[发明专利]陶瓷配方优化方法及系统

说明书

本发明涉及陶瓷生产的技术领域，尤其是涉及陶瓷配方优化方法及系统,包括：采集配方先验知识数据，构建陶瓷配方先验知识库，并且采集陶瓷生产的历史配方数据和原料数据，构建陶瓷历史配方数据库；根据先验知识、原料数据和历史配方数据，采取知识驱动和数据驱动的集成学习，构建陶瓷配方性能预测模型；将陶瓷配方原料优化问题定义为带约束及混合变量的单目标或多目标优化问题，构建优化模型；运用数据驱动的演化优化算法对配方进行优化；依次进行约束处理、鲁棒优化和多解优化；基于上述模型和优化算法，集成研制出陶瓷原料配方优化系统；本发明具有解决陶瓷配方优化设计的效率及试错成本问题的效果。

技术领域

本发明涉及陶瓷生产的技术领域，特别是陶瓷配方优化方法及系统。

背景技术

目前，陶瓷原料配方设计非常依赖技术工程师的先验知识，存在试错成本巨大、配方设计效率低下的问题。

现有的陶瓷配方优化及设计主要依靠两种方法，一种是完全依靠人工的经验，通过计算得出多个配方；另一种方法是人工使用excel工具进行配方设计，然后再通过人工试验，工作流程如下：技术工程师通过对原料的判断，筛选出几种原料对配方进行设计及优化，确定多个陶瓷配方方案；将设计的多种配方方案通过人工进行配料进行试验，通过正交试验的方式来筛选较优的配方方案。

以上的配方优化设计方法都是基于人的主观经验来设计及判定配方的优劣，但考虑到人储存知识的有限性及考虑问题的局限性，现有方式不仅效率低下，而且试错成本较高，同时也无法判断获得的配方就是最优的配方方案。

因此，需要研究数据驱动的陶瓷原料配方优化计算智能方法，构建一套智能化的陶瓷坯体配方优化系统，作为陶瓷生产配方设计实用性和普遍性的工具。

发明内容

针对上述缺陷，本发明的目的在于提出陶瓷配方优化方法及系统，解决陶瓷配方优化设计的效率及试错成本的问题。

为达此目的，本发明采用以下技术方案：

陶瓷配方优化方法，包括如下步骤：

A.采集配方先验知识数据，构建陶瓷配方先验知识库，并且采集陶瓷生产的历史配方数据和原料数据，构建陶瓷历史配方数据库；

B.根据先验知识、原料数据和历史配方数据，采取知识驱动和数据驱动的集成学习，构建陶瓷配方性能预测模型；

C.将陶瓷配方原料优化问题定义为带约束及混合变量的单目标或多目标优化问题，构建优化模型；

D.运用数据驱动的演化优化算法对配方进行优化；

E.依次进行约束处理、鲁棒优化和多解优化；

F.基于上述模型和优化算法，集成研制出陶瓷原料配方优化系统。

优选的，所述B步骤构建陶瓷配方性能预测模型包括如下内容：

b1.依据陶瓷配方先验知识库中蕴含的陶瓷配方先验规则，采用蚁群挖掘系统算法及遗传编程方法，构建决策树，生成基于规则推理的决策树模型；

b2.依据陶瓷历史配方数据库，基于机器学习方法建立回归和分类模型；

b3.通过集成学习机制，将决策树模型和机器学习方法相集成，实现数据及知识驱动相融合的陶瓷配方性能预测模型。

优选的，所述C步骤构建优化模型包括如下内容：

c1.设定配方原料数量及原料种类；

c2.按价格确定原料；

c3.在陶瓷配方性能预测模型中加入约束条件，形成带约束优化数学模型。

优选的，所述b1步骤中采用蚁群挖掘系统算法及遗传编程方法生成决策树模型包括以下步骤：