石英砂的制取系统及其方法技术方案

本申请涉及智能控制领域，其具体公开了一种石英砂的制取系统及其方法，使用基于深度神经网络模型的人工智能技术来对石英砂干燥过程中的石英砂状态变化数据和多个预定时间点的旋转干燥器的旋转速度进行特征提取和编码，得到用于表示当前时间点的旋转干燥器的旋转速度应增大或者减小的分类标签

【技术实现步骤摘要】
石英砂的制取系统及其方法
[0001]技术邻域
[0002]本申请涉及智能控制领域，且更为具体的涉及一种石英砂的制取系统及其方法
。

技术介绍

[0003]在石英砂制取的过程中，一般需要经过采矿
、
破碎和筛分
、
洗涤
、
漂白
、
干燥
、
筛选和包装的步骤
。
旋转干燥器是一种将颗粒物料放置在旋转筒内进行干燥的设备
。
在石英砂干燥过程中，石英砂颗粒被放入旋转筒后，随着旋转筒的转动，热风通过旋转筒与颗粒物料接触，将水分蒸发出去
。
旋转干燥器具有结构简单
、
操作方便
、
适用于大批量生产等优点
。
然而，传统的旋转干燥器调节旋转速度存在一些缺点
。
首先，调节旋转速度需要操作人员具备一定的经验和技能，以确保干燥效果的调节和控制
。
其次，过高的旋转速度可能会引起颗粒物料的破碎和磨损，降低产品的质量
。
[0004]因此，期待一种优化的石英砂制取方案
。

技术实现思路

[0005]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石英砂的制取系统及其方法，其使用基于深度神经网络模型的人工智能技术来对石英砂干燥过程中的石英砂状态变化数据和多个预定时间点的旋转干燥器的旋转速度进行特征提取和编码，得到用于表示当前时间点的旋转干燥器的旋转速度应增大或者减小的分类标签
。
这样，通过实时监测石英砂的状态并根据需求调整旋转速度，可以实现更精确和有效的控制，以确保石英砂的干燥效果和质量
。
[0006]根据本申请的一个方面，提供了一种石英砂的制取系统，其包括：
[0007]数据获取模块，用于获取石英砂干燥过程中的石英砂状态变化数据以及多个预定时间点的旋转速度值；
[0008]语义特征提取模块，用于将所述石英砂状态变化数据通过包含嵌入层的基于转换器的上下文编码器以得到多个状态上下文语义特征向量；
[0009]深浅特征编码模块，用于将所述多个状态上下文语义特征向量二维排列为检测特征矩阵后通过深浅特征编码模块以得到状态特征向量；
[0010]多尺度邻域特征提取模块，用于将所述多个预定时间点的旋转速度值按照时间维度排列为速度输入向量后通过多尺度邻域特征提取模块以得到速度特征向量；
[0011]响应性估计模块，用于计算所述速度特征向量相对于所述状态特征向量的响应性估计以得到分类特征矩阵；
[0012]分类结果生成模块，用于将所述分类特征矩阵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旋转干燥器的旋转速度应增大或者减小
。
[0013]在上述的石英砂的制取系统中，所述语义特征提取模块，包括：
[0014]嵌入转化单元，用于将所述石英砂状态变化数据分别通过嵌入层以将所述石英砂状态变化数据中各个维度数据转化为状态嵌入向量以得到状态嵌入向量的序列，其中，所
述嵌入层使用可学习的嵌入矩阵对所述各个维度数据进行嵌入编码；
[0015]编码单元，用于将所述状态嵌入向量的序列输入所述基于转换器的上下文编码器以得到所述多个状态上下文语义特征向量
。
[0016]在上述的石英砂的制取系统中，所述编码单元，包括：
[0017]查询向量构造子单元，用于将所述状态嵌入向量的序列排列为输入向量；
[0018]向量转化子单元，用于将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；
[0019]自注意子单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；
[0020]标准化子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；
[0021]关注度计算子单元，用于将所述标准化自注意关联矩阵输入
Softmax
激活函数进行激活以得到自注意力特征矩阵；
[0022]注意力施加子单元，用于将所述自注意力特征矩阵与所述状态嵌入向量的序列中各个状态嵌入向量分别相乘得到所述多个状态语义上下文特征向量
。
[0023]在上述的石英砂的制取系统中，所述深浅特征编码模块，包括：
[0024]浅层特征提取单元，用于从所述深浅特征编码模块的第
M
层提取浅层特征矩阵，其中，
M
大于等于1且小于等于6；
[0025]深层特征提取单元，用于从所述深浅特征编码模块的第
N
层提取深层特征矩阵，其中，
N/M
大于等于5且小于等于
10
；
[0026]融合单元，用于融合所述浅层特征矩阵和所述深层特征矩阵以得到融合特征矩阵；
[0027]降维单元，用于对所述融合特征矩阵进行沿通道维度的各个特征矩阵的池化以得到所述状态特征向量
。
[0028]在上述的石英砂的制取系统中，所述多尺度邻域特征提取模块，包括：
[0029]第一尺度卷积编码单元，用于使用所述多尺度邻域特征提取模块的第一卷积层对所述速度输入向量进行一维卷积编码以得到所述第一尺度特征向量；
[0030]第二尺度卷积编码单元，用于使用所述多尺度邻域特征提取模块的第二卷积层对所述速度输入向量进行一维卷积编码以得到所述第二尺度特征向量；
[0031]特征融合单元，用于融合第一尺度特征向量和第二尺度特征向量以得到速度特征向量
。
[0032]在上述的石英砂的制取系统中，所述第一尺度卷积编码单元，用于：
[0033]使用所述多尺度邻域特征提取模块的第一卷积层以如下第一卷积公式对所述速度输入向量进行一维卷积编码以得到所述第一尺度特征向量；
[0034]其中，所述第一卷积公式为：
[0035][0036]其中，
a
为第一卷积核在
x
方向上的宽度
、F(a)
为第一卷积核参数向量
、G(x
‑
a)
为与
第一卷积核函数运算的局部向量矩阵，
w
为第一卷积核的尺寸，
X
表示所述速度输入向量，
Cov(X)
表示对所述速度特征向量分别进行一维卷积编码
。
[0037]在上述的石英砂的制取系统中，所述第二尺度卷积编码单元，用于：
[0038]使用所述多尺度邻域特征提取模块的第二卷积层以如下第二卷积公式对所述速度输入向量进行一维卷积编码以得到所述第二尺度特征向量；
[0039]其中，所述第二卷积公式为：
[0040][0041]其中，
b
为第二卷积核在
x
方向上的宽度
、F(b)
为第二卷积核参数向量
、G(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种石英砂的制取系统，其特征在于，包括：数据获取模块，用于获取石英砂干燥过程中的石英砂状态变化数据以及多个预定时间点的旋转速度值；语义特征提取模块，用于将所述石英砂状态变化数据通过包含嵌入层的基于转换器的上下文编码器以得到多个状态上下文语义特征向量；深浅特征编码模块，用于将所述多个状态上下文语义特征向量二维排列为检测特征矩阵后通过深浅特征编码模块以得到状态特征向量；多尺度邻域特征提取模块，用于将所述多个预定时间点的旋转速度值按照时间维度排列为速度输入向量后通过多尺度邻域特征提取模块以得到速度特征向量；响应性估计模块，用于计算所述速度特征向量相对于所述状态特征向量的响应性估计以得到分类特征矩阵；分类结果生成模块，用于将所述分类特征矩阵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旋转干燥器的旋转速度应增大或者减小
。2.
根据权利要求1所述的石英砂的制取系统，其特征在于，所述语义特征提取模块，包括：嵌入转化单元，用于将所述石英砂状态变化数据分别通过嵌入层以将所述石英砂状态变化数据中各个维度数据转化为状态嵌入向量以得到状态嵌入向量的序列，其中，所述嵌入层使用可学习的嵌入矩阵对所述各个维度数据进行嵌入编码；编码单元，用于将所述状态嵌入向量的序列输入所述基于转换器的上下文编码器以得到所述多个状态上下文语义特征向量
。3.
根据权利要求2所述的石英砂的制取系统，其特征在于，所述编码单元，包括：查询向量构造子单元，用于将所述状态嵌入向量的序列排列为输入向量；向量转化子单元，用于将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；自注意子单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；关注度计算子单元，用于将所述标准化自注意关联矩阵输入
Softmax
激活函数进行激活以得到自注意力特征矩阵；注意力施加子单元，用于将所述自注意力特征矩阵与所述状态嵌入向量的序列中各个状态嵌入向量分别相乘得到所述多个状态语义上下文特征向量
。4.
根据权利要求3所述的石英砂的制取系统，其特征在于，所述深浅特征编码模块，包括：浅层特征提取单元，用于从所述深浅特征编码模块的第
M
层提取浅层特征矩阵，其中，
M
大于等于1且小于等于6；深层特征提取单元，用于从所述深浅特征编码模块的第
N
层提取深层特征矩阵，其中，
N/M
大于等于5且小于等于
10
；融合单元，用于融合所述浅层特征矩阵和所述深层特征矩阵以得到融合特征矩阵；
降维单元，用于对所述融合特征矩阵进行沿通道维度的各个特征矩阵的池化以得到所述状态特征向量
。5.
根据权利要求4所述的石英砂的制取系统，其特征在于，所述多尺度邻域特征提取模块，包括：第一尺度卷积编码单元，用于使用所述多尺度邻域特征提取模块的第一卷积层对所述速度输入向量进行一维卷积编码以得到所述第一尺度特征向量；第二尺度卷积编码单元，用于使用所述多尺度邻域特征提取模块的第二卷积层对所述速度输入向量进行一维卷积编码以得到所述第二尺度特征向量；特征融合单元，用于融合所述第一尺度特征向量和所述第二尺度特征向量以得到速度特征向量
。6.
根据权利要求5所述的石英砂的制取系统，其特征在于，所述第一尺度卷积编码单元，用于：使用所述多尺度邻域特征提取模块的第一卷积层以如下第一卷积公式对所述速度输入向量进行一维卷积编码以得到所述第一尺度特征向量；其中，所述第一卷积公式为：其中，
a
为第一卷积核在
x

【专利技术属性】
技术研发人员：张永乐，谢雁廷，刘力方，
申请(专利权)人：凤阳县英武石英砂有限公司，
类型：发明
国别省市：