[发明专利]一种SA优化深度置信网络的含能材料成球质量优化方法

说明书

本发明公开了一种SA优化深度置信网络的含能材料成球质量优化方法，包括：提取特征参数组成低维特征集M_L；采用低维特征集M_L中的部分数据N_L搭建初始DBN网络模型结构；采用模拟退火算法优化初始DBN网络模型结构，得到深度置信网络结构；采用剩余数据P_L测试深度置信网络性能；将当前生成需要达到的成球质量参数输入到深度置信网络，根据模型输出的工艺控制参数控制生产设备，得到目标成球质量。本发明通过算法自动分析历史数据，得出成球工艺参数到成球质量的映射模型，从而省去了机理分析的难处、实验分析的高成本高风险性；依据模型给出的最有工艺参数，指导操作工人生产，从而减少对人工控制经验的依赖。

技术领域

本发明涉及化工生产技术领域，尤其是涉及含能材料成球技术领域，具体的说，是一种SA优化深度置信网络的含能材料成球质量优化方法。

背景技术

双基球扁药是一种具有高能量、高燃速、薄弧厚、燃烧性能好的球扁形发射药。由于其成球过程涉及溶解、成球、预蒸、蒸溶等多个工序的工艺参数控制，而加工过程内在机理复杂，国内外在机理分析尚处于探索阶段，研究的理论基础薄弱，尚未形成成熟的成球工艺控制技术，导致成球直径、弧厚偏差大等成球质量差的问题。大量研究表明，成球过程各工序温度及工序时长对成球质量影响尤为重要，这些参数与成球质量之间有着复杂的相互关系，且成球过程是一个复杂的非线性过程。目前对于成球工艺参数与成球质量间关系的研究还不够深入，以致无法从工艺机理角度给出合适工艺参数指导生产，且目前针对化工工艺仿真技术也较为落后，很难通过常规的方式建立精确的数据模型对生产工艺进行优化和质量提升。

发明内容

本发明的目的在于提供一种SA优化深度置信网络的含能材料成球质量优化方法，用于解决现有技术中含能材料产品(如双基球扁药)成球质量差的问题。

本发明通过下述技术方案解决上述问题：

一种SA优化深度置信网络的含能材料成球质量优化方法，包括：

步骤S100：对原始温度信号进行数据预处理，提取特征参数组成低维特征集ML；

步骤S200：采用低维特征集M_L中的部分数据N_L搭建初始DBN网络模型结构；

步骤S300：采用模拟退火算法优化初始DBN网络模型结构，以成球预测值与真实值的差距为优化目标进行训练，得到深度置信网络结构；

步骤S400：采用低维特征集M_L中的剩余数据P_L测试深度置信网络性能；

步骤S500：将当前生成需要达到的成球质量参数输入到深度置信网络，深度置信网络输出工艺控制参数，根据模型输出的工艺控制参数控制生产设备，得到目标成球质量。

在产品的历史生产过程中，积累了大量的生产数据，这些数据包括生产加工工艺以及产品质检参数。深度置信网络根据生产历史数据建模，分析这些数据，寻找背后规律性的东西，得出工艺参数和产品质量之间的映射关系，利用得到的规律去改进工艺，指导生产过程，从而提高产品质量，解决目前含能材料成球质量差、无工艺机理优化支撑问题。并且针对深度置信网络结构复杂多样问题、模型不稳定性问题利用模拟退火算法的优势来解决此问题。具体地：

特征参数组成的低维特征集M_L的部分数据N_L建立初始DBN识别模型，利用模拟退火算法进行优化网络结构，以成球预测值与真实值之间的差距作为优化目标进行训练，以获得稳定的标准DBN模型。将M_L的剩余数据P_L作为测试数据集，输入到标准DBN模型中获取到成球尺寸的预测结果，同时得到预测的精确度，精确度满足生产要求则标准DBN模型学习完成。利用标准DBN模型指导现实中工艺生产及优化成球质量的方法为：