[发明专利]基于遗传算法的发光材料组合试样库数据分析方法

说明书

技术领域

本发明属于电子技术领域，更进一步涉及电子技术领域中的一种基于遗传算法的发光材料组合试样库数据分析方法。本发明可用于对组合试样库的数据进行分析并预测发光性能最优材料的具体组分。

背景技术

组合化学是一门将化学合成、计算机辅助分子设计、自动合成和高通量筛选评价技术结成的科学，其创立和发展始于新药研究的需要。20世纪90年代后期，组合化学的研究正逐渐用于新材料的研制。利用组合化学技术研究发光材料，是采用平行合成方法制备材料试样库，但同时也需要需要对大量试样的组成、工艺和性能进行优化和筛选。而传统的数据分析只能对当前所测的试样进行分析，得出的最优性能仅限于当前所测试样的组成，也未能发展出用于预测材料组成相关的可靠分析方法。

上海交通大学和上海特创磁电科技有限公司所拥有的专利技术“热敏锰锌铁氧体材料组合合成和高通量筛选方法”(专利号CN02136874.0，授权公开号CN1401610A)公开了一种热敏锰锌铁氧体材料组合合成和高通量筛选方法。该方法确定靶标为-40℃-+160℃温度范围内，磁导率μ>2000、μ-T特性优异的实用化热敏锰锌铁氧体系磁性材料，通过不同的材料配方和制备工艺，建立样品材料库。该方法采用由计算机控制的μ-T特性测试系统分析得到库表征，建立样品成分-制备工艺-物理性能的数据库，采集分类后进行材料初选，再作进一步分析研究并加以优化，筛选出先导材料，然后再针对市场需求的各个温度段的热敏锰锌铁氧体系磁性材料系列进行规模化试制。该方法具有组合合成与高通量筛选技术的普遍特征，可以大大缩短研制新材料的周期，获得大量性能优异的材料。但是，该专利技术仍然存在的不足是：该方法并不能适用于任何材料体系，也不是针对发光材料的筛选技术，更不能实现预测材料组成成分的功能，该方法只能对所测试样进行优化和筛选，得到其中的最优组分，而不能通过对已知的实验数据的分析预测出最优发光材料的具体组分，制约了组合化学方法在发光材料研究方面的应用。

发明内容

本发明的目的在于克服上述现有技术存在的不足，提出了一种基于遗传算法的发光材料组合试样库数据分析方法,通过对所测试样库数据的分析，并充分利用所测数据与试样性能之间的联系，再通过遗传算法算法的进化计算，可以预测出性能最优材料的组分成分。

为了实现上述目的，本发明的具体思路是，在北京大学拥有的专利技术“荧光光谱仪外设组合试样库发光性能的测试方法及装置”(专利号CN200410096495.9，授权公开号CN1605857A)的基础上新增了一个基于遗传算法的组合试样库数据分析方法，此方法将遗传算法与组合试样库相结合，实现了对发光性能最优材料组分的预测。

为实现上述目的，本发明包括如下步骤：

(1)建立发光材料组合试样库：

(1a)利用固相法，分别合成氯磷酸钡、氯磷酸锶和氯磷酸钙；

(1b)以氯磷酸钡、氯磷酸锶和氯磷酸钙为原料，按照氯磷酸钡、氯磷酸锶和氯磷酸钙的浓度三角形中的试样点,计算组合试样原料配比，用电子天平进行称量配料，将称量的配料，经过高温煅烧，合成组合试样；

(1c)利用氯磷酸钡、氯磷酸锶和氯磷酸钙的浓度三角形中的试样点合成的试样，建立发光材料组合试样库；

(1d)将发光材料组合试样库中选取的试样中氯磷酸钡、氯磷酸锶和氯磷酸钙的摩尔百分比作为试样的组分。

(2)数据采集和预处理：

(2a)利用单片机和模-数转换器件构成的光谱信号采集系统，从荧光光谱仪中采集发光材料组合试样库试样的组分对应的发光强度；

(2b)利用插值拟合方法，对采集的发光材料组合试样库试样的组分和发光强度进行预处理；

(2c)将预处理后的采集的发光材料组合试样库试样的组分和发光强度输入到矩阵中。

(3)按照下式，建立发光强度的优化模型：

Max H(X)＝H(x₁,x₂,x₃)

S.t.x₁+x₂+x₃＝1

0＜x₁,x₂,x₃＜1