超声波诱导六氟磷酸盐结晶的控制系统及其方法技术方案

公开了一种超声波诱导六氟磷酸盐结晶的控制系统及其方法。其先将超声波信号傅里叶变换后得到的多个频域统计特征值和超声波信号的波形图通过CLIP模型以得到超声波工作特征矩阵，接着，从预定时间段的六氟磷酸盐溶液的结晶监控视频提取多个结晶监控关键帧并通过卷积神经网络模型以得到多个结晶监控特征矩阵，然后，将多个结晶监控特征矩阵展开后输入上下文编码器以得到结晶时序关联特征向量，接着，计算结晶时序关联特征向量相对于超声波工作特征矩阵的转移向量作为分类特征向量，最后，对分类特征向量进行特征分布校正后通过分类器以得到用于表示当前时间点的超声功率值应增大或应减小的分类结果。这样，可以提升六氟磷酸盐的结晶速率。氟磷酸盐的结晶速率。氟磷酸盐的结晶速率。

【技术实现步骤摘要】
超声波诱导六氟磷酸盐结晶的控制系统及其方法


[0001]本申请涉及智能控制领域，且更为具体地，涉及一种超声波诱导六氟磷酸盐结晶的控制系统及其方法。

技术介绍

[0002]六氟磷酸盐主要用于金属去污剂、化学上光剂、催化剂等，也用于金属表面防腐。六氟磷酸盐通常以水溶液的形式存在，若想得到六氟磷酸盐晶体，需要对于六氟磷酸盐水溶液进行诱导结晶。传统的诱导结晶方式通过对饱和六氟磷酸盐水溶液进行降温重结晶来实现，此方案不仅会生成副产物，结晶物中会存在有其他成分的杂质，难以得到纯度较高的六氟磷酸盐，而且在重结晶的过程中难以对于温度进行精准控制，造成六氟磷酸盐的产率较低。
[0003]超声结晶是利用超声波的能量控制结晶过程。利用超声波可以对成核和生长过程进行控制，从而使结晶过程更加优化。因此，现有的制备方案中利用超声结晶来代替传统降温结晶，以通过控制超声波有效地控制溶液的过饱和度，并改变溶液中晶体的生长速率，从而诱导六氟磷酸盐结晶。
[0004]在实际制备过程中发现，超声处理可以明显缩短饱和六氟磷酸盐水溶液开始结晶时间，且细化饱和六氟磷酸盐水溶液的结晶体晶粒。在难于成核的低过饱和度的六氟磷酸盐水溶液环境中，利用超声波可有效地促进六氟磷酸盐结晶成核。但是，随着超声波功率提高, 超声处理时间的延长, 饱和六氟磷酸盐水溶液冷却速度减慢, 溶液温度降低速率减缓，导致六氟磷酸盐的结晶速率降低。
[0005]因此，期望一种优化的超声波诱导六氟磷酸盐结晶的控制方案。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种超声波诱导六氟磷酸盐结晶的控制系统及其方法。其先将超声波信号傅里叶变换后得到的多个频域统计特征值和超声波信号的波形图通过CLIP模型以得到超声波工作特征矩阵，接着，从预定时间段的六氟磷酸盐溶液的结晶监控视频提取多个结晶监控关键帧并通过卷积神经网络模型以得到多个结晶监控特征矩阵，然后，将所述多个结晶监控特征矩阵展开后输入上下文编码器以得到结晶时序关联特征向量，接着，计算所述结晶时序关联特征向量相对于所述超声波工作特征矩阵的转移向量作为分类特征向量，最后，对所述分类特征向量进行特征分布校正后通过分类器以得到用于表示当前时间点的超声功率值应增大或应减小的分类结果。这样，可以提升六氟磷酸盐的结晶速率。
[0007]根据本申请的一个方面，提供了一种超声波诱导六氟磷酸盐结晶的控制方法，其包括：获取预定时间段的由超声波装置产生的超声波信号以及所述预定时间段的六氟磷酸盐溶液的结晶监控视频；对所述超声波信号进行傅里叶变换以得到多个频域统计特征值；将所述多个频域统计特征值和所述超声波信号的波形图通过CLIP模型以得到超声波工作
特征矩阵；从所述预定时间段的六氟磷酸盐溶液的结晶监控视频提取多个结晶监控关键帧；将所述多个结晶监控关键帧通过使用空间注意力机制的卷积神经网络模型以得到多个结晶监控特征矩阵；将所述多个结晶监控特征矩阵展开为多个结晶监控展开特征向量后输入基于转换器的上下文编码器以得到结晶时序关联特征向量；计算所述结晶时序关联特征向量相对于所述超声波工作特征矩阵的转移向量作为分类特征向量；基于所述分类特征向量和所述结晶时序关联特征向量之间的特征响应模式关联，对所述分类特征向量进行特征分布校正以得到优化后分类特征向量；以及将所述优化后分类特征向量通过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超声功率值应增大或应减小。
[0008]在上述的超声波诱导六氟磷酸盐结晶的控制方法中，将所述多个频域统计特征值和所述超声波信号的波形图通过CLIP模型以得到超声波工作特征矩阵，包括：将所述多个频域统计特征值输入CLIP模型的时序编码器以得到频域时序特征向量；将所述超声波信号的波形图通过所述CLIP模型的波形图像编码器以得到超声波波形特征向量；以及使用所述CLIP模型的联合编码器来融合所述频域时序特征向量和所述超声波波形特征向量以得到超声波工作特征矩阵。
[0009]在上述的超声波诱导六氟磷酸盐结晶的控制方法中，将所述多个频域统计特征值输入CLIP模型的时序编码器以得到频域时序特征向量，包括：将所述多个频域统计特征值按照时间维度分别排列为频域统计输入向量；使用所述时序编码器的全连接层以如下公式分别对所述频域统计输入向量进行全连接编码以分别提取出所述频域统计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：，其中是所述频域统计输入向量，是频域统计输出向量，是权重矩阵，是偏置向量，表示矩阵乘；以及使用所述时序编码器的一维卷积层以如下公式分别对所述频域统计输入向量进行一维卷积编码以分别提取出所述频域统计输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：其中，为卷积核在方向上的宽度、为卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为卷积核的尺寸，表示所述频域统计输入向量。
[0010]在上述的超声波诱导六氟磷酸盐结晶的控制方法中，将所述超声波信号的波形图通过所述CLIP模型的波形图像编码器以得到超声波波形特征向量，包括：所述CLIP模型的波形图像编码器使用卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对输入数据进行卷积处理以得到第一卷积特征图；对所述第一卷积特征图进行基于局部特征矩阵的均值池化以得到第一池化特征图；以及对所述第一池化特征图进行非线性激活以得到第一激活特征图；其中，所述卷积神经网络模型的最后一层的输出为所述超声波波形特征向量，所述卷积神经网络模型的第一层的输入为所述超声波信号的波形图。
[0011]在上述的超声波诱导六氟磷酸盐结晶的控制方法中，将所述多个结晶监控关键帧通过使用空间注意力机制的卷积神经网络模型以得到多个结晶监控特征矩阵，包括：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成第二卷积特征图；对所述第二卷积特征图进行池化处理以生成第二池化特征图；对所述第二池化特征图进行非线性激活以生成第二激活特征
图；计算所述第二激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力机制的卷积神经网络模型的最后一层输出的所述特征矩阵为所述多个结晶监控特征矩阵。
[0012]在上述的超声波诱导六氟磷酸盐结晶的控制方法中，将所述多个结晶监控特征矩阵展开为多个结晶监控展开特征向量后输入基于转换器的上下文编码器以得到结晶时序关联特征向量，包括：使用所述基于转换器的上下文编码器对由所述多个结晶监控展开特征向量进行基于全局的上下文语义编码以得到多个结晶语义特征向量；以及将所述多个结晶语义特征向量进行级联以得到所述结晶时序关联特征向量。
[0013]在上述的超声波诱导六氟磷酸盐结晶的控制方法中，使用所述基于转换器的上下文编码器对由所述多个结晶监控展开特征向量进行基于全局的上下文语义编码本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种超声波诱导六氟磷酸盐结晶的控制方法，其特征在于，包括：获取预定时间段的由超声波装置产生的超声波信号以及所述预定时间段的六氟磷酸盐溶液的结晶监控视频；对所述超声波信号进行傅里叶变换以得到多个频域统计特征值；将所述多个频域统计特征值和所述超声波信号的波形图通过CLIP模型以得到超声波工作特征矩阵；从所述预定时间段的六氟磷酸盐溶液的结晶监控视频提取多个结晶监控关键帧；将所述多个结晶监控关键帧通过使用空间注意力机制的卷积神经网络模型以得到多个结晶监控特征矩阵；将所述多个结晶监控特征矩阵展开为多个结晶监控展开特征向量后输入基于转换器的上下文编码器以得到结晶时序关联特征向量；计算所述结晶时序关联特征向量相对于所述超声波工作特征矩阵的转移向量作为分类特征向量；基于所述分类特征向量和所述结晶时序关联特征向量之间的特征响应模式关联，对所述分类特征向量进行特征分布校正以得到优化后分类特征向量；以及将所述优化后分类特征向量通过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超声功率值应增大或应减小。2.根据权利要求1所述的超声波诱导六氟磷酸盐结晶的控制方法，其特征在于，将所述多个频域统计特征值和所述超声波信号的波形图通过CLIP模型以得到超声波工作特征矩阵，包括：将所述多个频域统计特征值输入CLIP模型的时序编码器以得到频域时序特征向量；将所述超声波信号的波形图通过所述CLIP模型的波形图像编码器以得到超声波波形特征向量；以及使用所述CLIP模型的联合编码器来融合所述频域时序特征向量和所述超声波波形特征向量以得到超声波工作特征矩阵。3.根据权利要求2所述的超声波诱导六氟磷酸盐结晶的控制方法，其特征在于，将所述多个频域统计特征值输入CLIP模型的时序编码器以得到频域时序特征向量，包括：将所述多个频域统计特征值按照时间维度分别排列为频域统计输入向量；使用所述时序编码器的全连接层以如下公式分别对所述频域统计输入向量进行全连接编码以分别提取出所述频域统计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： ，其中是所述频域统计输入向量，是频域统计输出向量，是权重矩阵，是偏置向量，表示矩阵乘；以及使用所述时序编码器的一维卷积层以如下公式分别对所述频域统计输入向量进行一维卷积编码以分别提取出所述频域统计输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为： ，其中，为卷积核在方向上的宽度、为卷积核参数向量、为与卷积核函数运算的局部向量矩阵，为卷积核的尺寸，表示所述频域统计输入向量。4.根据权利要求3所述的超声波诱导六氟磷酸盐结晶的控制方法，其特征在于，将所述超声波信号的波形图通过所述CLIP模型的波形图像编码器以得到超声波波形特征向量，包括：所述CLIP模型的波形图像编码器使用卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对输入数据进行卷积处理以得到第一卷积特征图；对所述第一卷积特征图进行基于局部特征矩阵的均值池化以得到第一池化特征图；以及对所述第一池化特征图进行非线性激活以得到第一激活特征图；其中，所述卷积神经网络模型的最后一层的输出
为所述超声波波形特征向量，所述卷积神经网络模型的第一层的输入为所述超声波信号的波形图。5.根据权利要求4所述的超声波诱导六氟磷酸盐结晶的控制方法，其特征在于，将所述多个结晶监控关键帧通过使用空间注意力机制的卷积神经网络模型以得到多个结晶监控特征矩阵，包括：所述使用空间注意力机制的卷积神经网络模型的各层在层的正向传递过程中对输入数据分别进行：对输入数据进行卷积处理以生成第二卷积特征图；对所述第二卷积特征图进行池化处理以生成第二池化特征图；对所述第二池化特征图进行非线性激活以生成第二激活特征图；计算所述第二激活特征图的各个位置沿通道维度的均值以生成空间特征矩阵；计算所述空间特征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵；以及计算所述空间特征矩阵和所述空间得分矩阵的按位置点乘以获得特征矩阵；其中，所述使用空间注意力...

【专利技术属性】
技术研发人员：戴浩翔，张永炎，谢光明，
申请(专利权)人：福建省龙德新能源有限公司，
类型：发明
国别省市：