一种石膏浆料搅拌时间的分析方法.pdf

《一种石膏浆料搅拌时间的分析方法.pdf》由会员分享，可在线阅读，更多相关《一种石膏浆料搅拌时间的分析方法.pdf（10页完整版）》请在专利查询网上搜索。

1、(10)申请公布号 CN 103971015 A (43)申请公布日 2014.08.06 CN 103971015 A (21)申请号 201410218693.1 (22)申请日 2014.05.22 G06F 19/00(2011.01) (71)申请人 重庆大学 地址 400044 重庆市沙坪坝区沙坪坝正街 174 号 (72)发明人 林景栋 吴芳 林湛丁 林秋阳 王珺珩 谢杨 邱欣 徐春慧 张东京 (74)专利代理机构 北京同恒源知识产权代理有 限公司 11275 代理人 赵荣之 (54) 发明名称 一种石膏浆料搅拌时间的分析方法 (57) 摘要 本发明公开了一种石膏浆料搅拌时间的分。

2、析 方法， 涉及石膏砌块成型技术领域， 具体包括 ： 1) 浆料搅拌参数数据采集 ； 2) 搅拌过程参数数据样 本建立 ； 3)搅拌过程样本数据预处理 ； 4)建立基 于最小二乘支持向量机算法 (LS-SVM) 的模型 ； 5) 模型预估计 ； 6) 预估值反归一化 ； 7) 预测结果分 析。本发明根据现场石膏砌块生产记录， 训练石 膏浆料搅拌时间的 LS-SVM 模型， 使预测模型的适 应能力更强， 预测精度更高 ； 通过 LS-SVM 模型为 石膏砌块成型工艺的分析及优化提供理论指导 ； 通过预估拟合曲线分析石膏浆料搅拌时间最佳范 围， 对搅拌效果进行预测 ； 取代人工预测的繁琐 方式， 。

3、达到实时准确预测的目的。 (51)Int.Cl. 权利要求书 2 页 说明书 5 页 附图 2 页 (19)中华人民共和国国家知识产权局 (12)发明专利申请 权利要求书2页 说明书5页 附图2页 (10)申请公布号 CN 103971015 A CN 103971015 A 1/2 页 2 1. 一种石膏浆料搅拌时间的分析方法， 其特征在于 ： 包括以下步骤 ： 步骤 1) 浆料搅拌参数数据采集 ： 进行石膏浆料搅拌试验， 分析搅拌工艺及搅拌过程， 找出影响搅拌时间的参数， 并通过上位机记录影响搅拌时间的试验数据 ； 步骤2)搅拌过程参数数据样本建立 ： 分析步骤1)记录的试验数据， 建立用。

4、于建模的训 练样本集合和用于测试的测试样本集合， 训练样本集合表示为 xi,yi， 其中 i 表示样本的 组数， xi R4表示浆料质量、 生产温度、 粉料灌注时间和水膏比， yi R 表示浆料搅拌时间 ； 步骤 3) 搅拌过程样本数据预处理 ： 对步骤 2) 确定的训练样本集合采用归一化方法进 行预处理 ； 步骤 4) 基于最小二乘支持向量机算法的回归模型建立 ： 利用预处理后的训练样本集 合建立 LS-SVM 模型 ； 步骤 5) 模型预估计 ： 将步骤 2) 中的训练样本数据输入到步骤 4) 中建立的 LS-SVM 回 归模型中， 计算得到对应的预估值 ； 步骤 6) 预估值反归一化 ：。

5、 对预估计值进行反归一化处理， 得到搅拌时间预估值 ； 步骤7)预估效果测试 ： 将步骤2)中用于测试的测试样本数据输入到步骤4)中建立的 LS-SVM 回归模型中， 计算得到对应的预估值， 并与实际的搅拌时间值进行比较绘制预估效 果拟合曲线 ； 步骤 8) 根据步骤 7) 绘制的拟合曲线， 确定石膏浆料最佳搅拌时间取值范围。 2. 根据权利要求 1 所述的石膏浆料搅拌时间的分析方法， 其特征在于 ： 步骤 3) 中所述 归一化预处理公式为 ： 其中， x、 y 分别表示归一化前与归一化后的样本值， xmin为样本值的最小值， xmax为样本 值的最大值。 3. 根据权利要求 2 所述的一种石。

6、膏浆料搅拌时间的分析方法， 其特征在于 ： 步骤 4) 中 所述 LS-SVM 回归模型的核函数采用径向基核函数， 其形式如下 其中 为核函数的宽度系数。 4. 根据权利要求 3 所述的一种石膏浆料搅拌时间的分析方法， 其特征在于 ： 步骤 4) 中 所述 LS-SVM 回归模型的最佳参数的获取方法采用粒子群优化算法， 其形式如下 ： 其中， k 为迭代次数， 学习因子 c1， c2是两个正常数， r1， r2是均匀分布于 0,1 之间的 两个随机数， i 表示第 i 个粒子， Vi为第 i 个粒子的速度， Xi为第 i 个粒子的位置， Pi为个 体最优位置， Pg为群体最优位置， Vik为第。

7、 i 个粒子第 k 次迭代的速度， 为第 i 个粒子第 k 次迭代的位置。 5. 根据权利要求 1 所述的一种石膏浆料搅拌时间的分析方法， 其特征在于 ： 步骤 1) 中 权 利 要 求 书 CN 103971015 A 2 2/2 页 3 所述石膏浆料搅拌过程参数数据采集时， 对实际生产温度进行取整处理， 采集数据的方式 相同， 数据的测量方式相同， 石膏浆料搅拌方式相同。 6. 根据权利要求 1 所述的一种石膏浆料搅拌时间的分析方法， 其特征在于， 步骤 1) 中 所述影响搅拌时间的参数包括浆料质量、 生产温度、 粉料灌注时间和水膏比。 权 利 要 求 书 CN 103971015 A 3。

8、 1/5 页 4 一种石膏浆料搅拌时间的分析方法 技术领域 0001 本发明涉及石膏砌块成型工艺技术领域， 特别是一种通过石膏浆料搅拌时间预测 进行石膏浆料搅拌的方法。 背景技术 0002 目前， 伴随着我国建筑行业的迅猛发展， 石膏砌块 (CaSO42H2O) 作为一种优良的 无机建筑材料， 是目前国际公认的绿色节能型材料， 已成为国内外石膏制品中最具潜力、 应 用最多的产品。石膏砌块生产过程包含着粉料配送、 搅拌成型、 脱模等工艺， 各个步进工艺 之间存在着时序的配合， 各工艺阶段的时间设置成为影响其最终成型效果的关键因素。然 而， 在石膏砌块实际生产过程中， 它的时间参数无法随着生产条件。

9、的波动而自动进行优化。 因此， 必须寻求一个有效方法来预测各工艺阶段的时间。本发明主要针对石膏砌块生产工 艺流程中浆料搅拌时间的分析。目前， 目前影响浆料搅拌时间的各生产参数均采用人工设 定， 运用这种方法进行预测不稳定因素多， 预测误差大， 预测耗时时间长， 所预测的数据对 生产的指导意义不大。 发明内容 0003 鉴于此， 本发明提供一种石膏浆料搅拌时间的分析方法， 它利用最小二乘支持向 量机模型对石膏浆料搅拌时间测试中的数据驱动分析， 对石膏浆料搅拌时间进行精确的预 测， 从而指导石膏砌块成型工艺中石膏浆料搅拌时间的选取。 0004 本发明的目的是通过这样的技术方案实现的， 一种石膏浆料。

10、搅拌时间的分析方 法， 包括以下步骤 ： 步骤 1) 浆料搅拌参数数据采集 ： 进行石膏浆料搅拌试验， 分析搅拌工 艺及搅拌过程， 找出影响搅拌时间的参数， 并通过上位机记录影响搅拌时间的试验数据 ； 步 骤 2) 搅拌过程参数数据样本建立 ： 分析步骤 1) 记录的试验数据， 确定影响搅拌时间的主 要参数， 建立用于建模的训练样本集合和用于测试的测试样本集合， 训练样本集合表示为 xi,yi， 其中 i 表示样本的组数， xi R4表示浆料质量、 生产温度、 粉料灌注时间和水膏比， yiR表示浆料搅拌时间 ； 步骤3)搅拌过程样本数据预处理 ： 对步骤2)确定的训练样本集 合采用归一化方法进。

11、行预处理 ； 步骤 4) 基于最小二乘支持向量机算法的回归模型建立 ： 利 用预处理后的训练样本集合建立 LS-SVM 模型 ； 步骤 5) 模型预估计 ： 将步骤 2) 中的训练样 本数据输入到步骤 4) 中建立的 LS-SVM 回归模型中， 计算得到对应的预估值 ； 步骤 6) 预估 值反归一化 ： 对预估计值进行反归一化处理， 得到搅拌时间预估值 ； 步骤 7) 预估效果测试 ： 将步骤 2) 中用于测试的测试样本数据输入到步骤 4) 中建立的 LS-SVM 回归模型中， 计算得 到对应的预估值， 并与实际的搅拌时间值进行比较绘制预估效果拟合曲线 ； 步骤 8) 根据步 骤 7) 绘制的。

12、拟合曲线， 确定石膏浆料最佳搅拌时间取值范围。 0005 进一步， 步骤 3) 中所述归一化预处理公式为 ： 0006 说 明 书 CN 103971015 A 4 2/5 页 5 0007 其中， x、 y 分别表示归一化前与归一化后的样本值， xmin为样本值的最小值， xmax为 样本值的最大值。 0008 进一步， 步骤4)中所述LS-SVM回归模型的核函数采用径向基核函数， 其形式如下 0009 0010 其中 为核函数的宽度系数。 0011 进一步， 步骤 4) 中所述 LS-SVM 回归模型的最佳参数的获取方法采用粒子群优化 算法 (PSO)， 其形式如下 ： 0012 0013。

13、 其中， k 为迭代次数， 学习因子 c1， c2是两个正常数， r1， r2是均匀分布于 0,1 之 间的两个随机数， i 表示第 i 个粒子， Vi为第 i 个粒子的速度， Xi为第 i 个粒子的位置， Pi为 个体最优位置， Pg为群体最优位置， Vik为第 i 个粒子第 k 次迭代的速度，为第 i 个粒子 第 k 次迭代的位置。 0014 进一步， 步骤 1) 中所述石膏浆料搅拌过程参数数据采集时， 对实际生产温度进行 取整处理， 采集数据的方式相同， 数据的测量方式相同， 石膏浆料搅拌方式相同。 0015 进一步， 步骤 1) 中所述影响搅拌时间的参数包括浆料质量、 生产温度、 粉料。

14、灌注 时间和水膏比。 0016 由于采用了以上技术方案， 本发明具有以下有益技术效果 ： 0017 1、 根据现场石膏砌块生产记录， 训练石膏浆料搅拌时间的基于最小二乘支持向量 机算法 (LS-SVM) 的模型， 使预测模型的适应能力更强， 预测精度更高 ； 0018 2、 通过 LS-SVM 回归模型为石膏砌块成型工艺的分析及优化提供理论指导 ； 0019 3、 通过回归曲线分析石膏浆料搅拌时间最佳范围， 对搅拌效果进行预测 ； 0020 4、 取代人工预测的繁琐方式， 达到实时准确预测的目的。 附图说明 0021 为了使本发明的目的、 技术方案和优点更加清楚， 下面将结合附图对本发明作进 。

15、一步的详细描述， 其中 ： 0022 图 1 为最小二乘支持向量机模型的石膏浆料搅拌时间预测效果图 ； 0023 图 2 为最小二乘支持向量机模型的石膏浆料搅拌时间预估误差图 ； 0024 图 3 为本发明的流程框图。 具体实施方式 0025 以下将结合附图， 对本发明的优选实施例进行详细的描述 ； 应当理解， 优选实施例 仅为了说明本发明， 而不是为了限制本发明的保护范围。 0026 本发明的基本思想是利用最小二乘支持向量机模型实现对石膏浆料搅拌时间的 精确预测， 从而指导石膏砌块成型工艺中石膏浆料搅拌时间的合理选取。 0027 根据对石膏生产工艺流程的分析， 搅拌时间除受浆料质量、 水膏比。

16、、 生产温度的影 说 明 书 CN 103971015 A 5 3/5 页 6 响外， 还与粉料的灌注时间有关。因此， 选取浆料质量 ( 粉料质量、 水质量之和 )、 生产温 度、 粉料灌注时间以及水膏比为搅拌时间模型的输入变量 ； 而根据现场经验及相关实验数 据分析可知， 搅拌时间不会随温度呈线性变化， 其值在一定温度区间波动较小。因此， 为了 后续建模简便可行， 减少训练样本数量， 在建模过程中会将实际的生产温度 ( 一般情况为 10 30 ) 进行取整处理。 0028 通过上述分析， 本发明的预测过程包括 ： 步骤 1) 浆料搅拌参数数据采集 ： 进行石 膏浆料搅拌试验， 分析搅拌工艺及。

17、搅拌过程， 找出影响搅拌时间的参数， 并通过上位机记录 影响搅拌时间的试验数据 ； 步骤 2) 搅拌过程参数数据样本建立 ： 分析步骤 1) 记录的试验 数据， 确定影响搅拌时间的主要参数， 建立用于建模的训练样本集合和用于测试的测试样 本集合， 训练样本集合表示为 xi,yi， 其中 i 表示样本的组数， xi R4表示浆料质量、 生产 温度、 粉料灌注时间和水膏比， yi R 表示浆料搅拌时间 ； 步骤 3) 搅拌过程样本数据预处 理 ： 对步骤 2) 确定的训练样本集合采用归一化方法进行预处理 ； 步骤 4) 基于最小二乘支 持向量机算法的回归模型建立 ： 利用预处理后的训练样本集合建立。

18、 LS-SVM 模型 ； 步骤 5) 模型预估计 ： 将步骤 2) 中的训练样本数据输入到步骤 4) 中建立的 LS-SVM 回归模型中， 计 算得到对应的预估值 ； 步骤 6) 预估值反归一化 ： 对预估计值进行反归一化处理， 得到搅拌 时间预估值 ； 步骤 7) 预估效果测试 ： 将步骤 2) 中用于测试的测试样本数据输入到步骤 4) 中建立的 LS-SVM 回归模型中， 计算得到对应的预估值， 并与实际的搅拌时间值进行比较绘 制预估效果拟合曲线 ； 步骤8)根据步骤7)绘制的拟合曲线， 确定石膏浆料最佳搅拌时间取 值范围。 0029 (1) 浆料搅拌参数数据采集 0030 针对本发明建立。

19、的最小二乘支持向量机 (LS-SVM) 模型， 对于过程参数数据的采 集有三点要求 ： 第一、 用于建立模型的数据的采集方式相同 ； 第二、 用于建立模型的数据的 测量方式相同 ； 第三、 用于建立模型的输入变量相同， 以确保数据采集的准确性和可靠性。 0031 根据以上要求， 通过分析石膏浆料搅拌工艺及搅拌过程， 选取浆料质量 ( 粉料质 量与水质量之和 )、 生产温度、 粉料灌注时间以及水膏比为搅拌时间模型的输入变量， 进行 数据采集与记录。 0032 (2) 搅拌过程参数数据样本建立 0033 根据现场石膏砌块生产记录取500组样本用于建模， 另取100组样本用于预测。 建 立样本集其中。

20、 0034 xi (m水 i+m粉 i),ki,Ti,t粉 i 0035 yi t搅 i 0036 xi R4， yi R， m水 i+m粉 i、 Ti、 t粉 i、 ki分别表示第 i 个样本的浆料质量、 生产温度、 粉料灌注时间以及水膏比。 0037 部分样本数据如下表所示 ： 0038 说 明 书 CN 103971015 A 6 4/5 页 7 0039 (3) 搅拌过程样本数据预处理 0040 由于 LS-SVM 算法中采用样本数据的欧式距离来计算， 为避免较大数量范围的数 据支配较小数量范围数据， 对所有输入数据和输出数据都需进行归一化处理， 把属性缩放 到 0， 1 之间。本发明。

21、采用以下公式进行归一化处理 ： 0041 0042 其中， x、 y 分别表示归一化前与归一化后的样本值， xmin为样本值的最小值， xmax为 样本值的最大值。 0043 (4) 建立基于最小二乘支持向量机算法 (LS-SVM) 的模型 0044 利用训练样本集合建立 LS-SVM 模型。 0045 LS-SVM 回归模型的核函数采用径向基核函数 (RBF)， 其形式如下 0046 0047 其中 为核函数的宽度系数。 0048 LS-SVM 回归模型的最佳参数的获取方法采用粒子群优化算法 (PSO)， 其形式如 下 ： 0049 0050 其中， k 为迭代次数， 学习因子 c1， c2。

22、是两个正常数， r1， r2是均匀分布于 0,1 之 间的两个随机数， i 表示第 i 个粒子， Vi为第 i 个粒子的速度， Xi为第 i 个粒子的位置， Pi为 个体最优位置， Pg为群体最优位置， Vik为第 i 个粒子第 k 次迭代的速度，为第 i 个粒子 第 k 次迭代的位置。 0051 经过粒子群优化算法确定出的最佳参数为 ： 惩罚系数 c 120 ； 核函数宽度系数 0.48， 将 500 组训练样本数据输入到 LS-SVM 模型中， 求得浆料搅拌时间 LS-SVM 模型。 0052 (5)LS-SVM 回归模型预估计 0053 将 500 组训练样本数据输入到 LS-SVM 模。

23、型中， 求得浆料搅拌时间 LS-SVM 模型， 并 计算得到搅拌时间预估值 0054 (6) 预估值反归一化 说 明 书 CN 103971015 A 7 5/5 页 8 0055 对预测变量通过模型进行预测后， 需要对预估值进行反归一化处理预估出当前测 试样本集合对应的搅拌时间， 反归一化处理方法如下 ： 0056 y* var(y)*y+mean(y) 0057 其中 ： y*表示预测值， y为测试样本变量mean(y)的均值， var(y)为变量y的方差。 0058 (7) 预估效果分析 0059 根据浆料搅拌时间的LS-SVM预估模型， 把另外选取的100组预测样本数据带入该 模型计算。

24、。图 1 为浆料搅拌时间的预估拟合图， 其中实线表示实际值， 点表示预估值， 图形 结果表明， 该搅拌时间预估模型能够较好的估计搅拌时间 ； 图 2 为搅拌时间预估误差图， 相 对误差大部分落在 -3.5*10-33.5*10-3水平区间内， 数值较小且误差区域的宽度很窄， 说 明选用的预测模型具有较高的预测精度。 0060 以上所述仅为本发明的优选实施例， 并不用于限制本发明， 显然， 本领域的技术人 员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样， 倘若本发明的 这些修改和变型属于本发明权利要求及其等同技术的范围之内， 则本发明也意图包含这些 改动和变型在内。 说 明 书 CN 103971015 A 8 1/2 页 9 图 1 图 2 说 明 书 附 图 CN 103971015 A 9 2/2 页 10 图 3 说 明 书 附 图 CN 103971015 A 10 。