一种分散型染料及其制备方法技术

本申请涉及智能制备领域，其具体地公开了一种分散型染料及其制备方法，其通过采用基于深度学习的神经网络模型挖掘出转晶过程中PH值和温度值之间的时序动态协同关联关系，以基于这两个转晶参数的时序协同控制关联特征信息来自适应地调整当前时间点的转晶温度值，提高转晶的效率和效果，进而提高染料的应用性能。能。能。

【技术实现步骤摘要】
一种分散型染料及其制备方法


[0001]本申请涉及智能制备领域，且更为具体地，涉及一种分散型染料及其制备方法。

技术介绍

[0002]分散染料是一类应用于涤纶纤维染色的专用材料，就其化学结构而言，主要有偶氮类、蒽醌类、硝基二苯胺类、次甲基类及非偶氮杂环类等，其中以偶氮类和蒽醌类居多。在已经工业化生产的分散染料中，偶氮类结构的染料品种占50％，产量占70％以上，其染料色谱覆盖面广，有较好的应用性能，生产工艺简单，成本低。
[0003]众所周知，偶氮型分散染料的生产方法主要包括三个工艺过程：
[0004]1、重氮化，即在酸溶剂中重氮组分与亚硝酸发生重氮化反应生成重氮盐溶液；2、偶合，将偶合组分溶解或分散在硫酸溶液中配成偶合溶液，再在低温下与重氮盐溶液发生偶合反应，经升温转晶后得到染料滤饼；3、商品化处理，即染料滤饼与分散剂和水混合后再砂磨机中进行研磨，使其颗粒粒径达到1～2μm，生成稳定的分散体，再经喷雾干燥后成为商品化的分散染料。
[0005]在上述工艺过程中，特别是重氮化及偶合组分溶解过程中需要使用浓度较高、数量较多的硫酸作为溶剂，反应结束后通常会使滤饼母液的硫酸含量高达10％(质量分数)左右，在这种较强酸条件下，染料很难进行转晶，有时虽在高温下实现了转晶，但高温情况下，染料在酸溶液中的溶解度增大，使其随着母液一起排放，这不仅造成了经济损失，同时也大大增加了废水的处理难度。而染料在生产过程中均呈固体形态，这种固体形态可能是不同的晶体，也可能是无定型体，这都直接影响着染料的应用性能，因此，必须通过各种方法将染料的晶型转变成所需要的晶体。
[0006]针对上述问题，中国授权专利CN 105440737A揭露了一种节能环保型分散染料的制备方法，其包括：重氮盐与偶合组分进行偶合反应完成后，得到相应的偶氮化合物物料的体系中加入碱，调节体系的pH值为2～7.5，然后进行升温转晶，得到稳定的晶型后，再经压滤、水洗得到染料滤饼。
[0007]在具体实施中发现转晶的效率和效果关键在于转晶过程中PH值和温度之间的配合。在上述方案中，虽然配置了多段调整方案，但是其没有充分利用PH和转晶温度之间的协同性，导致转晶效率没有得到充分优化。
[0008]因此，期待一种更为优化的分散型染料及其制备方案

技术实现思路

[0009]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分散型染料及其制备方法，其通过采用基于深度学习的神经网络模型挖掘出转晶过程中PH值和温度值之间的时序动态协同关联关系，以基于这两个转晶参数的时序协同控制关联特征信息来自适应地调整当前时间点的转晶温度值，提高转晶的效率和效果，进而提高染料的应用性能。
[0010]根据本申请的一个方面，提供了一种分散型染料的制备方法，其包括：
[0011]获取预定时间段内多个预定时间点的PH值和转晶温度值；
[0012]将所述多个预定时间点的PH值和转晶温度值分别按照时间维度排列为PH输入向量和转晶温度输入向量；
[0013]对所述PH输入向量和所述转晶温度输入向量进行关联编码以得到参数协同输入矩阵；
[0014]将所述参数协同输入矩阵通过相邻层使用互为转置的卷积核的第一卷积神经网络模型以得到参数协同特征矩阵；
[0015]将所述转晶温度输入向量通过多尺度邻域特征提取模块以得到转晶温度特征向量；
[0016]以所述转晶温度特征向量作为查询特征向量，将其与所述参数协同特征矩阵进行矩阵相乘以得到分类特征向量；
[0017]对所述分类特征向量进行向量的有序希尔伯特完备化以得到优化分类特征向量；以及
[0018]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转晶温度应增大或应减小。
[0019]在上述分散型染料的制备方法中，所述对所述PH输入向量和所述转晶温度输入向量进行关联编码以得到参数协同输入矩阵，包括：以如下公式对所述PH输入向量和所述转晶温度输入向量进行关联编码以得到参数协同输入矩阵；其中，所述公式为：
[0020][0021]其中V1表示所述PH输入向量，表示所述PH输入向量的转置向量，V2表示所述转晶温度输入向量，M表示所述参数协同输入矩阵，表示向量相乘。
[0022]在上述分散型染料的制备方法中，所述将所述参数协同输入矩阵通过相邻层使用互为转置的卷积核的第一卷积神经网络模型以得到参数协同特征矩阵，包括：使用所述第一卷积神经网络模型的第一层对输入数据进行基于第一卷积核的卷积处理、池化处理和非线性激活处理以得到第一激活特征图；以及，使用所述第一卷积神经网络模型的第二层对所述第一激活特征图进行基于第二卷积核的卷积处理、池化处理和非线性激活处理以得到第二激活特征图，其中，所述第一卷积核与所述第二卷积核互为转置。
[0023]在上述分散型染料的制备方法中，所述多尺度邻域特征提取模块，包括：第一卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的级联层，其中，所述第一卷积层使用具有第一长度的一维卷积核，所述第二卷积层使用具有第二长度的一维卷积核。
[0024]在上述分散型染料的制备方法中，所述将所述转晶温度输入向量通过多尺度邻域特征提取模块以得到转晶温度特征向量，包括：将所述转晶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邻域尺度转晶温度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述转晶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邻域尺度转晶温度特征向量，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，将所述第一邻域尺度转晶温度特征向量和所述第二邻域尺度转晶温度特征向量进行级联以得到所述转
晶温度特征向量。其中，所述将所述转晶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邻域尺度转晶温度特征向量，包括：使用所述多尺度邻域特征提取模块的第一卷积层以如下公式对所述转晶温度输入向量进行一维卷积编码以得到第一邻域尺度转晶温度特征向量；其中，所述公式为：
[0025][0026]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表示所述转晶温度输入向量；以及，所述将所述转晶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邻域尺度转晶温度特征向量，包括：使用所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述转晶温度输入向量进行一维卷积编码以得到所述第二邻域尺度转晶温度特征向量；其中，所述公式为：
[0027][0028]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(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示所述转晶温度输入向量。
[0029]在上述分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分散型染料的制备方法，其特征在于，包括：获取预定时间段内多个预定时间点的PH值和转晶温度值；将所述多个预定时间点的PH值和转晶温度值分别按照时间维度排列为PH输入向量和转晶温度输入向量；对所述PH输入向量和所述转晶温度输入向量进行关联编码以得到参数协同输入矩阵；将所述参数协同输入矩阵通过相邻层使用互为转置的卷积核的第一卷积神经网络模型以得到参数协同特征矩阵；将所述转晶温度输入向量通过多尺度邻域特征提取模块以得到转晶温度特征向量；以所述转晶温度特征向量作为查询特征向量，将其与所述参数协同特征矩阵进行矩阵相乘以得到分类特征向量；对所述分类特征向量进行向量的有序希尔伯特完备化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转晶温度应增大或应减小。2.根据权利要求1所述的分散型染料的制备方法，其特征在于，所述对所述PH输入向量和所述转晶温度输入向量进行关联编码以得到参数协同输入矩阵，包括：以如下公式对所述PH输入向量和所述转晶温度输入向量进行关联编码以得到参数协同输入矩阵；其中，所述公式为：其中V1表示所述PH输入向量，表示所述PH输入向量的转置向量，V2表示所述转晶温度输入向量，M表示所述参数协同输入矩阵，表示向量相乘。3.根据权利要求2所述的分散型染料的制备方法，其特征在于，所述将所述参数协同输入矩阵通过相邻层使用互为转置的卷积核的第一卷积神经网络模型以得到参数协同特征矩阵，包括：使用所述第一卷积神经网络模型的第一层对输入数据进行基于第一卷积核的卷积处理、池化处理和非线性激活处理以得到第一激活特征图；以及使用所述第一卷积神经网络模型的第二层对所述第一激活特征图进行基于第二卷积核的卷积处理、池化处理和非线性激活处理以得到第二激活特征图，其中，所述第一卷积核与所述第二卷积核互为转置。4.根据权利要求3所述的分散型染料的制备方法，其特征在于，所述多尺度邻域特征提取模块，包括：第一卷积层、与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的级联层，其中，所述第一卷积层使用具有第一长度的一维卷积核，所述第二卷积层使用具有第二长度的一维卷积核。5.根据权利要求4所述的分散型染料的制备方法，其特征在于，所述将所述转晶温度输入向量通过多尺度邻域特征提取模块以得到转晶温度特征向量，包括：将所述转晶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邻域尺度转晶温度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述转晶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邻域尺度转晶温度特征向量，其中，所述第二卷积层具有第二长...

【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：