【技术实现步骤摘要】
一种基于卷积神经网络的水悬浮造粒过程状态识别方法
[0001]本专利技术涉及一种基于卷积神经网络的水悬浮造粒过程状态识别方法，尤其涉及压装混合炸药水悬浮造粒过程状态的识别，属于水悬浮造粒过程控制领域。
技术介绍
[0002]目前水悬浮造粒技术是制备压装混合炸药造型分的常用方法，水悬浮造粒其实是炸药粉末在高分子粘结剂的作用下从粉末逐渐润湿、成核、团聚、振实、破裂的一个过程。影响颗粒性能的因素有很多，如反应容器结构、搅拌速度、加料速率、温度和升温速度等。截止到目前，人们各因素对造型粉的影响规律了解颇少，造粒过程中非常依赖人工经验，及时根据各种状态进行调整工艺条件。但是，依靠人工分辨造型粉制备过程中的各种状态，培训周期长，需要耗费大量的财力、人力和物力，经济性差，安全性不高；这些问题严重阻碍了压装混合炸药造型粉的制备。
[0003]为了避免上面问题，提出了一种基于卷积神经网络的水悬浮造粒过程状态识别方法，这种方法具有高准确度、不依赖人工、安全性高、经济性好的特点，并且已经在一种NTO基压装混合炸药造型粉制备过程的状态识别中
【技术保护点】
【技术特征摘要】
1.一种基于卷积神经网络的水悬浮造粒过程状态识别方法，其特征在于：具体步骤如下：步骤一、整理和收集相关图像数据，将数据分为训练集train和验证集validation，其中80％为训练集，20％为测试集；步骤二、使用Tensorflow框架，首先对数据进行预处理，对步骤一的训练集和验证集分别预处理，数据加载到生成器后会被自动转换成tensor(float32)格式，动态产生所需的batch数据，然后将图像数据归一化(0
‑
1)区间，压缩图像大小为64*64，便于训练模型；步骤三、构建卷积神经网络模型，配置训练器，训练网络模型；步骤四、效果展示，将模型的训练集和验证集的acc曲线和loss曲线可视化，判断模型训练效果，如果效果不够理想，继续调整模型参数，重新训练；如果效果符合要求，则保存模型，以供后续...
【专利技术属性】
技术研发人员：束庆海，张哲，马仙龙，李超，吕席卷，王东旭，邹浩明，
申请(专利权)人：北京理工大学唐山研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。