【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种铝灰中氮化铝脱除的优化方法及系统。
技术介绍
1、随着全球矿冶产业的快速发展，矿冶固体废弃物的产生量也呈逐年增长趋势，其中铝灰作为一种典型的固体废弃物，其资源化利用与无害化处理已成为当前研究的热点和难点。铝灰中氮化铝的存在不仅影响了铝灰的再利用价值，而且可能对环境造成潜在危害。目前，铝灰中氮化铝的脱除方法主要包括湿法脱氮和火法脱氮两种，其中火法脱氮不仅可以提高铝灰中氧化铝的含量，拓宽铝灰资源化利用途径，而且可以避免产生氨气带来的环境污染。
2、然而，火法脱氮工艺的操作条件较为苛刻，对设备要求较高，且脱氮效果受多种因素影响，如焙烧温度、保温时间、药剂添加比等，因此需要一种方法能够对火法脱氮的工艺参数进行优化，找到最优工艺参数。
技术实现思路
1、本专利技术提供一种铝灰中氮化铝脱除的优化方法及系统，其主要目的在于对氮化铝脱除的工艺参数进行优化。
2、为实现上述目的，本专利技术提供的一种铝灰中氮化铝脱除的优化方法，包括：
3、获取铝灰中氮化铝脱除的工艺参数，以及获取利用所述工艺参数对铝灰进行氮化铝脱除的脱除率；
4、对所述工艺参数以及脱除率进行数据融合，得到工艺参数数据，对所述工艺参数数据进行权重向量编码，得到工艺参数编码特征；
5、获取铝灰中的粒径分布数据，以及获取铝灰中的氮含量数据；
6、对所述粒径分布数据以及氮含量数据进行数据融合，得到铝灰融合数据，对所述铝灰融合数据进行哈希
7、对所述工艺参数编码特征以及铝灰数据编码特征进行基于自适应模态分解的特征融合，得到融合特征；
8、利用预先训练的氮化铝脱除工艺优化模型根据所述融合特征对所述工艺参数进行优化，得到最优工艺参数。
9、可选地，所述工艺参数包括焙烧温度、焙烧时间以及药剂添加比例。
10、可选地，所述获取利用所述工艺参数对铝灰进行氮化铝脱除的脱除率，包括：
11、从铝灰中取出两份预设质量的铝灰样品，得到第一铝灰样品以及第二铝灰样品；
12、利用化学法测定出所述第一铝灰样品中的氮化铝含量，得到第一氮化铝含量；
13、利用所述工艺参数对所述第二铝灰样品进行氮化铝脱除处理，得到脱氮铝灰样品；
14、测定所述脱氮铝灰样品中的氮化铝含量，得到第二氮化铝含量；
15、根据所述预设质量、第一氮化铝含量以及第二氮化铝含量计算出脱除率。
16、可选地，所述对所述工艺参数数据进行权重向量编码，得到工艺参数编码特征，包括：
17、对所述工艺参数数据进行归一化处理，得到归一化工艺参数；
18、对所述工艺参数数据进行归一化处理，得到归一化工艺参数；
19、对所述归一化工艺参数进行特征提取，得到工艺参数特征；
20、计算所述工艺参数特征中每个特征地权重，得到特征权重；
21、将所述特征权重转化为向量形式，得到权重向量；
22、利用低方差滤波法对所述权重向量进行降维处理，得到工艺参数编码特征。
23、可选地，所述对所述工艺参数数据进行归一化处理，得到归一化工艺参数，包括：
24、利用如下公式表示所述归一化处理：
25、
26、其中，z为所述归一化工艺参数，xi为所述工艺参数数据中第i个数据，为所述工艺参数数据的均值，n为样本的数量。
27、可选地，所述对所述铝灰融合数据进行哈希向量编码，得到铝灰数据编码特征，包括：
28、计算所述铝灰融合数据中每一个数据的哈希值，得到哈希值数据集；
29、将所述哈希值数据集中每一个哈希值转化为一个向量元素，得到哈希向量；
30、根据所述哈希值数据集的长度对所述哈希向量进行归一化处理，得到归一化哈希向量；
31、对所述归一化哈希向量进行降维处理，得到铝灰数据编码特征。
32、可选地，所述对所述工艺参数编码特征以及铝灰数据编码特征进行基于自适应模态分解的特征融合，得到融合特征，包括：
33、对所述工艺参数编码特征以及所述铝灰数据编码特征进行自适应模态分解，得到模态分量；
34、计算所述工艺参数编码特征与所述铝灰数据编码特征的余弦相似度；
35、根据所述余弦相似度对所述模态分量进行增强处理，得到增强模态分量；
36、对增强模态分量进行融合，得到融合特征。
37、可选地，所述利用预先训练的氮化铝脱除工艺优化模型根据所述融合特征对所述工艺参数进行优化，得到最优工艺参数之前，所述方法还包括：
38、获取预设数量的公开的氮化铝脱除工艺数据以及其对应的铝灰数据，得到公开工艺参数以及公开铝灰数据；
39、对所述公开工艺参数以及公开铝灰数据进行特征提取后并进行特征融合，得到公开融合数据；
40、创建神经网络模型，初始化所述神经网络模型的权重参数以及偏置项；
41、利用所述神经网络模型根据所述公开融合数据对所述工艺参数进行优化，得到第一训练优化参数；
42、计算所述第一训练优化参数与所述公开融合数据中预置的最优工艺参数的梯度值；
43、根据所述梯度值调整所述神经网络模型的学习率的大小；
44、根据所述梯度值以及调整后的学习率调整所述神经网络模型的权重参数后，重新执行上述利用所述神经网络模型根据所述公开融合数据对所述工艺参数进行优化的步骤，得到第二训练优化参数；
45、计算所述第二训练优化参数与所述公开融合数据中预置的最优工艺参数的损失值；
46、若所述损失值大于或等于预设的损失值阈值，则根据所述损失值利用反向传播算法调整所述神经网络模型的权重参数和偏置项后，重新执行上述利用所述神经网络模型根据所述公开融合数据对所述工艺参数进行优化，得到第一训练优化参数的步骤；
47、若所述损失值小于预设的损失值阈值，则确认模型训练完成，得到氮化铝脱除工艺优化模型。
48、可选地，所述利用预先训练的氮化铝脱除工艺优化模型根据所述融合特征对所述工艺参数进行优化，得到最优工艺参数，包括：
49、利用所述氮化铝脱除工艺优化模型对所述融合特征进行数据转换处理，得到特征矩阵；
50、利用所述氮化铝脱除工艺优化模型通过卷积层对所述特征矩阵进行卷积操作，得到卷积特征；
51、利用所述氮化铝脱除工艺优化模型通过池化层对所述卷积特征进行最大池化操作，得到池化特征；
52、利用所述氮化铝脱除工艺优化模型通过全连接层根据所述池化特征，对氮化铝脱除工艺参数进行优化，得到最优工艺参数。
53、为了解决上述问题，本专利技术还提供一种铝灰中氮化铝脱除的优化系统，所述系统包括：
54、数据获取模块，用于获取铝灰中氮化铝脱除的工艺参数，以及本文档来自技高网...
【技术保护点】
1.一种铝灰中氮化铝脱除的优化方法，其特征在于，所述方法包括：
2.如权利要求1所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述工艺参数包括焙烧温度、焙烧时间以及药剂添加比例。
3.如权利要求1所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述获取利用所述工艺参数对铝灰进行氮化铝脱除的脱除率，包括：
4.如权利要求1所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述对所述工艺参数数据进行权重向量编码，得到工艺参数编码特征，包括：
5.如权利要求4所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述对所述工艺参数数据进行归一化处理，得到归一化工艺参数，包括：
6.如权利要求1所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述对所述铝灰融合数据进行哈希向量编码，得到铝灰数据编码特征，包括：
7.如权利要求1所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述对所述工艺参数编码特征以及铝灰数据编码特征进行基于自适应模态分解的特征融合，得到融合特征，包括：
8.如权利要求1所述的铝灰中氮化铝脱除的优化方法，
9.如权利要求8所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述利用预先训练的氮化铝脱除工艺优化模型根据所述融合特征对所述工艺参数进行优化，得到最优工艺参数，包括：
10.一种铝灰中氮化铝脱除的优化系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种铝灰中氮化铝脱除的优化方法，其特征在于，所述方法包括：
2.如权利要求1所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述工艺参数包括焙烧温度、焙烧时间以及药剂添加比例。
3.如权利要求1所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述获取利用所述工艺参数对铝灰进行氮化铝脱除的脱除率，包括：
4.如权利要求1所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述对所述工艺参数数据进行权重向量编码，得到工艺参数编码特征，包括：
5.如权利要求4所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述对所述工艺参数数据进行归一化处理，得到归一化工艺参数，包括：
6.如权利要求1所述的铝灰中氮化铝脱除的优化方法，其特征在于，所述对...
【专利技术属性】
技术研发人员：王勇平，
申请(专利权)人：宜春市富锐气体有限责任公司，
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。