[发明专利]一种基于神经网络系统的流化床配方自动生成方法

权利要求书

1.一种基于神经网络系统的流化床配方生成方法，其特征在于，该方法包含以下步骤：

步骤1 神经网络系统采集用于流化床的神经网络的训练样本；

步骤2 神经网络系统仿真训练用于流化床的神经网络；

步骤3 神经网络应用，自动生成流化床配方。

2.如权利要求1所述的基于神经网络系统的流化床配方生成方法，其特征在于，所述的步骤1包含以下步骤：

步骤1.1 现实的流化床模拟运行；

步骤1.2 系统设定流化床运行的原料参数；

步骤1.3 系统根据流化床的运行过程，给出与原料参数相对应的配方参数；

步骤1.4 神经网络系统存储流化床相对应的原料参数与配方参数，获得用于训练神经网络的训练样本。

3.如权利要求2所述的基于神经网络系统的流化床配方生成方法，其特征在于，所述的步骤1.3中所述的原料参数包含原料种类、原料密度、原料粒度、浆液粘度、浆液比例、浆液温度和亲水性。

4.如权利要求2所述的基于神经网络系统的流化床配方生成方法，其特征在于，所述的步骤1.3中所述的配方参数包含低搅转速、高搅转速、低粒转速、高粒转速、总时间、高搅开始、低粒开始、高粒开始、喷浆时长、喷浆开始、终点电流。

5.如权利要求1所述的基于神经网络系统的流化床配方生成方法，其特征在于，所述的步骤2包含以下步骤：

步骤2.1 神经网络系统导入训练样本中的各原料参数，作为神经网络的输入层神经元；

步骤2.2 神经网络系统导入训练样本中的各配方参数，作为神经网络的输出层神经元；

步骤2.3 神经网络系统计算出隐层神经元的数目，隐层神经元数目N=训练样本数/2+e，e随机取0到9之间的整数值；

步骤2.4 神经网络系统利用训练样本进行仿真训练，确定神经网络的权值和阈值；

步骤2.5 神经网络系统正向传播输入层输入的训练样本原料参数，并判断输出层的输出是否与导入输出层的训练样本的配方参数一致，若是，则跳转到步骤2.8，若否，则跳转到步骤2.6；

步骤2.6 神经网络系统反向传播误差，并进行学习，修改或迭代各层各节点的权重和阈值，减小代价函数；

步骤2.7 神经网络系统判断代价函数是否能再减小，若是，则完成了输入层与输出层的映射，则跳转到步骤2.6，若否，并跳转到步骤2.8；

步骤2.8 神经网络系统仿真训练完成，建立输入层神经元与输出层神经元之间的关系。

6.如权利要求1所述的基于神经网络系统的流化床配方生成方法，其特征在于，所述的步骤3方法包含以下步骤：

步骤3.1 神经网络系统输入原料参数至神经网络的输入层；

步骤3.2 神经网络系统对原料参数进行处理，输出层生成配方参数；

步骤3.3 神经网络系统输出神经网络生成的配方参数，控制流化床运作。