【技术实现步骤摘要】
本申请涉及智能监控，且更为具体地，涉及一种三氟化氯的提纯方法及提纯系统。
技术介绍
1、三氟化氯是一种常用的氟化剂和氧化剂，在工业生产、有机合成等领域得到广泛应用。但是在实际应用中，三氟化氯常常存在杂质导致纯度较低，影响其使用效果和安全性。因此，提高三氟化氯的纯度是十分必要的。
2、然而，传统的三氟化氯提纯方法在应用过程中，常常需要对气态三氟化氯进行冷却，使其转化为液态，以便进行进一步的纯化处理。在冷却过程中，冷凝器必须维持一定的低温状态，以确保三氟化氯不会再次变成气态。然而，在实际进行冷却温度的控制时，目前通过人工经验控制的方式不仅效率较低，还会导致温度误差较大，难以满足实际的三氟化氯提纯需求。
3、因此，期望一种优化的三氟化氯的提纯方案。
技术实现思路
1、本申请提供一种三氟化氯的提纯方法及提纯系统，其在将所述去杂后三氟化氯通过冷凝器中进行液化处理，以得到液态三氟化氯时，首先采集预定时间段内多个预定时间点的冷凝器内的温度值，以及，所述多个预定时间点的冷却液的流速值，然后，通过人工智能技术挖掘所述冷凝器内的温度值的时序动态变化特征和所述冷却液的流速值的时序动态变化特征之间的时序协同关联特征分布信息，以此来实时准确地进行冷却液流速的自适应控制，从而保证冷凝器维持一定的低温状态，以确保三氟化氯不会再次变成气态，进而优化三氟化氯的纯化效果。
2、第一方面，提供了一种三氟化氯的提纯方法，所述三氟化氯的提纯方法包括：将三氟化氯原料通过干燥剂中进行干燥处理
3、结合第一方面，在第一方面的一种实现方式中，将所述去杂后三氟化氯通过冷凝器中进行液化处理，以得到液态三氟化氯，包括：获取预定时间段内多个预定时间点的冷凝器内的温度值，以及，所述多个预定时间点的冷却液的流速值；将所述多个预定时间点的冷凝器内的温度值和所述多个预定时间点的冷却液的流速值分别按照时间维度排列为冷凝温度输入向量和冷却液流速输入向量；将所述冷凝温度输入向量和所述冷却液流速输入向量分别通过基于一维卷积神经网络模型的特征提取器以得到冷凝温度时序特征向量和冷却液流速时序特征向量；对所述冷凝温度时序特征向量和所述冷却液流速时序特征向量进行关联编码以得到参数间协同矩阵；将所述参数间协同矩阵通过相邻层使用互为转置的卷积核的卷积神经网络模型以得到参数间协同特征矩阵；以所述冷凝温度时序特征向量作为查询特征向量，计算其与所述参数间协同特征矩阵之间的乘积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冷却液的流速值应增大、应减小或保持不变。
4、第二方面，提供了一种三氟化氯的提纯系统，所述三氟化氯的提纯系统包括：干燥模块，用于将三氟化氯原料通过干燥剂中进行干燥处理，以得到干燥后三氟化氯；吸附模块，用于将所述干燥后三氟化氯通过活性炭中进行杂质吸附，以得到去杂后三氟化氯；液化模块，用于将所述去杂后三氟化氯通过冷凝器中进行液化处理，以得到液态三氟化氯；以及，分离模块，用于将所述液态三氟化氯通过分馏塔，以按照不同的沸点分离出纯净的三氟化氯。
5、本申请提供的一种三氟化氯的提纯方法及提纯系统，其在将所述去杂后三氟化氯通过冷凝器中进行液化处理，以得到液态三氟化氯时，首先采集预定时间段内多个预定时间点的冷凝器内的温度值，以及，所述多个预定时间点的冷却液的流速值，然后，通过人工智能技术挖掘所述冷凝器内的温度值的时序动态变化特征和所述冷却液的流速值的时序动态变化特征之间的时序协同关联特征分布信息，以此来实时准确地进行冷却液流速的自适应控制，从而保证冷凝器维持一定的低温状态，以确保三氟化氯不会再次变成气态，进而优化三氟化氯的纯化效果。
本文档来自技高网...【技术保护点】
1.一种三氟化氯的提纯方法，其特征在于，包括：
2.根据权利要求1所述的三氟化氯的提纯方法，其特征在于，将所述去杂后三氟化氯通过冷凝器中进行液化处理，以得到液态三氟化氯，包括：
3.根据权利要求2所述的三氟化氯的提纯方法，其特征在于，将所述冷凝温度输入向量和所述冷却液流速输入向量分别通过基于一维卷积神经网络模型的特征提取器以得到冷凝温度时序特征向量和冷却液流速时序特征向量，包括：使用所述一维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：
4.根据权利要求3所述的三氟化氯的提纯方法，其特征在于，对所述冷凝温度时序特征向量和所述冷却液流速时序特征向量进行关联编码以得到参数间协同矩阵，包括：以如下关联公式对所述冷凝温度时序特征向量和所述冷却液流速时序特征向量进行关联编码以得到参数间协同矩阵；
5.根据权利要求4所述的三氟化氯的提纯方法，其特征在于，将所述参数间协同矩阵通过相邻层使用互为转置的卷积核的卷积神经网络模型以得到参数间协同特征矩阵，包括：所述相邻层使用互为转置的卷积核的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
6.根据权利要求5所述的三氟化氯的提纯方法，其特征在于，还包括训练步骤：用于对所述基于一维卷积神经网络模型的特征提取器、所述相邻层使用互为转置的卷积核的卷积神经网络模型和所述分类器进行训练。
7.根据权利要求6所述的三氟化氯的提纯方法，其特征在于，所述训练步骤，包括：
8.根据权利要求7所述的三氟化氯的提纯方法，其特征在于，对所述训练分类特征向量进行收敛均衡以得到均衡后训练分类特征向量，包括：
9.根据权利要求8所述的三氟化氯的提纯方法，其特征在于，将所述均衡后训练分类特征向量通过所述分类器以得到分类损失函数值，包括：
10.一种三氟化氯的提纯系统，其特征在于，包括：
...【技术特征摘要】
1.一种三氟化氯的提纯方法，其特征在于，包括：
2.根据权利要求1所述的三氟化氯的提纯方法，其特征在于，将所述去杂后三氟化氯通过冷凝器中进行液化处理，以得到液态三氟化氯，包括：
3.根据权利要求2所述的三氟化氯的提纯方法，其特征在于，将所述冷凝温度输入向量和所述冷却液流速输入向量分别通过基于一维卷积神经网络模型的特征提取器以得到冷凝温度时序特征向量和冷却液流速时序特征向量，包括：使用所述一维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：
4.根据权利要求3所述的三氟化氯的提纯方法，其特征在于，对所述冷凝温度时序特征向量和所述冷却液流速时序特征向量进行关联编码以得到参数间协同矩阵，包括：以如下关联公式对所述冷凝温度时序特征向量和所述冷却液流速时序特征向量进行关联编码以得到参数间协同矩阵；
5.根据权利要求4所述的三氟化氯的提纯方法，其特征在于，将所述参...
【专利技术属性】
技术研发人员：方爱春，陈晓本，
申请(专利权)人：浙江融耀新能源科技有限公司，
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。