【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种从含锌废渣中提取出氧化锌的氧化条件优化方法及装置。
技术介绍
1、氧化锌作为一款多功能无机材料，在多个工业领域如橡胶制造、油漆、陶瓷生产及医药制品中扮演着至关重要的角色。随着全球工业活动的增加，对高品质氧化锌的需求也日益增长。为了满足这一需求并实现资源的循环利用，从各种含锌废渣中提取氧化锌的技术应运而生，这不仅有助于减少环境污染，还能有效回收宝贵资源。
2、然而，含锌废渣的来源多样，其化学成分和物理性质各不相同，比如锌含量、杂质种类与比例等，这些因素显著影响着氧化过程的效率和产物的质量。传统的提取方法往往采用固定的氧化条件，这在处理不同类型的废渣时效果不佳，因为它们未能充分考虑废渣特性的差异，从而导致氧化锌的提取率和纯度不高，且能耗较高，经济效益有限，综上所述，现有的氧化锌提取方法仍存在氧化锌的提取效率不高的问题。
技术实现思路
1、本专利技术提供一种从含锌废渣中提取出氧化锌的氧化条件优化方法、装置及计算机可读存储介质，其主要目的在于解决解决现有的氧化锌提取方法仍存在氧化锌的提取效率不高的问题。
2、为实现上述目的，本专利技术提供的一种从含锌废渣中提取出氧化锌的氧化条件优化方法，包括：
3、获取从含锌废渣中提取氧化锌的氧化实验数据，从所述氧化实验数据中提取出关键参数以及实验效率，根据所述关键参数构建出状态空间；
4、利用所述实验效率对所述关键参数进行参数影响量化，得到量化结果，根据所述量化结果构建出
5、利用所述状态空间以及所述动作空间构建出奖励函数，利用所述奖励函数、所述状态空间以及所述动作空间生成氧化条件自适应模型；
6、将所述氧化条件自适应模型部署到预设的实际氧化锌提取过程中，利用所述氧化条件自适应模型对实际氧化锌提取过程进行氧化参数的自适应调节，得到最优氧化效果。
7、可选地，所述根据所述关键参数构建出状态空间，包括：
8、根据所述关键参数生成参数范围；
9、基于所述参数范围以及所述关键参数生成状态向量；
10、对所述状态向量进行转换规则生成，得到转移函数；
11、根据所述转移函数以及所述状态向量生成状态空间。
12、可选地，所述利用所述实验效率对所述关键参数进行参数影响量化，得到量化结果，包括：
13、利用所述实验效率对所述关键参数进行敏感性分析，得到敏感性指标；
14、将所述敏感性指标作为关键参数对应的影响系数，对所述影响系数进行归一化得到权重系数；
15、将所述权重系数进行数据汇总，得到量化结果。
16、可选地，所述利用所述实验效率对所述关键参数进行敏感性分析，得到敏感性指标，包括：
17、根据所述实验效率构建出效率函数；
18、计算出所述关键参数的平均参数；
19、利用所述效率函数以及所述平均参数进行单参数变化，得到变化结果；
20、利用所述变化结果计算所述关键参数的敏感性指标。
21、可选地，所述根据所述量化结果构建出动作空间，包括：
22、根据所述关键参数以及所述量化结果生成动作列表；
23、对所述动作列表与所述状态空间中的状态进行动作映射，得到动作空间集；
24、对所述动作空间集进行动作编码，得到动作空间。
25、可选地，所述利用所述状态空间以及所述动作空间构建出奖励函数，包括：
26、对所述状态空间中的每个状态进行量化表示，得到量化指标；
27、对所述动作空间中的每个动作进行影响度量，得到动作影响度；
28、根据所述量化指标以及所述动作影响度生成奖励函数。
29、可选地，所述利用所述奖励函数、所述状态空间以及所述动作空间生成氧化条件自适应模型，包括：
30、根据所述状态空间以及所述动作空间生成动作选择模型；
31、创建所述动作选择模型对应的回访缓存区；
32、对所述动作选择模型的网络结构以及权重进行网络复制，得到目标值计算模型；
33、利用所述目标值计算模型计算出所述回访缓存区中的目标值；
34、利用所述目标值对所述动作选择模型进行网络权重更新，得到氧化条件自适应模型。
35、可选地，所述从所述氧化实验数据中提取出关键参数以及实验效率，包括：
36、计算出所述氧化实验数据的协方差矩阵；
37、对所述协方差矩阵进行特征分解，得到特征值以及特征向量；
38、根据所述特征值的大小从所述特征向量中筛选出主成分；
39、将所述主成分投影到实验数据中，得到关键数据；
40、从所述氧化实验数据中提取出关键数据对应的实验效率。
41、可选地，所述利用所述氧化条件自适应模型对实际氧化锌提取过程进行氧化参数的自适应调节包括：
42、获取监测得到的关键氧化参数，将所述关键氧化参数输入所述氧化条件自适应模型中；
43、利用所述氧化条件自适应模型输出当前最优的氧化参数调整关键参数；
44、根据所述氧化参数调整关键参数生成参数调整策略。
45、为了解决上述问题，本专利技术还提供一种从含锌废渣中提取出氧化锌的氧化条件优化装置，所述装置包括：
46、数据提取模块模块，用于获取从含锌废渣中提取氧化锌的氧化实验数据，从所述氧化实验数据中提取出关键参数以及实验效率，根据所述关键参数构建出状态空间；
47、动作空间生成模块，用于利用所述实验效率对所述关键参数进行参数影响量化，得到量化结果，根据所述量化结果构建出动作空间；
48、氧化模型构建模块，用于利用所述状态空间以及所述动作空间构建出奖励函数，利用所述奖励函数、所述状态空间以及所述动作空间生成氧化条件自适应模型；
49、氧化策略生成模块，用于将所述氧化条件自适应模型部署到预设的实际氧化锌提取过程中，利用所述氧化条件自适应模型对实际氧化锌提取过程进行氧化参数的自适应调节，得到最优氧化效果。
50、本专利技术通过对氧化实验数据的分析，识别出影响氧化锌提取效率的关键参数，并利用关键参数构建出状态空间，使得能够在实际变化的条件下做出响应，避免了传统固定参数控制的局限性；通过量化出关键参数的敏感性结果可以了解不同参数组合对氧化锌提取的影响程度，以探索不同的操作条件找到最佳的参数组合，以实现最高的提取效率；通过构建出奖励函数并生成氧化条件自适应模型可以使得各种状态下做出最佳决策，即使面对新的或未预见的情况，也能自动调整参数，达到或接近最优氧化效果；通过利用自适应模型动态调整氧化参数，实时响应生产环境的变化，提高氧化锌提取的效率。因此本专利技术提出的从含锌废渣中提取出氧化锌的氧化条件优化方法及装置，可以解决现有的氧化锌提取方法仍存在氧化锌的提取效率不高的问题。
本文档来自技高网...【技术保护点】
1.一种从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，包括：
2.如权利要求1所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述根据所述关键参数构建出状态空间，包括：
3.如权利要求2所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述利用所述实验效率对所述关键参数进行参数影响量化，得到量化结果，包括：
4.如权利要求3所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述利用所述实验效率对所述关键参数进行敏感性分析，得到敏感性指标，包括：
5.如权利要求1所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述根据所述量化结果构建出动作空间，包括：
6.如权利要求1至5中任一项所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述利用所述状态空间以及所述动作空间构建出奖励函数，包括：
7.如权利要求1所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述利用所述奖励函数、所述状态空间以及所述动作空间生成氧化条件自适应模型，
8.如权利要求1所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述从所述氧化实验数据中提取出关键参数以及实验效率，包括：
9.如权利要求1所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述利用所述氧化条件自适应模型对实际氧化锌提取过程进行氧化参数的自适应调节包括：
10.一种从含锌废渣中提取出氧化锌的氧化条件优化装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，包括：
2.如权利要求1所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述根据所述关键参数构建出状态空间，包括：
3.如权利要求2所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述利用所述实验效率对所述关键参数进行参数影响量化，得到量化结果，包括：
4.如权利要求3所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述利用所述实验效率对所述关键参数进行敏感性分析，得到敏感性指标，包括：
5.如权利要求1所述的从含锌废渣中提取出氧化锌的氧化条件优化方法，其特征在于，所述根据所述量化结果构建出动作空间，包括：
6.如权利要求1至5中任一项...
【专利技术属性】
技术研发人员：李冬华，刘立瑞，凌源，贺增梅，左达，李文冲，
申请(专利权)人：江西睿锋环保有限公司，
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。