一种复合荧光颜料及其制备方法技术

本申请实施例公开了一种复合荧光颜料及其制备方法。其中，复合荧光颜料的制备方法包括如下步骤：S1:基于预定温度控制策略，对海泡石进行改性处理以得到改性后海泡石；S2：将有机荧光染料溶于水或有机溶剂中，加入所述改性后海泡石进行吸附，并经研磨和焙烧处理以得到中间产物；以及，S3:将所述中间产物分散于水溶液或有机溶液中，加入硅类化合物和催化剂进行包覆反应，待反应完全后冷却过滤、洗涤、干燥得到海泡石基复合荧光材料。通过这样的方式，可以得到制备质量较好的复合荧光颜料。以得到制备质量较好的复合荧光颜料。以得到制备质量较好的复合荧光颜料。

【技术实现步骤摘要】
一种复合荧光颜料及其制备方法


[0001]本申请涉及智能制造控制
，且更为具体地，涉及一种复合荧光颜料及其制备方法。

技术介绍

[0002]荧光颜料泛指吸收某一波长的光波后能发射出另一波长大于吸收光波长的光波的物质。当紫外光或某种光照射到荧光颜料上时，荧光颜料就会吸收与其特征频率相一致的能量，从基态跃迁到能量较高的激发态。在不稳定的激发态下的原子会在短暂的时间内转移弛豫到激发态的最低振动能级即平衡激发态上，再由该处回落到基态的较高振动能级上。在回落过程中以荧光的形式衰减能量，停止照射时荧光也随即消失。
[0003]在THF/H2O体系下，通过硅溶胶凝胶法制备稳定有机/无机复合荧光染料。但这些过程存在价格昂贵、操作复杂、能耗大、耐溶剂性差、过程不易控制、污染严重等诸多问题。
[0004]针对上述问题，中国授权专利CN105623643B揭露了一种复合荧光颜料的制备方法，其将有机荧光染料溶于水或有机溶剂中，加入改性处理过的海泡石吸附，研磨、焙烧处理后，再将所得材料分散于水溶液或有机溶剂中，加入硅类化合物和催化剂进行包覆反应，反应温度不高于100℃，反应完全后冷却过滤、洗涤、干燥得到海泡石基复合荧光颜料；其中海泡石的改性处理包括先盐酸活化后再经350℃～450℃高温改性处理，或先盐酸活化后再经十六烷基三甲基溴化铵改性处理。
[0005]在上述制备方案的实施中，发现海泡石的改性处理是优化复合荧光颜料制备的关键。在现有的改性方案中，所采用的盐酸摩尔浓度是0.5
‑
1.5mol/l，改性的温度是350℃
‑
450℃。经研究发现改性过程中的温度控制是优化海泡石的性能关键，但现有的温度控制策略为随机温度控制策略，导致最终改性后的海泡石的性能一致性较差。
[0006]因此，期待一种优化的复合荧光颜料制备方案。

技术实现思路

[0007]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复合荧光颜料及其制备方法。其中，复合荧光颜料的制备方法包括如下步骤：S1:基于预定温度控制策略，对海泡石进行改性处理以得到改性后海泡石；S2：将有机荧光染料溶于水或有机溶剂中，加入所述改性后海泡石进行吸附，并经研磨和焙烧处理以得到中间产物；以及，S3:将所述中间产物分散于水溶液或有机溶液中，加入硅类化合物和催化剂进行包覆反应，待反应完全后冷却过滤、洗涤、干燥得到海泡石基复合荧光材料。通过这样的方式，可以得到制备质量较好的复合荧光颜料。
[0008]根据本申请的一个方面，提供了一种复合荧光颜料的制备方法，其包括：
[0009]S1:基于预定温度控制策略，对海泡石进行改性处理以得到改性后海泡石；
[0010]S2：将有机荧光染料溶于水或有机溶剂中，加入所述改性后海泡石进行吸附，并经研磨和焙烧处理以得到中间产物；以及
[0011]S3:将所述中间产物分散于水溶液或有机溶液中，加入硅类化合物和催化剂进行包覆反应，待反应完全后冷却过滤、洗涤、干燥得到海泡石基复合荧光材料。
[0012]在上述的复合荧光颜料的制备方法中，所述步骤S1，包括：
[0013]获取预定时间段内多个预定时间点的改性温度值以及所述预定时间段的改性监控视频；
[0014]从所述改性监控视频提取多个改性监控关键帧；
[0015]将所述多个改性监控关键帧分别通过作为过滤器的第一卷积神经网络模型以得到多个改性表面状态特征向量；
[0016]将所述多个改性表面状态特征向量排列为一维特征向量后通过使用一维卷积核的第二卷积神经网络模型以得到改性状态语义理解特征向量；
[0017]将所述多个预定时间点的改性温度值按照时间维度排列为温度输入向量后通过包含全连接层和一维卷积层的时序编码器以得到温度特征向量；
[0018]计算所述改性状态语义理解特征向量相对于所述温度特征向量的响应性估计以得到分类特征矩阵；
[0019]对所述分类特征矩阵进行特征分布调制以得到优化分类特征向量；以及
[0020]将所述优化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改性温度值应增大或应减小。
[0021]在上述的复合荧光颜料的制备方法中，所述从所述改性监控视频提取多个改性监控关键帧，包括：
[0022]以预定采样频率对所述改性监控视频进行关键帧采样以得到所述多个改性监控关键帧。
[0023]在上述的复合荧光颜料的制备方法中，所述将所述多个改性监控关键帧分别通过作为过滤器的第一卷积神经网络模型以得到多个改性表面状态特征向量，包括：
[0024]使用所述作为过滤器的第一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二维卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述作为过滤器的第一卷积神经网络模型的最后一层输出所述多个改性表面状态特征向量，其中，所述作为过滤器的第一卷积神经网络模型的第一层的输入为所述多个改性监控关键帧。
[0025]在上述的复合荧光颜料的制备方法中，所述将所述多个改性表面状态特征向量排列为一维特征向量后通过使用一维卷积核的第二卷积神经网络模型以得到改性状态语义理解特征向量，包括：
[0026]使用所述使用一维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：
[0027]对所述输入数据进行卷积处理以得到卷积特征向量；
[0028]对所述卷积特征向量进行池化处理以得到池化特征向量；以及
[0029]对所述池化特征向量进行非线性激活以得到激活特征向量；
[0030]其中，所述使用一维卷积核的第二卷积神经网络模型的最后一层的输出为所述改性状态语义理解特征向量，所述使用一维卷积核的第二卷积神经网络模型的第一层的输入为所述一维特征向量。
[0031]在上述的复合荧光颜料的制备方法中，所述将所述多个预定时间点的改性温度值按照时间维度排列为温度输入向量后通过包含全连接层和一维卷积层的时序编码器以得到温度特征向量，包括：
[0032]将所述多个预定时间点的改性温度值按照时间维度排列为所述温度输入向量；
[0033]使用所述时序编码器的全连接层以如下公式对所述温度输入向量进行全连接编码以提取出所述温度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X是所述温度输入向量，Y是输出向量，W是权重矩阵，B是偏置向量，表示矩阵乘；以及
[0034]使用所述时序编码器的一维卷积层以如下公式对所述温度输入向量进行一维卷积编码以提取出所述温度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：
[0035][0036]其中，a为卷积核在x方向上的宽度、F(a)为卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，X表示所述温度输入向量。
[0037]在上述的复合荧光颜料的制备方法中，所述计算所述改性状态语义理解特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种复合荧光颜料的制备方法，其特征在于，包括：S1:基于预定温度控制策略，对海泡石进行改性处理以得到改性后海泡石；S2：将有机荧光染料溶于水或有机溶剂中，加入所述改性后海泡石进行吸附，并经研磨和焙烧处理以得到中间产物；以及S3:将所述中间产物分散于水溶液或有机溶液中，加入硅类化合物和催化剂进行包覆反应，待反应完全后冷却过滤、洗涤、干燥得到海泡石基复合荧光材料。2.根据权利要求1所述的复合荧光颜料的制备方法，其特征在于，所述步骤S1，包括：获取预定时间段内多个预定时间点的改性温度值以及所述预定时间段的改性监控视频；从所述改性监控视频提取多个改性监控关键帧；将所述多个改性监控关键帧分别通过作为过滤器的第一卷积神经网络模型以得到多个改性表面状态特征向量；将所述多个改性表面状态特征向量排列为一维特征向量后通过使用一维卷积核的第二卷积神经网络模型以得到改性状态语义理解特征向量；将所述多个预定时间点的改性温度值按照时间维度排列为温度输入向量后通过包含全连接层和一维卷积层的时序编码器以得到温度特征向量；计算所述改性状态语义理解特征向量相对于所述温度特征向量的响应性估计以得到分类特征矩阵；对所述分类特征矩阵进行特征分布调制以得到优化分类特征向量；以及将所述优化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改性温度值应增大或应减小。3.根据权利要求2所述的复合荧光颜料的制备方法，其特征在于，所述从所述改性监控视频提取多个改性监控关键帧，包括：以预定采样频率对所述改性监控视频进行关键帧采样以得到所述多个改性监控关键帧。4.根据权利要求3所述的复合荧光颜料的制备方法，其特征在于，所述将所述多个改性监控关键帧分别通过作为过滤器的第一卷积神经网络模型以得到多个改性表面状态特征向量，包括：使用所述作为过滤器的第一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二维卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述作为过滤器的第一卷积神经网络模型的最后一层输出所述多个改性表面状态特征向量，其中，所述作为过滤器的第一卷积神经网络模型的第一层的输入为所述多个改性监控关键帧。5.根据权利要求4所述的复合荧光颜料的制备方法，其特征在于，所述将所述多个改性表面状态特征向量排列为一维特征向量后通过使用一维卷积核的第二卷积神经网络模型以得到改性状态语义理解特征向量，包括：使用所述使用一维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对所述输入数据进行卷积处理以得到卷积特征向量；对所述卷积特征向量进行池化处理以得到池化特征向量；以及
对所述池化特征向量进行非线性激活以得到激活特征向量；其中，所述使用一维卷积核的第二卷积神经网络模型的最后一层的输出为所述改性状态语义理解特征向量，所述使用一维卷积核的第二卷积神经网络...

【专利技术属性】
技术研发人员：胡豪力，陈瑞彬，叶增港，何调浩，胡英仁，
申请(专利权)人：万隆化工有限公司，
类型：发明
国别省市：