專利名稱：一種調(diào)整混凝土級配智能化的方法及混凝土級配智能系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種調(diào)整混凝土級配智能化的方法及混凝土級配智能系統(tǒng)。
背景技術(shù)：
目前在公路工程瀝青路面施工技術(shù)規(guī)范中，明確要求在瀝青混合料生產(chǎn)中要做瀝青混合料組成設(shè)計，以便確定符合質(zhì)量要求的混合料配比。同樣，在水泥混凝土的配合比設(shè)計方面也要求石料的級配設(shè)計，以滿足一定的結(jié)構(gòu)強度。
現(xiàn)在用得比較多的“級配圖解法”只做一些集料用量的大致計算，比較麻煩，而且還的進行校合調(diào)整，比較煩瑣，給設(shè)計人員帶來很大的工作量。由于現(xiàn)代計算機的發(fā)展和普及，如果用算計機采用新的計算方法處理這些問題，就使得級配設(shè)計變得很方便。

發(fā)明內(nèi)容
本發(fā)明的目的在于改進現(xiàn)有技術(shù)之缺點，而提供一種調(diào)整混凝土級配智能化的方法及混凝土級配智能系統(tǒng)。利用計算機程序把優(yōu)化設(shè)計的思想用于混凝土級配設(shè)計，使其實現(xiàn)了智能化。該系統(tǒng)在功能上使級配曲線和造價實現(xiàn)了動態(tài)的微調(diào)。要求保護的技術(shù)方案所屬的技術(shù)范圍涉及混凝土級配設(shè)計的智能化方法和動態(tài)微調(diào)的重要思想。
為實現(xiàn)上述目的，本發(fā)明采取以下設(shè)計方案一種混凝土級配智能系統(tǒng)由輸入數(shù)據(jù)裝置、優(yōu)化模型計算裝置、遺傳算法優(yōu)化裝置、判斷裝置、微調(diào)裝置和報告裝置組成，輸入數(shù)據(jù)裝置接受輸入的數(shù)據(jù)選擇所需級配類型、填寫原始材料的篩分情況、填寫原材料單價、填寫篩孔權(quán)值，連接優(yōu)化模型計算裝置；優(yōu)化模型計算裝置存儲有優(yōu)化模型，連接遺傳算法優(yōu)化裝置；遺傳算法優(yōu)化裝置利用高非線性優(yōu)化求解法遺傳算法進行優(yōu)化求解，連接判斷裝置；判斷裝置將遺傳算法優(yōu)化裝置優(yōu)化求解的結(jié)果進行判斷，輸出滿意或不滿意的提示；滿意的數(shù)據(jù)連接傳送給報告裝置顯示或打出級配報告；不滿意的數(shù)據(jù)連接傳送給微調(diào)裝置，調(diào)整微調(diào)裝置的微調(diào)按鈕，得到滿意的數(shù)據(jù)連接傳送給報告裝置顯示或打出級配報告。
一種調(diào)整混凝土級配智能化的方法，運用級配指數(shù)的概念和運用遺傳算法優(yōu)化計算混合料配合比設(shè)計中各種材料的性能最佳百分比用量，得到最佳級配曲線；考慮價格因素得到滿足規(guī)范規(guī)定的成本最低的級配曲線；考慮不同篩孔權(quán)值得到理想的級配曲線；考慮篩孔權(quán)值和價格因素得到性價比最優(yōu)的級配曲線；有手動進行全動態(tài)微調(diào)的步驟。
用到的背景技術(shù)包括混凝土級配理論；級配指數(shù)理論；改進型遺傳算法；全動態(tài)微調(diào)技術(shù)。
該發(fā)明所要解決的技術(shù)問題是合理建立混凝土級配設(shè)計的優(yōu)化模型；求解該模型的優(yōu)化算法；全動態(tài)微調(diào)的構(gòu)思。
解決這些技術(shù)問題采用的技術(shù)方案有采用級配指數(shù)的理論建立優(yōu)化模型；利用改進型遺傳算法求解該優(yōu)化模型；用可視化編程語言(Borland c++ builder 6.0)實現(xiàn)全動態(tài)微調(diào)的構(gòu)思。
本發(fā)明有益效果界面友好，操作方便，精度較高。它不僅給混凝土級配設(shè)計人員帶來極大的方便，而且大大提高了級配設(shè)計的工作效率和工作質(zhì)量。


圖1本發(fā)明的混凝土級配智能系統(tǒng)的連接2本發(fā)明混凝土級配智能系統(tǒng)的流程3本發(fā)明混凝土級配智能系統(tǒng)的主界面4本發(fā)明賭盤示意5本發(fā)明優(yōu)化結(jié)果示意6本發(fā)明優(yōu)化結(jié)果示意7本發(fā)明優(yōu)化結(jié)果示意8本發(fā)明優(yōu)化結(jié)果示意9本發(fā)明微調(diào)結(jié)果示意10本發(fā)明出具的礦料級配曲線圖具體實施方式
實施例1如圖1所示，本發(fā)明一種混凝土級配智能系統(tǒng)由輸入數(shù)據(jù)裝置、優(yōu)化模型計算裝置、遺傳算法優(yōu)化裝置、判斷裝置、微調(diào)裝置和報告裝置組成，輸入數(shù)據(jù)裝置接受輸入的數(shù)據(jù)選擇所需級配類型、填寫原始材料的篩分情況、填寫原材料單價、填寫篩孔權(quán)值，連接優(yōu)化模型計算裝置；優(yōu)化模型計算裝置存儲有優(yōu)化模型，連接遺傳算法優(yōu)化裝置；遺傳算法優(yōu)化裝置利用高非線性優(yōu)化求解法遺傳算法進行優(yōu)化求解，連接判斷裝置；判斷裝置將遺傳算法優(yōu)化裝置優(yōu)化求解的結(jié)果進行判斷，輸出滿意或不滿意的提示；滿意的數(shù)據(jù)連接傳送給報告裝置顯示或打出級配報告；不滿意的數(shù)據(jù)連接傳送給微調(diào)裝置，調(diào)整微調(diào)裝置的微調(diào)按鈕，得到滿意的數(shù)據(jù)連接傳送給報告裝置顯示或打出級配報告。
實施例2優(yōu)化模型計算裝置為普通級配優(yōu)化模型裝置或加權(quán)級配優(yōu)化模型裝置或優(yōu)化模型為既考慮權(quán)值又考慮造價級配優(yōu)化模型裝置或造價級配優(yōu)化模型裝置。
實施例3一種調(diào)整混凝土級配智能化的方法，運用級配指數(shù)的概念和運用遺傳算法優(yōu)化計算混合料配合比設(shè)計中各種材料的性能最佳百分比用量，得到最佳級配曲線；調(diào)整價格因素得到滿足規(guī)范規(guī)定的成本最低的級配曲線；調(diào)整不同篩孔權(quán)值得到理想的級配曲線；調(diào)整篩孔權(quán)值和價格因素得到性價比最優(yōu)的級配曲線；有手動進行全動態(tài)微調(diào)的步驟。如圖2所示，程序開始步驟1輸入數(shù)據(jù)填寫數(shù)據(jù)卡片的內(nèi)容選擇所需級配類型；填寫原始材料的篩分情況；填寫原材料單價；填寫篩孔權(quán)值；步驟2選擇優(yōu)化模型，普通級配優(yōu)化模型或加權(quán)級配優(yōu)化模型或既考慮權(quán)值又考慮造價級配優(yōu)化模型或造價級配優(yōu)化模型；步驟3運用高度非線性求解法遺傳算法進行優(yōu)化求解；步驟4判斷是否為最優(yōu)結(jié)果；步驟5不滿意則進行微調(diào)步驟，直到滿意的結(jié)果為止。步驟6步驟4有最優(yōu)結(jié)果或步驟5有最優(yōu)結(jié)果輸出混凝土級配報告。步驟7程序結(jié)束。
實施例4一種調(diào)整混凝土級配智能化的方法，步驟1建立輸入數(shù)據(jù)卡片，卡片內(nèi)容1、選擇所需級配類型；2、填寫原始材料的篩分情況；3、填寫原材料單價；4、填寫篩孔權(quán)值；步驟2選擇優(yōu)化模型為普通級配優(yōu)化模型{minJ=Σj=1m(Σi=1nzimij-pj)2mstzil≤zi≤ziufindzi]]>其中zi——第i種礦料的組分(％)；mij——第i種礦料在第j個篩孔的通過率(％)；pj——要求級配范圍在第j個篩孔通過率的中值(％)；zil——第i種礦料的組分上限(％)；ziu——第i種礦料的組分下限(％)；J——級配指數(shù)；或步驟3選擇優(yōu)化模型為加權(quán)級配優(yōu)化模型{minJ=Σj=1mqj(Σi=1nzimij-pj)2ΣJ=1mqjstzil≤zi≤ziufindzi]]>
其中qj——第j個篩孔權(quán)值；或步驟4選擇優(yōu)化模型為造價級配優(yōu)化模型 其中Cost——總造價；ci——第i種礦料的單價；pju——第j個篩孔要求級配范圍通過率的上限(％)；pjl——第j個篩孔要求級配范圍通過率的下限(％)；或步驟5選擇優(yōu)化模型為既考慮權(quán)值又考慮造價級配優(yōu)化模型 對以上高度非線性的優(yōu)化模型，改進型遺傳算法是比較合適的。
步驟6遺傳算法優(yōu)化算法的步驟遺傳算法的基本原理；軟件采用遺傳算法作為優(yōu)化手段，是由模擬生物遺傳進化機制而發(fā)展起來的一種新算法，遺傳算法(Genetic Algorithm，GA)是模仿自然界生物進化思想而得出的一種自適應(yīng)啟發(fā)式全局概率搜索方法。它起源于60年代對自然和人工自適應(yīng)系統(tǒng)的研究，該算法最初是由密歇根大學(xué)的Joho Holland教授提出的。1989年Goldberg教授進行歸納總結(jié)，形成了遺傳算法的基本框架，并用于結(jié)構(gòu)優(yōu)化設(shè)計中。
遺傳算法的實施過程是首先隨機生成一組模型，模型的每個參數(shù)表示為二進制數(shù)碼(一個模型對應(yīng)于反問題的一個可能解，模型的每個參數(shù)與反問題待求變量的分量相對應(yīng))，全部參數(shù)用許多串聯(lián)在一起的二進制代碼組成的字符表示。然后對種群內(nèi)各模型根據(jù)具體問題所給的目標(biāo)函數(shù)所對應(yīng)的適應(yīng)度函數(shù)決定其生存概率，來進行優(yōu)勝劣汰，再把剩下的較優(yōu)個體進行交叉和變異，最終完成一次對種群的繁殖。反復(fù)循環(huán)，來模擬生物進化的規(guī)律優(yōu)選模型。
1、染色體編碼方法由于遺傳算法不能直接處理解空間的解數(shù)據(jù)，必須通過編碼將它們表示成遺傳空間的基因型串結(jié)構(gòu)數(shù)據(jù)?；具z傳算法使用固定長度的二進制符號串來表示群體中的個體，其等位基因是由二值符號集{0，1}所組成的。初始群體中各個個體的基因值可用均勻分布的隨機數(shù)來生成。如X＝10011100100就可以表示一個個體，該個體的染色體長度是n＝11。
2、初始群體的生成由于遺傳算法群體型操作的需要，必須為遺傳算法準(zhǔn)備一個由若干初始解組成的初始群體。需要說明的是，初始群體的每個個體都是通過隨機方法產(chǎn)生的。
3、個體適應(yīng)度函數(shù)值評價遺傳算法在搜索進化過程中一般不需要其它外部信息，僅用評估函數(shù)值來評估個體或解的優(yōu)劣，并作為以后遺傳操作的依據(jù)。評估函數(shù)值又稱作適應(yīng)度(Fitness)。首先要把基因型個體譯碼成表現(xiàn)型個體，即搜索空間中的解。
在遺傳算法中，以個體適應(yīng)度大小來確定該個體被遺傳到下一代群體中的概率。個體的適應(yīng)度越大，該個體被遺傳到下一代的概率也越大；反之，個體的適應(yīng)度越小，該個體被遺傳到下一代的概率也越小?；具z傳算法使用比例選擇算子來確定群體中各個個體遺傳到下一代群體中的數(shù)量。為正確計算不同情況下各個個體的遺傳概率，要求所有個體的適應(yīng)度必須為正數(shù)或零，不能是負數(shù)。
對于求目標(biāo)函數(shù)最小值的優(yōu)化問題理論上只需簡單的對其增加一個負號就可以將其轉(zhuǎn)化為求目標(biāo)函數(shù)最大值的優(yōu)化問題，即min f(X)＝max(-f(X))當(dāng)優(yōu)化目標(biāo)是求函數(shù)最大值，并且目標(biāo)函數(shù)總?cè)≌禃r，可以直接設(shè)定個體的適應(yīng)度F(X)等于相應(yīng)的目標(biāo)函數(shù)值f(X)，即F(X)＝f(X)但實際優(yōu)化問題中的目標(biāo)函數(shù)值有正也有負，優(yōu)化目標(biāo)有求函數(shù)最大值，也有求函數(shù)最小值，顯然上面兩式保證不了所有情況下個體的適應(yīng)度都是非負數(shù)這個要求。所以必須尋求一種通用且有效的由目標(biāo)函數(shù)值到個體適應(yīng)度之間的轉(zhuǎn)換關(guān)系。
為滿足適應(yīng)度取非負數(shù)的要求，基本遺傳算法一般將目標(biāo)函數(shù)值f(X)變換為個體的適應(yīng)度F(X)。
4、選擇(Selection)選擇或復(fù)制算子是根據(jù)當(dāng)代個體的適應(yīng)度函數(shù)值來進行個體選擇的運算過程。其作用是從當(dāng)前代群體中選擇出一些比較優(yōu)良的個體，并將其復(fù)制到下一代群體中。具有較大適應(yīng)度函數(shù)值的個體對下一代個體的形成作出較多貢獻。這一操作借用了達爾文適者生存的進化原則，即個體適應(yīng)度函數(shù)值越高，其被選擇的機會就越多。
選擇算子有多種實現(xiàn)方法。最常用和最基本的選擇算子是比例選擇算子。實際上，它是一種有退還隨機選擇，也叫做賭盤(RouletteWheel)選擇，判斷個體優(yōu)良與否的準(zhǔn)則就是各自的適應(yīng)度值。如圖4所示為一賭盤示意圖。
比例選擇算子的具體執(zhí)行過程首先計算群體中所有個體適應(yīng)度函數(shù)值的總和∑f。
其次計算出每個個體的適應(yīng)度函數(shù)值所占的比例fi/∑f，它既為各個個體被遺傳到下一代群體中的概率。
最后再使用模擬賭盤操作(即0到1之間的隨機數(shù))來確定各個個體被選中的次數(shù)。
5、交叉算子(Crossover)在生物的自然進化過程中，兩個同源染色體通過交配而重組，形成新的染色體，從而產(chǎn)生出新的個體。交配重組是生物遺傳和進化過程中的一個重要環(huán)節(jié)。模仿這個環(huán)節(jié)，在遺傳算法中也使用交叉算子來產(chǎn)生新的個體。
所謂交叉運算，是指對兩個相互配對的染色體按照某種方式相互交換其部分基因，從而形成兩個新的個體。交叉運算是遺傳算法區(qū)別于其他進化算法的重要特征，它在遺傳算法中起著關(guān)鍵作用，是產(chǎn)生新個體的主要方法。
通過選擇得到下一代臨時群體后，再對臨時個體進行簡單的基因交配運算，形成下一代的個體。簡單的交叉(即單點交叉)是最常用和最基本的交叉操作算子。具體執(zhí)行過程如下(1)對群體中的個體進行兩兩隨機配對。若群體大小為M，則共有[M/2]對相互配對的個體組。其中[x]表示不大于x的最大的整數(shù)。
(2)對每對相互配對的個體，隨機設(shè)置交叉點。若染色體的長度為n，則共有(n-1)個可能的交叉點位置。隨機確定1和n-1之間的一個整數(shù)k，即基因交換位置。
(3)對每一對相互配對的個體，依設(shè)定的交叉概率Pc在其交叉點處相互交換兩個個體的部分染色體，從而形成兩個新的個體。
交叉運算如下所示，交叉后產(chǎn)生兩個新的個體。
6、變異(Mutation)變異操作是按位進行的，即把某一位的內(nèi)容進行變異。基本位變異是最簡單和最基本的變異算子。對于二進制編碼符號串所表示的個體，若某一基因座上的原有基因值為0，則變異操作將該基因值變?yōu)?；反之，若原有基因值為1，則變異操作將其變?yōu)?。變異操作也是隨機進行的。其具體執(zhí)行過程如下(1)對個體的每一個基因座，依變異概率Pm指定其為變異點。
(2)對每一個指定的變異點，對其基因值做取反運算或用其他等位基因來代替，從而產(chǎn)生出一個新的個體。
基本位變異運算如下所示。
上述的遺傳算法操作過程構(gòu)成了標(biāo)準(zhǔn)的遺傳算法，有時也叫簡單遺傳算法，簡稱SGA(Simple GA)。SGA的特點是(1)采用賭輪選擇方法；(2)隨機配對；(3)采用一點交叉并生成兩個子個體；(4)群體內(nèi)允許有相同的個體存在。
標(biāo)準(zhǔn)的遺傳算法在任意初始化，任意交叉算子以及任意適應(yīng)度函數(shù)下，都不能收斂至全局最優(yōu)解。而通過改進遺傳算法，即在選擇作用前(或后)保留當(dāng)前最優(yōu)解，則能保證收斂到全局最優(yōu)解。本文采用的是改進的遺傳算法。
步驟7微調(diào)裝置全自動微調(diào)步驟1、當(dāng)zi減少Δi時，zi＝zi-Δi
zj=zj+ΔizjΣk=1k≠inzk]]>2、當(dāng)zi增加Δi時，zi＝zi+Δizj=zj-ΔizjΣk=1k≠inzk]]>從而可以得到改變以后的混和料的分級篩孔的通過率Pj＝zimij這樣可以實現(xiàn)動態(tài)調(diào)整。
以上技術(shù)都是通過可視化編程語言(Borland c++builder 6.0)實現(xiàn)而形成了混凝土級配智能分析系統(tǒng)軟件。
實施例5一種調(diào)整混凝土級配智能化的方法，步驟11 填寫輸入卡片1、類型AC-25I；2、集料類別名稱及價格； 表5.1 輸入卡片及數(shù)據(jù) 3、填寫篩孔權(quán)值表5.2 輸入卡片及數(shù)據(jù)4、填寫篩分情況 表5.3 輸入卡片及數(shù)據(jù)2 填寫運行方式1、普通優(yōu)化，得到表5.4出具的礦料篩分及礦料級配表的結(jié)果。
表5.4 出具的礦料篩分及礦料級配表
權(quán)利要求
1.一種混凝土級配智能系統(tǒng)，其特征在于由輸入數(shù)據(jù)裝置、優(yōu)化模型計算裝置、遺傳算法優(yōu)化裝置、判斷裝置、微調(diào)裝置和報告裝置組成，輸入數(shù)據(jù)裝置接受輸入的數(shù)據(jù)；連接優(yōu)化模型計算裝置；優(yōu)化模型計算裝置存儲有優(yōu)化模型，連接遺傳算法優(yōu)化裝置；遺傳算法優(yōu)化裝置利用高非線性優(yōu)化求解法遺傳算法進行優(yōu)化求解，連接判斷裝置；判斷裝置將遺傳算法優(yōu)化裝置優(yōu)化求解的結(jié)果進行判斷，輸出滿意或不滿意的提示；滿意的數(shù)據(jù)連接傳送給報告裝置顯示或打出級配報告；不滿意的數(shù)據(jù)連接傳送給微調(diào)裝置，調(diào)整微調(diào)裝置的微調(diào)按鈕，得到滿意的數(shù)據(jù)連接傳送給報告裝置顯示或打出級配報告。
2.據(jù)權(quán)利要求1所述的一種混凝土級配智能系統(tǒng)，其特征在于優(yōu)化模型計算裝置為普通級配優(yōu)化模型裝置或加權(quán)級配優(yōu)化模型裝置或優(yōu)化模型為既考慮權(quán)值又考慮造價級配優(yōu)化模型裝置或造價級配優(yōu)化模型裝置。
3.根據(jù)權(quán)利要求1或2所述的一種混凝土級配智能系統(tǒng)，其特征在于微調(diào)模型裝置通過改變礦料組分，可改變混和料的分級篩孔的通過率，從而實現(xiàn)動態(tài)調(diào)整。
4.一種調(diào)整混凝土級配智能化的方法，其特征在于運用級配指數(shù)的概念和運用遺傳算法優(yōu)化計算混合料配合比設(shè)計中各種材料的性能最佳百分比用量，得到最佳級配曲線；考慮調(diào)整價格因素得到滿足規(guī)范規(guī)定的成本最低的級配曲線；考慮調(diào)整不同篩孔權(quán)值得到理想的級配曲線；考慮調(diào)整篩孔權(quán)值和價格因素得到性價比最優(yōu)的級配曲線；有手動進行全動態(tài)微調(diào)的步驟。
5.據(jù)權(quán)利要求4所述的一種調(diào)整混凝土級配智能化的方法，其特征在于步驟如下步驟1輸入數(shù)據(jù)填寫數(shù)據(jù)卡片的內(nèi)容選擇所需級配類型；填寫原始材料的篩分情況；填寫原材料單價；填寫篩孔權(quán)值；步驟2選擇優(yōu)化模型，普通級配優(yōu)化模型或加權(quán)級配優(yōu)化模型或既考慮權(quán)值又考慮造價級配優(yōu)化模型或造價級配優(yōu)化模型；步驟3運用高度非線性求解法遺傳算法進行優(yōu)化求解；步驟4判斷是否為最優(yōu)結(jié)果；步驟5不滿意則進行微調(diào)步驟，直到滿意的結(jié)果為止；步驟6步驟4有最優(yōu)結(jié)果或步驟5有最優(yōu)結(jié)果輸出混凝土級配報告。
6.根據(jù)權(quán)利要求4或5所述的一種調(diào)整混凝土級配智能化的方法，其特征在于普通級配優(yōu)化模型為 其中zi--第i種礦料的組分(％)；mij--第i種礦料在第j個篩孔的通過率(％)；pj--要求級配范圍在第j個篩孔通過率的中值(％)；zil--第i種礦料的組分上限(％)；ziu--第i種礦料的組分下限(％)；J--級配指數(shù)；
7.據(jù)權(quán)利要求4或5所述的一種調(diào)整混凝土級配智能化的方法，其特征在于加權(quán)級配優(yōu)化模型 其中第j個篩孔權(quán)值。
8.據(jù)權(quán)利要求4或5所述的一種調(diào)整混凝土級配智能化的方法，其特征在于造價級配優(yōu)化模型 其中Cost--總造價；ci--第i種礦料的單價；pju--第j個篩孔要求級配范圍通過率的上限(％)；pjl--第j個篩孔要求級配范圍通過率的下限(％)。
9.據(jù)權(quán)利要求4或5所述的一種調(diào)整混凝土級配智能化的方法，其特征在于既考慮權(quán)值又考慮造價級配優(yōu)化模型
10.據(jù)權(quán)利要求4或5所述的一種調(diào)整混凝土級配智能化的方法，其特征在于運用高度非線性求解法改進型遺傳算法，即在選擇作用前或后保留當(dāng)前最優(yōu)解，則能保證收斂到全局最優(yōu)解。
11.據(jù)權(quán)利要求4或5所述的一種調(diào)整混凝土級配智能化的方法，其特征在于微調(diào)模型裝置改變混和料的分級篩孔的通過率實現(xiàn)動態(tài)調(diào)整，模型為當(dāng)zi減少Δi時，zi＝zi-Δizj=zj+ΔizjΣk≠ik=1nzk]]>當(dāng)zi增加Δi時，zi＝zi+Δizj=zj-ΔizjΣk≠ik=1nzk]]>從而可以得到改變以后的混和料的分級篩孔的通過率Pj＝zimij這樣實現(xiàn)動態(tài)調(diào)整。
全文摘要
本發(fā)明涉及一種調(diào)整混凝土級配智能化的方法及混凝土級配智能系統(tǒng)。一種混凝土級配智能系統(tǒng)由輸入數(shù)據(jù)裝置、優(yōu)化模型計算裝置、遺傳算法優(yōu)化裝置、判斷裝置、微調(diào)裝置和報告裝置組成，運用級配指數(shù)的概念和運用遺傳算法優(yōu)化計算混合料配合比設(shè)計中各種材料的性能最佳百分比用量，得到最佳級配曲線；調(diào)整價格因素得到滿足規(guī)范規(guī)定的成本最低的級配曲線；調(diào)整不同篩孔權(quán)值得到理想的級配曲線；調(diào)整篩孔權(quán)值和價格因素得到性價比最優(yōu)的級配曲線；有手動進行全動態(tài)微調(diào)的步驟。本發(fā)明有益效果界面友好，操作方便，精度較高。它不僅給混凝土級配設(shè)計人員帶來極大的方便，而且大大提高了級配設(shè)計的工作效率和工作質(zhì)量。
文檔編號B28C7/04GK1616202SQ20041000956
公開日2005年5月18日 申請日期2004年9月15日 優(yōu)先權(quán)日2004年9月15日
發(fā)明者常崇義, 王欣, 呂俊文 申請人:常崇義