一种结合图神经网络与离散单元法的颗粒物料料斗反向优化方法

本发明公开了一种结合图神经网络与离散单元法的颗粒物料料斗反向优化方法，通过离散单元法模拟生成数据集，训练图神经网络模型，并采用含数据损失与半物理损失的多分量损失函数优化模型；料斗形状通过二次贝塞尔曲线参数化，并以颗粒平均速度为卸料速率优化目标，使用Adam优化器更新参数；引入颗粒密度控制混合程度，通过设定分离距离与混合系数实现逆设计。本发明显著提升了卸料效率与颗粒混合均匀性，增强了模型的适应性和计算效率，提供了一种精确高效的颗粒物料处理解决方案，具有广泛的工业应用前景。