废旧有色金属混合物的分离方法及装置制造方法及图纸

本发明专利技术涉及人工智能技术领域，揭露了一种废旧有色金属混合物的分离方法和装置，该方法包括：生成废旧金属样本的实验数据；对所述实验数据依次进行特征提取

【技术实现步骤摘要】
废旧有色金属混合物的分离方法及装置


[0001]本专利技术涉及人工智能
，尤其涉及一种废旧有色金属混合物的分离方法及装置
。

技术介绍

[0002]废旧有色金属混合物的分离，是一项非常必要的工作，这是因为，废旧有色金属混合物中可能含有各种有害物质，例如铅
、
汞
、
镉等重金属，对环境和人类健康都具有很大的危害性
。
在环境方面，废旧有色金属混合物如果未得到有效的分离处理，可能会直接排放到大气
、
土壤和水体中
。
这将导致环境污染，破坏生态平衡，威胁生物多样性，并且给人类的生活带来很多不利影响
。
在工业层面，废旧有色金属混合物的分离也是非常重要的
。
这是因为在废旧有色金属混合物中，存在很多不同种类的有色金属，例如铜
、
铝
、
锌等，这些有色金属可以回收再利用，降低资源浪费，节约成本
。
同时，分离后的有色金属还可以用于制造新产品，推动可持续发展
。
[0003]废旧有色金属混合物中的不同金属可能具有相似的物理和化学性质，这样就使得传统分离技术很难通过简单的物理方法或化学反应将它们有效地分离开来，例如，铝
、
铜和铁等有色金属在密度
、
熔点等方面具有较大的相似性，给分离过程带来了困难；同时，传统分离技术通常需要耗费大量的能源和时间来实现有效的分离，例如：采用熔融法进行分离需要高温条件，这不仅需要大量的能源供应，还增加了设备成本和维护费用，导致了较低的分离效率，因此如何提升废旧有色金属混合物的分离时效率，成为了亟待解决的问题
。

技术实现思路

[0004]本专利技术提供一种废旧有色金属混合物的分离方法及装置，其主要目的在于解决废旧有色金属混合物的分离时效率较低的问题
。
[0005]为实现上述目的，本专利技术提供的一种废旧有色金属混合物的分离方法，包括：
[0006]生成废旧金属样本的实验数据；
[0007]对所述实验数据进行特征提取，得到所述实验数据的数据特征；
[0008]对所述数据特征进行特征缩放，得到所述数据特征的标准特征；
[0009]根据所述标准特征生成所述废旧金属样本的降维特征；
[0010]利用预设的分类算法构建所述废旧金属样本的初始金属分离模型，其中，所述预设的分类算法为：
[0011][0012]其中，
g(x)
表示所述初始金属分离模型的输出结果，
i
是所述初始金属分离模型的输入数据的数据标识，
n
是所述输入数据的数据总数，
a
i
是第
i
个所述输入数据所对应的真实值，是第
i
个所述输入数据所对应的预测值，
kx,x
i
是核函数，
x
i
是第
i
个所述输入数据
的特征值，
x
是所述输入数据的特征值，
ξ
是偏置项；
[0013]根据所述降维特征生成所述初始金属分离模型的模型评估值，根据所述模型评估值对所述初始金属分离模型进行参数调优，得到优化后的金属分离模型；
[0014]利用所述优化后的金属分离模型对目标金属混合物进行金属分类，得到所述目标金属混合物的分离样品
。
[0015]可选地，所述生成废旧金属样本的实验数据，包括：
[0016]对废旧金属样本进行样本测试，得到所述废旧金属样本的测试数据；
[0017]对所述测试数据进行数据清洗，得到所述测试数据的清洗数据；
[0018]根据所述废旧金属样本的样本特征对所述清洗数据进行数据分类，得到所述清洗数据的分类数据，确定所述分类数据为所述废旧金属样本的实验数据
。
[0019]可选地，所述对所述测试数据进行数据清洗，得到所述测试数据的清洗数据，包括：
[0020]对所述测试数据进行空白值填充，得到所述测试数据的填充数据；
[0021]对所述填充数据进行重复值剔除，得到所述填充数据的剔除数据；
[0022]对所述剔除数据进行数据校正，得到所述剔除数据的校正数据，确定所述校正数据为所述测试数据的清洗数据
。
[0023]可选地，所述对所述实验数据进行特征提取，得到所述实验数据的数据特征，包括：
[0024]对所述实验数据进行数据编码，得到所述实验数据的编码数据；
[0025]根据所述编码数据对所述实验数据进行特征选择，得到所述实验数据的选择特征，确定所述选择特征为所述实验数据的数据特征
。
[0026]可选地，所述对所述数据特征进行特征缩放，得到所述数据特征的标准特征，包括：
[0027]计算所述数据特征的特征最大值和特征最小值；
[0028]利用所述特征最小值
、
所述特征最大值和预设的特征缩放算法对所述数据特征进行特征缩放，得到所述数据特征的标准特征：
[0029][0030]其中，
y'
表示所述数据特征的标准特征，
min
表示所述特征最小值，
y
表示所述数据特征，
max
表示所述特征最大值
。
[0031]可选地，所述根据所述标准特征生成所述废旧金属样本的降维特征，包括：
[0032]生成所述标准特征的协方差矩阵；
[0033]对所述协方差矩阵进行特征值分解，得到所述协方差矩阵的特征值以及所述特征值对应的特征向量；
[0034]根据所述特征值和所述特征向量生成所述标准矩阵的特征空间；
[0035]利用所述特征空间生成所述标准特征的降维特征
。
[0036]可选地，所述根据所述降维特征生成所述初始金属分离模型的模型评估值，包括：
[0037]根据所述降维特征生成所述初始金属分离模型的训练集；
[0038]将所述训练集中的输入数据输入至所述初始金属分离模型中，得到初始金属分离
模型的输出数据；
[0039]根据所述输出数据和所述训练集中的训练标签生成初始金属分离模型的评估指标；
[0040]对所述评估指标进行加权求和，得到初始金属分离模型的模型评估值
。
[0041]可选地，
S11、
确定所述初始金属分离模型中待调优参数以及所述待调优参数所对应的调优范围；
[0042]S12、
根据所述模型评估值和预设的评估阈值确定所述待调优参数的调优方向；
[0043]S13、
根据所述调优方向和所述调优方向生成所述待调优参数的参数组合，利用所述参数组合对所述初始金属分离模型进行参数配置，得到配置完成的初始金属分离模型；
[0044]S14、
...

【技术保护点】

【技术特征摘要】
1.
一种废旧有色金属混合物的分离方法，其特征在于，所述方法包括：生成废旧金属样本的实验数据；对所述实验数据进行特征提取，得到所述实验数据的数据特征；对所述数据特征进行特征缩放，得到所述数据特征的标准特征；根据所述标准特征生成所述废旧金属样本的降维特征；利用预设的分类算法构建所述废旧金属样本的初始金属分离模型，其中，所述预设的分类算法为：其中，
g(x)
表示所述初始金属分离模型的输出结果，
i
是所述初始金属分离模型的输入数据的数据标识，
n
是所述输入数据的数据总数，
a
i
是第
i
个所述输入数据所对应的真实值，是第
i
个所述输入数据所对应的预测值，
k(x,x
i
)
是核函数，
x
i
是第
i
个所述输入数据的特征值，
x
是所述输入数据的特征值，
ξ
是偏置项；根据所述降维特征生成所述初始金属分离模型的模型评估值，根据所述模型评估值对所述初始金属分离模型进行参数调优，得到优化后的金属分离模型；利用所述优化后的金属分离模型对目标金属混合物进行金属分类，得到所述目标金属混合物的分离样品
。2.
如权利要求1所述的废旧有色金属混合物的分离方法，其特征在于，所述生成废旧金属样本的实验数据，包括：对废旧金属样本进行样本测试，得到所述废旧金属样本的测试数据；对所述测试数据进行数据清洗，得到所述测试数据的清洗数据；根据所述废旧金属样本的样本特征对所述清洗数据进行数据分类，得到所述清洗数据的分类数据，确定所述分类数据为所述废旧金属样本的实验数据
。3.
如权利要求2所述的废旧有色金属混合物的分离方法，其特征在于，所述对所述测试数据进行数据清洗，得到所述测试数据的清洗数据，包括：对所述测试数据进行空白值填充，得到所述测试数据的填充数据；对所述填充数据进行重复值剔除，得到所述填充数据的剔除数据；对所述剔除数据进行数据校正，得到所述剔除数据的校正数据，确定所述校正数据为所述测试数据的清洗数据
。4.
如权利要求1所述的废旧有色金属混合物的分离方法，其特征在于，所述对所述实验数据进行特征提取，得到所述实验数据的数据特征，包括：对所述实验数据进行数据编码，得到所述实验数据的编码数据；根据所述编码数据对所述实验数据进行特征选择，得到所述实验数据的选择特征，确定所述选择特征为所述实验数据的数据特征
。5.
如权利要求1所述的废旧有色金属混合物的分离方法，其特征在于，所述对所述数据特征进行特征缩放，得到所述数据特征的标准特征，包括：计算所述数据特征的特征最大值和特征最小值；
利用所述特征最小值
、
所述特征最大值和预设的特征缩放算法对所述数据特征进行特征缩放，得到所述数据特征的标准特征：其中，
y'
表示所述数据特征的标准特征，
min
表示所述特征最小值，
y
表示所述数据特征，
max
表示所述特征最大值
。6.
如权利要求1所述的废旧有色金属混合物的分离方法，其特征在于，所述根据所述标准特征生成所述废旧金属样本的降维特征，包括：生成所述标准特征的协方差矩阵；对所述协方差矩阵进行特征值分...

【专利技术属性】
技术研发人员：李亮星，
申请(专利权)人：江西万泰铝业有限公司，
类型：发明
国别省市：