基于烟花算法改进BP网络的复合耐火砖隔热性能预测方法技术

本发明专利技术提供基于烟花算法改进BP网络的复合耐火砖隔热性能预测方法，包括步骤：获取原始数据原本，构建有限元仿真模型，设计仿真实验方案，仿真获得机器学习数据样本，训练构建FWA

【技术实现步骤摘要】
基于烟花算法改进BP网络的复合耐火砖隔热性能预测方法


[0001]本专利技术涉及耐火材料
，尤其涉及基于烟花算好改进BP网络模型的新型复合耐火砖隔热性能预测方法。

技术介绍

[0002]研究发现，实际生产中，回转窑作为水泥烧成系统的主要组成部分，其保温节能效果对整个系统的能耗影响至关重要。据统计，水泥烧成系统表面散热损失占总热量支出的10%，而回转窑筒体表面散热损失又占烧成系统表面散热损失的50%。可见，降低回转窑筒体表面散热损失是降低整个烧成系统表面散热损失的关键，而进行窑内耐火砖的合理选择及优化设计，如：使用轻质、低导热的纳米隔热材料与之复合，又将是降低回转窑筒体表面散热损失的关键。
[0003]气凝胶是目前世界上绝热性能最好的固体材料，主要包括气凝胶粉体材料、气凝胶涂料、气凝胶毡、气凝胶板等复合材料。气凝胶粉体为其衍射材料的基体材料，气凝胶涂料主要用于设备壳体外的涂覆材料，而气凝胶毡、气凝胶板因其耐高温、低导热、结构稳定等特性，可用于水泥窑热工系统内部做内保温材料。已有研究结果显示，超低导热气凝胶材料的引入对于传统耐火砖的隔热保温效果改善显著，但实际使用时还应着重考虑复合部分的结构优化设计（如附图1所示），才能确保整体复合砖产品的隔热效果达到最佳。
[0004]影响复合耐火砖隔热性能的因素包含：气凝胶材料的物理导热系数、气凝胶材料复合部分的结构参数（开槽深度、宽度以及角度参数等）。这些因素交织在一起，呈现高度非线性的影响规律，采用传统试验方法很难快速寻找到最佳的参数组合。因此，需要借助一些新的技术手段，构建起“不同结构参数——复合耐火砖隔热性能”间的数学映射关系模型，继而利用模型实现对不同结构设计下复合砖隔热性能地快速预测。
[0005]对于多因素优化设计问题，为避免大量实验、缩短研究周期，研究人员尝试将机器学习方法与有限元仿真技术相结合，应用于对新材料的开发和工艺优化研究中。专利技术专利（CN107169565A）公布了“基于烟花算法改进BP神经网络的纺纱质量预测方法”，涉及纺纱质量预测领域；专利技术专利（CN111753751A）公布了“一种改进烟花算法的风机故障智能诊断方法”，为工业零件设备故障快速排查提供了一种新的技术手段。然而，长期以来，由于国内耐火砖材料制造领域研究起步较晚，相关方法的利用尚未见诸报道。因此急需一种将有限元模拟与机器学习结合技术应用到新型耐火砖复合产品性能预测的方法，以解决现有研究工作实验量大、研发成本高，难以通过建立简单的数学模型表达不同结构设计以及隔热性能参数内在联系的问题。

技术实现思路

[0006]为了解决传统实验方法研发成本高而有限元模拟技术计算量大的问题，本专利技术的目的在于基于极少量的实验数据结果，提供一种将有限元模拟和小样本机器学习技术相结合，获得“气凝胶复合耐火砖设计参数
‑
隔热性能”的快速预测模型方法，用于预测不同参数
组合下的复合耐火砖的隔热性能，从而为实际工程应用提供技术借鉴。同时，为克服现有普通BP（Back Propagation，BP）网络技术对于小样本数据预测精度欠佳，同时容易陷入局部最小化的不足，还引入了烟花改进算法（Fireworks Algorithm，FWA）对BP网络模型进行了改进优化。（附图2）。
[0007]本专利技术提供基于烟花算法FWA改进BP网络模型学习技术的复合耐火砖隔热性能预测方法，包括以下步骤：（1）获取原始实验数据。将回转窑筒体外表面温度作为研究对象，基于实际生产测温数据，形成少量原始数据样本；（2）构建有限元仿真模型。基于（1）中原始实验测温数据，借助商业有限元仿真软件，设置材料模型、几何模型以及相关热边界条件，构建获得复合耐火砖热传导有限元仿真模型（附图3）；
[0008]（3）设计仿真实验方案。结合实际工程要求，选取关键结构参数及水平，设计不同参数组合的实验条件，形成有限元仿真分析实验方案。
[0009]（4）仿真获得机器学习数据样本。利用（2）中所建仿真模型，基于（3）中实验方案，开展仿真分析获得机器学习用数据样本。
[0010]（5）构建FWA
‑
BP网络模型。将烟花算法引入BP神经网络模型中对神经网络的初始权重和阈值进行优化，以实现神经网络的最有效学习和预测；通过从（4）原始数据样本中随机选取的训练样本构建不同结构设计参数
‑
复合砖隔热性能的FWA
‑
BP网络模型。
[0011]（6）验证FWA
‑
BP网络模型。通过从（4）原始数据样本中随机选取的测试样本对构建的FWA
‑
BP网络模型进行验证，并将之与普通BP模型进行对比。
[0012]进一步地，所述获取原始数据样本步骤中，所述输入变量包括开槽深度H（单位：mm）、槽边宽度D（单位：mm）、开槽角度α（单位：
°
）以及气凝胶导热系数C（W/（m
·
K)），所述输出变量为筒壁温度（单位：℃）。
[0013]进一步地，所述仿真实验方案采用4因素5水平
‑
共计25组实验参数组合的正交实验设计方案。
[0014]进一步地，所述有限元模型构建步骤中，所述有限元仿真软件为商用ABAQUS
‑
2022版软件。
[0015]进一步地，所述构建FWA
‑
BP网络模型步骤中，用烟花算法来优化BP神经网络的初始权值和阈值，使优化后的BP神经网络能够更好地预测函数输出。设置：烟花种群大小N=5、烟花爆炸半径D=20、烟花爆炸火花数M=8、烟花爆炸火花个数上界L
m
=5、烟花爆炸火花个数下界B
m
=1、高斯变异火花数G=5、最大迭代次数T=50。
[0016]进一步地，所述验证FWA
‑
BP网络模型步骤中，从样本中选取未参加网络模型训练的样本，对构建的网络模型进行预测检验，通过实测和预测值间的相对误差比较，评价模型改进后的泛化能力。相比现有技术，本专利技术的有益效果在于：
[0017]本专利技术针对不同设计参数对复合耐火砖隔热性能的影响预测问题，基于极少量实验结果，构建有限元仿真模型，仿真获得用于机器学习用的数据样本；再以BP网络模型为中心，结合智能算法
‑
烟花算法FWA优化初始权值和阈值，最终获得预测精度较高、能够快速预测产品隔热性能的新型FWA
‑
BP网络模型。不仅解决了传统实验方法研发成本高而有限元模
拟技术又计算量大的问题，同时还克服了普通BP网络方法普遍存在的过度拟合、收敛速度慢和泛化能力差等问题，为新型气凝胶复合耐火砖产品的研发提供了一种新的技术手段。
[0018]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的实施例并配合附图详细说明如后。本专利技术的具体实施方式由以下实施例及其附图详细给出。
附图说明
[0019]此本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于烟花算法改进BP网络的复合耐火砖隔热性能预测方法，其特征在于，包括以下步骤：获取原始实验数据。将回转窑筒体外表面温度作为研究对象，基于实际生产测温数据，形成少量原始数据样本；构建有限元仿真模型。基于原始实验测温数据，借助商业有限元仿真软件，设置材料模型、几何模型以及相关热边界条件，构建获得复合耐火砖热传导有限元仿真模型；设计仿真实验方案。结合实际工程要求，选取关键结构参数及水平，设计不同参数组合的实验条件，形成有限元仿真分析实验方案；仿真获得机器学习数据样本。利用所建仿真模型，基于设计的实验方案，开展仿真分析获得机器学习用数据样本；构建FWA
‑
BP网络模型。将烟花算法引入BP神经网络模型中对神经网络的初始权重和阈值进行优化，以实现神经网络的最有效学习和预测；通过从原始数据样本中随机选取的训练样本构建不同结构设计参数
‑
复合砖隔热性能的FWA
‑
BP网络模型；验证FWA
‑
BP网络模型。通过从原始数据样本中随机选取的测试样本对构建的FWA
‑
BP网络模型进行验证，并将之与普通BP模型进行对比。2.如权利要求1所述的基于烟花算法改进BP网络的复合耐火砖隔热性能预测方法，其特征在于：所述获取原始数据样本步骤中，所述输入变量包括开槽深...

【专利技术属性】
技术研发人员：吴铁军，储林华，詹家干，杨德忠，聂文琪，杨旺生，刘德嵩，林鑫，
申请(专利权)人：安徽海螺集团有限责任公司，
类型：发明
国别省市：