【技术实现步骤摘要】
本专利技术涉及石油化工机器学习领域，尤其涉及一种分子筛工艺条件的优化方法、一种分子筛工艺条件的优化系统，以及一种计算机可读存储介质。
技术介绍
1、分子筛是一类含有规律排列孔道的晶态多孔材料，特定结构的分子筛在工业过程中发挥不同的催化作用，如吸附、分离、催化和干燥等。因此，分子筛被广泛用于石油化工的裂解、精化、催化等反应过程中。
2、分子筛合成的工艺条件对形成特定结构的分子筛具有十分重要的影响。然而，现有技术中分子筛合成的工艺条件的设计和优化，大部分依赖于化学家的先验知识和专家经验，通过重复不断的实际实验进行定量配比。这种方式必然需要投入极多的时间、人力和物力，成本高昂且实验效率低下。
3、为了克服现有技术存在的上述缺陷，本领域亟需一种分子筛工艺条件的优化技术，用于为特定结构的分子筛提供一种更高效的自动化工艺条件优化策略，从而有效避免了人为因素引起的失误，减少实验次数和成本，进而提高分子筛的研发效率。
技术实现思路
1、以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之前序。
2、为了克服现有技术存在的上述缺陷，本专利技术提供一种分子筛工艺条件的优化方法、一种分子筛优化系统，以及一种计算机可读存储介质，用于为特定结构的分子筛提供一种更高效
3、具体来说，根据本专利技术第一方面提供的分子筛工艺条件的优化方法，包括以下步骤：设置分子筛合成工艺条件的优化范围；设置预期分子筛的表征目标；设置优化算法参数，并初始化种群；计算种群个体适应度，进行交叉和变异操作产生新种群，以得到最优个体；以及迭代至最大迭代次数，返回最优工艺条件。
4、进一步地，在本专利技术的一些实施例中，所述分子筛合成工艺条件包括条件变量m和对应的上下界限。所述条件变量m包括原材料、温度、搅拌速率、反应持续时间。
5、进一步地，在本专利技术的一些实施例中，所述预期分子筛的表征目标包括xrd图谱表征。
6、进一步地，在本专利技术的一些实施例中，所述算法参数包括主迭代次数t、种群大小n、变异策略池m、变异因子池f、交叉策略池c和交叉因子池cr。所述主迭代次数t的取值为所述条件变量个数m的整数倍。所述变异策略池m包括：
7、第一变异策略：
8、v＝x1+f·(x2-x3)
9、第二变异策略：
10、v＝x1+f·(x2-x3)+f·(x4-x5)
11、第三变异策略：
12、v＝x1+f·(xbest-x1)+f·(x2-x3)
13、其中，x1、x2、x3、x4、x5是从父代种群中随机选择,xbest为父代种群中最好的个体。所述变异因子池f的取值范围为[0,1]。
14、所述交叉策略池c中交叉策略的表达式为：
15、
16、其中，为第i个父代个体的第j维，为变异后的第j维，所述交叉因子池cr的取值范围为[0,1]。
17、进一步地，在本专利技术的一些实施例中，所述初始化种群为随机初始化种群，包括一个n*m的矩阵，其中，n为种群大小，m为条件变量的个数。所述矩阵中各元素的取值范围为[0,1]。
18、进一步地，在本专利技术的一些实施例中，所述得到最优个体的步骤包括：计算所述初始化种群中个体的适应值。所述初始化种群中个体的适应值为所述分子筛工艺条件到x射线衍射图谱的映射模型的输出和所述预期分子筛的xrd图谱表征的差值，其表达式为：
19、
20、其中，output为所述分子筛工艺条件到x射线衍射图谱的映射模型的输出，setvalue为给定的xrd图谱的峰位置数值，i为代分子筛的xrd表征向量的第i个特征，num为所述xrd图谱的峰特征。经由第一内循环，根据所述变异策略及对应的所述变异因子对父代种群中的每个个体进行变异操作，以得到变异种群。经由第二内循环，根据交叉因子对所述父代种群和所述变异种群进行交叉操作，以得到子代种群。经由第三内循环判断当前迭代次数是否达到预设的第一迭代次数。以及响应于所述第三内循环未达到所述第一迭代次数，返回所述第一内循环，以再次执行所述变异操作的步骤。
21、进一步地，在本专利技术的一些实施例中，所述得到最优个体的步骤还包括：响应于所述第三内循环达到所述第一迭代次数，计算得到的子代种群中各个体的适应值，以从所述父代种群和所述子代种群中选择出新的父代种群；经由外循环判断当前迭代次数是否达到预设的第二迭代次数；响应于所述外循环达到所述第二迭代次数，根据所述子代种群中个体适应值最小者，确定并输出最优个体；以及响应于所述外循环未达到所述第二迭代次数，返回所述第一内循环，以再次执行所述变异操作的步骤。
22、进一步地，在本专利技术的一些实施例中，所述第一内循环经由不同的变异策略产生不同的变异个体。所述变异策略中涉及的变异因子是随机选自所述变异因子池f。所述第二内循环经由交叉策略产生对应父代个体和变异个体的子代个体。所述交叉策略涉及的交叉因子是随机选自所述交叉因子池cr。所述第一迭代次数为所述变异策略池m中变异策略的种类数量。所述第二迭代次数为所述主迭代次数t。
23、进一步地，在本专利技术的一些实施例中，在计算所述子代种群中各个体的适应值的过程中，所述子代种群中的个体数量为n*n，其中，n为种群大小，n为所述变异策略池m中变异策略的种类数。
24、进一步地，在本专利技术的一些实施例中，从所述父代种群和所述子代种群中选择出新的父代种群的选择依据为：
25、
26、其中，为第i个父代种群个体，为经过变异和交叉后产生的新个体，f(·)为计算适应值的函数，竞争选择的比例为n+1:1。
27、此外，根据本专利技术第二方面提供的分子筛工艺条件的优化系统包括存储器及处理器。所述存储器上存储有计算机指令。所述处理器连接所述存储器，并被配置用于执行所述存储器上存储的计算机指令，以实施如本专利技术第一方面所述的分子筛工艺条件的优化方法。
28、此外，根据本专利技术第三方面提供的计算机可读存储介质，其上存储有计算机指令。所述计算机指令被处理器执行时，实施如本专利技术第一方面所述的分子筛工艺条件的优化方法。
本文档来自技高网...【技术保护点】
1.一种分子筛工艺条件的优化方法，其特征在于，包括以下步骤：
2.如权利要求1所述的优化方法，其特征在于，所述分子筛合成工艺条件包括条件变量m和对应的上下界限，其中，所述条件变量m包括原材料、温度、搅拌速率、反应持续时间。
3.如权利要求2所述的优化方法，其特征在于，所述预期分子筛的表征目标包括XRD图谱表征。
4.如权利要求3所述的优化方法，其特征在于，所述算法参数包括主迭代次数T、种群大小N、变异策略池M、变异因子池F、交叉策略池C和交叉因子池Cr，其中，
5.如权利要求4所述的优化方法，其特征在于，所述初始化种群为随机初始化种群，包括一个N*m的矩阵，其中，N为种群大小，m为条件变量的个数，所述矩阵中各元素的取值范围为[0，1]。
6.如权利要求4所述的优化方法，其特征在于，所述得到最优个体的步骤包括：
7.如权利要求6所述的优化方法，其特征在于，所述得到最优个体的步骤还包括：
8.如权利要求7所述的优化方法，其特征在于，所述第一内循环经由不同的变异策略产生不同的变异个体，所述变异策略中涉及
9.如权利要求7所述的优化方法，其特征在于，在计算所述子代种群中各个体的适应值的过程中，所述子代种群中的个体数量为N*n，其中，N为种群大小，n为所述变异策略池M中变异策略的种类数。
10.如权利要求7所述的优化方法，其特征在于，从所述父代种群和所述子代种群中选择出新的父代种群的选择依据为：
11.一种分子筛工艺条件的优化系统，其特征在于，包括：
12.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时，实施如权利要求1～10中任一项所述的分子筛工艺条件的优化方法。
...【技术特征摘要】
1.一种分子筛工艺条件的优化方法，其特征在于，包括以下步骤：
2.如权利要求1所述的优化方法，其特征在于，所述分子筛合成工艺条件包括条件变量m和对应的上下界限，其中，所述条件变量m包括原材料、温度、搅拌速率、反应持续时间。
3.如权利要求2所述的优化方法，其特征在于，所述预期分子筛的表征目标包括xrd图谱表征。
4.如权利要求3所述的优化方法，其特征在于，所述算法参数包括主迭代次数t、种群大小n、变异策略池m、变异因子池f、交叉策略池c和交叉因子池cr，其中，
5.如权利要求4所述的优化方法，其特征在于，所述初始化种群为随机初始化种群，包括一个n*m的矩阵，其中，n为种群大小，m为条件变量的个数，所述矩阵中各元素的取值范围为[0，1]。
6.如权利要求4所述的优化方法，其特征在于，所述得到最优个体的步骤包括：
7...
【专利技术属性】
技术研发人员：杜文莉，钟伟民，彭鑫，钱锋，沈菲菲，
申请(专利权)人：华东理工大学，
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。