基于强化学习的气流式粉碎制备超细硫酸钡的方法及系统与流程

本申请涉及人工智能领域，尤其涉及一种基于强化学习的气流式粉碎制备超细硫酸钡的方法及系统。

背景技术：

1、超细硫酸钡作为一种重要的功能性无机材料，其在多个工业领域中展示了不可或缺的角色，特别是在塑料、橡胶、涂料以及油墨等制造业中。超细硫酸钡因具有高密度、高白度以及良好的化学稳定性等特点，被广泛应用作填料或颜料。由于这些应用领域对硫酸钡粒度和形态有着严格的要求，制备超细硫酸钡的技术研究显得尤为重要。现有的超细硫酸钡制备技术主要包括物理方法和化学方法，如球磨、微波辅助合成、共沉淀等。这些方法在工业上已被证实可有效制备出粒径均一、分散性好的硫酸钡粉体。然而，这些技术往往存在能耗高、生产效率低、粒度控制及形态调控困难等缺点，难以满足日益严苛的市场需求。

2、对于现有的超细硫酸钡制备技术的不足，业界已尝试通过多种方法进行优化。例如，改进的球磨技术通过调节磨球的大小和材质、优化磨机的运行参数来获得更好的粉碎效果；在化学合成方法中，通过添加不同的表面活性剂或使用微波辅助技术以改善粒度和晶体形态的均一性。尽管这些改进在一定程度上提升了产品质量，但仍然存在诸如生产成本高、环境污染大、过程控制复杂等问题。此外，这些传统方法通常依赖经验设置参数，缺乏针对特定批次和材料特性的灵活调控能力，限制了其在高质量超细硫酸钡粉体大规模生产上的应用。

3、因此，亟需一种技术方案，从而能够更精准地控制粉体的粒径分布和形态，减少能耗和原料浪费，提升生产效率。

技术实现思路

1、为了解决现有技术的不足，本申请实施例提供了一种基于强化学习的气流式粉碎制备超细硫酸钡的方法及系统。本申请解决了现有技术生产成本高、环境污染大和过程控制复杂等技术问题。

2、本申请实施例提供了基于强化学习的气流式粉碎制备超细硫酸钡的方法，包括：将质量合格的硫酸钡原料分离至适合气流粉碎的颗粒粒径；基于仿真计算对气流粉碎机初始的工作参数进行设定，以对分离后的硫酸钡原料进行气流式粉碎；实时采集气流粉碎机运行数据，并利用强化学习算法计算所述气流粉碎机运行数据，以实时优化工作参数。

3、一种可以的实现方式中，其中，所述将质量合格的硫酸钡原料分离至适合气流粉碎的颗粒粒径，包括：选择质量合格的硫酸钡原料进行筛选和清洗，以去除表面杂质和水分；使用球磨机将硫酸钡原料粗磨至目标颗粒粒径范围内；将粗磨后的硫酸钡原料通过振动筛进行颗粒粒径筛选，以分离出适合气流粉碎的颗粒粒径的硫酸钡原料。

4、一种可以的实现方式中，其中，所述基于仿真计算对气流粉碎机初始的工作参数进行设定，以对分离后的硫酸钡原料进行气流式粉碎，包括：构建粉碎动力学方程、破碎频率方程和生成速率方程，以得到目标仿真模型；将零级工作参数带入目标仿真模型，以进行数值模拟，并得到颗粒粒径分布；根据颗粒粒径分布与目标粒径阈值对零级工作参数进行迭代仿真计算，以调整零级工作参数；当零级工作参数对应颗粒粒径分布的数值模拟值达到目标粒径阈值时，将当前零级工作参数作为气流粉碎机初始的工作参数，以对分离后的硫酸钡原料进行气流式粉碎。

5、一种可以的实现方式中，其中，所述粉碎动力学方程，包括：

6、 ，其中，表示对时刻t的一阶导数，表示t时刻颗粒粒径l的颗粒数浓度，表示t时刻粗颗粒破碎而生成颗粒粒径l的颗粒的速率，表示t时刻颗粒粒径l的颗粒的破碎频率。

7、一种可以的实现方式中，其中，所述破碎频率方程，包括：,其中，表示t时刻颗粒粒径l的颗粒的破碎频率，表示初级系数，表示颗粒密度，表示相对速度，表示含有系统几何参数的函数，表示第一系数，表示第二系数，表示第三系数，表示第四系数；其中，所述初级系数为0.5，所述第一系数为0.9，所述第二系数为-0.3，所述第三系数为1.2，所述第四系数为0.7。

8、一种可以的实现方式中，其中，所述生成速率方程，包括：,其中，表示t时刻粗颗粒破碎而生成颗粒粒径l的颗粒的速率，表示t时刻颗粒粒径l的颗粒数浓度，表示破碎概率的标度因子，表示粒径对破碎概率的影响指数；其中，所述标度因子为，所述影响指数的取值范围为1.2至1.5。

9、一种可以的实现方式中，其中，所述实时采集气流粉碎机运行数据，并利用强化学习算法计算所述气流粉碎机运行数据，以实时优化工作参数，包括：构建并初始化策略网络和价值网络，所述策略网络用于生成动作，所述价值网络用于评估当前状态的价值；智能体与环境进行交互，并通过执行动作获得奖励，以收集包括状态、动作和奖励的数据；基于收集的数据，利用ppo算法构建损失函数，以更新策略网络的参数；根据收集的数据，利用价值网络的损失函数更新价值网络的参数。

10、.本申请实施例还提供了基于强化学习的气流式粉碎制备超细硫酸钡的系统，包括：前处理单元、粉碎单元和控制单元；其中，所述前处理单元，用于将质量合格的硫酸钡原料分离至适合气流粉碎的颗粒粒径；所述粉碎单元，用于基于仿真计算对气流粉碎机初始的工作参数进行设定，以对分离后的硫酸钡原料进行气流式粉碎；所述控制单元，用于实时采集包括颗粒粒径、温度和压力的气流粉碎机运行数据，并利用强化学习算法计算所述气流粉碎机运行数据，以实时优化工作参数。

11、本申请实施例还提供了基于强化学习的气流式粉碎制备超细硫酸钡的设备，包括：处理器、存储器、系统总线；其中，所述处理器以及所述存储器通过所述系统总线相连；所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述实施例中所述的方法。

12、在如上所提供的一种基于强化学习的气流式粉碎制备超细硫酸钡的方法、系统及设备中，本申请实施例通过引入基于强化学习的气流式粉碎技术开辟了新的可能性。这种技术利用强化学习算法对粉碎过程进行智能优化，通过实时调整操作参数，如气流速度、温度、压力等，确保在动态变化的生产环境中获得最优的粉碎效果。与传统的气流粉碎技术相比，基于强化学习的方法能更精准地控制粉体的粒径分布和形态，减少能耗和原料浪费，提升生产效率。

技术特征：

1.基于强化学习的气流式粉碎制备超细硫酸钡的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，其中，所述将质量合格的硫酸钡原料分离至适合气流粉碎的颗粒粒径，包括：

3.根据权利要求1所述的方法，其特征在于，其中，所述基于仿真计算对气流粉碎机初始的工作参数进行设定，以对分离后的硫酸钡原料进行气流式粉碎，包括：

4.根据权利要求3所述的方法，其特征在于，其中，所述粉碎动力学方程，包括：

5.根据权利要求3所述的方法，其特征在于，其中，所述破碎频率方程，包括：

6.根据权利要求3所述的方法，其特征在于，其中，所述生成速率方程，包括：

7.根据权利要求1所述的方法，其特征在于，其中，所述实时采集气流粉碎机运行数据，并利用强化学习算法计算所述气流粉碎机运行数据，以实时优化工作参数，包括：

8.基于强化学习的气流式粉碎制备超细硫酸钡的系统，其特征在于，包括前处理单元、粉碎单元和控制单元；其中，

9.基于强化学习的气流式粉碎制备超细硫酸钡的设备，其特征在于，包括：处理器、存储器、系统总线；其中，所述处理器以及所述存储器通过所述系统总线相连；所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行权利要求1-7任一项所述的方法。

技术总结本申请公开了一种基于强化学习的气流式粉碎制备超细硫酸钡的方法及系统，所述方法包括：将质量合格的硫酸钡原料分离至适合气流粉碎的颗粒粒径；基于仿真计算对气流粉碎机初始的工作参数进行设定，以对分离后的硫酸钡原料进行气流式粉碎；实时采集气流粉碎机运行数据，并利用强化学习算法计算所述气流粉碎机运行数据，以实时优化工作参数。通过本申请的方案，能够更精准地控制粉体的粒径分布和形态，减少能耗和原料浪费，提升生产效率。技术研发人员：周世勇,陈志连,陈炜峰,殷小强受保护的技术使用者：平利县安得利新材料有限公司技术研发日：技术公布日：2024/9/17