一种基于人工神经网络与非支配排序遗传算法的三元胶凝体系优化方法及系统

本发明涉及建筑材料组成优化，尤其涉及一种基于人工神经网络与非支配排序遗传算法的三元胶凝体系优化方法及系统。

背景技术：

1、摩崖石刻作为不可移动文物的典型代表，长期暴露于自然环境中，受温湿度变化、冻融循环、盐分侵蚀等多种因素作用，极易产生裂隙、粉化、片状剥落等病害。修复材料的选择与优化是摩崖石刻科学保护的核心问题之一。传统石灰基材料虽与石质文物具有良好的化学兼容性和透气性，但存在早期强度低、固化周期长等缺陷。水泥类材料虽强度高、固化快，但存在强度过高、透水性低、易盐析等问题，与文物本体性能不匹配。

2、白水泥-矿渣-熟石灰三元胶凝体系为摩崖石刻修复材料设计提供了新思路。其中，白水泥提供早期强度和水化活性，矿渣通过火山灰反应促进后期强度发展并改善微结构致密性，熟石灰增强韧性并促进碳化反应。然而，该三元胶凝体系涉及多个组分变量和多个性能指标（如干燥收缩率、拉伸粘结强度、抗压强度、流动度等），各性能指标之间往往存在相互制约关系。例如，提高白水泥掺量可增强强度但会导致干燥收缩增大；增加矿渣掺量可改善粘结性能但可能影响流动度。传统单因素或正交试验方法难以在多目标冲突条件下获得全局最优配比，且试验工作量大、效率低。

3、人工神经网络具有较强的非线性映射能力，能够建立组分与性能之间的高精度预测模型；非支配排序遗传算法ⅱ（nsga-ii）能够有效求解多目标优化问题，获得pareto最优解集。然而，现有技术中尚未见将二者耦合应用于三元胶凝体系组分优化的报道。

4、针对上述问题，提供一种基于人工神经网络与非支配排序遗传算法的三元胶凝体系优化方法及系统，用以解决现有技术存在的问题，是本领域技术人员亟需解决的问题。

技术实现思路

1、有鉴于此，本发明提供了一种基于人工神经网络与非支配排序遗传算法的三元胶凝体系优化方法及系统，以解决现有技术中三元胶凝体系多目标优化中性能指标相互制约、难以获得全局最优配比的技术问题。

2、为了实现上述目的，本发明采用如下技术方案：

3、一种基于人工神经网络与非支配排序遗传算法的三元胶凝体系优化方法，包括以下步骤：

4、s1、采集白水泥-矿渣-熟石灰三元胶凝体系的多组配比数据及对应的性能指标数据，构建训练数据集和验证数据集；

5、s2、构建反向传播神经网络模型，以三元胶凝体系中熟石灰、矿渣和白水泥的掺量比例为输入特征，以至少一项胶凝体系性能指标为输出目标，利用训练数据集对反向传播神经网络模型进行训练，利用验证数据集进行验证，得到训练好的反向传播神经网络模型；

6、s3、将训练好的反向传播神经网络模型嵌入非支配排序遗传算法ⅱ中，以性能指标的优化为目标，进行多目标pareto寻优计算；

7、s4、输出pareto最优解集，根据预设条件从最优解集中确定三元胶凝体系的最优配比。

8、上述的方法，可选的，s1中的性能指标包括体积稳定性指标、粘结性能指标、力学性能指标和工作性能指标中的至少一种。

9、上述的方法，可选的，体积稳定性指标包括：干燥收缩率或化学收缩率；

10、粘结性能指标包括：拉伸粘结强度或剪切粘结强度；

11、力学性能指标包括：抗压强度、抗折强度或压折比；

12、工作性能指标包括：流动度、凝结时间或稠度。

13、上述的方法，可选的，s2中反向传播神经网络模型采用三层或多层拓扑结构，包含输入层、至少一个隐含层和输出层。

14、上述的方法，可选的，反向传播神经网络模型采用三层前馈拓扑结构，包括：

15、输入层：神经元数量为3，对应三元胶凝体系的三个组分输入特征，即熟石灰掺量、矿渣掺量、白水泥掺量；

16、隐含层：神经元数量为8~12，通过试错法确定，选为10；

17、输出层：神经元数量为4，对应四项性能指标输出目标，即干燥收缩率、拉伸粘结强度、抗压强度、流动度；

18、各层神经元之间全连接，同一层内神经元互不连接。

19、上述的方法，可选的，反向传播神经网络模型采用均方误差作为损失函数，用于量化模型预测值与真实值之间的差异；

20、损失函数表达式：

21、

22、其中：为训练样本数量；为输出层神经元数量，=4，对应四项性能指标；为第个样本第项性能指标的真实值；为第个样本第项性能指标的模型预测值；

23、反向传播神经网络模型的训练结束标准包括以下至少一项：

24、训练迭代次数达到预设的最大迭代次数；

25、损失函数值低于预设的误差阈值；

26、验证集损失函数值在连续预设轮数内未下降；

27、损失函数对权重的梯度范数低于预设阈值。

28、上述的方法，可选的，最大迭代次数设置为1000，误差阈值设置为，连续预设轮数设置为20，梯度范数阈值设置为 。

29、上述的方法，可选的，s4中非支配排序遗传算法ⅱ的参数设置包括：最优个体比例、种群大小、进化代数和计算终止条件中的至少一项；

30、优化目标的设定包括：将体积稳定性指标设定为最小化、将粘结性能指标设定为最大化、将力学性能指标设定为大于等于第一预设阈值且小于等于第二预设阈值、将工作性能指标设定为符合预设范围中的至少一种。

31、上述的方法，可选的，s4中，根据预设的权重分配从最优解集中确定三元胶凝体系的最优配比，权重分配基于各性能指标的重要性程度进行设定；

32、输出的三元胶凝体系最优配比中，熟石灰掺量为10%~35%，白水泥掺量为25%~50%，矿渣掺量为25%~60%。

33、一种基于人工神经网络与非支配排序遗传算法的三元胶凝体系优化系统，包括依次连接的数据采集模块、模型构建与训练模块、优化计算模块、输出模块：

34、数据采集模块，用于采集白水泥-矿渣-熟石灰三元胶凝体系的多组配比数据及对应的性能指标数据；

35、模型构建与训练模块，用于构建反向传播神经网络模型并进行训练，得到性能预测模型；

36、优化计算模块，用于将训练好的性能预测模型嵌入非支配排序遗传算法ⅱ中进行多目标pareto寻优计算；

37、输出模块，用于输出pareto最优解集及三元胶凝体系的最优配比。

38、经由上述的技术方案可知，与现有技术相比，本发明提供了一种基于人工神经网络与非支配排序遗传算法的三元胶凝体系优化方法及系统，具有以下有益效果：

39、（1）本发明通过构建反向传播神经网络模型，建立了三元胶凝体系组分与多性能指标之间的高精度非线性映射关系，性能指标预测精度高，显著优于传统线性回归方法；

40、（2）本发明将神经网络预测模型嵌入nsga-ii多目标优化算法，解决了三元胶凝体系多目标优化中性能指标相互制约的技术问题，实现了多性能指标的协同优化；

41、（3）本发明对性能指标的类型和测试龄期不作具体限定，具有良好的普适性和可扩展性，可应用于不同测试条件和不同性能要求的三元胶凝体系优化场景；

42、（4）本发明方法可大幅减少试验工作量，提高配比优化效率，为建筑材料研发提供科学、高效的技术手段。