买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开一种基于人工智能算法融合的IPA转产时间优化方法及系统，方法包括以下步骤：获取每个反应釜相关数据并构建物料平衡模型；基于所述物料平衡模型确定IPA浓度的待优化目标模型，确定待优化目标，其中，待优化目标为不同时间段的每个反应釜的进料IPA浓度；通过遗传算法模型与蚁群算法模型对待优化目标进行优化。本发明通过将转产与人工智能算法相互结合，首先依据各种相关数据，建立物料平衡模型，确定待优化目标模型，确定待优化目标，在本发明中通过遗传算法模型与蚁群算法模型对待优化目标进行自动寻优，能够较快时间找到转产最优时间，并给出IPA的调整策略，极大的降低手工试算的时间和工作量成本，更加科学和客观。

主权项：1.一种基于人工智能算法融合的IPA转产时间优化方法，其特征在于，包括以下步骤：获取每个反应釜相关数据并构建物料平衡模型，其中，所述反应釜相关数据包括每个反应釜的进料流量、每个反应釜的出料流量及进入第一个反应釜的IPA浓度；基于所述物料平衡模型确定IPA浓度的待优化目标模型，确定待优化目标，其中，待优化目标为不同时间段的每个反应釜的进料IPA浓度；通过遗传算法模型与蚁群算法模型对待优化目标进行优化，具体为：构建遗传算法模型，将进料IPA浓度编码为遗传算法模型中的染色体，并基于蚁群算法模型中的信息素强度对染色体进行选择进而执行交叉操作，以交换两个染色体之间的基因；随机选择满足预设变异概率的染色体和基因判断是否变异，随机调整某个时间点的IPA浓度；进而得到最优IPA调整策略和最优转产时间；其中，所述构建遗传算法模型，将进料IPA浓度编码为遗传算法模型中的染色体，并基于蚁群算法模型中的信息素强度对染色体进行选择进而执行交叉操作，以交换两个染色体之间的基因，包括以下步骤：构建遗传算法模型，将进料的IPA浓度编码为染色体，每条染色体上每个基因表示某个时间点的IPA浓度；对每个染色体进行随机初始化，预设转产的不同时间点达到的进料IPA浓度及对应的调整次数；基于蚁群算法模型的信息素强度对染色体进行选择并保留至下一代；对保留至下一代的染色体进行交叉操作，以交换两个染色体之间的基因；其中，所述基于蚁群算法模型的信息素强度对染色体进行选择并保留至下一代，包括以下步骤：基于染色体的适应度信息对预设信息素强度进行更新，得到新信息素强度，表示如下： 基于适应度信息及新信息素强度得到选择概率，设置选择概率阈值并对染色体进行选择，得到合适的染色体，所述选择概率表示如下： 其中，所述对保留至下一代的染色体进行交叉操作，以交换两个染色体之间的基因，包括以下步骤：对选择概率进行修改并选择两个符合条件的染色体进行交叉，得到染色体交叉对，所述选择概率修改，表示如下： 基于信息素强度，对交叉点进行确定，选择信息素强度最高的作为染色体交叉点；基于染色体交叉对及染色体交叉点，将染色体进行交叉操作；其中，表示修改后选择概率，，表示遍历所有可能的染色体对，,属于中的任意一个数，表示全体染色体的数量，表示选择概率，表示染色体的适应度信息，表示染色体的适应度信息，表示染色体当前的信息素强度，表示染色体当前的信息素强度，表示信息素蒸发率，表示基于染色体的适应度信息计算出的信息素增量。

全文数据：

权利要求：

百度查询： 浙江思维特数字科技有限公司 基于人工智能算法融合的IPA转产时间优化方法及系统