[发明专利]一种玻璃生产原料配量预测方法

权利要求书

1.一种玻璃生产原料配量预测方法，其特征在于，包括以下步骤：

步骤一：收集过去每次玻璃生产中在不同的生产条件下的工艺数据以及成品总重量占原料总重量的比值；其中，成品总重量占原料总重量的比值即为生产中因高温导致生成气体的气体率；

步骤二：将历史工艺数据进行量化以及归一化，将工艺数据作为输入，输入至机器学习模型；模型的预测目标为气体率；对机器学习模型进行训练，生成根据工艺数据预测气体率的机器学习模型；将该机器学习模型标记为M1；

步骤三：收集过去每次玻璃生产中纯碱的使用量与纯碱挥发量的比值以及工艺数据；其中，纯碱的使用量与纯碱挥发量的比值即为纯碱挥发率；

步骤四：将历史工艺数据进行量化以及归一化，将工艺数据作为输入，输入至机器学习模型；模型的预测目标为纯碱挥发率；对机器学习模型进行训练，生成根据工艺数据预测纯碱挥发率的机器学习模型；将该机器学习模型标记为M2；

步骤五：对生产原材料的芒硝和纯碱进行采样；计算采样的芒硝与纯碱中的氧化钠的含量，并计算芒硝含率；

步骤六：对生产原材料的煤粉与芒硝进行采样；计算采样的煤粉中含有的固定碳含量以及芒硝中含义的硫酸钠含量，并计算煤粉含率；

步骤七：对生产原材料的萤石进行采样；计算采样的萤石引入的氟化钙含量与采样的萤石总量之比，作为萤石含率；

步骤八：预先提供成品玻璃的需求量、成品生产各个原材料的配料比例、以及生产工艺数据；根据气体率、纯碱挥发率、芒硝含率、煤粉含率以及萤石含率计算各个原材料所需要的配料数量。

2.根据权利要求1所述的一种玻璃生产原料配量预测方法，其特征在于，所述工艺数据包括火焰性质、熔化方法、加料方式以及熔制温度；对于纯碱挥发率的计算，工艺数据还包括纯碱性质；所述纯碱性质为纯碱属于重碱或轻碱。

3.根据权利要求1所述的一种玻璃生产原料配量预测方法，其特征在于，所述机器学习模型是线性规划或支持向量机。

4.根据权利要求1所述的一种玻璃生产原料配量预测方法，其特征在于，火焰性质、熔化方法、加料方式以及纯碱性质是非数字性质的；将其量化；量化的方式为对每种火焰性质、熔化方法以及加料方式使用数字0,1,2…进行标记。

5.根据权利要求1所述的一种玻璃生产原料配量预测方法，其特征在于，所述芒硝含率的计算方法为芒硝引入的氧化钠的含量与纯碱加芒硝引入的氧化钠含量和的比值；将采样的芒硝引入氧化钠含量标记为X1，采样的纯碱引入的氧化钠含量标记为X2；将芒硝含率标记为X；芒硝含率X的计算公式为：

其中，所述煤粉含率的计算方式为由煤粉引入的固定碳含量与芒硝引入的硫酸钠的含量比值；将采样的煤粉引入固定碳的含量标记为C1，将采样的芒硝引入的硫酸钠含量标记为C2；将煤粉含率标记为C；煤粉含率C的计算公式为

将采样的萤石引入的氟化钙含量标记为F1，将采样萤石总量标记为F2；将萤石含率标记为F；萤石含率F的计算公式为

6.根据权利要求1所述的一种玻璃生产原料配量预测方法，其特征在于，将成品玻璃中纯碱的比值标记为Jr，将成品玻璃中芒硝的比值标记为Xr，将成品玻璃中煤粉的比值标记为Cr，将成品玻璃中萤石的比值标记为Fr；将成品玻璃需求量标记为N；

计算制作满足需求N的成品玻璃所需要的各项原料的配量包括以下步骤：

步骤S1：将生产工艺数据经量化、归一化以及向量化后，输入至机器学习模型M1和机器学习模型M2中；分别获得预估的气体率G以及预估的纯碱挥发率Jf；

步骤S2：计算原料需求总量Y；Y的计算公式为

步骤S3：计算原料中纯碱需要的配量Jn；Jn的计算公式为

步骤S4：计算原料中芒硝需要的配量Xn；Xn的计算公式为

步骤S5：计算原料中煤粉需要的配量Cn；Cn的计算公式为

步骤S6：计算原料中萤石需要的配量Fn；Fn的计算公式为