[发明专利]一种碳化硅泡沫陶瓷的最优生产条件确定方法

说明书

本发明公开了一种碳化硅泡沫陶瓷的最优生产条件确定方法，通过根据历史数据建立对碳化硅泡沫陶瓷生产结果参数进行预测的BP神经网络预测模型，然后将BP神经网络作为深度强化学习模型的环境，由深度强化学习模型进行策略选择，得到碳化硅泡沫陶瓷的最优生产条件，该方法只需要历史数据即可完成碳化硅泡沫陶瓷最优生产条件的确定，不需要人工选择，智能化程度高。

技术领域

本发明涉及陶瓷技术领域，尤其是涉及一种碳化硅泡沫陶瓷的最优生产条件确定方法。

背景技术

碳化硅泡沫陶瓷材料由于其压降低、孔隙率高、比表面大和特殊的三维网状结构的特点，广泛应用于催化剂载体、过滤器、生物材料、吸声材料中。在化工领域因其体积可控、节约燃料、减少污染物排放、稳定燃烧的范围宽等优点而受到社会各界的广泛关注，已广泛应用于化工行业中蒸汽发生器、高压绝热燃烧器、辐射燃烧器等，大大提高了传热系数，强化了燃烧过程。碳化硅泡沫陶瓷具有良好的耐腐蚀性，还可用于施工部门和半导体领域中，通过通电发热加热腐蚀性流体。

由于碳化硅泡沫陶瓷具有许多良好的性能，因此，如何低成本制备成为一个需要解决的问题，在各种制备方法中，低温制备是一个具有良好前景的方向。在专利号为CN109485451A的专利中，公开了一种碳化硅泡沫陶瓷的低温制备方法，在该方法中通过加入聚氨酯泡沫，使得在烧结时可以通过控制升温速率，使其不产生任何应力，保证未烧结体不发生开裂现象，从而使泡沫陶瓷能够在低温下烧结，然而在该专利中，对于保温温度和材料配比，公布的只有一个范围，并没有一个能够得到使收缩率为，体积密度，开孔率和抗折强度达到最优的一个材料配比和保温温度，在现有技术中，目前在其他领域存在根据生产条件，针对生产结果进行预测的方法，但是在预测的基础上仍然需要通过大量的人工调试寻求最优的生产条件，那么如何智能化的对碳化硅泡沫陶瓷的低温制备结果进行预测并得到最优生产条件成为一个需要解决的问题。

发明内容

本发明所要解决的技术问题是提供一种能根据历史数据智能化确定碳化硅泡沫陶瓷低温制备最优生产条件的方法。

本发明所采用的技术方案是，一种碳化硅泡沫陶瓷的最优生产条件确定方法，包括：

S1、构建BP神经网络预测模型，预测模型的输入数据为，碳化硅微粉在混合浆料中的占比，磷酸二氢铝在混合浆料中的占比，保温温度，输出数据为碳化硅泡沫陶瓷的抗折强度，体积密度，线收缩率和开孔率；

S2、获取过往的生产数据，对步骤S1中的BP神经网络预测模型进行训练，获得完成训练的BP神经网络预测模型；

S3、构建深度学习强化学习模型，将碳化硅泡沫陶瓷的抗折强度，体积密度，线收缩率和开孔率作为输入数据，将上调碳化硅微粉在混合浆料中的占比，下调碳化硅微粉在混合浆料中的占比，上调磷酸二氢铝在混合浆料中的占比，下调磷酸二氢铝在混合浆料中的占比，上调保温温度，下调保温温度，不动作作为可执行的7个动作；

S4、步骤S2中的BP神经网络预测模型的输出数据作为步骤S3中深度学习强化学习模型的输入数据，将步骤S2中的BP神经网络预测模型作为深度学习强化学习模型输出动作的被影响对象；

S5、训练优化步骤S4中的深度学习强化学习模型，获得最佳生产条件。

本发明的有益效果：

（1）由于在现有技术中，除了配比和保温温度，其他生产条件都是确定的，因此，只要将配比和保温温度作为输入数据，抗折强度，体积密度，线收缩率和开孔率作为输出数据建立BP神经网络预测模型，即可完成对既定生产条件和生产过程的函数拟合，达到预测效果。

（2）通过BP神经网络建立预测模型，对既定生产条件和生产过程进行函数拟合，使得该预测模型具有较好的泛化能力，能够对不在历史生产数据中的配比和保温温度进行预测。