煅烧器的温度控制系统及其温度控制方法技术方案

本发明专利技术涉及煅烧器温度的智能控制的领域，其具体地公开了一种煅烧器的温度控制系统及其温度控制方法，其通过具有时间注意力机制的卷积神经网络模型来对煅烧的过程中的多个预定时间点的气态产物的气相色谱图和固态产物的X射线荧光光谱图以及所述多个预定时间点的温度值进行时间维度上的动态隐含关联特征提取，进一步基于参考特征图的注意力机制来进行时间维度上的特征密集簇的修正，并基于特征图的特征相异性和特征密集对象实例之间的相似度来确定特征密集簇的自适应依赖，从而提升融合后的分类特征图对于分类目标函数的参数自适应性。这样，就能够对煅烧温度进行实时动态地控制，进而可以提高尾渣处理的效率以及优化尾渣处理的效果。尾渣处理的效果。尾渣处理的效果。

Temperature control system of calciner and its temperature control method

【技术实现步骤摘要】
煅烧器的温度控制系统及其温度控制方法


[0001]本专利技术涉及煅烧器温度的智能控制的领域，且更为具体地，涉及一种煅烧器的温度控制系统及其温度控制方法。

技术介绍

[0002]黄金在矿石中的含量极低，为了提取黄金，需要将矿石破碎和磨细并采用选矿方法预先富集或从矿石中使金分离出来。氰化法是处理金矿最主要的方法，但是黄金矿山在开采过程中由于使用氰化提金工艺，会产生大量的含氰尾矿。氰化物有剧毒，浸出后的尾渣污染环境且较难处理。此外，氰化尾渣中往往含有大量有价金属未得到有效利用，造成了资源严重浪费，因此需要对氰化尾渣进行处理。
[0003]在公开号为CN110029218B，名称为黄金矿山含氰尾矿渣综合利用方法的中国专利技术专利方案中，公开了如下步骤：(1)将5质量份的待处理的黄金矿山含氰尾矿渣与3～7.5质量份的碳酸钠置于耐高温容器中，混合均匀后进入步骤(2)；(2)将步骤(1)中的耐高温容器在空气气氛下，在700
°
C～1100
°
C煅烧1～3小时后，随炉冷却后得到固体产物和气态产物，并收集煅烧过程中产生的气态产物，其中：气态产物包括由含氰化合物氧化分解得到的氮气和二氧化碳、由硫化亚铁氧化分解得到的二氧化硫。
[0004](3)将步骤(2)得到的固体产物放入过量的水中，静置30～120分钟后，过滤得到滤液和滤渣，所述滤液为硅酸钠水溶液。
[0005](4)提取出步骤(3)得到的滤渣中富集的金和银后得到富铁尾矿。
[0006]在尾渣处理方案中，其关键的一步就是将氰化尾渣通过煅烧器进行煅烧以分解含氰尾矿，生成固态产物和气态产物。但是目前在煅烧的过程中，煅烧器的温度控制只能是一个大概的范围，其并不能够根据实际的处理过程进行相适应的变化，这样就会使得煅烧后的尾渣处理的不够彻底，又或者对于含氰尾矿中的有价金属的利用率较低。
[0007]相应地，在上述氰化尾渣的处理方案中，最关键的是步骤(2)中煅烧温度的控制，其会影响到尾渣处理效率和尾渣处理效果，这里，尾渣处理效果指的在步骤(4)中尾渣中富集的金和银的量。应可以理解，在本专利技术的技术方案中，煅烧温度应基于固态产物和气态产物的实时变化来自适应地调整。
[0008]因此，期待一种煅烧器的温度控制系统，以在煅烧过程中实时动态的调整煅烧器的温度来提高尾渣的处理效率和处理效果。
[0009]近年来，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。
[0010]深度学习以及神经网络的发展，为煅烧温度的实时动态控制提供了新的解决思路和方案。

技术实现思路

[0011]为了解决上述技术问题，提出了本专利技术。本专利技术的实施例提供了一种煅烧器的温度控制系统及其温度控制方法，其通过具有时间注意力机制的卷积神经网络模型来对煅烧的过程中的多个预定时间点的气态产物的气相色谱图和固态产物的X射线荧光光谱图以及所述多个预定时间点的温度值进行时间维度上的动态隐含关联特征提取，进一步基于参考特征图的注意力机制来进行时间维度上的特征密集簇的修正，并基于特征图的特征相异性和特征密集对象实例之间的相似度来确定特征密集簇的自适应依赖，从而提升融合后的分类特征图对于分类目标函数的参数自适应性。这样，就能够对煅烧温度进行实时动态地控制，进而可以提高尾渣处理的效率以及优化尾渣处理的效果。
[0012]根据本专利技术的一个方面，提供了一种煅烧器的温度控制系统，其包括：数据采集模块，用于通过气相色谱仪和X射线荧光分析仪获取黄金矿山含氰尾矿渣和碳酸钠的混合物在煅烧器中被煅烧的过程中的多个预定时间点的气态产物的气相色谱图和固态产物的X射线荧光光谱图，且通过温度传感器获取所述多个预定时间点的温度值；第一编码模块，用于将所述多个预定时间点的气相色谱图和所述多个预定时间点的温度值通过使用时间注意力机制的第一神经网络模型以得到第一跟踪特征图；第二编码模块，用于将所述多个预定时间点的X射线荧光光谱图和所述多个预定时间点的温度值通过使用时间注意力机制的第二神经网络模型以得到第二跟踪特征图；参考特征图生成模块，用于将所述多个预定时间点的气相色谱图和所述多个预定时间点的X射线荧光光谱图分别通过第一卷积神经网络和第二卷积神经网络以得到第一参考特征图和第二参考特征图；第一时间聚类修正系数模块，用于计算所述第一跟踪特征图相对于所述第一参考特征图的修正系数以得到第一加权向量，其中，所述第一跟踪特征图相对于所述第一参考特征图的修正系数基于所述第一跟踪特征图中各个特征张量通过分类器得到的概率值、所述第一跟踪特征图中各个特征张量与所述第一参考特征图中各个特征张量之间的按位置乘积，以及，所述第一跟踪特征图中各个特征张量与所述第一参考特征图中各个特征张量之间的距离来生成；第二时间聚类修正系数模块，用于计算所述第二跟踪特征图相对于所述第二参考特征图的修正系数以得到第二加权向量，其中，所述第二跟踪特征图相对于所述第二参考特征图的修正系数基于所述第二跟踪特征图中各个特征张量通过分类器得到的概率值、所述第二跟踪特征图中各个特征张量与所述第二参考特征图中各个特征张量之间的按位置乘积，以及，所述第二跟踪特征图中各个特征张量与所述第二参考特征图中各个特征张量之间的距离来生成；特征调整模块，用于以所述第一加权向量和所述第二加权向量分别对所述第一跟踪特征图和所述第二跟踪特征图进行加权以得到第一加权后跟踪特征图和第二加权后跟踪特征图；特征融合模块，用于融合所述第一加权后跟踪特征图和所述第二加权后跟踪特征图以得到分类特征图；以及控制结果生成模块，用于将所述分类特征图通过所述分类器以得到分类结果，所
述分类结果用于表示当前时间点的温度值应增大或应减小。
[0013]根据本专利技术的另一方面，一种煅烧器的温度控制系统的温度控制方法，其包括：通过气相色谱仪和X射线荧光分析仪获取黄金矿山含氰尾矿渣和碳酸钠的混合物在煅烧器中被煅烧的过程中的多个预定时间点的气态产物的气相色谱图和固态产物的X射线荧光光谱图，且通过温度传感器获取所述多个预定时间点的温度值；将所述多个预定时间点的气相色谱图和所述多个预定时间点的温度值通过使用时间注意力机制的第一神经网络模型以得到第一跟踪特征图；将所述多个预定时间点的X射线荧光光谱图和所述多个预定时间点的温度值通过使用时间注意力机制的第二神经网络模型以得到第二跟踪特征图；将所述多个预定时间点的气相色谱图和所述多个预定时间点的X射线荧光光谱图分别通过第一卷积神经网络和第二卷积神经网络以得到第一参考特征图和第二参考特征图；计算所述第一跟踪特征图相对于所述第一参考特征图的修正系数以得到第一加权向量，其中，所述第一跟踪特征图相对于所述第一参考特征图的修正系数基于所述第一跟踪特征图中各个特征张量通过分类器得到的概率值、所述第一跟踪特征图中各个特征张量与所述第一参考特征图中各个特征张量之间的按位置乘积，以及，所述第一跟踪特征图中各个特征张量与所述第一参考特征图中各个特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种煅烧器的温度控制系统，其特征在于，包括：数据采集模块，用于通过气相色谱仪和X射线荧光分析仪获取黄金矿山含氰尾矿渣和碳酸钠的混合物在煅烧器中被煅烧的过程中的多个预定时间点的气态产物的气相色谱图和固态产物的X射线荧光光谱图，且通过温度传感器获取所述多个预定时间点的温度值；第一编码模块，用于将所述多个预定时间点的气相色谱图和所述多个预定时间点的温度值通过使用时间注意力机制的第一神经网络模型以得到第一跟踪特征图；第二编码模块，用于将所述多个预定时间点的X射线荧光光谱图和所述多个预定时间点的温度值通过使用时间注意力机制的第二神经网络模型以得到第二跟踪特征图；参考特征图生成模块，用于将所述多个预定时间点的气相色谱图和所述多个预定时间点的X射线荧光光谱图分别通过第一卷积神经网络和第二卷积神经网络以得到第一参考特征图和第二参考特征图；第一时间聚类修正系数模块，用于计算所述第一跟踪特征图相对于所述第一参考特征图的修正系数以得到第一加权向量，其中，所述第一跟踪特征图相对于所述第一参考特征图的修正系数基于所述第一跟踪特征图中各个特征张量通过分类器得到的概率值、所述第一跟踪特征图中各个特征张量与所述第一参考特征图中各个特征张量之间的按位置乘积，以及，所述第一跟踪特征图中各个特征张量与所述第一参考特征图中各个特征张量之间的距离来生成；第二时间聚类修正系数模块，用于计算所述第二跟踪特征图相对于所述第二参考特征图的修正系数以得到第二加权向量，其中，所述第二跟踪特征图相对于所述第二参考特征图的修正系数基于所述第二跟踪特征图中各个特征张量通过分类器得到的概率值、所述第二跟踪特征图中各个特征张量与所述第二参考特征图中各个特征张量之间的按位置乘积，以及，所述第二跟踪特征图中各个特征张量与所述第二参考特征图中各个特征张量之间的距离来生成；特征调整模块，用于以所述第一加权向量和所述第二加权向量分别对所述第一跟踪特征图和所述第二跟踪特征图进行加权以得到第一加权后跟踪特征图和第二加权后跟踪特征图；特征融合模块，用于融合所述第一加权后跟踪特征图和所述第二加权后跟踪特征图以得到分类特征图；以及控制结果生成模块，用于将所述分类特征图通过所述分类器以得到分类结果，所述分类结果用于表示当前时间点的温度值应增大或应减小。2.根据权利要求1所述的煅烧器的温度控制系统，其特征在于，所述第一编码模块，包括：第一卷积编码单元，用于将所述多个预定时间点的气相色谱图中各个气相色谱图分别通过第一卷积神经网络以得到多个气相色谱特征图；第一时序编码单元，用于将所述多个预定时间点的温度值分别通过包含一维卷积层和全连接层的时序编码器以得到时序加权特征向量；时间注意力单元，用于以所述时序加权特征向量中各个位置的特征值作为权重分别对所述多个气相色谱特征图中各个气相色谱特征图进行加权以得到所述第一跟踪特征图。3.根据权利要求2所述的煅烧器的温度控制系统，其特征在于，所述第一时序编码单
元，包括：输入向量构造子单元，用于将所述多个预定时间点的温度值按照时间维度排列输入向量；全连接编码子单元，用于使用所述时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：Y=WX+B，其中X是所述输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；一维卷积编码子单元，用于使用所述时序编码器的一维卷积层对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征以得到时序特征向量，其中，所述时序特征向量的长度与所述多个预定时间点的时间点的数量相等；概率转化单元，用于将所述时序特征向量通过Sigmoid激活函数以将所述时序特征向量中各个位置的特征值转化到概率空间内以得到所述时序加权特征向量。4.根据权利要求3所述的煅烧器的温度控制系统，其特征在于，所述时间注意力单元，包括：加权子单元，用于以所述时序加权特征向量中各个位置的特征值对所述多个气相色谱特征图中同一预定时间点的气相色谱特征图进行加权以得到所述多个加权后色相色谱特征图；以及排列子单元，用于将所述多个加权后色相色谱特征图按时间维度进行排列以得到所述第一跟踪特征图。5.根据权利要求4所述的煅烧器的温度控制系统，其特征在于，所述参考特征图生成模块，包括：第一特征提取单元，用于所述第一卷积神经网络的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第一卷积神经网络的最后一层的输出为所述第一参考特征图，所述第一卷积神经网络的第一层的输入为所述多个预定时间点的气相色谱图；第二特征提取单元，用于所述第二卷积神经网络的各层在层的正向传递中分别进行：对输入数据进行卷积处理以得到卷积...

【专利技术属性】
技术研发人员：秦春彬，刘丹丹，张涛，刘永胜，孔令强，张源源，焦磊，刘俊伟，
申请(专利权)人：山东国大黄金股份有限公司，
类型：发明
国别省市：