(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210905265.0 (22)申请日 2022.07.29 (65)同一申请的已公布的文献号 申请公布号 CN 115231525 A (43)申请公布日 2022.10.25 (73)专利权人 福建德尔科技股份有限公司 地址 364204 福建省龙岩市上杭县蛟洋镇 蛟洋工业 集中区工业路6号 (72)发明人 李嘉磊　陈施华　华辉　肖珏英　 陈碧灵　 (74)专利代理 机构 北京恒泰铭睿知识产权代理 有限公司 1 1642 专利代理师 何平 (51)Int.Cl. C01B 7/24(2006.01) G06V 10/764(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 214680102 U,2021.1 1.12 CN 112309513 A,2021.02.02 CN 112634995 A,2021.04.09 AU 2020102091 A4,2020.10.08 KR 20090089677 A,2009.08.24 CN 102626 557 A,2012.08.08 CN 111888788 A,2020.1 1.06 CN 112250538 A,2021.01.2 2 US 2007031315 A1,20 07.02.08 Ningrui Zhao 等.Neural netw ork algorithm and its ap plication in temperature co ntrol of disti llation tower. 《arXiv:2101.0 0582v1》 .2021,第1-19页. 审查员 向奎 (54)发明名称 电子级三氟化氯的智能分离纯化系统 (57)摘要 本申请涉及智慧产线领域， 其具体地 公开了 一种电子级三氟化氯的智能分离纯化系统， 所述 电子级三氟化氯的智能分离纯化系统采用基于 人工智能控制技术， 通过经一级纯化后三氟化氯 产物的纯度值、 第一碱金属吸附剂层床的第一温 度、 第二碱金属吸附剂层床的第二温度、 第三碱 金属吸附剂层床的第三温度作为输入 数据， 使用 深度神经网络模 型作为特征提取器， 来综合对于 电子级三氟化氯的纯化装置进行智能控制和判 断。 这样， 可 以使得纯化分离的效果能够实时精 准地调控以进行纯度优化， 进而提高所述电子级 三氟化氯的纯化效果。 权利要求书3页 说明书13页 附图5页 CN 115231525 B 2022.12.23 CN 115231525 B 1.一种电子级三氟化氯的智能分离纯化系统， 其特征在于， 包括： 数据采集模块， 用于 获取预定时间段内多个预定时间点的经一级 纯化后三氟化氯产物的纯度值、 第一碱金属吸 附剂层床的第一温度、 第二碱金属吸 附剂层床的第二温度、 第三碱金属吸 附剂层床的第三 温度； 温度数据结构化模块， 用于将所述预定时间段内多个预定时间点的第一碱金属吸 附 剂层床的第一温度、 第二碱金属吸附剂层床的第二温度和 第三碱金属吸附剂层床的第三温 度按照时间维度和样本维度排列为温度控制矩阵； 温度数据局部关联编码模块， 用于将所 述温度控制矩阵通过作为特征提取器的第一卷积神经网络以得到温度控制局部关联特征 图； 温度数据全局关联编码模块， 用于将所述温度控制局部关联特征图通过非局部神经网 络以得到温度控制全局关联特征图； 融合模块， 用于融合所述温度控制局部关联特征图和 所述温度控制全局关联特征图以得到温度控制特征图； 降维模块， 用于对所述温度控制特 征图的各个特征矩阵进行全局均值池化以得到温度控制特征向量； 校正模块， 用于对所述 温度控制特征向量进行校正以得到校正后 温度控制特征向量； 产物纯度数据编码模块， 用 于将所述预定时间段内多个预定时间点的经一级纯化后三氟化氯产物的纯度值通过包含 一维卷积层的时序编码器以得到产物纯度特征向量； 响应性估计模块， 用于计算所述校正 后温度控制特征向量相对于所述产物纯度特征向量的控制转移矩阵； 以及 控制结果生成模 块， 用于将所述控制转移矩阵通过分类器以得到分类结果， 所述分类结果用于表示预定时 间段内3级金属吸附剂层床的温度控制组合是否满足预定要求。 2.根据权利要求1所述的电子级三氟化氯的智能分离纯化系统， 其特征在于， 所述温度 数据结构化模块， 包括： 行向量构 造单元， 用于将所述预定时间段内多个预定时间点的第一 碱金属吸附剂层床的第一温度、 第二碱金属吸附剂层床的第二温度和 第三碱金属吸附剂层 床的第三温度按照所述时间维度分别排列为行向量以得到多个行向量； 矩阵构造单元， 用 于将所述多个行向量按照所述样本维度排列为所述温度控制矩阵。 3.根据权利要求2所述的电子级三氟化氯的智能分离纯化系统， 其特征在于， 所述温度 数据局部关联编码模块， 进一步用于： 使用所述作为特征提取器的第一卷积神经网络的各 层在层的正向传递中对输入数据分别进行： 对输入数据进行卷积处理以得到卷积特征图； 对所述卷积特征图进 行均值池化处理以得到池化特征图； 以及 对所述池化特征图进行非线 性激活以得到激活特征图； 其中， 所述作为特征提取器的第一卷积神经网络的最后一层的 输出为所述温度控制局部关联特征图， 所述作为特征提取器的第一卷积神经网络的第一层 的输入为所述温度控制矩阵。 4.根据权利要求3所述的电子级三氟化氯的智能分离纯化系统， 其特征在于， 所述温度 数据全局关联编 码模块， 包括： 点卷积单元， 用于将所述 温度控制局部 关联特征图分别输入 所述非局部神经网络的第一点卷积层、 第二点卷积层和第三点卷积层以得到第一特征图、 第二特征图和第三特征图； 第一融合单元， 用于计算所述第一特征图和所述第二特征图的 按位置加权和以得到中间融合特征图； 归一化单元， 用于将所述中间融合特征图输入 Softmax函数以对 所述中间融合特征图中各个位置的特征值进 行归一化以得到归一化中间 融合特征图； 第二融合单元， 用于计算所述归一化中间融合特征图和所述第三特征图的按 位置加权和以得到再融合特征图； 全局感知单元， 用于将所述再融合特征图通过嵌入高斯 相似性函数以计算所述再融合特征图中各个位置的特征值间的相似性以得到全局感知特 征图； 通道数调整单元， 用于将所述全局感知特征图通过所述非局部神经网络的第四点卷权　利　要　求　书 1/3 页 2 CN 115231525 B 2积层以得到通道调整全局感知特征图； 以及第三融合单元， 用于计算所述通道调整全局感 知特征图和所述温度控制局部关联特征图的按位置加权和以得到所述温度控制全局关联 特征图。 5.根据权利要求4所述的电子级三氟化氯的智能分离纯化系统， 其特征在于， 所述融合 模块， 进一步用于： 以如下公式融合所述温度控制局部关联特征图和所述温度控制全局关 联特征图以得到所述温度控制特 征图； 其中， 所述公式为： 其中， 为所述温度控制特征图， 为所述温度控制局部关联特征图， 为所述温度 控制全局关联特征图， “ ”表示所述温度控制局部关联特征图和所述温度控制全局关联特 征图相对应位置处的元素相加， 为用于控制所述温度控制特征图中所述温度控制局 部关联特征图和所述温度控制全局关联 特征图之间的平衡的加权参数。 6.根据权利要求5所述的电子级三氟化氯的智能分离纯化系统， 其特征在于， 所述校正 模块， 进一步用于： 以如下公式对所述温度控制特征向量进行校正以得到所述校正后 温度 控制特征向量； 其中， 所述公式为： 其中 表示所述温度控制特征向量， 是所述温度控制特征向量的自协方差矩阵， 和 分别是所述温度 控制特征向量的全局均值和方差， 表示向量的指数运算， 以向量 为幂的指数运算表示以向量的每个位置的值作为幂的自然指数函数值， 和 分别表示 特征向量的按位置减法和 加法， 表示矩阵相乘， 表示特征向量的二范 数。 7.根据权利要求6所述的电子级三氟化氯的智能分离纯化系统， 其特征在于， 所述产物 纯度数据编码模块， 进一步用于： 将所述预定时间段内多个预定时间点的经一级纯化后三 氟化氯产 物的纯度值按照时间维度排列为一 维的输入向量； 使用所述时序编码器的全连接 层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征 值的高维隐含特征， 其中， 所述公式为： ， 其中 是所述输入向量， 是输 出向量， 是权重矩阵， 是偏置向量， 表示矩阵乘； 以及使用所述时序编码器的一 维卷 积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的 特征值间的高维隐含关联 特征， 其中， 所述公式为： 其中，a为卷积核在 x方向上的宽度、 F为卷积核参数向量、 G为与卷积核函数运算的局部 向量矩阵， w为卷积核的尺寸， 表示所述输入向量。 8.根据权利要求7所述的电子级三氟化氯的智能分离纯化系统， 其特征在于， 所述响应权　利　要　求　书 2/3 页 3 CN 115231525 B 3