一种预测锡碲化物热电材料合成参数的方法和系统与流程

本申请涉及材料，具体涉及一种预测锡碲化物热电材料合成参数的方法和系统。

背景技术：

1、锡碲化物热电材料可以用于制造热电发电机，将热能转换为电能。这种发电方式具有高效、无噪音、无污染等优点，因此在汽车、航天、通讯等领域得到广泛应用。

2、锡碲化物热电材料在合成过程中，通过设置合适的合成参数，可以控制反应速率和产物分子结构，从而获得具有特定性能的锡碲化物热电材料。

3、现有技术中，为获得具有特定性能的锡碲化物热电材料主要有以下三种方法:第一、不断试错，凭借直觉优化探索过程；第二、基于理论模拟加速来寻找；第三、通过大量研究积累总结构效关系，并结合高通量试验。然而上述方法存在高成本、效率低和很多时候缺乏指引等局限性，如何高效率预测特定性能的锡碲化物热电材料合成参数是本领域技术人员亟待解决的技术问题。

技术实现思路

1、有鉴于此，本申请的目的在于提供一种预测锡碲化物热电材料合成参数的方法和系统，以解决如何高效率获取特定性能的材料合成参数的技术问题。

2、本申请公开了一种预测锡碲化物热电材料合成参数的方法，包括如下步骤：

3、s1、接收热电材料的目标热电材料特征，所述目标热电材料特征包括目标热电系数、目标电阻率和目标热导率；

4、s2、基于遗传算法随机产生多个预测合成参数组合，且赋予迭代次数初始值；所述预测合成参数组合包括预测银粉末目数、预测锡粉末目数、预测锑粉末目数、预测碲粉末目数、预测球磨转速、预测湿磨转速、预测烧结压强和预测升温的温度；

5、s3、将预测合成参数组合输入预测模型中，所述预测模型基于历史合成参数组合和历史热电材料特征训练得到的关系输出预测热电材料特征；所述预测热电材料特征包括预测热电系数、预测电阻率和预测热导率；

6、s4、基于所述预测热电材料特征和所述目标热电材料特征计算适应度值，基于适应度值和遗传算法生成下一代多个预测合成参数组合，迭代次数基于初始值递增，返回步骤s3，直到满足预设条件。

7、在一些可能的实施方式中，所述基于遗传算法随机产生多个预测合成参数组合，包括：

8、s21、确定种群规模：设定初始群体的规模；

9、s22、基因编码：将个体的基因表示为数值或字符串；

10、s23、随机生成基因：在解空间中随机生成一定数量的个体；

11、s24、形成初始群体：将所有随机生成的个体组成初始群体。

12、在一些可能的实施方式中，所述预测模型为bp神经网络，所述基于历史合成参数组合和历史热电材料特征训练得到的关系，包括：

13、s31、收集历史合成参数组合和历史热电材料特征构建数据集，所述数据集包括训练集；

14、s32、对训练集的历史合成参数组合和历史热电材料特征预处理；

15、s33、基于训练集训练所述预测模型，其中，预测模型的输入数据为：历史银粉末目数、历史锡粉末目数、历史锑粉末目数、历史碲粉末目数、历史球磨转速、历史湿磨转速、历史烧结压强、历史升温的温度，输出数据为：历史热电系数、历史电阻率和历史热导率。

16、在一些可能的实施方式中，所述计算适应度值包括：基于目标热电材料特征和预测热电材料特征之间的差值计算适应度值。

17、在一些可能的实施方式中，所述预设条件包括：迭代次数等于预设值，或所述预测热电材料特征和所述目标热电材料特征之间的距离低于预设值。

18、作为本申请的第二方面，还提供了一种预测锡碲化物热电材料合成参数的系统，包括：目标材料特征接收模块用于接收热电材料的目标热电材料特征，所述目标热电材料特征包括目标热电系数、目标电阻率和目标热导率；初始合成参数模块用于基于遗传算法随机产生多个预测合成参数组合，且赋予迭代次数初始值；所述预测合成参数组合包括预测银粉末目数、预测锡粉末目数、预测锑粉末目数、预测碲粉末目数、预测球磨转速、预测湿磨转速、预测烧结压强和预测升温的温度；预测模块用于将预测合成参数组合输入预测模型中，所述预测模型基于历史合成参数组合和历史热电材料特征训练得到的关系输出预测热电材料特征；所述预测热电材料特征包括预测热电系数、预测电阻率和预测热导率；循环模块用于基于所述预测热电材料特征和所述目标热电材料特征计算适应度值，基于适应度值和遗传算法生成下一代多个预测合成参数组合，迭代次数基于初始值递增，返回预测模块，直到满足预设条件。

19、在一些可能的实施方式中，所述初始合成参数模块包括种群规模设置单元，用于确定种群规模：设定初始群体的规模；基因编码单元，用于基因编码：将个体的基因表示为数值或字符串；随机生成基因单元用于随机生成基因：在解空间中随机生成一定数量的个体；初始群体单元，用于形成初始群体：将所有随机生成的个体组成初始群体。

20、在一些可能的实施方式中，所述预测模型为bp神经网络，所述基于历史合成参数组合和历史热电材料特征训练得到的关系，包括：收集历史合成参数组合和历史热电材料特征构建数据集，所述数据集包括训练集；对训练集的历史合成参数组合和历史热电材料特征预处理；基于训练集训练所述预测模型，其中，预测模型的输入数据为：历史银粉末目数、历史锡粉末目数、历史锑粉末目数、历史碲粉末目数、历史球磨转速、历史湿磨转速、历史烧结压强、历史升温的温度，输出数据为：历史热电系数、历史电阻率和历史热导率。

21、在一些可能的实施方式中，所述计算适应度值包括：基于目标热电材料特征和预测热电材料特征之间的差值计算适应度值。

22、在一些可能的实施方式中，所述预设条件包括：迭代次数等于预设值，或所述预测热电材料特征和所述目标热电材料特征之间的距离低于预设值。

23、有益效果：通过遗传算法随机产生多个预测合成参数组合，并通过迭代不断优化这些组合，能够在短时间内探索大量的参数空间，能够准确快速的找到符合目标热电材料特征的最接近的合成参数；并且该方法能够适应不同的材料体系，只需要调整材料特征和训练预测模型即可，具有广泛的应用前景。

24、本申请的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本申请的实践中得到教导。本申请的目标和其他优点可以通过下面的说明书来实现和获得。

技术特征：

1.一种预测锡碲化物热电材料合成参数的方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的预测锡碲化物热电材料合成参数的方法，其特征在于，所述基于遗传算法随机产生多个预测合成参数组合，包括：

3.根据权利要求2所述的预测锡碲化物热电材料合成参数的方法，其特征在于，所述预测模型为bp神经网络，所述基于历史合成参数组合和历史热电材料特征训练得到的关系，包括：

4.根据权利要求3所述的预测锡碲化物热电材料合成参数的方法，其特征在于，所述计算适应度值包括：基于目标热电材料特征和预测热电材料特征之间的差值计算适应度值。

5.根据权利要求4所述的预测锡碲化物热电材料合成参数的方法，其特征在于，所述预设条件包括：迭代次数等于预设值，或所述预测热电材料特征和所述目标热电材料特征之间的距离低于预设值。

6.一种预测锡碲化物热电材料合成参数的系统，其特征在于，包括：目标材料特征接收模块用于接收热电材料的目标热电材料特征，所述目标热电材料特征包括目标热电系数、目标电阻率和目标热导率；初始合成参数模块用于基于遗传算法随机产生多个预测合成参数组合，且赋予迭代次数初始值；所述预测合成参数组合包括预测银粉末目数、预测锡粉末目数、预测锑粉末目数、预测碲粉末目数、预测球磨转速、预测湿磨转速、预测烧结压强和预测升温的温度；预测模块用于将预测合成参数组合输入预测模型中，所述预测模型基于历史合成参数组合和历史热电材料特征训练得到的关系输出预测热电材料特征；所述预测热电材料特征包括预测热电系数、预测电阻率和预测热导率；循环模块用于基于所述预测热电材料特征和所述目标热电材料特征计算适应度值，基于适应度值和遗传算法生成下一代多个预测合成参数组合，迭代次数基于初始值递增，返回预测模块，直到满足预设条件。

7.根据权利要求6所述的预测锡碲化物热电材料合成参数的系统，其特征在于，所述初始合成参数模块包括种群规模设置单元，用于确定种群规模：设定初始群体的规模；基因编码单元，用于基因编码：将个体的基因表示为数值或字符串；随机生成基因单元用于随机生成基因：在解空间中随机生成一定数量的个体；初始群体单元，用于形成初始群体：将所有随机生成的个体组成初始群体。

8.根据权利要求7所述的预测锡碲化物热电材料合成参数的系统，其特征在于，所述预测模型为bp神经网络，所述基于历史合成参数组合和历史热电材料特征训练得到的关系，包括：收集历史合成参数组合和历史热电材料特征构建数据集，所述数据集包括训练集；对训练集的历史合成参数组合和历史热电材料特征预处理；基于训练集训练所述预测模型，其中，预测模型的输入数据为：历史银粉末目数、历史锡粉末目数、历史锑粉末目数、历史碲粉末目数、历史球磨转速、历史湿磨转速、历史烧结压强、历史升温的温度，输出数据为：历史热电系数、历史电阻率和历史热导率。

9.根据权利要求8所述的预测锡碲化物热电材料合成参数的系统，其特征在于，所述计算适应度值包括：基于目标热电材料特征和预测热电材料特征之间的差值计算适应度值。

10.根据权利要求9所述的预测锡碲化物热电材料合成参数的系统，其特征在于，所述预设条件包括：迭代次数等于预设值，或所述预测热电材料特征和所述目标热电材料特征之间的距离低于预设值。

技术总结
一种预测锡碲化物热电材料合成参数的方法和系统，涉及材料技术领域，包括如下步骤：接收热电材料的目标热电材料特征；基于遗传算法随机产生多个预测合成参数组合；将预测合成参数组合输入预测模型中，预测模型基于历史合成参数组合和历史热电材料特征训练得到的关系输出预测热电材料特征；基于预测热电材料特征和目标热电材料特征计算适应度值，基于适应度值和遗传算法生成下一代多个预测合成参数组合，直到满足预设条件；能够准确快速的找到符合目标热电材料特征的最接近的合成参数；并且该方法能够适应不同的材料体系，只需要调整材料特征和训练预测模型即可，具有广泛的应用前景。

技术研发人员：张伟,孙真真,刘光远,魏磊,崔超然,张世山,张向阳,刘素华
受保护的技术使用者：山东省科院易达信息科技有限公司
技术研发日：
技术公布日：2024/2/21