基于遗传算法的发光材料组合试样库数据分析方法

摘要

本发明公开了一种基于遗传算法的发光材料组合试样库数据分析方法，主要解决现有技术中不能实现预测出最优发光材料的具体组分问题。本发明包括：1.建立发光材料组合试样库、2.数据采集和预处理、3.建立发光强度优化模型、4.求解优化模型、5.解码、6.计算最优解、7.输出结果。本发明通过对发光材料组合试样库数据的分析，并充分利用组合试样库试样组成与所测数据之间的联系，可以得到最优发光强度材料的预测组分。利用遗传算法求解优化模型，通过选择、交叉、变异操作，得到发光强度优化模型的解是全局最优解而不是局部最优解，从而解决了传统优化方法陷入局部最优解的缺陷。

主权项

一种基于遗传算法的发光材料组合试样库数据分析方法，包括以下具体步骤：(1)建立发光材料组合试样库：(1a)利用固相法，分别合成氯磷酸钡、氯磷酸锶和氯磷酸钙；(1b)以氯磷酸钡、氯磷酸锶和氯磷酸钙为原料，按照氯磷酸钡、氯磷酸锶和氯磷酸钙的浓度三角形中的试样点,计算组合试样原料配比，用电子天平进行称量配料，将称量的配料，经过高温煅烧，合成组合试样；(1c)利用氯磷酸钡、氯磷酸锶和氯磷酸钙的浓度三角形中的试样点合成的试样，建立发光材料组合试样库；(1d)将发光材料组合试样库中选取的试样中氯磷酸钡、氯磷酸锶和氯磷酸钙的摩尔百分比作为试样的组分；(2)数据采集和预处理：(2a)利用单片机和模‑数转换器件构成的光谱信号采集系统，从荧光光谱仪中采集发光材料组合试样库试样的组分对应的发光强度；(2b)利用插值拟合方法，对采集的发光材料组合试样库试样的组分和发光强度进行预处理；(2c)将预处理后的采集的发光材料组合试样库试样的组分和发光强度输入到矩阵中；(3)按照下式，建立发光强度的优化模型：Max H(X)＝H(x₁,x₂,x₃)S.t.0<x₁,x₂,x₃<1,x₁+x₂+x₃＝1其中，Max表示对发光材料组合试样库试样的发光强度进行最大值操作，H(X)表示发光材料组合试样库试样的发光强度，X表示发光材料组合试样库试样的组分，x₁、x₂、x₃分别表示发光材料组合试样库试样中氯磷酸钡、氯磷酸锶和氯磷酸钙的摩尔百分比；S.t.表示对发光材料组合试样库试样组分进行约束操作；(4)求解优化模型：(4a)设置遗传算法的参数，其中，终止条件为适应度F满足|F‑1|<0.01、初始种群数为66个、变异率为0.8、交叉率为0.05；(4b)用遗传算法对发光材料组合试样库中试样的组分按二进制进行编码，并随机产生一个初始群体；(4c)对初始群体中每个个体进行选择、交叉、变异操作后，产生新一代群体；(4d)将新一代群体中个体按二进制进行解码，得到新一代群体中发光材料试样的组分；(4e)按照下式，计算新一代群体中每个个体的适应度：$F=\frac{H\left(X\right)-H_{\min }\left(X\right)}{H_{max}\left(X\right)-H_{\min }\left(X\right)}$其中，F表示新一代群体中个体的适应度，H(X)表示发光材料组合试样库中试样的发光强度，X表示发光材料组合试样库试样的组分，H_min(X)表示新一代群体中发光材料的最小发光强度，H_max(X)表示新一代群体中发光材料试样的最大发光强度；(4f)判断新一代群体中个体的适应度是否满足所设置遗传算法终止条件；如果是，则执行步骤(5)；否则，执行步骤(4c)；(5)解码：将新一代群体中适应度满足所设置遗传算法终止条件的个体按二进制进行解码，得到发光材料试样的预测组分；(6)计算最优解：按照步骤(3)中的优化模型，计算出发光材料试样的预测组分的发光强度，将预测组分的发光强度，作为发光强度优化模型的最优解；(7)输出结果：输出发光强度优化模型的最优解和发光材料试样的预测组分。