[发明专利]船舶废气混合式脱硫系统及其方法

权利要求书

1.一种船舶废气混合式脱硫系统，其特征在于，包括：

数据获取模块，用于获取预定时间段内多个预定时间点的船舶废气流入速率值，以及，所述多个预定时间点的由海水和碱性溶液组成的混合喷雾的喷雾压力值；

数据结构化模块，用于将所述多个预定时间点的船舶废气流入速率值和所述多个预定时间点的喷雾压力值分别按照时间维度排列为船舶废气流入速率时序输入向量和喷雾压力值时序输入向量；

时序特征提取模块，用于将所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别通过包含第一卷积层和第二卷积层的时序特征提取器以得到船舶废气流入速率时序特征向量和喷雾压力值时序特征向量；

高斯密度融合模块，用于使用高斯密度图来融合所述船舶废气流入速率时序特征向量和所述喷雾压力值时序特征向量以得到联合特征矩阵；

表达效果优化模块，用于对所述联合特征矩阵进行特征流形的表达效果优化以得到优化联合特征矩阵；

查询模块，用于以所述喷雾压力值时序特征向量作为查询特征向量，计算其与所述优化联合特征矩阵之间的矩阵乘积以得到分类特征向量；和

控制结果生成模块，用于将所述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是否增大喷雾压力值；

其中，所述时序特征提取模块，包括：

第一卷积编码单元，用于使用所述时序特征提取器的第一卷积层以第一卷积核对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到第一流入速率时序特征向量和第一压力值时序特征向量；

第二卷积编码单元，用于使用所述时序特征提取器的第二卷积层以第二卷积核对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到第二流入速率时序特征向量和第二压力值时序特征向量，所述第一卷积核和所述第二卷积核为不同大小的卷积核；

融合单元，用于将所述第一流入速率时序特征向量和所述第二流入速率时序特征向量进行级联以得到所述船舶废气流入速率时序特征向量，并将所述第一压力值时序特征向量和所述第二压力值时序特征向量进行级联以得到所述喷雾压力值时序特征向量；

其中，第一卷积编码单元，用于使用所述时序特征提取器的第一卷积层以如下第一卷积公式对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到所述第一流入速率时序特征向量和第一压力值时序特征向量；

其中，所述第一卷积公式为：

其中，为第一卷积核在方向上的宽度、为第一卷积核参数向量、为与第一卷积核函数运算的局部向量矩阵，为第一卷积核的尺寸，表示所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量，表示对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码；

第二卷积编码单元，用于使用所述时序特征提取器的第二卷积层以如下第二卷积公式对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到所述第二流入速率时序特征向量和第二压力值时序特征向量；

其中，所述第二卷积公式为：

其中，为第二卷积核在方向上的宽度、为第二卷积核参数向量、为与第二卷积核函数运算的局部向量矩阵，为第二卷积核的尺寸，表示所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量，表示对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码；

其中，所述高斯密度融合模块，包括：

高斯密度图构造单元，用于使用高斯密度图以如下构造公式来构造所述船舶废气流入速率时序特征向量和所述喷雾压力值时序特征向量的高斯密度图以得到融合高斯密度图；

其中，所述构造公式为：

其中，表示所述融合高斯密度图的均值向量，表示所述融合高斯密度图的协方差矩阵，表示所述船舶废气流入速率时序特征向量，表示所述喷雾压力值时序特征向量，表示所述融合高斯密度图的变量，表示高斯概率密度函数；以及

高斯离散化单元，用于对所述融合高斯密度图中各个位置的高斯分布进行高斯离散化以得到所述联合特征矩阵；

其中，所述表达效果优化模块，包括：

因数计算单元，用于计算所述联合特征矩阵的每个位置的特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数；以及

加权优化单元，用于以所述多个位置信息图式场景注意力无偏估计因数对所述联合特征矩阵的各个位置的特征值进行加权以得到所述优化联合特征矩阵；

其中，所述因数计算单元，用于：以如下因数计算公式计算所述联合特征矩阵的每个位置的特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数；

其中，所述因数计算公式为：

其中，表示二维实数，表示一维实数，和分别代表不同的将二维实数映射为一维实数的函数，和分别是所述联合特征矩阵的宽度和高度，为所述联合特征矩阵的各个特征值的坐标，是所述联合特征矩阵的所有特征值的全局均值，表示以2为底的对数函数值，表示所述多个位置信息图式场景注意力无偏估计因数中的第个位置信息图式场景注意力无偏估计因数；

其中，所述查询模块，用于：以所述喷雾压力值时序特征向量作为查询特征向量，以如下查询公式计算其与所述优化联合特征矩阵之间的矩阵乘积以得到分类特征向量；

其中，所述查询公式为：

其中表示所述分类特征向量，表示所述喷雾压力值时序特征向量，表示所述优化联合特征矩阵，表示矩阵乘法；

其中，所述控制结果生成模块，包括：

全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到全连接编码特征向量；

概率获得单元，用于将所述全连接编码特征向量通过所述分类器的分类函数以得到归属于增大喷雾压力值的第一概率以及归属于不增大喷雾压力值的第二概率；以及

分类结果确定单元，用于基于所述第一概率和所述第二概率之间的比较，确定所述分类结果。

2.一种船舶废气混合式脱硫方法，其特征在于，包括：

获取预定时间段内多个预定时间点的船舶废气流入速率值，以及，所述多个预定时间点的由海水和碱性溶液组成的混合喷雾的喷雾压力值；

将所述多个预定时间点的船舶废气流入速率值和所述多个预定时间点的喷雾压力值分别按照时间维度排列为船舶废气流入速率时序输入向量和喷雾压力值时序输入向量；

将所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别通过包含第一卷积层和第二卷积层的时序特征提取器以得到船舶废气流入速率时序特征向量和喷雾压力值时序特征向量；

使用高斯密度图来融合所述船舶废气流入速率时序特征向量和所述喷雾压力值时序特征向量以得到联合特征矩阵；

对所述联合特征矩阵进行特征流形的表达效果优化以得到优化联合特征矩阵；

以所述喷雾压力值时序特征向量作为查询特征向量，计算其与所述优化联合特征矩阵之间的矩阵乘积以得到分类特征向量；和

将所述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是否增大喷雾压力值；

其中，将所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别通过包含第一卷积层和第二卷积层的时序特征提取器以得到船舶废气流入速率时序特征向量和喷雾压力值时序特征向量，包括：

使用所述时序特征提取器的第一卷积层以第一卷积核对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到第一流入速率时序特征向量和第一压力值时序特征向量；

使用所述时序特征提取器的第二卷积层以第二卷积核对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到第二流入速率时序特征向量和第二压力值时序特征向量，所述第一卷积核和所述第二卷积核为不同大小的卷积核；

将所述第一流入速率时序特征向量和所述第二流入速率时序特征向量进行级联以得到所述船舶废气流入速率时序特征向量，并将所述第一压力值时序特征向量和所述第二压力值时序特征向量进行级联以得到所述喷雾压力值时序特征向量；

其中，使用所述时序特征提取器的第一卷积层以第一卷积核对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到第一流入速率时序特征向量和第一压力值时序特征向量，包括：使用所述时序特征提取器的第一卷积层以如下第一卷积公式对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到所述第一流入速率时序特征向量和第一压力值时序特征向量；

其中，所述第一卷积公式为：

其中，为第一卷积核在方向上的宽度、为第一卷积核参数向量、为与第一卷积核函数运算的局部向量矩阵，为第一卷积核的尺寸，表示所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量，表示对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码；

使用所述时序特征提取器的第二卷积层以第二卷积核对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到第二流入速率时序特征向量和第二压力值时序特征向量，所述第一卷积核和所述第二卷积核为不同大小的卷积核，包括：使用所述时序特征提取器的第二卷积层以如下第二卷积公式对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码以得到所述第二流入速率时序特征向量和第二压力值时序特征向量；

其中，所述第二卷积公式为：

其中，为第二卷积核在方向上的宽度、为第二卷积核参数向量、为与第二卷积核函数运算的局部向量矩阵，为第二卷积核的尺寸，表示所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量，表示对所述船舶废气流入速率时序输入向量和所述喷雾压力值时序输入向量分别进行一维卷积编码；

其中，使用高斯密度图来融合所述船舶废气流入速率时序特征向量和所述喷雾压力值时序特征向量以得到联合特征矩阵，包括：

使用高斯密度图以如下构造公式来构造所述船舶废气流入速率时序特征向量和所述喷雾压力值时序特征向量的高斯密度图以得到融合高斯密度图；

其中，所述构造公式为：

其中，表示所述融合高斯密度图的均值向量，表示所述融合高斯密度图的协方差矩阵，表示所述船舶废气流入速率时序特征向量，表示所述喷雾压力值时序特征向量，表示所述融合高斯密度图的变量，表示高斯概率密度函数；以及

对所述融合高斯密度图中各个位置的高斯分布进行高斯离散化以得到所述联合特征矩阵；

其中，对所述联合特征矩阵进行特征流形的表达效果优化以得到优化联合特征矩阵，包括：

计算所述联合特征矩阵的每个位置的特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数；以及

以所述多个位置信息图式场景注意力无偏估计因数对所述联合特征矩阵的各个位置的特征值进行加权以得到所述优化联合特征矩阵；

其中，计算所述联合特征矩阵的每个位置的特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数，包括：以如下因数计算公式计算所述联合特征矩阵的每个位置的特征值的位置信息图式场景注意力无偏估计因数以得到多个位置信息图式场景注意力无偏估计因数；

其中，所述因数计算公式为：

其中，表示二维实数，表示一维实数，和分别代表不同的将二维实数映射为一维实数的函数，和分别是所述联合特征矩阵的宽度和高度，为所述联合特征矩阵的各个特征值的坐标，是所述联合特征矩阵的所有特征值的全局均值，表示以2为底的对数函数值，表示所述多个位置信息图式场景注意力无偏估计因数中的第个位置信息图式场景注意力无偏估计因数；

其中，以所述喷雾压力值时序特征向量作为查询特征向量，计算其与所述优化联合特征矩阵之间的矩阵乘积以得到分类特征向量，包括：以所述喷雾压力值时序特征向量作为查询特征向量，以如下查询公式计算其与所述优化联合特征矩阵之间的矩阵乘积以得到分类特征向量；

其中，所述查询公式为：

其中表示所述分类特征向量，表示所述喷雾压力值时序特征向量，表示所述优化联合特征矩阵，表示矩阵乘法；

其中，将所述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是否增大喷雾压力值，包括：

使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到全连接编码特征向量；

将所述全连接编码特征向量通过所述分类器的分类函数以得到归属于增大喷雾压力值的第一概率以及归属于不增大喷雾压力值的第二概率；以及

基于所述第一概率和所述第二概率之间的比较，确定所述分类结果。