[发明专利]基于变形度预测烧成曲线的方法、设备及计算机存储介质

权利要求书

1.基于变形度预测烧成曲线的方法，其特征在于：包括如下步骤：

分析影响窑炉烧成的关键因素，所述关键因素包括粉料和釉料的化学元素、粉料和釉料的烧白度和膨胀系数、粉料和釉料的各个成分在瓷砖烧成过程中的权重以及历史烧成曲线与当天产成品的优等品率的关联；

建立窑尾瓷砖的变形标准，以确定窑尾瓷砖的变形度与窑炉烧成曲线之间的关联性；

将历史烧成曲线输入烧成曲线自适应转化模型，烧成曲线自适应转化模型对历史烧成曲线进行曲线拆解，对拆解生成的多个曲线段进行多项式拟合，转化为历史烧成曲线对应的多项式嵌入参数；利用历史变形度数据以及所述多项式嵌入参数训练并生成多项式嵌入参数预测模型；

对关键因素的分析结果和所述关联性建立多项式嵌入参数预测模型的评估函数，根据所述评估函数建立评估机制；

所述评估函数包括：

R2_score：；

MAPE_score：；其中，为模型的预测值，为观察值，为平均观察值；

特征排序分数：Σ((加总权重=子类权重*大类权重)*重要度排序倒序)；

物料趋势分数：穷举参数，1倍方差取样，最高温度点及取样参数的斜率；正相关斜率为正，负相关斜率为负；符合工艺先验趋势+1*加总权重分数；不符合-1*加总权重分数；加总所有穷举的参数；

对多项式嵌入参数预测模型的输入值按1.5 倍分位数范围检查变形度变化：根据每列变形的排序，进行四分位，得出Q1（25%），Q2（50%），Q3（75%）点位，然后以Q3-Q1得出四分位距（IQR）；最大值设定是Q2（50%）加上一个四分位距，最小值设定是在Q2（50%）减去一个四分位距；

对多项式嵌入参数预测模型进行正交试验，正交试验因子包括产成品的优等品率、粉釉料各种元素的物化成分、烧白度和膨胀系数对窑炉温度的影响、模型的最大深度、模型的学习率以及模型的集成评估器；利用评估机制对正交试验后的各个多项式嵌入参数预测模型进行排名，选出排名最前的多项式嵌入参数预测模型；

将实时变形数据输入排名最前的所述多项式嵌入参数预测模型，输出预测的多项式嵌入参数；

将所述预测的多项式嵌入参数输入所述烧成曲线自适应转化模型，烧成曲线自适应转化模型输出对烧成温度影响最大的前K项因素和不同变形度的烧成曲线。

2.根据权利要求1所述的基于变形度预测烧成曲线的方法，其特征在于：窑尾瓷砖变形度的变形标准包括：

对角变形标准限值：凸0.7mm～0.8mm，凹0.4mm；

四边变形标准限值：凸0.5mm～0.65mm，凹0.3mm～0.4mm；

波浪、塌边的变形标准限值：凸0.2mm，凹0.2mm；

弯角变形标准限值：凸0.3mm，弯角凹0.3mm；

烧成厚度分最大值和最小值；

烧成尺码根据产品确定。

3.根据权利要求1所述的基于变形度预测烧成曲线的方法，其特征在于：所述评估机制包括如下规则：

1）r2_score值越接近1越好；

2）MAPE_score值越小越好；

3）特征排序分数越大，排序靠前权重越大的参数的越多，越符合工艺先验知识；

4）物料趋势分数越大，符合先验趋势的参数的越多，越符合工艺先验；

5）R2排名，r2_score值越靠近1，排名越前；

6）MAPE_score排名，MAPE_score值越小，排名越前；

7）特征排序分数排名，特征排序分数越大，排名越前；

8）物料趋势分数排名，物料趋势分数越大，排名越前；

9）平均分排名average_rank：将6）、7）、8）三项相加求平均数，得出的数值即为平均分排名，平均分排名越靠前，多项式嵌入参数预测模型越好。