1.一种用于六氟磷酸锂制备的液体循环雾化合成控制系统，其特征在于，包括：雾化状态监控模块，用于获取由摄像头采集的预定时间段内多个预定时间点的lif·hf溶液的雾化状态图；雾化状态特征提取模块，用于将所述各个预定时间点的lif·hf溶液的雾化状态图分别通过作为过滤器的卷积神经网络模型以得到多个雾化状态特征向量；雾化特征表达优化模块，用于基于所述各个预定时间点的lif·hf溶液的雾化状态图，分别对所述各个雾化状态特征向量进行特征分布区分度强化以得到多个校正后雾化状态特征向量；上下文语义理解模块，用于将所述多个校正后雾化状态特征向量通过基于转换器的上下文编码器以得到雾化状态时序特征向量；以及控制结果生成模块，用于将所述雾化状态时序特征向量通过解码器以得到解码值，所述解码值用于表示当前时间点的pf5气体的推荐通入流速值。
2.根据权利要求1所述的用于六氟磷酸锂制备的液体循环雾化合成控制系统，其特征在于，所述雾化状态特征提取模块，进一步用于：使用所述卷积神经网络模型的各层在层的正向传递中分别进行：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基于局部特征矩阵的均值池化以得到池化特征图；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，所述卷积神经网络模型的最后一层的输出为所述雾化状态特征向量，所述卷积神经网络模型的第一层的输入为所述lif·hf溶液的雾化状态图。
3.根据权利要求2所述的用于六氟磷酸锂制备的液体循环雾化合成控制系统，其特征在于，所述雾化特征表达优化模块，包括：附加特征提取单元，用于将所述各个预定时间点的lif·hf溶液的雾化状态图作为特征提取器的附加卷积神经网络模型以得到多个雾化特征图；因数计算单元，用于计算所述各个雾化特征图的沿通道维度的每个特征矩阵的实例归一化和一致性相关恢复因数以得到由实例归一化和一致性相关恢复因数组成的多个加权特征向量；以及作用单元，用于分别计算每一组对应的所述加权特征向量和所述雾化状态特征向量之间的按位置点乘以得到所述多个校正后雾化状态特征向量。
4.根据权利要求3所述的用于六氟磷酸锂制备的液体循环雾化合成控制系统，其特征在于，所述附加特征提取单元，进一步用于：使用所述附加卷积神经网络模型的各层在层的正向传递中分别进行：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基于局部特征矩阵的均值池化以得到池化特征图；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，所述附加卷积神经网络模型的最后一层的输出为所述雾化特征图，所述附加卷积神经网络模型的第一层的输入为所述lif·hf溶液的雾化状态图。
5.根据权利要求4所述的用于六氟磷酸锂制备的液体循环雾化合成控制系统，其特征在于，所述因数计算单元，进一步用于：以如下公式计算所述各个雾化特征图的沿通道维度的每个特征矩阵的实例归一化和一致性相关恢复因数以得到由实例归一化和一致性相关恢复因数组成的多个加权特征向量；其中，所述公式为：
6.根据权利要求5所述的用于六氟磷酸锂制备的液体循环雾化合成控制系统，其特征在于，所述上下文语义理解模块，包括：上下文编码单元，用于将所述多个校正后雾化状态特征向量输入所述基于转换器的上下文编码器以得到所述多个雾化状态上下文特征向量；以及级联单元，用于将所述多个雾化状态上下文特征向量进行级联以得到所述雾化状态时序特征向量。
7.根据权利要求6所述的用于六氟磷酸锂制备的液体循环雾化合成控制系统，其特征在于，所述上下文编码单元，进一步用于：将所述多个校正后雾化状态特征向量排列为输入向量；将所述输入向量通过可学习嵌入矩阵分别转化为查询向量和关键向量；计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；将所述标准化自注意关联矩阵输入softmax激活函数进行激活以得到自注意力特征矩阵；以及将所述自注意力特征矩阵与以所述多个校正后雾化状态特征向量中各个校正后雾化状态特征向量作为值向量分别进行相乘以得到所述多个雾化状态上下文特征向量。
8.根据权利要求7所述的用于六氟磷酸锂制备的液体循环雾化合成控制系统，其特征在于，所述控制结果生成模块，进一步用于：使用所述解码器以如下公式对所述雾化状态时序特征向量进行解码回归以获得所述解码值；其中，所述公式为：，其中是所述雾化状态时序特征向量，是所述解码值，是权重矩阵，表示矩阵乘。
9.一种用于六氟磷酸锂制备的液体循环雾化合成控制方法，其特征在于，包括：获取由摄像头采集的预定时间段内多个预定时间点的lif·hf溶液的雾化状态图；将所述各个预定时间点的lif·hf溶液的雾化状态图分别通过作为过滤器的卷积神经网络模型以得到多个雾化状态特征向量；基于所述各个预定时间点的lif·hf溶液的雾化状态图，分别对所述各个雾化状态特征向量进行特征分布区分度强化以得到多个校正后雾化状态特征向量；将所述多个校正后雾化状态特征向量通过基于转换器的上下文编码器以得到雾化状态时序特征向量；以及将所述雾化状态时序特征向量通过解码器以得到解码值，所述解码值用于表示当前时间点的pf5气体的推荐通入流速值。
10.根据权利要求9所述的用于六氟磷酸锂制备的液体循环雾化合成控制方法，其特征在于，将所述各个预定时间点的lif·hf溶液的雾化状态图分别通过作为过滤器的卷积神经网络模型以得到多个雾化状态特征向量，包括：使用所述卷积神经网络模型的各层在层的正向传递中分别进行：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基于局部特征矩阵的均值池化以得到池化特征图；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，所述卷积神经网络模型的最后一层的输出为所述雾化状态特征向量，所述卷积神经网络模型的第一层的输入为所述lif·hf溶液的雾化状态图。