公开(公告)号：CN119207602A

公开(公告)日：2024-12-27

申请号：CN202410895808.4

申请日：2024-07-05

Applicant: 华南理工大学

Inventor： 满奕 ,  何正磊 ,  张振亚

IPC: G16C20/10 ,  G16C20/70 ,  G16C60/00 ,  G06F18/10 ,  G06F18/2113 ,  G06F18/213 ,  G06F18/20 ,  G06N5/01 ,  G06N20/20 ,  G06N20/10 ,  G06F123/02

Abstract: 本发明公开了一种基于机器学习的建筑陶瓷烧成形变预测方法，该方法基于某企业的实际生产数据，获取了压机顶粉料水份、粒度、烧成窑炉温度和烧成形变检测数据，将收集到的数据进行数据匹配，异常值处理，特征选择和数据标准化处理。处理后的数据按照4:1划分训练集和测试集，选择随机森林和支持向量回归算法搭建预测模型。训练集用于模型训练，调整超参数，测试集数据用于模型验证。本发明能够有效预测烧成形变，可以提前发现烧成过程中的产品质量问题。

公开(公告)号：CN118748053A

公开(公告)日：2024-10-08

申请号：CN202410895687.3

申请日：2024-07-05

Applicant: 华南理工大学

Inventor： 满奕 ,  何正磊 ,  张振亚

IPC: G16C60/00 ,  G16C20/70 ,  G16C20/10 ,  G16C20/30 ,  G06N5/01 ,  G06N20/10 ,  G06N20/20

Abstract: 本发明公开了一种建筑陶瓷质量小试的辅助配料预测方法，包括：采集某企业小试坯体强度、白度收缩率和原料检测数据构建数据库，并且分别建立了坯体小试质量预测模型和配方优化模型。能够在保证八种主要化学成分达到目标要求时对所选用配方原料用量进行计算，并对新配方强度、白度和收缩率进行预测，可以为从业者提供配方调整依据，并且有效减少新配方必要的实验过程，达到提高配方效率，降低配方成本的目的。

公开(公告)号：CN118748054A

公开(公告)日：2024-10-08

申请号：CN202410895865.2

申请日：2024-07-05

Applicant: 华南理工大学

Inventor： 满奕 ,  何正磊 ,  张振亚

IPC: G16C60/00 ,  G16C20/70 ,  G16C20/30 ,  G06N5/01 ,  G06N20/10 ,  G06N20/20

Abstract: 本发明公开了一种基于机器学习实现建筑陶瓷坯体小试质量预测的方法，该方法通过收集小试坯体白度和强度检测数据及其坯体化学成分化验数据，对小试坯体白度和强度进行预测。将收集到的数据进行数据匹配，异常值处理和数据标准化处理。处理后的数据按照4:1划分训练集和测试集，选择随机森林和支持向量回归算法搭建预测模型。训练集用于模型训练，调整超参数，测试集数据用于模型验证。本发明能够准确预测建筑陶瓷小试白度和强度，可以有效降低原料成本和时间成本，从而加速新配方的开发设计，有效提高了分析新配方质量的效率。