一种玻璃黏度预测方法及系统技术方案

本发明专利技术公开了一种玻璃黏度预测方法及系统，该方法具体步骤为：采集玻璃材料在不同温度下的黏度数据，构建玻璃黏度的数据库；在高斯过程的假设下基于函数型混合效应模型对不同组分、不同温度下的玻璃黏度数据进行建模，对于固定效应项，采用运算速度更快的B样条基函数进行展开；对于随机效应项，使用非线性的核函数来描述其协方差函数，同时在核函数中加入自变量以解释玻璃黏度间的相关性；对于推断方法，使用EM算法对模型中的参数进行估计，最后对多元玻璃在不同温度下的黏度进行预测。本发明专利技术提供的预测方法相比较传统统计模型，具有更低的预测误差和更少的计算成本。更低的预测误差和更少的计算成本。更低的预测误差和更少的计算成本。

【技术实现步骤摘要】
一种玻璃黏度预测方法及系统


[0001]本专利技术属于玻璃性能预测领域，特别涉及一种玻璃黏度预测方法及系统。

技术介绍

[0002]黏度作为玻璃的重要物理性质之一，可以直接反映熔体的结构，因此一直是人们研究的热点。黏度是温度、压力、组成的函数，在某些化合物中也与氧逸度有关。随着温度升高，自由体积和构型熵都会增加，熔体的结果重排变得容易，使得黏度下降。大多数硅酸盐熔体呈现出非牛顿行为，也就是说硅酸盐的熔体跟剪切应力或剪切速率有关。硅酸盐熔体的黏度对数呈非线性变化。
[0003]目前，根据生产的需要，一般把常用的温度同黏度
‑
温度曲线上特定的黏度对应起来。在曲线上生产中最关心的则是操作范围温度，即成型玻璃液表面的温度范围。一般体系下的玻璃纤维的操作温度范围为10
2.5
～10
3.5
dPa.s，所以在拉丝过程中尤其关注在此黏度范围内的温度，也就是说准确地预测玻璃黏度可以对指导生产、研究化学组成对玻璃熔体各种性质的影响具有重要意义。
[0004]现有的玻璃黏度预测方法主要有如下两种本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种玻璃黏度预测方法，其特征在于，包括：采集玻璃材料在不同温度下的黏度数据，构建玻璃黏度的数据库；在高斯过程的假设下基于函数型混合效应模型对不同组分、不同温度下的玻璃黏度数据进行建模：y
i
(t)＝μ(t)+τ
i
(t)+∈
i
(t)i＝1，...，n其中y
i
(t)表示第i块玻璃在温度t下的黏度，μ(t)为固定效应项，表示所有n块玻璃在温度t下的平均黏度；τ
i
(t)为随机效应项，表示第i块玻璃在温度t下的特性；∈
i
(t)为随机误差项；对于固定效应项，采用B样条基函数进行展开；对于随机效应项，使用非线性的核函数来描述其协方差函数，同时在核函数中加入自变量以解释玻璃黏度间的相关性；使用EM算法对模型中的参数进行估计，最后对多元玻璃在不同温度下的黏度进行预测。2.根据权利要求1所述的玻璃黏度预测方法，其特征在于，在高斯过程的假设下，模型有以下结构：μ(t)＝B
T
μ
β
τ
i
(t)～GP(0，C(
·
，
·
；θ)))其中B为样条基函数，μ
β
为在样条基函数下的回归系数，C(
·
，
·
；θ)为非线性核函数，为核函数中的参数，x
i
(t)为自变量，为随机误差项中的方差；接下来给出依据所有玻璃黏度数据的似然函数：其中y(t)＝(y1(t)，...，y
n
(t))，m为温度t的重复观测次数，I是维数为m的单位阵，使用EM算法进行参数估计，得到估计的参数集合3.根据权利要求2所述的玻璃黏度预测方法，其特征在于，根据上一步的估计的参数对新玻璃样本的黏度进行估计，即可转化为一个条件期望问题：其中y0(t)为待预测的新玻璃样本。4.根据权利要求2所述的玻璃黏度预测方法，其特征在于，选择五个B样条基函数对固定效应项进行展开，每一条曲线对应着每条样条B基函数，为B样条基函数，其中
其中，t为温度范围，t∈[1100，1400]；i＝1，2，...5；k为阶数，取k＝3；n为控制点个数，取n＝5；{t0，t1，...t
m
}为节点向量，m＝n+k+1。5.根据权利要求1所述的玻璃黏度预测方法，其特征在于，在建模前需要对数据进行预处理：对于数据缺失的样本，直接删除该样本；对于其他数据，使用分位数检验的方法，剔除位于特定分位点外的样本。6.一种玻璃黏度预测系统，其特征在于，所述系统包括：第一模块，用于采集玻璃材料在不同温度下的黏度数...

【专利技术属性】
技术研发人员：刘鑫，赵明，赵谦，郎玉冬，陈阳，匡宁，
申请(专利权)人：南京玻璃纤维研究设计院有限公司，
类型：发明
国别省市：