CN117185346B - 一种氧化锆粉智能加工装置、方法、系统及存储介质 - Google Patents
一种氧化锆粉智能加工装置、方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117185346B CN117185346B CN202311163240.9A CN202311163240A CN117185346B CN 117185346 B CN117185346 B CN 117185346B CN 202311163240 A CN202311163240 A CN 202311163240A CN 117185346 B CN117185346 B CN 117185346B
- Authority
- CN
- China
- Prior art keywords
- module
- reaction
- ultrasonic
- time point
- rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- MCMNRKCIXSYSNV-UHFFFAOYSA-N Zirconium dioxide Chemical compound O=[Zr]=O MCMNRKCIXSYSNV-UHFFFAOYSA-N 0.000 title claims abstract description 104
- 238000009700 powder processing Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims description 50
- 238000003860 storage Methods 0.000 title description 7
- 238000006243 chemical reaction Methods 0.000 claims abstract description 231
- 239000011259 mixed solution Substances 0.000 claims abstract description 63
- 239000000047 product Substances 0.000 claims abstract description 47
- 239000002994 raw material Substances 0.000 claims abstract description 43
- 239000000463 material Substances 0.000 claims abstract description 40
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 36
- 239000013049 sediment Substances 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 239000013067 intermediate product Substances 0.000 claims abstract description 20
- 238000012805 post-processing Methods 0.000 claims abstract description 12
- 230000032683 aging Effects 0.000 claims description 86
- 238000002604 ultrasonography Methods 0.000 claims description 41
- 239000013598 vector Substances 0.000 claims description 37
- 239000011159 matrix material Substances 0.000 claims description 31
- 239000000843 powder Substances 0.000 claims description 30
- 239000002244 precipitate Substances 0.000 claims description 22
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 11
- 238000005406 washing Methods 0.000 claims description 11
- 238000002156 mixing Methods 0.000 claims description 10
- 238000001354 calcination Methods 0.000 claims description 9
- 238000000227 grinding Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 8
- 150000003754 zirconium Chemical class 0.000 claims description 8
- 238000001035 drying Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 239000012716 precipitator Substances 0.000 claims 3
- 230000001376 precipitating effect Effects 0.000 claims 2
- 238000001556 precipitation Methods 0.000 description 54
- 239000000523 sample Substances 0.000 description 47
- 238000012549 training Methods 0.000 description 34
- 238000004519 manufacturing process Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 26
- 239000013078 crystal Substances 0.000 description 17
- 238000003756 stirring Methods 0.000 description 13
- 239000002245 particle Substances 0.000 description 9
- 238000004062 sedimentation Methods 0.000 description 9
- 239000000126 substance Substances 0.000 description 9
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 239000000243 solution Substances 0.000 description 8
- 239000000725 suspension Substances 0.000 description 8
- 238000001132 ultrasonic dispersion Methods 0.000 description 7
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 5
- 239000002904 solvent Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 239000003960 organic solvent Substances 0.000 description 4
- CSCPPACGZOOCGX-UHFFFAOYSA-N Acetone Chemical compound CC(C)=O CSCPPACGZOOCGX-UHFFFAOYSA-N 0.000 description 3
- 239000000654 additive Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 239000012467 final product Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- CMOAHYOGLLEOGO-UHFFFAOYSA-N oxozirconium;dihydrochloride Chemical compound Cl.Cl.[Zr]=O CMOAHYOGLLEOGO-UHFFFAOYSA-N 0.000 description 3
- 239000011550 stock solution Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- OBOSXEWFRARQPU-UHFFFAOYSA-N 2-n,2-n-dimethylpyridine-2,5-diamine Chemical compound CN(C)C1=CC=C(N)C=N1 OBOSXEWFRARQPU-UHFFFAOYSA-N 0.000 description 2
- NLXLAEXVIDQMFP-UHFFFAOYSA-N Ammonium chloride Substances [NH4+].[Cl-] NLXLAEXVIDQMFP-UHFFFAOYSA-N 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 2
- KFZMGEQAYNKOFK-UHFFFAOYSA-N Isopropanol Chemical compound CC(C)O KFZMGEQAYNKOFK-UHFFFAOYSA-N 0.000 description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N ammonia Natural products N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 235000011114 ammonium hydroxide Nutrition 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- BDERNNFJNOPAEC-UHFFFAOYSA-N propan-1-ol Chemical compound CCCO BDERNNFJNOPAEC-UHFFFAOYSA-N 0.000 description 2
- 238000007873 sieving Methods 0.000 description 2
- 238000005245 sintering Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000002834 transmittance Methods 0.000 description 2
- 150000003746 yttrium Chemical class 0.000 description 2
- OERNJTNJEZOPIA-UHFFFAOYSA-N zirconium nitrate Chemical compound [Zr+4].[O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O OERNJTNJEZOPIA-UHFFFAOYSA-N 0.000 description 2
- IVORCBKUUYGUOL-UHFFFAOYSA-N 1-ethynyl-2,4-dimethoxybenzene Chemical compound COC1=CC=C(C#C)C(OC)=C1 IVORCBKUUYGUOL-UHFFFAOYSA-N 0.000 description 1
- NGDQQLAVJWUYSF-UHFFFAOYSA-N 4-methyl-2-phenyl-1,3-thiazole-5-sulfonyl chloride Chemical compound S1C(S(Cl)(=O)=O)=C(C)N=C1C1=CC=CC=C1 NGDQQLAVJWUYSF-UHFFFAOYSA-N 0.000 description 1
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- 150000001242 acetic acid derivatives Chemical class 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 150000004649 carbonic acid derivatives Chemical class 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 229910010293 ceramic material Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005530 etching Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000009970 fire resistant effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009830 intercalation Methods 0.000 description 1
- 230000002687 intercalation Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 150000007524 organic acids Chemical class 0.000 description 1
- 235000005985 organic acids Nutrition 0.000 description 1
- SIWVEOZUMHYXCS-UHFFFAOYSA-N oxo(oxoyttriooxy)yttrium Chemical compound O=[Y]O[Y]=O SIWVEOZUMHYXCS-UHFFFAOYSA-N 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000011085 pressure filtration Methods 0.000 description 1
- 239000000376 reactant Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000012798 spherical particle Substances 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000007858 starting material Substances 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000009210 therapy by ultrasound Methods 0.000 description 1
- 239000012720 thermal barrier coating Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 229910052726 zirconium Inorganic materials 0.000 description 1
- -1 zirconium ions Chemical class 0.000 description 1
Abstract
本说明书实施例提供一种氧化锆粉智能加工装置,该装置包括物料运送模块、反应室、超声模块、沉淀提取模块、第一后处理模块、第二后处理模块以及处理器,处理器被配置为:控制物料运送模块将至少一种原料、以及溶解剂置入反应室中,并控制超声模块以第一超声参数运行,得到第一混合溶液;控制物料运送模块将沉淀剂置入反应室,并控制超声模块以第二超声参数运行,得到第二混合溶液;控制沉淀提取模块提取沉淀物,控制第一后处理模块对沉淀物进行第一后处理,得到第一中间产物;控制第二后处理模块对第一中间产物进行第二后处理,得到目标产物。
Description
技术领域
本说明书涉及智能生产领域,特别涉及一种氧化锆粉智能加工装置、方法、系统及存储介质。
背景技术
氧化锆(ZrO2)因其独特的物理、化学和机械性能而备受关注。作为一种新型陶瓷材料,氧化锆陶瓷具备许多出色的特性,如高韧性、高抗弯强度、耐磨性和良好的隔热性能。这些性能使其在多个应用领域,例如热障涂层、催化剂载体、医疗器械、保健产品、耐火材料和纺织品等领域,都有着广泛的应用。在传统的氧化锆生产加工过程中,涉及到的生产参数,例如原料的配比、烧结温度、烧结时间等等都可能会受到人为因素的影响,这可能会导致产品的性能不稳定,并且传统方法难以实时监测和调整生产参数,以确保最优的生产条件。
因此,希望提供一种氧化锆粉智能加工装置、方法、系统及存储介质,帮助实时监测和调整生产参数,使得反应器中反应能够充分进行,降低人为操作的错误可能性,从而保证产品的质量。
发明内容
本说明书实施例之一提供一种氧化锆粉智能加工装置,所述装置包括物料运送模块、反应室、超声模块、沉淀提取模块、第一后处理模块、第二后处理模块以及处理器。所述处理器被配置为:控制所述物料运送模块将至少一种原料、以及溶解剂置入所述反应室,并控制所述超声模块以第一超声参数运行,得到第一混合溶液,所述原料至少包括无机锆盐,所述溶解剂至少包括水;控制所述物料运送模块将沉淀剂置入所述反应室,并控制所述超声模块以第二超声参数运行,得到第二混合溶液,所述第二混合溶液中包括沉淀物;控制所述沉淀提取模块提取所述沉淀物,控制所述第一后处理模块对所述沉淀物进行第一后处理,得到第一中间产物,所述第一后处理包括过滤、压滤、洗涤、干燥中的至少一种;控制所述第二后处理模块对所述第一中间产物进行第二后处理,得到目标产物,所述第二后处理包括煅烧、粉碎、研磨中的至少一种,所述目标产物包括所述氧化锆粉。
本说明书实施例之一提供一种氧化锆粉智能加工装置的控制方法,所述方法由所述氧化锆粉智能加工装置的处理器执行,所述氧化锆粉智能加工装置包括物料运送模块、反应室、超声模块、沉淀提取模块、第一后处理模块、第二后处理模块以及处理器,所述方法包括:控制所述物料运送模块将至少一种原料、以及溶解剂置入反应室,并控制所述超声模块以第一超声参数运行,得到第一混合溶液,所述原料至少包括无机锆盐,所述溶解剂至少包括水;控制所述物料运送模块将沉淀剂置入所述反应室,并控制所述超声模块以第二超声参数运行,得到第二混合溶液,所述第二混合溶液中包括沉淀物;控制所述沉淀提取模块提取所述沉淀物,控制所述第一后处理模块对所述沉淀物进行第一后处理,得到第一中间产物,所述第一后处理包括过滤、压滤、洗涤、干燥中的至少一种;控制所述第二后处理模块对所述第一中间产物进行第二后处理,得到目标产物,所述第二后处理包括煅烧、粉碎、研磨中的至少一种,所述目标产物包括所述氧化锆粉。
本说明书一个或多个实施例提供一种氧化锆粉智能加工系统,所述系统包括:第一控制模块,用于控制物料运送模块将至少一种原料、以及溶解剂置入反应室,并控制超声模块以第一超声参数运行,得到第一混合溶液,所述原料至少包括无机锆盐,所述溶解剂至少包括水;第二控制模块,用于控制所述物料运送模块将沉淀剂置入所述反应室,并控制所述超声模块以第二超声参数运行,得到第二混合溶液,所述第二混合溶液中包括沉淀物;第三控制模块,用于控制沉淀提取模块提取所述沉淀物,控制第一后处理模块对所述沉淀物进行第一后处理,得到第一中间产物,所述第一后处理包括过滤、压滤、洗涤、干燥中的至少一种;第四控制模块,用于控制第二后处理模块对所述第一中间产物进行第二后处理,得到目标产物,所述第二后处理包括煅烧、粉碎、研磨中的至少一种,所述目标产物包括所述氧化锆粉。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行上述氧化锆粉智能加工装置的控制方法。
附图说明
图1是根据本说明书一些实施例所示的氧化锆粉智能加工方法的示例性流程图;
图2是根据本说明书一些实施例所示的确定第二超声参数的示例性示意图;
图3是根据本说明书一些实施例所示的确定陈化处理的处理参数的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的氧化锆粉智能加工装置的控制方法的示例性流程图。在一些实施例中,流程100可以由处理器执行。如图1所示,流程100包括下述步骤。
步骤110,控制物料运送模块将至少一种原料、以及溶解剂置入反应室,并控制超声模块以第一超声参数运行,得到第一混合溶液。
物料运送模块是指用于运送材料的模块。在一些实施例中,物料运送模块可以包括传送带和机械臂等。
在一些实施例中,物料运送模块可以基于运送指令获取至少一种原料以及溶解剂,并将其运送至反应室中。运行指令中可以包括至少一种原料的第一质量配比、至少一种原料与溶解剂的第二质量配比。物料运送模块可以按照质量配比,运送至少一种原料和溶解剂。关于第一质量配比和第二质量配比的更多说明参见下文。在一些实施例中,处理器可以通过网络、蓝牙、串行接口等中的至少一种方式将运送指令发送至物料运送模块。
上述物料运送模块的相关描述仅用于说明目的,而无意限制本说明书的范围。
原料是指用于制备氧化锆粉的原材料。在一些实施例中,原料至少包括无机锆盐。在一些实施例中,无机锆盐可以包括氧氯化锆、硝酸锆中的至少一种。
在一些实施例中,原料还可以包括无机钇盐等其他材料。在一些实施例中,无机钇盐可以包括硝酸钇、氯化钇中的至少一种。在一些实施例中,原料还可以包括添加剂。例如,有机酸、着色剂、黏合剂等。
在一些实施例中,至少一种原料之间的质量比例满足第一质量配比。
第一质量配比是指生产氧化锆粉的各种原料之间的配比。例如,第一质量配比可以是氧氯化锆和氯化钇的质量比例为3:2。又例如,第一质量配比可以是氧氯化锆、氧化钇与其他添加剂的质量比例。
在一些实施例中,第一质量配比可以基于氧化锆粉的成品要求参数确定。
成品要求参数是指对生产的氧化锆粉的参数要求。例如,氧化锆粉的成品要求参数可以包括产量、化学成分、粒度大小、粒度分布、比表面积、残水含量、以及氧化锆粉产品透光度等中的至少一个。成品要求参数可以基于氧化锆粉成品的实际用途相关,用途不同,成品要求参数不同。例如,用作结构陶瓷的氧化锆粉,对粒度大小有较高的要求;用作蚀刻材料的氧化锆粉,要求生成的产品具有较好的透光度。
在一些实施例中,成品要求参数可以通过多种方式确定。例如,可以通过用户预先设定。再例如,可以基于用户输入的生产所需的氧化锆粉成品的实际用途,通过预设对应关系表,确定对应的成品要求参数。其中,预设对应关系表中包括多种成品用途与多种成品要求参数的对应关系,预设对应关系表可以基于先验知识或历史数据确定。
在一些实施例中,处理器可以基于氧化锆粉的成品要求参数,通过多种方式确定氧化锆粉的第一质量配比。在一些实施例中,处理器可以确定成品检测结果与成品要求参数相同或相似的历史成品的历史生产数据,将历史生产数据中生产历史成品的历史第一质量配比确定为当前生产的第一质量配比。其中,历史生产数据可以是多个企业、研究单位等公开的生产数据。成品检测结果是指生产出的氧化锆粉实际的化学成分、粒度大小、粒度分布、比表面积、残水含量、以及氧化锆粉产品透光度等中的至少一种。
在一些实施例中,第一质量配比可以由用户输入确定。在一些实施例中,第一质量配比可以从存储设备中读取。
上述原料、第一质量配比的相关描述仅用于说明目的,而无意限制本说明书的范围。
在一些实施例中,处理器可以控制物料运送模块基于第一质量配比,从对应的原料仓中获取相应比例的原料、添加剂等,获得至少一种原料,并将至少一种原料置入反应室中。
在一些实施例中,处理器可以控制相关设备(例如,搅拌设备)将至少一种原料按照第一质量配比进行混合得到反应原液,再控制物料运送模块将反应原液置入反应室中。反应原液为至少一种原料的混合溶液。
溶解剂是指用于溶解原料的溶剂。在一些实施例中,溶解剂至少包括水。在一些实施例中,溶解剂还可以包括其他任意可以溶解原料的溶剂。关于溶解剂的相关描述仅用于说明目的,而无意限制本说明书的范围。
在一些实施例中,至少一种原料的总质量与溶解剂之间的质量比例满足第二质量配比。
第二质量配比是指至少一种原料的总质量与溶解剂质量之间的配比。
第二质量配比的获取方式和第一质量配比的获取方式类似,更多说明参见上文。
在一些实施例中,反应室可以包括容器、搅拌装置、加热装置等中的至少一种。搅拌装置可以用于溶解、混合多种物质。加热装置可以通过提高温度以提升反应速度。
反应室对原料和溶解剂进行处理获得第一混合溶液的过程可以由处理器控制。例如,处理器可以控制反应室中反应的温度、压强等参数。
超声模块是指用于进行超声分散的模块。在一些实施例中,超声模块由至少一个超声单元组成的超声阵列构成,其中每个超声单元独立向外发射超声。超声单元可以利用超声波的空化作用来分散团聚的颗粒。例如,超声单元可以是超声波分散机等。
第一超声参数是指用于分散原料和溶解剂的超声参数。在一些实施例中,超声参数可以包括单次超声时长、超声频率、工作方式(例如,连续式或间歇式)、探头材料类型(例如,包括钛合金、不锈钢、硅等)、超声功率等中的一种或多种。
第一超声参数可以通过多种方式确定。在一些实施例中,第一超声参数可以基于工艺经验、历史生产数据等提前确定。例如,可以将前述成品检测结果与成品要求参数相同或相似的历史成品的历史生产数据中生产历史成品的历史第一超声参数确定为当前生产的第一超声参数。
在一些实施例中,处理器可以根据至少一种原料的第一质量配比,确定第一预设时间段内的第一超声参数。
第一预设时间段是指至少一种原料与溶解剂反应并得到第一混合溶液的时间区间。第一预设时间段可以根据实际生产需求进行设置。
在一些实施例中,处理器可以基于历史生产数据,预先记录并保存不同第一质量配比与不同第一超声参数的对应关系,得到第一预设对照表;基于第一质量配比,通过查表确定第一超声参数。
第一混合溶液是指原料和溶解剂经过混合反应得到的混合溶液。
在一些实施例中,处理器可以控制超声模块以第一超声参数将至少一种原料和溶解剂分散均匀,得到第一混合溶液。在一些实施例中,处理器还可以控制搅拌装置将至少一种原料和溶解剂搅拌混合,在搅拌过程中控制超声模块进行超声分散,以加速超声分散的速度,提升混合或分散效率。
步骤120,控制物料运送模块将沉淀剂置入反应室,并控制超声模块以第二超声参数运行,得到第二混合溶液。
沉淀剂是指用于在溶液中生成沉淀物的溶剂。在一些实施例中,沉淀剂可以包括氨水溶液。本说明书实施例对氨水溶液的配制方法没有特殊的限定,采用本领域技术人员熟知的配制方法即可。
在一些实施例中,沉淀剂还可以采用碳酸盐、醋酸盐等其他溶剂。
上述沉淀剂的相关描述仅用于说明目的,而无意限制本说明书的范围。
第二超声参数是指用于分散第一混合溶液和沉淀剂的超声参数。
第二超声参数可以通过多种方式确定。在一些实施例中,第二超声参数可以基于工艺经验、历史生产数据等提前确定。第二超声参数的确定方式与第一超声参数的确定方式类似,更多说明参见上文。
在一些实施例中,处理器可以根据至少一种原料与溶解剂的第二质量配比,确定第二预设时间段内的第二超声参数。
第二预设时间段是指第一混合溶液与沉淀剂反应并得到第二混合溶液的时间区间。第二预设时间段可以根据实际生产需求进行设置。
在一些实施例中,处理器可以基于历史生产数据,预先记录并保存不同第二质量配比与不同第二超声参数的对应关系,得到第二预设对照表;基于第二质量配比,通过查表确定第二超声参数。
本说明书一些实施例,通过基于质量配比确定超声参数,可以精确控制溶液分散的过程,有助于实现更加稳定和高效的化学反应,从而确保最终产品的质量和性能。
在一些实施例中,处理器可以基于反应速率确定后续过程的第二超声参数。关于该实施例的更多说明参见图2及其相关描述。
第二混合溶液是指第一混合溶液和沉淀剂经过混合反应得到的混合溶液。
在一些实施例中,第二混合溶液中包括沉淀物。在一些实施例中,沉淀物可以包括氢氧化锆等。
在一些实施例中,处理器可以在沉淀剂加入反应室后,控制超声模块以第二超声参数将第一混合溶液和沉淀剂分散均匀,得到第二混合溶液。在一些实施例中,处理器还可以控制搅拌装置将第一混合溶液和沉淀剂搅拌混合,搅拌过程中控制超声模块进行超声分散,以加速超声分散的速度,提升混合或分散效率。
在一些实施例中,处理器可以控制物料运送模块采用滴加的方式将沉淀剂加入反应室中。在一些实施例中,处理器可以控制物料运送模块按照一定滴加速率(例如,3~4mL/min)将沉淀剂滴入反应室中。在一些实施例中,处理器可以在物料运送模块滴加沉淀剂时,控制搅拌装置按照一定搅拌速率(例如,400r/min)进行同步搅拌。进一步地,处理器还可以在搅拌过程中控制超声模块进行超声分散。
步骤130,控制沉淀提取模块提取沉淀物,控制第一后处理模块对沉淀物进行第一后处理,得到第一中间产物。
沉淀提取模块是指用于提取沉淀物的模块。在一些实施例中,沉淀提取模块包含过滤装置(例如,滤网等)。例如,可以通过过滤网过滤第二混合溶液,以将沉淀物和溶液粗分离,提取出沉淀物。
本说明书实施例对过滤的操作没有特殊的限定,采用本领域技术人员熟知的操作即可。
第一后处理是指对沉淀物进行初步处理的操作。
在一些实施例中,第一后处理包括过滤、压滤、洗涤、干燥中的至少一种。在一些实施例中,洗涤的方式可以包括水洗、醇洗中的至少一种。本说明书实施例对水洗、醇洗的操作没有特殊的限定,采用本领域技术人员熟知的操作即可。
第一后处理模块是指用于对沉淀物进行第一后处理的模块。在一些实施例中,第一后处理模块可以包括过滤器、压滤机、洗涤器和干燥器中的至少一种。
第一中间产物是指沉淀物经过第一后处理后的产物。
在一些实施例中,在沉淀提取模块进行沉淀物提取之前,还可以进行陈化处理。关于陈化处理的更多说明,参见图3及其相关描述。
步骤140,控制第二后处理模块对第一中间产物进行第二后处理,得到目标产物。
第二后处理是指对第一中间产物进行处理的操作。在一些实施例中,第二后处理包括煅烧、粉碎、研磨中的至少一种。其中,煅烧的温度和时长,粉碎的压力和时长,研磨的压力和时长可以根据实际需求进行设置。
在一些实施例中,煅烧前可以对第一中间产物进行过筛处理。在一些实施例中,可以对煅烧后的产物进行过筛处理。
第二后处理模块是指用于第二后处理的模块。在一些实施例中,第二后处理模块可以包括高温炉、粉碎器、研磨器等中的一种或多种。
目标产物是指第一中间产物经过第二后处理后的最终产物。在一些实施例中,目标产物包括氧化锆粉。
本说明书一些实施例,通过处理器自动化控制物料运送模块、反应室、超声模块、沉淀提取模块、第一后处理模块和第二后处理模块进行一系列加工操作,可以对氧化锆粉生产的各个环节实现精准控制,使生产的氧化锆粉满足成品要求,同时提高生产效率和生产质量。
应当注意的是,上述有关流程100的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程100进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图2是根据本说明书一些实施例所示的确定第二超声参数的示例性示意图。
在一些实施例中,氧化锆粉智能加工装置还包括分布式成像模块以及分布式热传感模块。
分布式成像模块可以用于采集图像数据。分布式成像模块可以包括分散部署于所述反应室内至少一个预设点位的成像单元。成像单元具有不同的拍摄角度,每个成像单元可以从特定角度拍摄反应室的全部/部分区域。预设点位可以基于历史工艺经验确定。
分布式热传感模块可以用于采集温度数据。分布式热传感模块可以包括分散部署于反应室内至少一个预设点位的热传感器。每个热传感器可以获取对应点位的温度数据。
在一些实施例中,处理器可以通过分布式成像模块获取第二预设时间段内至少一个历史目标时点的目标图像序列;基于目标图像序列,确定反应速率;基于反应速率,确定目标关键时点对应的第二超声参数。
关于第二预设时间段的更多说明,参见图1及其相关描述。
历史目标时点是指获取目标图像序列的时点。在一些实施例中,历史目标时点包括历史关键时点和历史关键时点之前的至少一个历史时点。
关键时点是指第一混合溶液与沉淀剂混合反应过程中的特定时间点。历史关键时点是指当前时间之前一段时间内的关键时点。
在一些实施例中,历史关键时点可以根据预设间隔得到。例如,从沉淀剂进入反应室开始,每隔一个预设间隔确定一个历史关键时点。预设间隔可以是系统预设值、人为预设值等。
在一些实施例中,处理器可以基于分布式热传感模块的温度检测情况确定历史关键时点。例如,处理器可以通过分布式热传感模块监测至少一个预设点位在过去一段时间内的温度值变化曲线,计算至少一个预设点位在每个历史时点(相邻历史时点之间的时间间隔可以预设得到)的温度值方差,将温度值方差大于预设方差阈值的历史时点,确定为历史关键时点。预设方差阈值可以根据经验预设得到。
在一些实施例中,处理器可以周期性实时计算多个时点的反应均匀度;响应于当前的反应均匀度小于预设均匀度阈值,将当前时点确定为关键时点。周期性实时计算是指每隔一个时间间隔计算一次当前时点下的反应均匀度。在一些实施例中,时间间隔可以预先设置获得。
反应均匀度是指反应室内的第一混合溶液与沉淀剂发生沉淀反应的均匀程度。
在一些实施例中,反应均匀度可以基于至少一个点位在同一时点对应的至少一个反应子速率确定。例如,反应均匀度可以为至少一个反应子速率的方差的倒数。
反应子速率是指反应室内某个预设点位在某时点进行沉淀反应的瞬时速率,或反应室内某个预设点位在某个极短时间区间内进行沉淀反应的平均速率。例如,可以将某个预设点位A的某时点前后0.1s内的平均速率认为是该预设点位A在该时点的反应子速率。关于反应子速率的更多说明参见下文。
均匀度阈值是指确定关键时点的阈值。在一些实施例中,均匀度阈值可以根据经验确定。在一些实施例中,处理器可以基于历史工艺数据,预先记录并保存不同第一质量配比和/或不同第二质量配比与不同均匀度阈值的对应关系,得到第三预设对照表;基于第一质量配比和/或不同第二质量配比,通过查表确定均匀度阈值。
本说明书一些实施例,通过实时计算每个时点的反应均匀度,将反应均匀度小于均匀度阈值的时点确定为关键时点,能够更准确地反映反应过程中的实际情况,提高了确定关键时点的准确性和可靠性。同时,由于反应过程中不同时间点沉淀反应进度不同,通过分析关键时点可以更好地分析反应速率的变化情况。
在一些实施例中,处理器可以在两个历史关键时点之间的时段内随机确定至少一个历史时点。在一些实施例中,处理器可以在每个历史关键时点之前按照时间顺序确定临近的至少一个历史时点。
关于历史关键时点之前的至少一个历史时点的相关描述仅用于说明目的,而无意限制本说明书的范围。
目标图像序列是指至少一个预设点位采集的图像构成的序列。
在一些实施例中,处理器可以控制分布式成像模块在至少一个预设点位进行图像采集,获取图像子序列。在一些实施例中,处理器可以控制分布式成像模块在第二预设时间段内的至少一个历史目标时点进行图像采集,每个历史目标时点获取一个图像子序列,进而获取到目标图像序列。也就是说,目标图像序列中包括至少一个图像子序列,每个图像子序列对应一个历史目标时点。
反应速率是指反应室内发生沉淀反应的平均速率。
在一些实施例中,反应速率可以是当前时间之前一段历史时间段内沉淀反应的平均速率。在一些实施例中,反应速率可以是沉淀反应开始至当前时间之前一段时间段内沉淀反应的平均速率。
在一些实施例中,处理器可以基于历史工艺经验,提前预设不同标准目标图像序列及其对应的不同标准反应速率;将目标图像序列与标准目标图像序列进行相似度匹配,将相似度最高的标准目标图像序列对应的标准反应速率作为当前的反应速率。本说明书实施例对确定图像相似度的方式没有特殊的限定,采用本领域技术人员熟知的操作即可。
在一些实施例中,处理器可以通过速率预测模型确定反应速率。
在一些实施例中,速率预测模型可以为下文中自定义结构的机器学习模型。速率预测模型还可以是其他结构的机器学习模型,例如神经网络模型等。
参见图2,在一些实施例中,速率预测模型230可以包括图像嵌入层231、反应速率预测层235。在一些实施例中,图像嵌入层可以为卷积神经网络模型等,反应速率预测层可以为深度神经网络模型等。
参见图2,在一些实施例中,速率预测模型230可以包括一个图像嵌入层231,该图像嵌入层231的输入为图像矩阵210,输出为图像嵌入向量序列233。
在一些实施例中,图像矩阵包括至少一个预设点位的时变图像序列。时变图像序列由反应室内的某预设点位在至少一个历史目标时点的多幅图像构成。时变图像序列中元素顺序为历史目标时点的时间先后。
在一些实施例中,图像嵌入向量序列包括至少一个图像嵌入向量。每个图像嵌入向量对应于一幅图像。属于同一时变图像序列的多幅图像的图像嵌入向量为一个图像嵌入向量群组。
在一些实施例中,速率预测模型可以包括多个图像嵌入层,每个图像嵌入层的输入为反应室内的某预设点位在至少一个历史目标时点的图像构成的时变图像序列,输出为一个图像嵌入向量群组。多个图像嵌入层输出的多个图像嵌入向量群组可以构成图像嵌入向量序列。
参见图2,在一些实施例中,反应速率预测层235的输入为图像嵌入向量序列233,输出为反应速率240。关于反应速率的更多说明参见图1及其相关描述。
在一些实施例中,速率预测模型230还可以包括温度嵌入层232。在一些实施例中,温度嵌入层232可以为卷积神经网络模型等。
在一些实施例中,温度嵌入层232的输入可以包括沉淀温度矩阵220,输出可以为温度嵌入向量序列234。该实施例中,反应速率预测层235的输入还可以包括温度嵌入层232输出的温度嵌入向量序列234。
在一些实施例中,沉淀温度矩阵包括至少一个预设点位的时变温度序列。时变温度序列由反应室内的某预设点位在至少一个历史目标时点的多个沉淀温度构成。时变温度序列中元素顺序为历史目标时点的时间先后。在一些实施例中,处理器可以通过分布式热传感模块在至少一个历史目标时点采集沉淀温度,进而得到沉淀温度矩阵。其中,沉淀温度是指在沉淀反应中检测的温度。例如,沉淀温度可以是在第二预设时间段内在反应室中任意预设点位获取的温度值。
在一些实施例中,温度嵌入向量序列包括至少一个温度嵌入向量。温度嵌入向量序列中元素顺序为历史目标时点的时间先后。每个温度嵌入向量可以反映至少一个预设点位的温度分布。不同历史目标时点对应不同的温度嵌入向量。
本说明书一些实施例,通过引入温度嵌入层来预测反应速率,可以有效地考虑沉淀反应等涉及热量变化的反应的放热情况或吸热情况,进而辅助评估反应速率。
在一些实施例中,图像嵌入层的输出可以作为反应速率预测层的输入。图像嵌入层与反应速率预测层可以通过带有第一标签的第一训练样本,进行联合训练得到。在一些实施例中,第一训练样本可以包括样本图像矩阵,第一标签为第一训练样本对应的反应速率。示例性的联合训练过程包括:将样本图像矩阵输入初始图像嵌入层,得到初始图像嵌入层输出的图像嵌入向量序列;将初始图像嵌入层输出的图像嵌入向量序列输入初始反应速率预测层,得到初始反应速率预测层输出的反应速率。基于第一标签和初始反应速率预测层输出的反应速率构建损失函数,同步更新初始图像嵌入层和初始反应速率预测层的参数。通过参数更新,得到训练好的图像嵌入层和反应速率预测层。
在一些实施例中,第一训练样本可以基于历史数据获得。第一标签可以根据实验确定。在一些实施例中,处理器可以基于历史工艺经验,预设包括不同化学特征和不同反应速率的对应关系的第四预设对照表;对于某个第一训练样本,采集该第一训练样本对应的反应室在沉淀反应中多个随机水位的水体样本,并进行对水体样本进行化验;根据化验结果确定每个水位的化学特征,并计算化学特征平均值;通过查表得到该第一训练样本对应的反应速率,并将其标注为该第一训练样本对应的第一标签。其中,化学特征是指溶液中各组分的含量,如锆离子、悬浮物等含量。
在一些实施例中,当速率预测模型还包括温度嵌入层时,图像嵌入层的输出和温度嵌入层的输出可以作为反应速率预测层的输入。图像嵌入层、温度嵌入层和反应速率预测层可以通过带有第二标签的第二训练样本,进行联合训练得到。在一些实施例中,第二训练样本可以包括样本图像矩阵、样本沉淀温度矩阵,第二标签可以为第二训练样本对应的反应速率。示例性的联合训练过程包括:将样本图像矩阵输入初始图像嵌入层,得到初始图像嵌入层输出的图像嵌入向量序列;将样本沉淀温度矩阵输入初始温度嵌入层,得到初始温度嵌入层输出的温度嵌入向量序列;将初始图像嵌入层输出的图像嵌入向量序列和初始温度嵌入层输出的温度嵌入向量序列输入初始反应速率预测层,得到初始反应速率预测层输出的反应速率。基于第二标签和初始反应速率预测层输出的反应速率构建损失函数,同步更新初始图像嵌入层、初始温度嵌入层和初始反应速率预测层的参数。通过参数更新,得到训练好的图像嵌入层、温度嵌入层和反应速率预测层。
在一些实施例中,第二训练样本可以基于历史数据获得。第二标签的表述方式与第一标签的标注方式类似,在此不再赘述。
本说明书一些实施例,通过速率预测模型对各个点位处的时序图像序列进行处理,可以利用机器学习模型的自学习能力,从大量图像序列中找到规律,获取到反应速率与图像序列之间的关联关系,提高确定反应速率的准确度和效率。通过进一步利用温度嵌入层对各个预设点位处的时序温度序列进行处理,可以进一步考虑反应过程中放热或吸热情况下采集的温度数据与反应速率之间的关联关系,有助于辅助评估反应速率。
目标关键时点是指位于当前时间之后的下一个关键时点。目标关键时点位于第二预设时间段内。在一些实施例中,目标关键时点可以基于最后一个历史关键时点和预设间隔确定。
在一些实施例中,处理器可以基于反应速率,通过多种方式确定目标关键时点对应的第二超声参数。在一些实施例中,处理器可以基于反应速率与标准反应速率,确定目标关键时点对应的第二超声参数。响应于反应速率小于标准反应速率时,朝着能增大反应速率的方向调整超声模块的超声频率和超声功率,得到目标关键时点对应的第二超声参数。响应于反应速率大于标准反应速率时,朝着能减小反应速率的方向调整超声模块的超声频率和超声功率,得到目标关键时点对应的第二超声参数。在一些实施例中,可以通过历史数据或实验确定如何调整超声模块的超声频率和超声功率,使反应速率增大或减小。
本说明书一些实施例,通过对多个历史目标时点的图像序列进行分析处理,可以更准确地确定反应速率,有助于更好地控制氧化锆粉的后续加工过程,以确保产品质量和效率。
参见图2,在一些实施例中,速率预测模型230还可以包括反应子速率预测层236。在一些实施例中,反应子速率预测层可以为深度神经网络模型等。
参见图2,在一些实施例中,反应子速率预测层236的输入可以包括温度嵌入向量序列234与图像嵌入向量序列233,输出为反应子速率矩阵250。
在一些实施例中,反应子速率矩阵包括至少一个预设点位的时变反应子速率序列。时变反应子速率序列由反应室内的某预设点位在至少一个历史目标时点的多个反应子速率构成。时变反应子速率序列中元素顺序为历史目标时点的时间先后。
在一些实施例中,当速率预测模型还包括反应子速率预测层时,图像嵌入层的输出和温度嵌入层的输出可以作为反应子速率预测层的输入。图像嵌入层、温度嵌入层和反应子速率预测层可以通过带有第三标签的第三训练样本,进行联合训练得到。在一些实施例中,第三训练样本可以包括样本图像矩阵和样本沉淀温度矩阵,第三标签可以包括第三训练样本对应的反应子速率矩阵。图像嵌入层、温度嵌入层和反应子速率预测层进行联合训练的过程,与图像嵌入层、温度嵌入层和反应速率预测层进行联合训练的过程类似,在此不再赘述。
在一些实施例中,第三训练样本可以基于历史数据获得。第三标签可以根据实验确定。在一些实施例中,对于某个第三训练样本中的某个样本时点,处理器可以采集反应室中多个热传感器所在预设点位在该样本时点的水体样本,并进行对水体样本进行化验;根据化验结果确定多个预设点位的化学特征;通过查表分别得到多个预设点位在该样本时点对应的反应子速率;通过前述方式确定多个预设点位分别在多个样本时点的时序反应子速率序列,进而得到多个预设点位的反应子速率矩阵,将其标注为该第三训练样本对应的第三标签。
在一些实施例中,处理器可以基于至少一个反应子速率,通过多种方式确定超声阵列中每个超声单元在目标关键时点的第二超声参数。例如,对于每个超声单元,响应于该超声单元所负责的区域(或预设点位)在最后一个历史关键时点处的反应子速率小于标准反应子速率,则朝着能对应增大该反应子速率的方向,调整该超声单元的超声频率和超声功率,得到该超声单元在目标关键时点的第二超声参数。响应于该超声单元所负责的区域(或预设点位)在最后一个历史关键时点处的反应子速率大于标准反应子速率,则朝着能对应减小该反应子速率的方向,调整该超声单元的超声频率和超声功率,得到该超声单元在目标关键时点的第二超声参数。在一些实施例中,可以通过历史数据或实验确定如何调整超声单元的超声频率和超声功率,使反应速率增大或减小。
本说明书一些实施例,通过引入反应子速率预测层来预测反应子速率,并基于超声单元调整反应子速率,从而可以实现更精准的超声分散控制,提高生产效率和质量。
图3是根据本说明书一些实施例所示的确定陈化处理的处理参数的示例性示意图。
在一些实施例中,处理器可以控制反应室进行陈化处理;响应于完成陈化处理,提取第二混合溶液中的沉淀物。
陈化处理是指沉淀完全后,对溶液进行的静置处理。在一些实施例中,陈化处理可以在得到第二混合溶液,以及沉淀提取模块进行沉淀提取之前进行。
在一些实施例中,在进行陈化处理之前,处理器可以控制物料运送模块将一定质量的有机溶剂置入反应室,将第二混合溶液与有机溶剂按照一定质量比例(例如,1:2、1:3等)进行混合,得到前驱体沉淀液。在一些实施例中,有机溶剂可以包括乙醇、正丙醇、异丙醇和丙酮中的一种或多种。通过将第二混合溶液与有机溶剂混合后进行陈化处理,能够降低溶胶介质的介电常数,使胶体颗粒之间的静电斥力下降,引起溶胶失稳,胶粒互相聚集,形成较大的粒子,实现同液体介质分离,进而获得大小均一的球形颗粒,减小颗粒表面缺陷。
在一些实施例中,陈化处理包括将第二混合溶液静置预设陈化时长。预设陈化时长属于陈化处理的处理参数。
预设陈化时长是指静置的时长。在一些实施例中,预设陈化时长可以基于预设得到。在一些实施例中,处理器可以基于历史工艺数据,预先记录并保存不同第一质量配比和/或不同第二质量配比与不同预设陈化时长的对应关系的第五预设对照表;基于第一质量配比和/或第二质量配比,通过查表确定预设陈化时长。
在一些实施例中,处理器可以将第二混合溶液以预设条件序列静置预设陈化时长。预设条件序列属于陈化处理的处理参数。
预设条件序列是指对第二混合溶液进行陈化处理过程中的多种环境条件构成的序列。其中,环境条件可以包括陈化温度、陈化压力等。其中,陈化温度是指在陈化处理中检测的温度。例如,沉淀温度可以是陈化处理时在反应室中任意预设点位获取的温度值。陈化压力是指陈化处理中检测的反应室中的压强大小。
在一些实施例中,预设条件序列可以包括至少一个调整时点的环境条件。
调整时点是指对陈化处理过程中的环境条件进行调整的时间点。相邻两个调整时点之间的环境条件不同。在一些实施例中,调整时点可以根据预设的时间间隔和预设陈化时长确定。例如,可以将开始陈化的时间点、每隔预设的时间间隔取的一个或多个时间点作为调整时点。
在一些实施例中,预设条件序列可以包括陈化温度序列和/或陈化压力序列。
陈化温度序列可以包括陈化处理过程中至少一个调整时点的陈化温度。两个调整时点之间的时段内的陈化温度与两个调整时点中前一个调整时点的陈化温度相同。
陈化压力序列可以包括陈化处理过程中至少一个调整时点的陈化压力。两个调整时点之间的时段内的陈化压力与两个调整时点中前一个调整时点的陈化压力相同。
在一些实施例中,处理器可以通过机器学习模型确定预设陈化条件和预设陈化时长。
参见图3,在一些实施例中,处理器可以生成至少一组包括候选陈化温度序列311、候选陈化压力序列312以及候选陈化时长313的候选组合310,基于沉淀预测模型320预测每组候选组合310对应的悬浮物沉降率330以及沉淀晶体性能参数340;基于每组候选组合310对应的悬浮物沉降率330以及沉淀晶体性能参数340,分别确定预设条件序列350和预设陈化时长360。
在一些实施例中,处理器可以随机生成多种候选陈化温度序列、多种候选陈化压力序列以及多种候选陈化时长,将其分别进行组合得到多组候选组合。在一些实施例中,处理器可以根据历史数据生成多种候选陈化温度序列、多种候选陈化压力序列以及多种候选陈化时长,将其分别进行组合得到多组候选组合。
沉淀预测模型可以为机器学习模型。例如,深度神经网络(Deep NeuralNetworks,DNN)模型、卷积神经网络(Convolutional Neural Networks,CNN)模型等或其任意组合。
参见图3,在一些实施例中,沉淀预测模型320的输入可以包括由候选陈化温度序列311、候选陈化压力序列312和候选陈化时长313构成的候选组合310,输出可以包括悬浮物沉降率330和沉淀晶体性能参数340。
悬浮物沉降率是指第二混合溶液按照相关条件进行陈化后,沉降的悬浮物的比率。悬浮物可以是悬浮在溶液中的沉淀物。
沉淀晶体性能参数是指沉淀物中的晶体的性能参数。例如,沉淀晶体性能参数可以包括沉淀晶体的粒径分布、晶型等。沉淀晶体性能参数与沉淀晶体种类和实际生产需求有关。
在一些实施例中,沉淀预测模型可以通过多个带有第四标签的第四训练样本,进行监督训练得到。在一些实施例中,第四训练样本可以包括样本组合(包括样本陈化温度序列、样本陈化压力序列、样本陈化时长),第四标签可以包括样本组合对应的实际悬浮物沉降率和实际沉淀晶体性能参数。本说明书实施例对监督训练的方式没有特殊的限定,采用本领域技术人员熟知的操作即可。
在一些实施例中,第四训练样本可以基于历史数据中的预设条件序列确定,第四标签可以基于对第四训练样本进行的沉淀分析确定。在一些实施例中,沉淀分析的过程可以包括:在按照第四训练样本进行陈化处理和过滤后,将实际过滤后的沉淀质量与沉淀反应的预期沉淀质量之比确定为实际悬浮物沉降率;对沉淀物进行晶体性能分析,确定其实际的沉淀晶体性能参数;将第四训练样本对应的实际悬浮物沉降率和沉淀晶体性能参数标注为第四标签。其中,沉淀反应的预期沉淀质量是指沉淀反应后产生的全部沉淀物的质量。预期沉淀质量可以根据第一质量配比和/或第二质量配比,通过计算得出。
参见图3,在一些实施例中,处理器可以基于每组候选组合310对应的悬浮物沉降率330以及沉淀晶体性能参数340,分别确定预设条件序列350和预设陈化时长360。例如,可以将最优的悬浮物沉降率和沉淀晶体性能参数对应的候选陈化温度序列和候选陈化压力序列、候选陈化时长分别确定为预设条件序列和预设陈化时长。
生成沉淀物后,沉淀物会缓慢沉聚到底部。若陈化时长过短,可能导致悬浮物未完全沉降至容器底部。本说明书一些实施例,通过使用沉淀预测模型,可以更准确地预测悬浮物沉降率和沉淀晶体性能,有助于准确确定预设条件序列和预设陈华时长,以便更好地控制陈化处理过程,保证悬浮物沉降充分,以确保最终产品的质量和性能。
参见图3,在一些实施例中,沉淀预测模型320的输入还可以包括至少一个预设点位在第二预设时间段内的至少一个历史关键时点的反应子速率315。
关于第二预设时间段的更多说明参见图1及其相关描述。关于关键时点、反应子速率的更多说明参见图2及其相关描述。
在一些实施例中,当沉淀预测模型的输入还包括至少一个预设点位在第二预设时间段内的至少一个历史关键时点的反应子速率时,第四训练样本中的样本组合还可以包括至少一个预设点位在样本第二预设时间段内的至少一个历史关键时点的反应子速率(即反应子速率矩阵)。
本说明书一些实施例,沉淀反应过程中,各个预设点位的反应子速率能够有效反映沉淀反应的反应情况,这些特征有助于帮助判断悬浮物大概的情况,因此将各个预设点位在多个历史关键时点的反应子速率作为模型输入,有助于更有效地预测悬浮物沉降率和沉淀晶体性能参数。
在一些实施例中,预设条件序列还可以包括第三超声参数。
第三超声参数是指陈化处理过程中用到的超声参数。在一些实施例中,第三超声参数可以通过沉淀预测模型确定。相应的,参见图3,沉淀预测模型320的输入还包括候选第三超声参数314。相应的,用于沉淀预测模型的样本组合还可以包括样本第三超声参数。样本第三超声参数的确定方式与第一超声参数的确定方式类似,在此不再赘述。
本说明书一些实施例,在陈化处理中加入超声处理,可以进一步优化陈化处理的效果,提高陈化处理的效率和质量。通过沉淀预测模型同步确定第三超声参数,可以在提高第三超声参数的准确性的同时,节省算力。
本说明书一些实施例,通过进行陈化处理,即在沉淀提取之前对第二混合溶液进行静置预设陈化时长,可以令反应室内的组分充分反应,或令悬浮物充分沉降,进而改善沉淀物的性能,提高沉淀提取的效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (8)
1.一种氧化锆粉智能加工装置,其特征在于,所述氧化锆粉智能加工装置包括物料运送模块、反应室、超声模块、沉淀提取模块、第一后处理模块、第二后处理模块、分布式成像模块、分布式热传感器模块以及处理器,所述超声模块由至少一个超声单元组成的超声阵列构成,每个所述超声单元独立向外发射超声,所述处理器被配置为:
控制所述物料运送模块将至少一种原料、以及溶解剂置入所述反应室,并控制所述超声模块以第一超声参数运行,得到第一混合溶液,所述原料至少包括无机锆盐,所述溶解剂至少包括水;
控制所述物料运送模块将沉淀剂置入所述反应室,并控制所述超声模块以第二超声参数运行,得到第二混合溶液,所述第二混合溶液中包括沉淀物;
所述第二超声参数的确定方式包括:
通过所述分布式成像模块获取第二预设时间段内至少一个历史目标时点的目标图像序列,所述历史目标时点包括历史关键时点和所述历史关键时点之前的至少一个历史时点,所述历史关键时点是指当前时间之前一段时间内的关键时点;所述关键时点是指第一混合溶液与沉淀剂混合反应过程中的特定时间点;所述历史关键时点基于所述分布式热传感器模块的温度检测情况确定;
基于所述目标图像序列,通过速率预测模型确定反应速率,所述速率预测模型为机器学习模型;所述速率预测模型包括图像嵌入层、反应速率预测层以及反应子速率预测层;所述图像嵌入层的输入为图像矩阵,所述图像矩阵基于所述目标图像序列确定,所述图像嵌入层的输出为图像嵌入向量序列;所述反应速率预测层的输入为所述图像嵌入向量序列,所述反应速率预测层的输出为所述反应速率;所述反应子速率预测层的输入为温度嵌入向量序列和所述图像嵌入向量序列,所述反应子速率预测层的输出为反应子速率矩阵;所述反应子速率矩阵包括至少一个预设点位的时变反应子速率序列,所述时变反应子速率序列由所述反应室内的某预设点位在至少一个历史目标时点的多个反应子速率构成;
基于所述反应速率以及至少一个所述反应子速率,确定所述超声阵列中每个所述超声单元在目标关键时点的所述第二超声参数;所述目标关键时点是指当前时间之后的下一个所述关键时点;
控制所述沉淀提取模块提取所述沉淀物,控制所述第一后处理模块对所述沉淀物进行第一后处理,得到第一中间产物,所述第一后处理包括过滤、压滤、洗涤、干燥中的至少一种;
控制所述第二后处理模块对所述第一中间产物进行第二后处理,得到目标产物,所述第二后处理包括煅烧、粉碎、研磨中的至少一种,所述目标产物包括所述氧化锆粉。
2.根据权利要求1所述的氧化锆粉智能加工装置,其特征在于,所述第一超声参数以及所述第二超声参数的确定方式包括:
根据所述至少一种原料的第一质量配比、所述至少一种原料与所述溶解剂的第二质量配比,确定第一预设时间段内的所述第一超声参数以及第二预设时间段内的所述第二超声参数,所述第一预设时间段是指所述至少一种原料与所述溶解剂反应并得到所述第一混合溶液的时间区间,所述第二预设时间段是指所述第一混合溶液与所述沉淀剂反应并得到所述第二混合溶液的时间区间。
3.根据权利要求1所述的氧化锆粉智能加工装置,其特征在于,所述处理器进一步被配置为:
控制所述反应室进行陈化处理,所述陈化处理包括将所述第二混合溶液静置预设陈化时长;
响应于完成所述陈化处理,提取所述第二混合溶液中的所述沉淀物。
4.一种氧化锆粉智能加工装置的控制方法,其特征在于,所述方法由所述氧化锆粉智能加工装置的处理器执行,所述氧化锆粉智能加工装置包括物料运送模块、反应室、超声模块、沉淀提取模块、第一后处理模块、第二后处理模块、分布式成像模块、分布式热传感器模块以及处理器,所述超声模块由至少一个超声单元组成的超声阵列构成,每个所述超声单元独立向外发射超声,所述方法包括:
控制所述物料运送模块将至少一种原料、以及溶解剂置入所述反应室,并控制所述超声模块以第一超声参数运行,得到第一混合溶液,所述原料至少包括无机锆盐,所述溶解剂至少包括水;
控制所述物料运送模块将沉淀剂置入所述反应室,并控制所述超声模块以第二超声参数运行,得到第二混合溶液,所述第二混合溶液中包括沉淀物;
所述第二超声参数的确定方式包括:
通过所述分布式成像模块获取第二预设时间段内至少一个历史目标时点的目标图像序列,所述历史目标时点包括历史关键时点和所述历史关键时点之前的至少一个历史时点,所述历史关键时点是指当前时间之前一段时间内的关键时点;所述关键时点是指第一混合溶液与沉淀剂混合反应过程中的特定时间点;所述历史关键时点基于所述分布式热传感器模块的温度检测情况确定;
基于所述目标图像序列,通过速率预测模型确定反应速率,所述速率预测模型为机器学习模型;所述速率预测模型包括图像嵌入层、反应速率预测层以及反应子速率预测层;所述图像嵌入层的输入为图像矩阵,所述图像矩阵基于所述目标图像序列确定,所述图像嵌入层的输出为图像嵌入向量序列;所述反应速率预测层的输入为所述图像嵌入向量序列,所述反应速率预测层的输出为所述反应速率;所述反应子速率预测层的输入为温度嵌入向量序列和所述图像嵌入向量序列,所述反应子速率预测层的输出为反应子速率矩阵;所述反应子速率矩阵包括至少一个预设点位的时变反应子速率序列,所述时变反应子速率序列由所述反应室内的某预设点位在至少一个历史目标时点的多个反应子速率构成;
基于所述反应速率以及至少一个所述反应子速率,确定所述超声阵列中每个所述超声单元在目标关键时点的所述第二超声参数;所述目标关键时点是指当前时间之后的下一个所述关键时点;
控制所述沉淀提取模块提取所述沉淀物,控制所述第一后处理模块对所述沉淀物进行第一后处理,得到第一中间产物,所述第一后处理包括过滤、压滤、洗涤、干燥中的至少一种;
控制所述第二后处理模块对所述第一中间产物进行第二后处理,得到目标产物,所述第二后处理包括煅烧、粉碎、研磨中的至少一种,所述目标产物包括所述氧化锆粉。
5.根据权利要求4所述的方法,其特征在于,所述第一超声参数以及所述第二超声参数的确定方式包括:
根据所述至少一种原料的第一质量配比、所述至少一种原料与所述溶解剂的第二质量配比,确定第一预设时间段内的所述第一超声参数以及第二预设时间段内的所述第二超声参数,所述第一预设时间段是指所述至少一种原料与所述溶解剂反应并得到所述第一混合溶液的时间区间,所述第二预设时间段是指所述第一混合溶液与所述沉淀剂反应并得到所述第二混合溶液的时间区间。
6.根据权利要求4所述的方法,其特征在于,所述方法进一步包括:
控制所述反应室进行陈化处理,所述陈化处理包括将所述第二混合溶液静置预设陈化时长;
响应于完成所述陈化处理,提取所述第二混合溶液中的所述沉淀物。
7.一种氧化锆粉智能加工装置的控制系统,所述系统包括:
第一控制模块,用于控制物料运送模块将至少一种原料、以及溶解剂置入反应室,并控制超声模块以第一超声参数运行,得到第一混合溶液,所述原料至少包括无机锆盐,所述溶解剂至少包括水;所述超声模块由至少一个超声单元组成的超声阵列构成,每个所述超声单元独立向外发射超声;
第二控制模块,用于控制所述物料运送模块将沉淀剂置入所述反应室,并控制所述超声模块以第二超声参数运行,得到第二混合溶液,所述第二混合溶液中包括沉淀物;还用于确定所述第二超声参数,包括:
通过分布式成像模块获取第二预设时间段内至少一个历史目标时点的目标图像序列,所述历史目标时点包括历史关键时点和所述历史关键时点之前的至少一个历史时点,所述历史关键时点是指当前时间之前一段时间内的关键时点;所述关键时点是指第一混合溶液与沉淀剂混合反应过程中的特定时间点;所述历史关键时点基于分布式热传感器模块的温度检测情况确定;
基于所述目标图像序列,通过速率预测模型确定反应速率,所述速率预测模型为机器学习模型;所述速率预测模型包括图像嵌入层、反应速率预测层以及反应子速率预测层;所述图像嵌入层的输入为图像矩阵,所述图像矩阵基于所述目标图像序列确定,所述图像嵌入层的输出为图像嵌入向量序列;所述反应速率预测层的输入为所述图像嵌入向量序列,所述反应速率预测层的输出为所述反应速率;所述反应子速率预测层的输入为温度嵌入向量序列和所述图像嵌入向量序列,所述反应子速率预测层的输出为反应子速率矩阵;所述反应子速率矩阵包括至少一个预设点位的时变反应子速率序列,所述时变反应子速率序列由所述反应室内的某预设点位在至少一个历史目标时点的多个反应子速率构成;
基于所述反应速率以及至少一个所述反应子速率,确定所述超声阵列中每个所述超声单元在目标关键时点的所述第二超声参数;所述目标关键时点是指当前时间之后的下一个所述关键时点;
第三控制模块,用于控制沉淀提取模块提取所述沉淀物,控制第一后处理模块对所述沉淀物进行第一后处理,得到第一中间产物,所述第一后处理包括过滤、压滤、洗涤、干燥中的至少一种;
第四控制模块,用于控制第二后处理模块对所述第一中间产物进行第二后处理,得到目标产物,所述第二后处理包括煅烧、粉碎、研磨中的至少一种,所述目标产物包括所述氧化锆粉。
8.一种存储模块,其特征在于,所述存储模块存储计算机指令,当计算机读取所述计算机指令时,所述计算机执行如权利要求4-6中任一项所述的氧化锆粉智能加工装置的控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311163240.9A CN117185346B (zh) | 2023-09-11 | 一种氧化锆粉智能加工装置、方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311163240.9A CN117185346B (zh) | 2023-09-11 | 一种氧化锆粉智能加工装置、方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117185346A CN117185346A (zh) | 2023-12-08 |
CN117185346B true CN117185346B (zh) | 2024-07-02 |
Family
ID=
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108675348A (zh) * | 2018-07-04 | 2018-10-19 | 江苏大学 | 一种制备超细氧化锆粉体的方法 |
CN113772738A (zh) * | 2021-09-28 | 2021-12-10 | 广西埃索凯新材料科技有限公司 | 一种基于视觉技术的饲料级硫酸锰的生产控制系统 |
CN115424675A (zh) * | 2022-09-16 | 2022-12-02 | 金业新材料科技(昆山)有限公司 | 一种氧化锆粉生产装置、方法、系统以及介质 |
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108675348A (zh) * | 2018-07-04 | 2018-10-19 | 江苏大学 | 一种制备超细氧化锆粉体的方法 |
CN113772738A (zh) * | 2021-09-28 | 2021-12-10 | 广西埃索凯新材料科技有限公司 | 一种基于视觉技术的饲料级硫酸锰的生产控制系统 |
CN115424675A (zh) * | 2022-09-16 | 2022-12-02 | 金业新材料科技(昆山)有限公司 | 一种氧化锆粉生产装置、方法、系统以及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nagy et al. | Recent advances in the monitoring, modelling and control of crystallization systems | |
CN1137054C (zh) | 钛酸钡粉末 | |
CN117185346B (zh) | 一种氧化锆粉智能加工装置、方法、系统及存储介质 | |
El Arnaout et al. | A novel backlight fiber optical probe and image algorithms for real time size-shape analysis during crystallization | |
Castillo et al. | Chemometric optimisation of a copper sulphide tailings flocculation process in the presence of clays | |
Botschi et al. | Feedback control for the size and shape evolution of needle-like crystals in suspension. IV. Modeling and control of dissolution | |
CN117185346A (zh) | 一种氧化锆粉智能加工装置、方法、系统及存储介质 | |
Bari et al. | Sequential crystallization parameter estimation method for determination of nucleation, growth, breakage, and agglomeration kinetics | |
Ghadipasha et al. | On‐line control of crystal properties in nonisothermal antisolvent crystallization | |
CN108495939A (zh) | 用于从母液中获得晶体的方法和对此适宜的结晶设备 | |
JP2016191679A (ja) | 凝集状態検出方法、薬剤注入制御方法及び薬剤注入制御装置 | |
RU2714452C1 (ru) | Способ получения порошков диоксида циркония со сфероидальной формой частиц | |
CN106745174A (zh) | 一种稀土氧化物比表面积控制的制备工艺 | |
CN115469620B (zh) | 一种氧化锆粉生产的智能控制装置、方法、系统以及介质 | |
Tronci et al. | A stochastic approach for the prediction of PSD in crystallization processes: Analytical solution for the asymptotic behavior and parameter estimation | |
CN109542003A (zh) | 一种多晶硅还原炉自动控制方法 | |
CN110850833B (zh) | 一种氧化铝溶出过程智能化设定系统及方法 | |
Aghajanian et al. | Real-time monitoring and insights into process control of micron-sized calcium carbonate crystallization by an in-line digital microscope camera | |
Ridder et al. | Parametric, optimization-based study on the feasibility of a multisegment antisolvent crystallizer for in situ fines removal and matching of target size distribution | |
Sun et al. | Particle coarsening II: Growth kinetics of hydrothermal BaTiO3 | |
CN115424675A (zh) | 一种氧化锆粉生产装置、方法、系统以及介质 | |
US20170089883A1 (en) | Cell evaluation device, method, and program | |
Rasmuson | Crystallization process analysis by population balance modeling | |
CN106699835B (zh) | 全自动血浆处理设备及处理方法 | |
CN113962150A (zh) | 一种烧结混合料粒度预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |