(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111179783.0 (22)申请日 2021.10.1 1 (71)申请人 甘肃农业大 学 地址 730070 甘肃省兰州市安宁区营门村1 号 (72)发明人 宋学锋　戴飞　宋亚瑾　张锋伟　 史瑞杰　王锋　刘禹辰　李相周　 高文杰　许渊　 (74)专利代理 机构 河南华凯科源专利代理事务 所(普通合伙) 41136 代理人 靳建山 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/25(2020.01) G06F 30/27(2020.01)G06N 3/04(2006.01) G06N 3/12(2006.01) G06F 111/10(2020.01) (54)发明名称 基于离散元法的物料参数标定方法 (57)摘要 本发明公开了一种基于离散元法的物料参 数标定方法， 包括如下步骤根据物料物性参数构 建离散元本构模型； 设定待标定参数及范围； 根 据待标定参数及范围进行LHS抽样； 将LHS抽样的 抽样结果作为输入数据导入离散元本构模型进 行离散元模拟； 根据LHS抽样结果和离散元模拟 的输出数据建立训练集； 根据训练集进行神经网 络训练以得到待标定参数与离散元模拟的输出 数据之间的近似模型； 验证近似模 型是否满足第 一预设条件， 若不满足， 则扩大LHS抽样的样本 量； 对近似模型进行遗传算法寻优； 根据遗传算 法的输出结果进行物料参数的标定。 本发明基于 离散元法的物料参数标定方法， 提高参数标定的 效率， 通过多种方式对参数标定结果进行验证， 提高参数标定的准确性。 权利要求书2页 说明书21页 附图9页 CN 113887105 A 2022.01.04 CN 113887105 A 1.一种基于 离散元法的物料参数 标定方法， 其特 征在于， 包括如下步骤： 根据物料的物性 参数构建离 散元本构模型； 设定待标定参数及范围； 根据所述待标定参数及范围进行LHS抽样； 将所述LHS抽样的抽样结果作为输入数据导入所述离 散元本构模型进行离 散元模拟； 根据所述 LHS抽样结果和所述离 散元模拟的输出 数据建立训练集； 根据所述训练集进行神经网络训练以得到所述待标定参数与离散元模拟的输出数据 之间的近似 模型； 验证所述近似 模型是否满足第一预设条件， 若不满足， 则扩大 所述LHS抽样的样本量； 对所述近似 模型进行遗传算法寻优； 根据所述遗传算法的输出 结果进行物料参数的标定 。 2.根据权利要求1所述的基于离散元法的物料参数标定方法， 其特征在于， 所述LHS抽 样包括在每个所述待标定参数中抽取多个样本， 每个所述待标定参数中抽取的多个样本划 分为多个样本组。 3.根据权利要求1所述的基于离散元法的物料参数标定方法， 其特征在于， 所述离散元 模拟的输出 数据为宏观静态休止角S与堆积高度H 。 4.根据权利要求3所述的基于离散元法的物料参数标定方法， 其特征在于， 根据图像识 别算法检测所述宏观静态休止角， 所述图像识别算法包括： 截 取所述宏观静态休止角图片， 对所述宏观静态休止角图片进行灰度或二值化处理， 提取所述宏观静态休止角边缘， 拟合 所述宏观静态休止角边 缘并得到所述宏观静态休止角数值。 5.宏观静态休止角5、 根据权利要求1所述的基于离散元法的物料参数标定方法， 其特 征在于， 将所述LHS抽样结果作为神经网络训练的输入层， 将所述离散元模拟的输出数据作 为神经网络训练的输出层。 6.根据权利要求1所述的基于离散元法的物料参数标定方法， 其特征在于， 所述第 一预 设条件为R2≥0.9， 且R2为残差平方和。 7.根据权利要求1所述的基于离散元法的物料参数标定方法， 其特征在于， 对所述近似 模型进行遗传算法寻优包括： 验证所述神经网络的输出结果是否满足第二预设条件， 如不 满足， 则调整所述遗传算法的参数。 8.根据权利要求7所述的基于离散元法的物料参数标定方法， 其特征在于， 所述第 二预 设条件为St‑1°≤S≤St+1 °和Ht‑2≤H≤Ht+2， 且 △=｜S‑St｜ +｜H‑Ht ｜， 其中， St为根据堆积物 理试验测量的物料宏观静态休止角， Ht为根据堆积物理试验测量的物料堆积高度, △为偏 差和的最小值。 9.根据权利要求1所述的基于离散元法的物料参数标定方法， 其特征在于， 在根据 所述 遗传算法的输出结果进行物料参数 的标定之前， 所述方法还包括： 验证所述遗传算法的输 出结果， 所述验证所述遗传算法的输出结果包括： 在所述遗传算法的输出结果中选取多组 输出结果作为验证数据， 多组所述输出结果划分为多组验证数据， 且多组所述输出结果与 多组所述验证数据一一对应， 将多组所述验证数据导入所述离散元本构模 型进行离散元仿 真以得到多组验证解， 若多组所述验证解与多组所述输出结果之 间的误差不满足第三预设 条件， 则扩大所述LHS抽样的样本量， 所述第三预设条件为E1≤5%， 其中E1为多组所述验证权　利　要　求　书 1/2 页 2 CN 113887105 A 2解与多组所述输出 结果之间的误差 。 10.根据权利要求9所述的基于离散元法的物料参数标定方法， 其特征在于， 所述验证 所述遗传算法的输出结果还包括： 根据所述遗传算法的输出结果进行卸 料模拟试验， 对待 标定物料进行卸料物理试验， 若卸料模拟试验的输出结果与卸料物理试验的输出结果的误 差不满足第四预设条件， 则扩 大所述LHS抽样的样 本量， 所述第四预设条件为所述卸料模拟 试验中物料流动形态与所述卸料物理试验中物料流动形态是否吻合， 和/或， 所述卸料模拟 试验中物料质量 流量与所述卸料物理试验中物料质量 流量之间的误差是否逐渐减小。权　利　要　求　书 2/2 页 3 CN 113887105 A 3