《基于智能计算的水泥水化反向建模理论与方法》

中国水泥工业的规模稳居世界第一,产量高达世界总产量的60%,然而中国的水泥产业中高性能水泥产品占比很低,低质量水泥产能过剩问题严重。为使中国高性能水泥产品的研发水平和水泥质量快速追赶上国际步伐并实现弯道超车,加快水泥产业的新旧动能转换速度,急需新型的水泥研究方法与辅助设计工具。

水泥水化过程的计算机建模为实现水泥水化的准确模拟,水泥宏观性能的精确预测,新型高性能水泥产品的计算机辅助设计带来了曙光,具有重大的理论意义和实际价值。然而,水泥水化机理的极端复杂性和微结构的时变性等特点使得水化模型的研制极具挑战。项目组探索以多模态水泥数据为导向,通过智能算法从观测到的水化数据中为复杂的水泥水化过程实现反向建模,具体创新点如下:

(1)在国际上首创水泥图像特征动力学的概念,从图像特征的角度出发来描述水化过程中微结构演化与宏观强度的关系,从全新的视角重新审视了水泥水化模拟;此外,首次将柔性神经树用于构建水泥水化动力学方程,并反向生成了高精度的柔性神经树水化动力系统。

(2)创造性的将粒子群优化从经典的双层结构提升为多层结构,使得种群可在复杂的搜索空间内进行多层次立体搜索,实现了探索能力和挖掘能力的平衡;引入动态锦标赛拓扑策略来增加粒子群算法的种群多样性,降低了种群陷入局部最优的风险。

(3)三维建模是水泥微结构可视化的关键,提出了一种水泥颗粒轮廓的矩为约束,基于多表达式编程和免疫克隆算法融合的上下层图像配准算法,进一步提出一种基于特征点对应和混合进化算法的水泥多轮廓配准算法。上述工作为三维重建光顺的水泥颗粒奠定了基础。

(4)设计了一种全新的基于进程池模型的并行柔性神经树计算模型,显著地提高了柔性神经树的训练计算效率,解决柔性神经树在反向建模时的高计算复杂度问题;提出了将柔性神经树模型与分区空间进一步划分方法相结合的混合分类模型,在兼具特征提取效果的同时提升分类性能。

该项目所选用的8篇代表性论文中,包括IEEE Transactions论文1篇,JCR分区1区论文5篇,他引总次数124次,单篇最高他引48次。代表性论文1作为唯一一篇第一单位来自中国的水泥复合材料计算设计工作,成功入选硅酸盐材料的顶级刊物《Journal of the American Ceramic Society》(美国陶瓷学会杂志)在庆祝创刊一百周年之际所出版的水泥百年特辑。研究工作得到了英国爱丁堡皇家学会院士Fredrik Glasser教授、波兰科学院通讯院士Jan Olek教授、Yew-Soon Ong教授(IEEE Fellow)、Kay Chen Tan教授(IEEE Fellow)、史玉回教授(IEEE Fellow)、Kalyanmoy Deb教授(IEEE Fellow)、Joseph Biernacki教授(美国硅酸盐学会Fellow、美国混凝土学会Fellow)、Edward Garboczi(美国硅酸盐学会Fellow、美国混凝土学会Fellow)等知名专家的广泛引用和点评。第一完成人入选教育部新世纪优秀人才支持计划,获得首届山东省杰青资助;第二完成人获得山东省泰山学者青年专家计划支持,获得首届山东省自然科学基金省属优青资助,并获得了山东省自然科学学术创新奖;第三完成人获得济南市“高校二十条”科研带头人工作室项目资助。

  1. 下载详细PDF版/Doc版

提示:为方便大家复制编辑,博主已将PDF文件制作为Word/Doc格式文件。