本发明涉及水泥水化和神经网络，具体涉及一种基于神经网络与多尺度特征约束的水泥微结构设计方法。
背景技术：
1、水泥作为一种重要的胶凝材料，在国民经济生活中扮演着极其重要的角色。对于高能耗、高二氧化碳排放的水泥制造行业提出了新的需求。
2、在建筑行业中，水泥水化的研究具有重大意义，解明水泥水化过程的机理有助于通过控制水泥水化的条件，决定水泥的性能，从而优化建筑材料的质量和使用寿命。以水泥的抗压强度为例，国家标准要求水泥样本在经过28天的养护后进行抗压试验，如果想研究水泥水化过程和抗压强度的关系，传统的实验流程需要企业承担水泥在这28天水化过程中的时间成本与人力成本，且增加碳排放。
3、在现有技术中，已经存在通过建立水泥水化物理模型以表示水泥水化的过程的有效方法，但是，这些方法仍需要接收水泥微结构作为演化初始状态作为输入，目前获取初状态的方法有如下几种。
4、方法一：通过扫描技术扫描真实样本表征。
5、该方法尽管最直观，但是仍需水泥熟料的粉磨、煅烧、颗粒级配等工序来获得合适的粒径配比，并在之后进行28天的养护、以及真空干燥过程中，产生人力成本、时间成本和碳排放。
6、例如：申请号为202211502136.3，发明名称为“一种多孔材料三维微结构无损定量表征方法”的专利，所述方法中使用ct设备无损获取多孔材料微结构表征，在实施例中明确提到，需要使用具有特定水灰比的水泥净浆，经过28天的养护与真空干燥后，才对样品进行扫描表征。
7、方法二：传统初状态合成方法。
8、该方法通常使用简单几何形状或编写的算法来模拟水泥微结构中的物相。尽管允许灵活定制微结构中的物相分布，但该方法表示的水泥微结构水泥样本存在特征偏差。
9、例如：申请号为201611160205.1，发明名称为“一种水泥水化三维孔隙结构特征的表征方法”的专利，所述方法中基于cemhyd3d水化模型软件，在背散射图像的基础上，分别通过“内侵蚀法”、“燃烧算法”和“随机走法”三种算法实现对水泥水化三维孔隙结构特征的表征。但是，该方法具有一些限制，不仅需要能谱图片的输入，且三种算法依赖于大量人类定义的规则，而这些规则生成的微结构，在特征上并不一定与实际水泥微结构中的特征相匹配。
10、方法三：神经网络方法。
11、近年来，深度学习技术凭借其强大的特征学习能力被广泛用于各领域中。这类方法通常使用神经网络学习存在于水泥扫描样片中的特征，建立水泥微结构潜在模型，通过潜在模型重建的水泥微结构在特征上与水泥样本更加一致。
12、尽管现有的神经网络方法能够更加精确地通过学习到的特征重建出水泥微结构，但它们还难以像传统初状态合成方法那样，灵活定制微结构中的物相分布。这是因为现有的方法聚焦于将水泥样本特征构造成潜在模型，而忽略了潜在模型特征重建为水泥微结构过程中的形式变化。这一限制使通过神经网络方法重构水泥微结构中的物相分布不受控制，阻碍水泥水化的研究进展。
13、因此，现有技术缺少用于设计水泥水化模型初状态微结构的应用。
技术实现思路
1、本发明为了解决上述技术问题，提出了如下技术方案：
2、本发明实施例提供了一种基于神经网络与多尺度特征约束的水泥微结构设计方法，包括：
3、s1，获取水泥微结构二维图像，建立水泥微结构数据集；
4、s2，根据预定约束尺度数目，得到随机步数的超参数组，根据约束规则和超参数组训练神经网络模型，得到微结构特征重构算子；
5、s3，根据约束规则建立重构算法，对神经网络模型进行测试，选择符合预设模型的神经网络模型并保存；
6、s4，使用重构算法和微结构特征重构算子，经过预定约束尺度数目重构后得到水泥微结构。
7、进一步地，步骤s1中，获取水泥微结构二维图像，建立水泥微结构数据集，包括：
8、s11，获取水泥微结构二维图像，组成原始图像集；
9、s12，从原始图像集中随机选择一张水泥微结构二维图像，在水泥微结构二维图像内部随机裁出第一图像；
10、s13，重复执行步骤s12，将所有裁出的第一图像组成第一图像集。
11、进一步地，步骤s2中，根据预定约束尺度数目，得到随机步数的超参数组，根据约束规则和超参数组训练神经网络模型，得到微结构特征重构算子，包括：
12、s21，设计神经网络模型作为微结构特征重构算子；
13、s22，选取一组随机步数，根据预定约束尺度数目，得到随机步数的超参数组；
14、s23，任意选取第一图像集中的第一图像，然后选取超参数组中对应位置的随机步数数值，随后，对第一图像依次分别施加1至随机步数数值的约束，得到约束后的第二图像，同时对第二图像全域取平均，得到第三图像；
15、s24，重复执行步骤s22-s23中的操作，将所有的第二图像组成第二图像集，将所有的第三图像组成第三图像集；
16、s25，将第三图像集和随机步数分别送入微结构特征重构算子，作为输入和嵌入，得到第四图像集；
17、s26，使用反向传播计算第四图像集与第二图像集的距离，训练微结构特征重构算子；
18、s27，重复执行步骤s22-s26，直到神经网络模型训练完毕。
19、进一步地，步骤s3中，根据约束规则建立重构算法，包括：
20、s31，初始化三维噪声立方体；
21、s32，首先进行第1步重构，将三维噪声立方体分离为三个正交方向的第一截面，对每个第一截面应用微结构特征重构算子后重组为第一组合三维体，对第一组合三维体施加第步约束后，将第一组合三维体划分为第四预定边长的第一正方体；
22、s33，进行第2步重构，将第一正方体分离为三个正交方向的第二截面，对每个第二截面应用微结构特征重构算子后重组为第二组合三维体，对第二组合三维体施加第步约束后，将第二组合三维体划分为第五预定边长的第二正方体；
23、s34，将第二正方体作为下一步分离的正方体，重复执行步骤s33，直到最后一步，不施加约束，得到假定重构三维水泥微结构。
24、进一步地，步骤s4中，使用重构算法和微结构特征重构算子，经过预定约束尺度数目重构后得到三维水泥微结构，包括：
25、s41，由用户绘制不同步骤的水泥微结构物相分布形成的草图三维体作为约束条件；
26、s42，使用步骤s41中的约束条件校准神经网络模型，结合重构算法和微结构特征重构算子，获得重构后的三维水泥微结构；
27、s43，观察重构后的三维水泥微结构，选择是否保留。
28、进一步地，所述方法采用如下系统执行，包括：神经网络模型训练模块、重构算法建立模块、神经网络模型测试模块和水泥微结构重构模块，所述神经网络模型训练模块用于根据水泥微结构数据集和约束规则，得到微结构特征重构算子，所述重构算法建立模块用于根据约束规则建立重构算法，所述神经网络模型测试模块用于根据重构算法，对神经网络模型进行测试，所述水泥微结构重构模块用于使用重构算法和微结构特征重构算子，重构水泥微结构。
29、进一步地，建立所述水泥微结构数据集包括：
30、s11，获取水泥微结构二维图像，组成原始图像集；
31、s12，从原始图像集中随机选择一张水泥微结构二维图像，在水泥微结构二维图像内部随机裁出第一图像；
32、s13，重复执行步骤s12，将所有裁出的第一图像组成第一图像集。
33、进一步地，所述神经网络模型训练模块根据水泥微结构数据集和约束规则，得到微结构特征重构算子，包括：
34、s21，设计神经网络模型作为微结构特征重构算子；
35、s22，选取一组随机步数，根据预定约束尺度数目，得到随机步数的超参数组；
36、s23，任意选取第一图像集中的第一图像，然后选取超参数组中对应位置的随机步数数值，随后，对第一图像依次分别施加1至随机步数数值的约束，得到约束后的第二图像，同时对第二图像全域取平均，得到第三图像；
37、s24，重复执行步骤s22-s23中的操作，将所有的第二图像组成第二图像集，将所有的第三图像组成第三图像集；
38、s25，将第三图像集和随机步数分别送入微结构特征重构算子，作为输入和嵌入，得到第四图像集；
39、s26，使用反向传播计算第四图像集与第二图像集的距离，训练微结构特征重构算子；
40、s27，重复执行步骤s22-s26，直到神经网络模型训练完毕。
41、进一步地，所述重构算法建立模块根据约束规则建立重构算法，包括：
42、s31，初始化三维噪声立方体；
43、s32，首先进行第1步重构，将三维噪声立方体分离为三个正交方向的第一截面，对每个第一截面应用微结构特征重构算子后重组为第一组合三维体，对第一组合三维体施加第步约束后，将第一组合三维体划分为第四预定边长的第一正方体；
44、s33，进行第2步重构，将第一正方体分离为三个正交方向的第二截面，对每个第二截面应用微结构特征重构算子后重组为第二组合三维体，对第二组合三维体施加第步约束后，将第二组合三维体划分为第五预定边长的第二正方体；
45、s34，将第二正方体作为下一步分离的正方体，重复执行步骤s33，直到最后一步，不施加约束，得到假定重构三维水泥微结构。
46、进一步地，所述水泥微结构重构模块使用重构算法和微结构特征重构算子，重构水泥微结构，包括：
47、s41，由用户绘制不同步骤的水泥微结构物相分布形成的草图三维体作为约束条件；
48、s42，使用步骤s41中的约束条件校准神经网络模型，结合重构算法和微结构特征重构算子，获得重构后的三维水泥微结构；
49、s43，观察重构后的三维水泥微结构，选择是否保留。
50、有益效果：
51、（1）本发明实施例提出的基于神经网络与多尺度特征约束的水泥微结构设计方法，使用重构算法和微结构特征重构算子，重构水泥微结构，并支持水泥微结构中物相分布的灵活定制，打破了水泥水化模型初状态合成中神经网络方法的技术壁垒，显著节省水泥制造行业的时间与人力成本、并助力降低碳排放。
52、（2）本发明实施例提出的基于神经网络与多尺度特征约束的水泥微结构设计方法，多尺度约束方法切实实现了在不同粒度上，由宏观，到微观的内容定制，经过神经网络模型得到的水泥微结构，保真地还原了水泥的原有特征，使用户定制的水化初状态可用、可靠。