技术新讯 > 计算推算,计数设备的制造及其应用技术 > 一种制砂工艺参数预测方法、系统及产品  >  正文

一种制砂工艺参数预测方法、系统及产品

  • 国知局
  • 2024-09-11 14:19:37

本发明涉及制砂工艺参数预测领域,特别是涉及一种制砂工艺参数预测方法、系统及产品。

背景技术:

1、立轴冲击式破碎机是一种重要的破碎设备,广泛应用于矿山和建筑行业的制砂工艺中。砂石的细度模数是影响砂石质量、水泥混凝土质量、沥青混凝土和其他用途的关键指标之一。传统的工艺流程高度依赖工程技术人员的操作经验和判断,一旦技术人员的经验不足或发生操作误差,可能会导致砂石需重复破碎,造成产生的原料损耗、延误交付期限等问题。

技术实现思路

1、本发明的目的是提供一种制砂工艺参数预测方法、系统及产品,以提高制砂工艺参数预测的精度和效率。

2、为实现上述目的,本发明提供了如下方案:

3、一种制砂工艺参数预测方法,包括:

4、获取待预测立轴冲击式破碎机的输入参数;所述输入参数包括总入料量、瀑料比例、入料湿度、主轴转速和破碎功指数;

5、根据所述输入参数,利用制砂工艺参数预测模型,确定分计筛余百分比;其中,所述制砂工艺参数预测模型是利用训练数据集对模糊注意力神经网络模型进行训练得到的;所述训练数据集包括训练用立轴冲击式破碎机的输入参数以及对应的分计筛余百分比标签;所述模糊注意力神经网络模型包括依次连接的输入层、模糊化层、注意力层、隐含层和输出层;

6、根据所述分计筛余百分比,确定细度模数。

7、一种制砂工艺参数预测系统,所述的制砂工艺参数预测系统用于实现上述的制砂工艺参数预测方法,所述的制砂工艺参数预测系统包括:依次连接的输入模块、基于模糊注意力神经网络的模型模块和输出模块;

8、所述输入模块用于获取原始数据,判断所述原始数据的数据属性,并对所述原始数据进行归一化处理,确定归一化处理后的数据的状态标志位;所述原始数据包括总入料量、瀑料比例、入料湿度、主轴转速和破碎功指数;所述数据属性为预测数据或者训练数据;

9、所述模型模块用于建立模糊注意力神经网络模型并进行初次训练,得到初步制砂工艺参数预测模型,若所述原始数据为训练数据,则对所述初步制砂工艺参数预测模型进行训练,若所述原始数据为预测数据,则利用所述初步制砂工艺参数预测模型进行分计筛余百分比预测;所述模糊注意力神经网络模型包括依次连接的输入层、模糊化层、注意力层、隐含层和输出层;

10、所述输出模块用于根据所述分计筛余百分比,确定细度模数。

11、可选地,所述输入模块包括数据获取单元、第一判断单元、第二判断单元、归一化处理单元和状态标志位确定单元;

12、所述数据获取单元用于获取所述原始数据;

13、所述第一判断单元用于判断所述原始数据的数据属性;

14、所述第二判断单元用于判断所述原始数据是否在相应的设定区间范围内;

15、所述归一化处理单元用于对在相应的设定区间范围内的所述原始数据进行归一化处理,得到归一化处理后的数据;

16、所述状态标志位确定单元用于基于数据属性以及是否在相应的设定区间范围内,确定所述原始数据的状态标志位。

17、可选地,当所述原始数据为预测数据,且所述原始数据在相应的设定区间范围内时,将所述原始数据的状态标志位置为1;

18、当所述原始数据为预测数据,且所述原始数据不在相应的设定区间范围内时,将所述原始数据的状态标志位置为91-95;

19、当所述原始数据为训练数据,且所述原始数据在相应的设定区间范围内时,将所述原始数据的状态标志位置为2;

20、当所述原始数据为训练数据,且所述原始数据不在相应的设定区间范围内时,将所述原始数据的状态标志位置为99。

21、可选地,所述模型模块包括模型建立单元、模型训练单元和预测单元;

22、所述模型建立单元用于建立模糊注意力神经网络模型并进行初次训练,得到初步制砂工艺参数预测模型;

23、所述模型训练单元用于若所述原始数据为训练数据,则对所述初步制砂工艺参数预测模型进行训练;

24、所述预测单元用于若所述原始数据为预测数据,则利用所述初步制砂工艺参数预测模型进行分计筛余百分比预测。

25、一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的制砂工艺参数预测方法。

26、根据本发明提供的具体实施例,本发明公开了以下技术效果:

27、本发明提供了一种制砂工艺参数预测方法、系统及产品,通过获取待预测立轴冲击式破碎机的输入参数;输入参数包括总入料量、瀑料比例、入料湿度、主轴转速和破碎功指数;根据输入参数,利用制砂工艺参数预测模型,确定分计筛余百分比;其中,制砂工艺参数预测模型是利用训练数据集对模糊注意力神经网络模型进行训练得到的;训练数据集包括训练用立轴冲击式破碎机的输入参数以及对应的分计筛余百分比标签;模糊注意力神经网络模型包括依次连接的输入层、模糊化层、注意力层、隐含层和输出层;根据分计筛余百分比,确定细度模数。本发明提高了制砂工艺参数预测的精度和效率。

技术特征:

1.一种制砂工艺参数预测方法,其特征在于,包括:

2.一种制砂工艺参数预测系统,其特征在于,所述制砂工艺参数预测系统用于实现权利要求1所述的制砂工艺参数预测方法,所述的制砂工艺参数预测系统包括:依次连接的输入模块、基于模糊注意力神经网络的模型模块和输出模块;

3.根据权利要求2所述的制砂工艺参数预测系统,其特征在于,所述输入模块包括数据获取单元、第一判断单元、第二判断单元、归一化处理单元和状态标志位确定单元;

4.根据权利要求3所述的制砂工艺参数预测系统,其特征在于,当所述原始数据为预测数据,且所述原始数据在相应的设定区间范围内时,将所述原始数据的状态标志位置为1;

5.根据权利要求2所述的制砂工艺参数预测系统,其特征在于,所述模型模块包括模型建立单元、模型训练单元和预测单元;

6.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1所述的制砂工艺参数预测方法。

技术总结本发明公开一种制砂工艺参数预测方法、系统及产品,涉及制砂工艺参数预测领域,通过获取待预测立轴冲击式破碎机的控制参数和原料参数作为输入参数;根据输入参数,利用制砂工艺参数预测模型,可精准预测破碎后砂石的分计筛余百分比和细度模数;其中,制砂工艺参数预测模型是利用训练数据集在模糊注意力神经网络模型进行训练得到的;训练数据集包括训练用立轴冲击式破碎机的控制参数和原料参数以及对应的分计筛余百分比标签;模糊注意力神经网络模型包括依次连接的输入层、模糊化层、注意力层、隐含层和输出层;根据预测的分计筛余百分比,可确定砂石的细度模数。本发明提高了机制砂生产效率和质量稳定性。技术研发人员:刘宛予,尤茜雅受保护的技术使用者:上海大学技术研发日:技术公布日:2024/9/9

本文地址:https://www.jishuxx.com/zhuanli/20240911/290187.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。