial solution
- probability
- 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.)
- Active
Links
- 239000002270 dispersing agent Substances 0.000 title claims abstract description 253
- 239000004568 cement Substances 0.000 title claims abstract description 186
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000002485 combustion reaction Methods 0.000 claims abstract description 130
- 238000005457 optimization Methods 0.000 claims abstract description 113
- 239000006185 dispersion Substances 0.000 claims abstract description 80
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 238000009472 formulation Methods 0.000 claims abstract description 28
- 239000000203 mixture Substances 0.000 claims abstract description 28
- 238000012360 testing method Methods 0.000 claims description 45
- 239000000463 material Substances 0.000 claims description 33
- 238000002360 preparation method Methods 0.000 claims description 12
- 230000035945 sensitivity Effects 0.000 claims description 12
- 230000006978 adaptation Effects 0.000 claims description 9
- 238000012512 characterization method Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 abstract description 4
- 239000004566 building material Substances 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 230000009977 dual effect Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 description 3
- 239000003063 flame retardant Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000004567 concrete Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
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
- 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
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了高分散性水泥分散剂的阻燃性改良方法及系统，属于建筑材料领域，其中方法包括：获得水泥分散剂初始解集；对水泥分散剂初始解集进行燃烧概率分析，获得初始解燃烧概率集；对水泥分散剂初始解集进行分散概率分析，获得初始解分散概率集；将初始解燃烧概率集、初始解分散概率与燃烧概率阈值、分散概率阈值进行比较，获取目标敏感解；基于燃烧敏感解和目标敏感解，对水泥分散剂初始解集进行双约束优化，生成分散剂推荐配方。本申请解决了现有技术中水泥分散剂配方迭代需经繁琐实验分析、导致分散剂配方优化效率和精确性低下的技术问题，达到了通过快速筛选与精准优化，提高分散剂配方优化的效率和精确性的技术效果。
Description
技术领域
本发明涉及建筑材料领域，具体涉及高分散性水泥分散剂的阻燃性改良方法及系统。
背景技术
近年来，建筑材料行业对于提升产品性能和安全性的需求日益增长，特别是在水泥分散剂领域，其作为一种关键材料添加剂，对混凝土及水泥产品的性能与生产工艺具有重要影响。然而，传统的水泥分散剂配方改良常受限于繁琐的实验分析与缺乏高效的筛选机制，导致配方优化过程耗时且效率低下，限制了水泥产品的阻燃性能的提升和工业化生产效率的提高。
发明内容
本申请通过提供了高分散性水泥分散剂的阻燃性改良方法及系统，旨在解决现有技术中水泥分散剂配方迭代需经繁琐实验分析、导致分散剂配方优化效率和精确性低下的技术问题。
鉴于上述问题，本申请提供了高分散性水泥分散剂的阻燃性改良方法及系统。
本申请公开的第一个方面，提供了高分散性水泥分散剂的阻燃性改良方法，该方法包括：获得水泥分散剂初始解集，其中，水泥分散剂初始解集的任意一个解表征一分散剂配方；遍历水泥分散剂初始解集进行燃烧概率分析，获得初始解燃烧概率集；遍历水泥分散剂初始解集进行分散概率分析，获得初始解分散概率集；将初始解燃烧概率集大于或等于燃烧概率阈值的水泥分散剂初始解集提取，设为燃烧敏感解；将初始解分散概率集大于或等于分散概率阈值的水泥分散剂初始解集提取，设为目标敏感解；基于燃烧敏感解和目标敏感解，对水泥分散剂初始解集进行双约束优化，生成分散剂推荐配方；将分散剂推荐配方发送至水泥分散剂制备管理终端。
本申请公开的另一个方面，提供了高分散性水泥分散剂的阻燃性改良系统，该系统包括：初始解集获取模块，用于获得水泥分散剂初始解集，其中，水泥分散剂初始解集的任意一个解表征一分散剂配方；燃烧概率分析模块，用于遍历水泥分散剂初始解集进行燃烧概率分析，获得初始解燃烧概率集；分散概率分析模块，用于遍历水泥分散剂初始解集进行分散概率分析，获得初始解分散概率集；燃烧敏感解模块，用于将初始解燃烧概率集大于或等于燃烧概率阈值的水泥分散剂初始解集提取，设为燃烧敏感解；目标敏感解模块，用于将初始解分散概率集大于或等于分散概率阈值的水泥分散剂初始解集提取，设为目标敏感解；双约束优化模块，用于基于燃烧敏感解和目标敏感解，对水泥分散剂初始解集进行双约束优化，生成分散剂推荐配方；推荐配方发送模块，用于将分散剂推荐配方发送至水泥分散剂制备管理终端。
本申请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：
由于采用了获得水泥分散剂初始解集，作为水泥分散剂的初始配方，为后续分析提供基础数据；遍历初始解集进行燃烧概率分析，分析水泥分散剂配方的燃烧概率，以识别燃烧敏感解；遍历初始解集进行分散概率分析，评估水泥分散剂的分散性能，以识别目标敏感解；提取燃烧敏感解和目标敏感解后，基于燃烧敏感解和目标敏感解，进行双约束优化，以生成优化的水泥分散剂配方，将优化后的水泥分散剂配方发送至水泥分散剂制备管理终端，以快速、精确地改善水泥分散剂的阻燃性能的技术方案，解决了现有技术中水泥分散剂配方迭代需经繁琐实验分析、导致分散剂配方优化效率和精确性低下的技术问题，达到了通过快速筛选与精准优化，提高分散剂配方优化的效率和精确性的技术效果。
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为本申请实施例提供了高分散性水泥分散剂的阻燃性改良方法的一种流程示意图；
图2为本申请实施例提供了高分散性水泥分散剂的阻燃性改良方法中生成分散剂推荐配方的一种流程示意图；
图3为本申请实施例提供了高分散性水泥分散剂的阻燃性改良系统的一种结构示意图。
附图标记说明：初始解集获取模块11，燃烧概率分析模块12，分散概率分析模块13，燃烧敏感解模块14，目标敏感解模块15，双约束优化模块16，推荐配方发送模块17。
具体实施方式
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高分散性水泥分散剂的阻燃性改良方法及系统，以水泥分散剂初始解集为基础，通过燃烧概率和分散概率的分析，在水泥分散剂初始解集中确定燃烧敏感解和目标敏感解。进而，基于燃烧敏感解和目标敏感解，采用双约束优化，精确生成改良的水泥分散剂推荐配方。通过高效筛选和精确优化，极大地提高了水泥分散剂配方优化的速度和准确性。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了高分散性水泥分散剂的阻燃性改良方法，该方法包括：
获得水泥分散剂初始解集，其中，所述水泥分散剂初始解集的任意一个解表征一分散剂配方；
在一种优选的实施方式中，水泥分散剂初始解集包含了不同配方的水泥分散剂，初始解集中的每个解都代表着一种特定的水泥分散剂配方。
首先，通过实验、文献研究和生产记录等方式，收集各种水泥分散剂的配方，包括了不同比例或种类的原材料，用于制备水泥分散剂。然后，将每个具体的水泥分散剂配方作为水泥分散剂的一个解，得到水泥分散剂初始解集，这些解被用作后续燃烧和分散概率分析的起点，以便评估每个配方对阻燃性能的影响。
遍历所述水泥分散剂初始解集进行燃烧概率分析，获得初始解燃烧概率集；
进一步的，本申请实施例还包括：
获得所述水泥分散剂初始解集的第一水泥分散剂初始解；
基于所述第一水泥分散剂初始解，接入物联网从多个水泥分散剂生产厂家，提取预设时区的分散剂燃烧测试记录标签，其中，任意一个所述分散剂燃烧测试记录标签包括燃烧测试失败标签或燃烧测试合格标签；
统计所述燃烧测试失败标签在所述分散剂燃烧测试记录标签中的数量占比，设为第一水泥分散剂初始解燃烧概率，添加进所述初始解燃烧概率集。
在一种优选的实施方式中，首先，对水泥分散剂初始解集中的所有分散剂配方使用数字从1开始进行顺序编号，使每个分散剂配方具有唯一的编号，按照编号顺序依次提取一个分散剂配方，作为第一水泥分散剂初始解。然后，按照分析需求设置预设时区，如3个月，使用物联网技术连接多个水泥分散剂生产厂家的生产数据库，在多个生产数据库中查找按照第一水泥分散剂初始解生产的水泥分散剂的测试记录，并且提取每条水泥分散剂测试记录对应的分散剂燃烧测试记录标签。其中，分散剂燃烧测试记录标签表示第一水泥分散剂初始解生产的水泥分散剂的燃烧测试结果，包括燃烧测试失败标签和燃烧测试合格标签。
随后，将得到所有水泥分散剂的测试记录对应的分散剂燃烧测试记录标签进行统计，统计分散剂燃烧测试记录标签的总数和其中燃烧测试失败标签的总数，计算燃烧测试失败标签在分散剂燃烧测试记录标签中的数量占比，得到第一水泥分散剂初始解燃烧概率，添加进初始解燃烧概率集。通过对水泥分散剂初始解集中的所有水泥分散剂初始解进行燃烧测试记录标签提取，计算相应的水泥分散剂初始解燃烧概率，得到初始解燃烧概率集。
遍历所述水泥分散剂初始解集进行分散概率分析，获得初始解分散概率集；
在本申请实施例中，首先，按照水泥分散剂初始解集中各水泥分散剂初始解的编号对水泥分散剂初始解集进行遍历，获取第一水泥分散剂初始解。然后，与多个水泥分散剂生产厂家的生产数据库进行连接，在多个生产数据库中获取预设时区内的分散剂分散测试记录，每个分散剂分散测试记录对应有分散剂分散测试记录标签。其中，分散剂燃烧测试记录标签分为分散测试失败标签和燃烧测试合格标签。随后，统计所获得的分散剂分散测试记录标签的总数，并统计分散剂分散测试记录标签其中为分散测试失败标签的总数，以分散测试失败标签的总数除以分散剂分散测试记录标签的总数，得到第一水泥分散剂初始解分散概率，添加进初始解分散概率集。通过对水泥分散剂初始解集中的所有水泥分散剂初始解进行分散测试记录标签提取，计算相应的水泥分散剂初始解分散概率，得到初始解燃烧概率集。
将所述初始解燃烧概率集大于或等于燃烧概率阈值的所述水泥分散剂初始解集提取，设为燃烧敏感解；
在本申请实施例中，首先，根据对水泥分散剂燃烧要求设置燃烧概率阈值，用于对初始解燃烧概率集中所有的初始解燃烧概率进行判定。然后，从获取的初始解燃烧概率集中，筛选出初始解燃烧概率大于或等于燃烧概率阈值的水泥分散剂初始解，将这些解提取，作为燃烧敏感解，代表了在燃烧测试中燃烧风险大的水泥分散剂配方，为水泥分散剂配方优化提供方向。
将所述初始解分散概率集大于或等于分散概率阈值的所述水泥分散剂初始解集提取，设为目标敏感解；
在本申请实施例中，首先，根据对水泥分散剂分散要求设置分散概率阈值，用于对初始解分散概率集中所有的初始解分散概率进行判定。然后，从获取的初始解分散概率集中，筛选出初始解分散概率大于或等于分散概率阈值的水泥分散剂初始解，将这些解提取，作为分散敏感解，代表了在分散测试中分散性能差的水泥分散剂配方，为水泥分散剂配方优化提供方向。
基于所述燃烧敏感解和所述目标敏感解，对所述水泥分散剂初始解集进行双约束优化，生成分散剂推荐配方；
进一步的，如图2所示，本步骤具体包括：
基于所述燃烧敏感解和所述目标敏感解，构建双约束优化适应度函数，其中，所述双约束优化适应度函数为最大值约束函数；
基于所述双约束优化适应度函数，遍历所述水泥分散剂初始解集进行评估，生成初始解适应度集；
将所述初始解适应度集自大到小，提取预设数量领头解；
基于所述预设数量领头解，对所述水泥分散剂初始解集进行分配，构建多个优化域；
基于所述多个优化域进行并行优化，获得多个推荐解，提取所述多个推荐解的适应度最大值，设为所述分散剂推荐配方。
进一步的，本步骤还包括：
所述双约束优化适应度函数为：
其中，Fit表征任意一个解的适应度，xi表征解的第i物料配置比例，xji0表征第j个燃烧敏感解的第i物料配置比例，L表征配方的物料类型总数，N表征燃烧敏感解总数，表征解和最近燃烧敏感解的距离，yki0表征第k个目标敏感解的第i物料配置比例，M表征目标敏感解总数，/>表征解和最近目标敏感解的距离，w1表征第一预设权重参数，w2表征第二预设权重参数，/> 表征当分母距离等于0时，分母恒为1。
在一种优选的实施方式中，首先，基于燃烧敏感解和目标敏感解，构建双约束优化适应度函数，该双约束优化适应度函数为：
其中，Fit表征水泥分散剂初始解集中任意一个解的适应度，水泥分散剂初始解中包含多个物料的配置比例，xi表征解的第i物料配置比例，xji0表征第j个燃烧敏感解的第i物料配置比例，L表征配方的物料类型总数，N表征燃烧敏感解总数，表征解和最近燃烧敏感解的距离，yki0表征第k个目标敏感解的第i物料配置比例，M表征目标敏感解总数，/>表征解和最近目标敏感解的距离，w1表征第一预设权重参数，w2表征第二预设权重参数，/> 表征当分母距离等于0时，分母恒为1。为使Fit的值越大越好，即新解越远离燃烧敏感解和目标敏感解越好，定义适应度函数为最大值约束问题，通过优化使Fit最大化，即可获得同时远离燃烧敏感解和目标敏感解的新解，获得阻燃性改良的优化结果。
然后，按照编号顺序遍历水泥分散剂初始解集中的水泥分散剂初始解，获取一个水泥分散剂初始解，将该水泥分散剂初始解代入构建的双约束优化适应度函数中计算，得到该初始解的适应度值，将该初始解及其适应度值作为一组数据，添加到初始解适应度集中。重复计算水泥分散剂初始解集中的所有水泥分散剂初始解，得到初始解及其适应度值的集合，即初始解适应度集。随后，对生成的初始解适应度集，按照适应度值从大到小进行排序，根据预设的领头解数量N，从排序后的初始解适应度集中提取前N个适应度值最大的初始解作为领头解，得到预设数量领头解。
接着，使用提取的预设数量领头解，为表现较好的初始解，作为优化的起点，以这些领头解进行水泥分散剂初始解集分配，形成多个优化域。之后，利用这些优化域并行进行优化，得到多个优化域中的推荐解，为在各自优化域内相对最优的解，从这些多个推荐解中提取适应度最大值的解，将其作为分散剂推荐配方。
将所述分散剂推荐配方发送至水泥分散剂制备管理终端。
在本申请实施例中，获取分散剂推荐配方后，将该分散剂推荐配方通过适当的通讯协议和数据传输方式，发送至水泥分散剂制备管理终端。该制备管理终端位于制备工厂，负责控制和监督水泥分散剂的配方制备过程，以将分散剂推荐配方在实际生产中使用，制备出性能优越的水泥分散剂产品。
进一步的，本申请实施例还包括：
加和所述预设数量领头解的领头解适应度集，获得适应度集加和结果；
遍历所述领头解适应度集，与所述适应度集加和结果求比，获得领头解适应概率；
将所述预设数量领头解从所述水泥分散剂初始解集去除后计数，获得待分配解数量；
以所述领头解适应概率与所述待分配解数量相乘，将乘积结果向下取整，获得领头解优化域量级，其中，所述领头解优化域量级表征域内可分配解数量；
基于所述领头解优化域量级和所述预设数量领头解，对所述水泥分散剂初始解集进行随机分配，获得所述多个优化域。
在一种优选的实施方式中，首先，获取预设数量领头解中每个解的适应度值，组成领头解适应度集，将领头解适应度集中的所有适应度值进行加和，得到适应度集加和结果。然后，遍历每个领头解的适应度值，将其与适应度集加和结果进行比值计算，即每个领头解的适应度值除以适应度集加和结果，得到每个领头解所占适应度集总和的比例，也就是每个领头解的领头解适应概率。其中，领头解适应概率反映每个领头解在所有领头解中的适应程度和代表性，适应概率越高，表示该领头解的适应度在所有领头解中所占比例越大，则该领头解代表性越强，应得到更多的初始解来进行局部优化。
随后，从水泥分散剂初始解集中去除预设数量领头解，得到初始解集中除领头解之外的初始解的数量，即待分配解数量，这些待分配解将被分配到不同的领头解对应的优化域中，与领头解一起进行局部优化。之后，将每个领头解适应概率与待分配解数量相乘，得到每个领头解对应的乘积结果，对该乘积结果进行向下取整运算，即舍去小数部分，取整数部分，取整后的结果即为每个领头解所能带领的待分配解的数量，即每个领头解对应的优化域的解数量量级。其中，领头解优化域量级反映在解空间划分中，划分给每个领头解对应的优化域内可包含的待分配解的数量，领头解适应概率越高的领头解，其优化域量级也越高，可以包含更多的待分配解。
接着，根据每个领头解优化域量级，先将该量级大小的初始解随机抽取出来，分配给对应的领头解，形成一个优化域。重复该过程，直到所有领头解都完成了初始解的获取。最后，每个领头解带领一个初始解子集作为其对应的优化域，得到多个优化域。其中，采用随机分配可以增强优化域的多样性，避免产生雷同的域。得到划分后的多个优化域后，每个域即可在局部内以其对应的领头解为目标，有效提升优化速度和效率，避免全局随机搜索的低效。
进一步的，本申请实施例还包括：
遍历配方物料集进行调整步长设定，获得L个调整步长约束区间；
在所述多个优化域的任意一个优化域中，根据域内领头解确定解集优化方向；
根据所述L个调整步长约束区间和所述解集优化方向，对域内初始解进行调整，获得多个解集扩充结果；
基于所述双约束优化适应度函数，对所述多个解集扩充结果的最优解，获得所述多个推荐解的任意一个。
在一种优选的实施方式中，首先，遍历构成配方的全部L个物料的集合，这些物料及其配比组成可组成一个配方解，根据每种物料特性及精度需求，确定其在优化调整过程中相应的步长大小，设定每种物料在迭代优化调整时的浮动约束调整步长，得到L个物料对应的L个调整步长约束区间。然后，在已划分形成的多个优化域中，依次对每个优化域进行操作，根据领头解中各组分物料的配比情况，确定哪些物料的配比需要增加，哪些需要减少，从而确定解集优化方向，使域内解逼近领头解。
确定了解集优化方向后，根据解集优化方向中确定的需要增加或减少的物料类型，在其调整步长约束区间内按优化方向适当调整该物料的配比，其他物料配比保持不变，依次对各初始解进行调整，得到扩充后的初始解集，即多个解集扩充结果。随后，将得到的多个解集扩充结果代入建立的双约束优化适应度函数中计算，获得每个扩充解对应的适应度值，从中选择适应度值最高，即最优的扩充解，作为当前优化域的推荐解，同时也是多个优化域对应的多个推荐解之一。
进一步的，本申请实施例还包括：
将所述多个推荐解的适应度最大值的推荐解，基于物联网，采集欧式距离小于或等于预设欧式距离的邻近解的燃烧概率参数和分散概率参数；
当所述燃烧概率参数小于所述燃烧概率阈值，且所述分散概率参数大于或等于所述分散概率阈值时，将所述推荐解，设为所述分散剂推荐配方；
当所述燃烧概率参数大于或等于所述燃烧概率阈值，或/和所述分散概率参数小于所述分散概率阈值时，返回所述多个优化域重复迭代优化。
在一种优选的实施方式中，在获取多个优化域对应的多个推荐解后，从多个推荐解中，选择适应度最大值的推荐解，再基于物联网技术，收集该推荐解周围欧式距离小于或等于预设欧式距离的邻近解的燃烧概率参数和分散概率参数。然后，针对采集到的邻近解的参数，进行判断，当采集到的邻近解的燃烧概率参数小于预设的燃烧概率阈值，并且分散概率参数大于或等于设定的分散概率阈值时，将刚才选定的推荐解，确定为最终的分散剂推荐配方。如果燃烧概率参数大于或等于设定的燃烧概率阈值，或者分散概率参数小于设定的分散概率阈值，那么返回进行重复迭代优化处理，即重新执行之前的优化过程。
通过根据邻近解的参数对推荐解进行进一步的判断和处理，如果满足特定条件，确定推荐解为最终的分散剂推荐配方；否则，进行进一步的优化迭代处理，以寻求更合适的分散剂推荐配方。
综上所述，本申请实施例所提供的高分散性水泥分散剂的阻燃性改良方法具有如下技术效果：
获得水泥分散剂初始解集，其中，水泥分散剂初始解集的任意一个解表征一分散剂配方，为后续的分析和优化提供基础数据和素材。遍历水泥分散剂初始解集进行燃烧概率分析，获得初始解燃烧概率集，分析初始解集中各种配方的燃烧概率。遍历水泥分散剂初始解集进行分散概率分析，获得初始解分散概率集，分析初始解集中各种配方的分散概率。将初始解燃烧概率集大于或等于燃烧概率阈值的水泥分散剂初始解集提取，设为燃烧敏感解，提取具有高燃烧概率的分散剂配方，作为燃烧敏感解，为配方优化提供基础。将初始解分散概率集大于或等于分散概率阈值的水泥分散剂初始解集提取，设为目标敏感解，提取具有高分散概率的分散剂配方，作为目标敏感解，为配方优化提供基础。基于燃烧敏感解和目标敏感解，对水泥分散剂初始解集进行双约束优化，生成分散剂推荐配方，将分散剂推荐配方发送至水泥分散剂制备管理终端，实现通过分散剂推荐配方制备优化的水泥分散剂，提高了分散剂配方优化的效率和精确性。
实施例二
基于与前述实施例中高分散性水泥分散剂的阻燃性改良方法相同的发明构思，如图3所示，本申请实施例提供了高分散性水泥分散剂的阻燃性改良系统，该系统包括：
初始解集获取模块11，用于获得水泥分散剂初始解集，其中，所述水泥分散剂初始解集的任意一个解表征一分散剂配方；
燃烧概率分析模块12，用于遍历所述水泥分散剂初始解集进行燃烧概率分析，获得初始解燃烧概率集；
分散概率分析模块13，用于遍历所述水泥分散剂初始解集进行分散概率分析，获得初始解分散概率集；
燃烧敏感解模块14，用于将所述初始解燃烧概率集大于或等于燃烧概率阈值的所述水泥分散剂初始解集提取，设为燃烧敏感解；
目标敏感解模块15，用于将所述初始解分散概率集大于或等于分散概率阈值的所述水泥分散剂初始解集提取，设为目标敏感解；
双约束优化模块16，用于基于所述燃烧敏感解和所述目标敏感解，对所述水泥分散剂初始解集进行双约束优化，生成分散剂推荐配方；
推荐配方发送模块17，用于将所述分散剂推荐配方发送至水泥分散剂制备管理终端。
进一步的，燃烧概率分析模块12包括以下执行步骤：
获得所述水泥分散剂初始解集的第一水泥分散剂初始解；
基于所述第一水泥分散剂初始解，接入物联网从多个水泥分散剂生产厂家，提取预设时区的分散剂燃烧测试记录标签，其中，任意一个所述分散剂燃烧测试记录标签包括燃烧测试失败标签或燃烧测试合格标签；
统计所述燃烧测试失败标签在所述分散剂燃烧测试记录标签中的数量占比，设为第一水泥分散剂初始解燃烧概率，添加进所述初始解燃烧概率集。
进一步的，双约束优化模块16包括以下执行步骤：
基于所述燃烧敏感解和所述目标敏感解，构建双约束优化适应度函数，其中，所述双约束优化适应度函数为最大值约束函数；
基于所述双约束优化适应度函数，遍历所述水泥分散剂初始解集进行评估，生成初始解适应度集；
将所述初始解适应度集自大到小，提取预设数量领头解；
基于所述预设数量领头解，对所述水泥分散剂初始解集进行分配，构建多个优化域；
基于所述多个优化域进行并行优化，获得多个推荐解，提取所述多个推荐解的适应度最大值，设为所述分散剂推荐配方。
进一步的，双约束优化模块16还包括以下执行步骤：
所述双约束优化适应度函数为：
其中，Fit表征任意一个解的适应度，xi表征解的第i物料配置比例，xji0表征第j个燃烧敏感解的第i物料配置比例，L表征配方的物料类型总数，N表征燃烧敏感解总数，表征解和最近燃烧敏感解的距离，yki0表征第k个目标敏感解的第i物料配置比例，M表征目标敏感解总数，/>表征解和最近目标敏感解的距离，w1表征第一预设权重参数，w2表征第二预设权重参数，/> 表征当分母距离等于0时，分母恒为1。
进一步的，双约束优化模块16还包括以下执行步骤：
加和所述预设数量领头解的领头解适应度集，获得适应度集加和结果；
遍历所述领头解适应度集，与所述适应度集加和结果求比，获得领头解适应概率；
将所述预设数量领头解从所述水泥分散剂初始解集去除后计数，获得待分配解数量；
以所述领头解适应概率与所述待分配解数量相乘，将乘积结果向下取整，获得领头解优化域量级，其中，所述领头解优化域量级表征域内可分配解数量；
基于所述领头解优化域量级和所述预设数量领头解，对所述水泥分散剂初始解集进行随机分配，获得所述多个优化域。
进一步的，双约束优化模块16还包括以下执行步骤：
遍历配方物料集进行调整步长设定，获得L个调整步长约束区间；
在所述多个优化域的任意一个优化域中，根据域内领头解确定解集优化方向；
根据所述L个调整步长约束区间和所述解集优化方向，对域内初始解进行调整，获得多个解集扩充结果；
基于所述双约束优化适应度函数，对所述多个解集扩充结果的最优解，获得所述多个推荐解的任意一个。
进一步的，双约束优化模块16还包括以下执行步骤：
将所述多个推荐解的适应度最大值的推荐解，基于物联网，采集欧式距离小于或等于预设欧式距离的邻近解的燃烧概率参数和分散概率参数；
当所述燃烧概率参数小于所述燃烧概率阈值，且所述分散概率参数大于或等于所述分散概率阈值时，将所述推荐解，设为所述分散剂推荐配方；
当所述燃烧概率参数大于或等于所述燃烧概率阈值，或/和所述分散概率参数小于所述分散概率阈值时，返回所述多个优化域重复迭代优化。
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本申请实施例中的任一项方法，在此不做多余限制。
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。
Claims (6)
1.高分散性水泥分散剂的阻燃性改良方法，其特征在于，包括：
获得水泥分散剂初始解集，其中，所述水泥分散剂初始解集的任意一个解表征一分散剂配方；
遍历所述水泥分散剂初始解集进行燃烧概率分析，获得初始解燃烧概率集；
遍历所述水泥分散剂初始解集进行分散概率分析，获得初始解分散概率集；
将所述初始解燃烧概率集大于或等于燃烧概率阈值的所述水泥分散剂初始解集提取，设为燃烧敏感解；
将所述初始解分散概率集大于或等于分散概率阈值的所述水泥分散剂初始解集提取，设为目标敏感解；
基于所述燃烧敏感解和所述目标敏感解，对所述水泥分散剂初始解集进行双约束优化，生成分散剂推荐配方，包括：
基于所述燃烧敏感解和所述目标敏感解，构建双约束优化适应度函数，其中，所述双约束优化适应度函数为最大值约束函数；
基于所述双约束优化适应度函数，遍历所述水泥分散剂初始解集进行评估，生成初始解适应度集；
将所述初始解适应度集自大到小，提取预设数量领头解；
基于所述预设数量领头解，对所述水泥分散剂初始解集进行分配，构建多个优化域；
基于所述多个优化域进行并行优化，获得多个推荐解，提取所述多个推荐解的适应度最大值，设为所述分散剂推荐配方；
其中，基于所述燃烧敏感解和所述目标敏感解，构建双约束优化适应度函数，其中，所述双约束优化适应度函数为最大值约束函数，包括：
所述双约束优化适应度函数为：
其中，Fit表征任意一个解的适应度，xi表征解的第i物料配置比例，xji0表征第j个燃烧敏感解的第i物料配置比例，L表征配方的物料类型总数，N表征燃烧敏感解总数，表征解和最近燃烧敏感解的距离，yki0表征第k个目标敏感解的第i物料配置比例，M表征目标敏感解总数，/>表征解和最近目标敏感解的距离，w1表征第一预设权重参数，w2表征第二预设权重参数，/> 表征当分母距离等于0时，分母恒为1；
将所述分散剂推荐配方发送至水泥分散剂制备管理终端。
2.如权利要求1所述的方法，其特征在于，遍历所述水泥分散剂初始解集进行燃烧概率分析，获得初始解燃烧概率集，包括：
获得所述水泥分散剂初始解集的第一水泥分散剂初始解；
基于所述第一水泥分散剂初始解，接入物联网从多个水泥分散剂生产厂家，提取预设时区的分散剂燃烧测试记录标签，其中，任意一个所述分散剂燃烧测试记录标签包括燃烧测试失败标签或燃烧测试合格标签；
统计所述燃烧测试失败标签在所述分散剂燃烧测试记录标签中的数量占比，设为第一水泥分散剂初始解燃烧概率，添加进所述初始解燃烧概率集。
3.如权利要求1所述的方法，其特征在于，基于所述预设数量领头解，对所述水泥分散剂初始解集进行分配，构建多个优化域，包括：
加和所述预设数量领头解的领头解适应度集，获得适应度集加和结果；
遍历所述领头解适应度集，与所述适应度集加和结果求比，获得领头解适应概率；
将所述预设数量领头解从所述水泥分散剂初始解集去除后计数，获得待分配解数量；
以所述领头解适应概率与所述待分配解数量相乘，将乘积结果向下取整，获得领头解优化域量级，其中，所述领头解优化域量级表征域内可分配解数量；
基于所述领头解优化域量级和所述预设数量领头解，对所述水泥分散剂初始解集进行随机分配，获得所述多个优化域。
4.如权利要求1所述的方法，其特征在于，基于所述多个优化域进行并行优化，获得多个推荐解，提取所述多个推荐解的适应度最大值，设为所述分散剂推荐配方，包括：
遍历配方物料集进行调整步长设定，获得L个调整步长约束区间；
在所述多个优化域的任意一个优化域中，根据域内领头解确定解集优化方向；
根据所述L个调整步长约束区间和所述解集优化方向，对域内初始解进行调整，获得多个解集扩充结果；
基于所述双约束优化适应度函数，对所述多个解集扩充结果的最优解，获得所述多个推荐解的任意一个。
5.如权利要求4所述的方法，其特征在于，基于所述多个优化域进行并行优化，获得多个推荐解，提取所述多个推荐解的适应度最大值，设为所述分散剂推荐配方，包括：
将所述多个推荐解的适应度最大值的推荐解，基于物联网，采集欧式距离小于或等于预设欧式距离的邻近解的燃烧概率参数和分散概率参数；
当所述燃烧概率参数小于所述燃烧概率阈值，且所述分散概率参数大于或等于所述分散概率阈值时，将所述推荐解，设为所述分散剂推荐配方；
当所述燃烧概率参数大于或等于所述燃烧概率阈值，或/和所述分散概率参数小于所述分散概率阈值时，返回所述多个优化域重复迭代优化。
6.高分散性水泥分散剂的阻燃性改良系统，其特征在于，用于实施权利要求1-5任意一项所述的高分散性水泥分散剂的阻燃性改良方法，所述系统包括：
初始解集获取模块，所述初始解集获取模块用于获得水泥分散剂初始解集，其中，所述水泥分散剂初始解集的任意一个解表征一分散剂配方；
燃烧概率分析模块，所述燃烧概率分析模块用于遍历所述水泥分散剂初始解集进行燃烧概率分析，获得初始解燃烧概率集；
分散概率分析模块，所述分散概率分析模块用于遍历所述水泥分散剂初始解集进行分散概率分析，获得初始解分散概率集；
燃烧敏感解模块，所述燃烧敏感解模块用于将所述初始解燃烧概率集大于或等于燃烧概率阈值的所述水泥分散剂初始解集提取，设为燃烧敏感解；
目标敏感解模块，所述目标敏感解模块用于将所述初始解分散概率集大于或等于分散概率阈值的所述水泥分散剂初始解集提取，设为目标敏感解；
双约束优化模块，所述双约束优化模块用于基于所述燃烧敏感解和所述目标敏感解，对所述水泥分散剂初始解集进行双约束优化，生成分散剂推荐配方；
推荐配方发送模块，所述推荐配方发送模块用于将所述分散剂推荐配方发送至水泥分散剂制备管理终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410114541.0A CN117877619B (zh) | 2024-01-29 | 2024-01-29 | 高分散性水泥分散剂的阻燃性改良方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410114541.0A CN117877619B (zh) | 2024-01-29 | 2024-01-29 | 高分散性水泥分散剂的阻燃性改良方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117877619A CN117877619A (zh) | 2024-04-12 |
| CN117877619B true CN117877619B (zh) | 2024-06-14 |
Family
ID=90577401
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410114541.0A Active CN117877619B (zh) | 2024-01-29 | 2024-01-29 | 高分散性水泥分散剂的阻燃性改良方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117877619B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118072874B (zh) * | 2024-04-19 | 2024-06-21 | 苏州顶材新材料有限公司 | 共混型互穿网络热塑性弹性体的原料配比优化方法及系统 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050000816A (ko) * | 2003-06-25 | 2005-01-06 | 중앙방수기업주식회사 | 단열 및 난연 성능을 지니는 아크릴수지 무기질계 탄성도막방수재 |
| CN114021913B (zh) * | 2021-10-22 | 2024-08-27 | 中冶南方工程技术有限公司 | 一种基于差分进化算法的高炉配料优化方法、电子设备以及存储介质 |
| CN115169743A (zh) * | 2022-08-11 | 2022-10-11 | 上海依蕴宠物用品有限公司 | 一种基于宠物差异化分析的饲料配方优化方法及系统 |
-
2024
- 2024-01-29 CN CN202410114541.0A patent/CN117877619B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| An RF and LSSVM – NSGA-II method for the multi-objective optimization of high-performance concrete durability;Hongyu Chen等;《Cement and Concrete Composites》;20220218;第1-14页 * |
| 水泥工业用助燃脱硫硝型复合添加剂及其作用机理研究;王志勇;《万方数据》;20160923;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117877619A (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117877619B (zh) | 高分散性水泥分散剂的阻燃性改良方法及系统 | |
| Van Laarhoven et al. | Local network community detection with continuous optimization of conductance and weighted kernel k-means | |
| CN114861788A (zh) | 一种基于dbscan聚类的负荷异常检测方法及系统 | |
| Li et al. | A spectral clustering-based adaptive hybrid multi-objective harmony search algorithm for community detection | |
| CN113484813A (zh) | 多环境应力下的智能电表故障率预估方法及系统 | |
| CN113569345B (zh) | 一种基于多源信息融合的数控系统可靠性建模方法与装置 | |
| CN110544047A (zh) | 一种不良数据辨识方法 | |
| CN116884536B (zh) | 一种工业废渣砖生产配方自动优化方法及系统 | |
| CN113010597B (zh) | 一种面向海洋大数据的并行关联规则挖掘方法 | |
| CN113808681A (zh) | 基于SHAP-CatBoost快速预测ABO3型钙钛矿材料比表面积的方法及其系统 | |
| CN113065037A (zh) | 一种基于密度峰值优化的标签传播社团检测方法及装置 | |
| CN116401212B (zh) | 一种基于数据分析的人事文书档案快速查找系统 | |
| CN111092879B (zh) | 日志关联方法及装置、电子设备、存储介质 | |
| Park et al. | Grid-based subspace clustering over data streams | |
| CN115935131A (zh) | 一种进气系统压损畸变多参数优化方法 | |
| CN110083538A (zh) | 一种并发程序噪声注入方法 | |
| CN107992886B (zh) | 一种燃机压气机设备故障趋势预测方法 | |
| CN114550842A (zh) | 抑制靶标蛋白生物活性的药物化合物分子预测方法及系统 | |
| CN115496119A (zh) | 一种发动机信息处理方法、装置及设备 | |
| Soh et al. | moPGA: Towards a new generation of multi-objective genetic algorithms | |
| CN1300730C (zh) | 应用定向搜索的后向粗糙集属性约简方法 | |
| CN112800595B (zh) | 基于大数据的燃烧室加工参数影响排放的检测方法及系统 | |
| CN116016205B (zh) | 一种基于综合强度和节点效率的网络关键节点识别方法 | |
| Suresh et al. | Associated subgraph mining in biological network | |
| CN108363728A (zh) | 一种挖掘特高压变电设备状态数据关联规则的方法及系统 |
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 |