【技术实现步骤摘要】
基于含钒矿石的氧化钒提取方法及其系统
[0001]本申请涉及智能调控领域，且更为具体地，涉及一种基于含钒矿石的氧化钒提取方法及其系统
。
技术介绍
[0002]从含钒矿石中提取氧化钒主要包括以下步骤：将含钒矿石破碎和磨细，增加矿石表面积，方便后续的化学反应；将磨细的矿石与适当的浸出剂混合，通常使用硫酸，这样可以与氧化反应形成可溶性的钒酸盐；将浸出液通过过滤器进行固液分离；通过一系列的化学反应和物理处理，将钒与其他杂质分离以获得纯度较高的钒化合物；通过调节浸出液的
PH
值或添加适当的沉淀剂，使钒形成沉淀，然后通过过滤的方法将沉淀分离出来；将钒沉淀物进行还原处理，将其转化为氧化钒；将还原后的钒化合物进行高温焙烧，使其转化为稳定的氧化钒；对焙烧后的氧化钒进行进一步的精炼处理，以提高其纯度和质量
。
[0003]在氧化钒提取过程中的焙烧步骤，温度控制是非常重要的
。
焙烧是将还原后的钒化合物转换为稳定的氧化钒的过程，如果温度控制不精准，可能导致焙烧不完全，部分钒化合物无法转化...
【技术保护点】
【技术特征摘要】
1.
一种基于含钒矿石的氧化钒提取方法，其特征在于，包括：获取预定时间段内多个预定时间点的焙烧温度值以及所述预定时间段的焙烧监控视频；从所述焙烧监控视频提取多个焙烧监控关键帧；将所述多个焙烧监控关键帧分别通过作为过滤器的卷积神经网络模型以得到多个焙烧状态特征向量；将所述多个焙烧状态特征向量通过基于转换器的上下文编码器以得到焙烧状态语义关联特征向量；将所述多个预定时间点的焙烧温度值按照时间维度排列为焙烧温度输入向量后通过多尺度邻域特征提取模块以得到焙烧温度特征向量；计算所述焙烧语义关联特征向量相对于所述焙烧温度特征向量的响应性估计以得到分类特征向量；以及将所述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焙烧温度值应增大
、
保持不变，或应减小
。2.
根据权利要求1所述的基于含钒矿石的氧化钒提取方法，其特征在于，从所述焙烧监控视频提取多个焙烧监控关键帧，包括：以预定采样频率从所述焙烧监控视频提取多个焙烧监控关键帧
。3.
根据权利要求2所述的基于含钒矿石的氧化钒提取方法，其特征在于，将所述多个焙烧监控关键帧分别通过作为过滤器的卷积神经网络模型以得到多个焙烧状态特征向量，包括：使用所述作为过滤器的卷积神经网络模型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沿通道维度的池化以得到池化特征图；以及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，所述作为过滤器的卷积神经网络模型的最后一层的输出为所述焙烧状态特征向量，所述作为过滤器的卷积神经网络模型的第一层的输入为所述焙烧监控关键帧
。4.
根据权利要求3所述的基于含钒矿石的氧化钒提取方法，其特征在于，将所述多个焙烧状态特征向量通过基于转换器的上下文编码器以得到焙烧状态语义关联特征向量，包括：将所述多个焙烧状态特征向量排列为输入向量；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；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；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；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；将所述自注意力特征矩阵与以多个焙烧状态特征向量中各个焙烧状态特征向量作为值向量分别进行相乘以得到所述多个焙烧状态关联特征向量；将所述多个焙烧状态关联特征向量进行级联以得到所述焙烧状态语义关联特征向量
。5.
根据权利要求4所述的基于含钒矿石的氧化钒提取方法，其特征在于，将所述多个预
定时间点的焙烧温度值按照时间维度排列为焙烧温度输入向量后通过多尺度邻域特征提取模块以得到焙烧温度特征向量，包括：将所述焙烧温度输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度焙烧温度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述焙烧温度输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度焙烧温度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及将所述第一尺度焙烧温度特征向量和所述第二尺度焙烧温度特征向量进行融合以得到所述焙烧温度特征向量
。6.
根据权利要求5所述的基于含钒矿石的氧化钒提取方法，其特征在于，将所述第一尺度焙烧温度特征向量和所述第二尺度焙烧温度特征...
【专利技术属性】
技术研发人员：李旭东，熊利斌，李剑锋，张伟峰，
申请(专利权)人：江西江钒科技实业有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。