公布日：2022.03.08
申請日：2021.12.21
分類號：C02F3/28(2006.01)I
摘要
本發(fā)明公開了一種厭氧氨氧化污水處理系統(tǒng)的智能調(diào)試系統(tǒng)，包括傳感單元、采集單元、數(shù)據(jù)分析單元、主控站、污水處理單元；傳感單元，包括多個傳感器；采集單元用于接收并儲存來自傳感單元的數(shù)據(jù)；數(shù)據(jù)分析單元，包括比較分析模塊、第一輸入模塊和第二輸入模塊；比較分析模塊與主控站相連，第一輸入模塊與采集單元相連，第二輸入模塊與污水處理單元相連；主控站用于對整個系統(tǒng)進行控制分析，完成自適應(yīng)調(diào)節(jié)；污水處理單元，包括檢測校驗?zāi)K和污水過濾模塊。本發(fā)明有效提高厭氧氨氧化污水處理系統(tǒng)數(shù)字化管理，智能算法控制方式能夠根據(jù)系統(tǒng)污水樣本集不斷學(xué)習(xí)，對控制方式做出合理決策，完成系統(tǒng)自適應(yīng)調(diào)節(jié)，自動化程度較高，降低人工運維成本。
權(quán)利要求書
1.一種厭氧氨氧化污水處理系統(tǒng)的智能調(diào)試系統(tǒng)，其特征在于，包括傳感單元、采集單元、數(shù)據(jù)分析單元、主控站、污水處理單元；所述的傳感單元，包括多個傳感器；所述的采集單元用于接收并儲存來自傳感單元的數(shù)據(jù)；所述的數(shù)據(jù)分析單元，包括比較分析模塊、第一輸入模塊和第二輸入模塊；比較分析模塊與主控站相連，第一輸入模塊與采集單元相連，第二輸入模塊與污水處理單元相連；所述的主控站用于對整個系統(tǒng)進行控制分析，完成自適應(yīng)調(diào)節(jié)，包括顯示模塊、報警器、邊緣計算模塊和PID模塊；所述的污水處理單元，包括檢測校驗?zāi)K和污水過濾模塊；所述的數(shù)據(jù)分析單元的第一輸入模塊、第二輸入模塊與比較分析模塊連接，比較分析模塊用于比較采集模塊實測值與系統(tǒng)設(shè)定值的偏差，第一輸入模塊用于傳輸采集模塊的數(shù)據(jù)，第二輸入模塊用于傳輸檢測校驗?zāi)K的數(shù)據(jù)；所述的主控站的邊緣計算模塊內(nèi)設(shè)置機器學(xué)習(xí)模塊與智能算法，將經(jīng)訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型導(dǎo)入邊緣計算模塊，獲得針對不同工況下的污水處理控制策略模型，根據(jù)所述采集單元感知當(dāng)前時間節(jié)點的污水指標(biāo)，經(jīng)訓(xùn)練后的所述卷積神經(jīng)網(wǎng)絡(luò)模型對所述當(dāng)前時間節(jié)點的一段時間范圍內(nèi)的污水?dāng)?shù)據(jù)進行預(yù)測分析；所述的主控站的顯示模塊實現(xiàn)污水處理過程在線監(jiān)測；所述報警器用于當(dāng)實測值與設(shè)定值偏差超出邊緣計算模塊動作上下限百分比時，啟動報警，轉(zhuǎn)PID控制模式；所述邊緣計算模塊和PID模塊均與所述污水過濾模塊連接，所述邊緣計算模塊基于所述卷積神經(jīng)網(wǎng)絡(luò)模型的分析結(jié)果啟動污水過濾模塊，所述PID模塊用于對從比較分析模塊輸入的數(shù)據(jù)執(zhí)行比例、積分和微分控制，將數(shù)據(jù)轉(zhuǎn)化為控制信號，根據(jù)控制信號啟動污水處理單元。
2.根據(jù)權(quán)利要求1所述的智能調(diào)試系統(tǒng)，其特征在于，所述的傳感單元和采集單元分別設(shè)有GPRS無線數(shù)據(jù)傳輸模組，用于數(shù)據(jù)互傳或者通過云端平臺進行數(shù)據(jù)交互；所述的傳感單元包括pH傳感器、污泥濃度傳感器、DO溶氧儀和氨氮傳感器。
3.根據(jù)權(quán)利要求1所述的智能調(diào)試系統(tǒng)，其特征在于，所述的采集單元內(nèi)設(shè)有多個采集模塊，所述采集模塊與所述傳感器數(shù)量相同，各采集模塊分別存儲對應(yīng)的傳感器的數(shù)據(jù)。
4.根據(jù)權(quán)利要求1所述的智能調(diào)試系統(tǒng)，其特征在于，所述的污水處理單元的檢測校驗?zāi)K與所述數(shù)據(jù)分析單元的第二輸入模塊連接，檢測校驗?zāi)K用于檢測過濾后的污水達到校正值，否則返回第二輸入模塊經(jīng)由比較分析模塊進行二次處理。
5.根據(jù)權(quán)利要求1所述的智能調(diào)試系統(tǒng)，其特征在于，導(dǎo)入所述邊緣計算模塊的卷積神經(jīng)網(wǎng)絡(luò)模型，包括卷積層、池化層與全連接層，基于污水樣本集對所述卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，按照1-污泥濃度、2-溶解氧、3-pH值、4-氨氮的順序預(yù)設(shè)卷積計算權(quán)重，所述污水樣本集為采集污水成分?jǐn)?shù)據(jù)即可構(gòu)成二維數(shù)據(jù)輸入樣本，輸入為n×m的矩陣，行數(shù)n表示采樣點個數(shù)，m表示采集的成分?jǐn)?shù)目。
6.根據(jù)權(quán)利要求1或者5所述的智能調(diào)試系統(tǒng)，其特征在于，所述卷積神經(jīng)網(wǎng)絡(luò)模型，包括卷積層、池化層與全連接層；所述卷積層作為特征提取器，通過權(quán)值共享的卷積操作可減少待優(yōu)化參數(shù)個數(shù)及訓(xùn)練復(fù)雜度，添加激活函數(shù)ReLU增加網(wǎng)絡(luò)的非線性表達能力，獲得更深層的特征圖；所述池化層用于進一步特征提取，對上一層特征圖進行池化操作，進行特征壓縮，提取主要特征；所述全連接層用于直接輸出，輸出層激活函數(shù)采用Softmax函數(shù)。
7.根據(jù)權(quán)利要求1所述的智能調(diào)試系統(tǒng)，其特征在于，控制算法包括：根據(jù)所述采集單元感知當(dāng)前時間節(jié)點的污水指標(biāo)；經(jīng)過訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型對所述當(dāng)前時間節(jié)點的一段時間范圍內(nèi)的污水?dāng)?shù)據(jù)進行預(yù)測分析；所述邊緣計算模塊基于所述卷積神經(jīng)網(wǎng)絡(luò)模型的分析結(jié)果啟動污水過濾模塊，實現(xiàn)不同工況下的精準(zhǔn)控制。
發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)的不足，本發(fā)明旨在提供一種厭氧氨氧化污水處理系統(tǒng)的智能調(diào)試系統(tǒng)，通過實時數(shù)據(jù)監(jiān)測、傳輸、制定決策、實時智能分析并控制污水處理設(shè)備，從而實現(xiàn)污水厭氧氨氧化處理設(shè)施的智能化監(jiān)測控制，降低人力投入，提高其運行過程的自動化和智能化。
本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：
一種厭氧氨氧化污水處理系統(tǒng)的智能調(diào)試系統(tǒng)，包括傳感單元、采集單元、數(shù)據(jù)分析單元、主控站、污水處理單元；
所述的傳感單元，包括多個傳感器；
所述的采集單元用于接收并儲存來自傳感單元的數(shù)據(jù)；
所述的數(shù)據(jù)分析單元，包括比較分析模塊、第一輸入模塊和第二輸入模塊；比較分析模塊與主控站相連，第一輸入模塊與采集單元相連，第二輸入模塊與污水處理單元相連；
所述的主控站用于對整個系統(tǒng)進行控制分析，完成自適應(yīng)調(diào)節(jié)，包括顯示模塊、報警器、邊緣計算模塊和PID模塊；
所述的污水處理單元，包括檢測校驗?zāi)K和污水過濾模塊。
所述的傳感單元和采集單元分別設(shè)有GPRS無線數(shù)據(jù)傳輸模組，用于數(shù)據(jù)互傳或者通過云端平臺進行數(shù)據(jù)交互；所述的傳感單元包括pH傳感器、污泥濃度傳感器、DO溶氧儀和氨氮傳感器。
所述的采集單元內(nèi)設(shè)有多個采集模塊，所述采集模塊與所述傳感器數(shù)量相同，各采集模塊分別存儲對應(yīng)的傳感器的數(shù)據(jù)。
所述的數(shù)據(jù)分析單元的第一輸入模塊、第二輸入模塊與比較分析模塊連接，比較分析模塊用于比較采集模塊實測值與系統(tǒng)設(shè)定值的偏差，第一輸入模塊用于傳輸采集模塊的數(shù)據(jù)，第二輸入模塊用于傳輸檢測校驗?zāi)K的數(shù)據(jù)。
所述的主控站的邊緣計算模塊內(nèi)設(shè)置機器學(xué)習(xí)模塊與智能算法，將經(jīng)訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型導(dǎo)入邊緣計算模塊，獲得針對不同工況下的污水處理控制策略模型，根據(jù)所述采集單元感知當(dāng)前時間節(jié)點的污水指標(biāo)，經(jīng)訓(xùn)練后的所述卷積神經(jīng)網(wǎng)絡(luò)模型對所述當(dāng)前時間節(jié)點的一段時間范圍內(nèi)的污水?dāng)?shù)據(jù)進行預(yù)測分析。
所述的主控站的顯示模塊實現(xiàn)污水處理過程在線監(jiān)測；所述報警器用于當(dāng)實測值與設(shè)定值偏差超出邊緣計算模塊動作上下限百分比時，啟動報警，轉(zhuǎn)PID控制模式；所述邊緣計算模塊和PID模塊均與所述污水過濾模塊連接，所述邊緣計算模塊基于所述卷積神經(jīng)網(wǎng)絡(luò)模型的分析結(jié)果啟動污水過濾模塊，所述PID模塊用于對從比較分析模塊輸入的數(shù)據(jù)執(zhí)行比例、積分和微分控制，將數(shù)據(jù)轉(zhuǎn)化為控制信號，根據(jù)控制信號啟動污水處理單元。
所述的污水處理單元的檢測校驗?zāi)K與所述數(shù)據(jù)分析單元的第二輸入模塊連接，檢測校驗?zāi)K用于檢測過濾后的污水達到校正值，否則返回第二輸入模塊經(jīng)由比較分析模塊進行二次處理。
導(dǎo)入所述邊緣計算模塊的卷積神經(jīng)網(wǎng)絡(luò)模型，包括卷積層、池化層與全連接層，基于污水樣本集對所述卷積神經(jīng)網(wǎng)絡(luò)模型進行訓(xùn)練，按照1-污泥濃度、2-溶解氧、3-pH值、4-氨氮的順序預(yù)設(shè)卷積計算權(quán)重，所述污水樣本集為采集污水成分?jǐn)?shù)據(jù)即可構(gòu)成二維數(shù)據(jù)輸入樣本，輸入為n×m的矩陣，行數(shù)n表示采樣點個數(shù)，m表示采集的成分?jǐn)?shù)目。
所述卷積神經(jīng)網(wǎng)絡(luò)模型，包括卷積層、池化層與全連接層；所述卷積層作為特征提取器，通過權(quán)值共享的卷積操作可減少待優(yōu)化參數(shù)個數(shù)及訓(xùn)練復(fù)雜度，添加激活函數(shù)ReLU增加網(wǎng)絡(luò)的非線性表達能力，獲得更深層的特征圖；所述池化層用于進一步特征提取，對上一層特征圖進行池化操作，進行特征壓縮，提取主要特征；所述全連接層用于直接輸出，輸出層激活函數(shù)采用Softmax函數(shù)。
所述控制算法包括：根據(jù)所述采集單元感知當(dāng)前時間節(jié)點的污水指標(biāo)；經(jīng)過訓(xùn)練后的卷積神經(jīng)網(wǎng)絡(luò)模型對所述當(dāng)前時間節(jié)點的一段時間范圍內(nèi)的污水?dāng)?shù)據(jù)進行預(yù)測分析；所述邊緣計算模塊基于所述卷積神經(jīng)網(wǎng)絡(luò)模型的分析結(jié)果啟動污水過濾模塊，實現(xiàn)不同工況下的精準(zhǔn)控制。
本發(fā)明的有益效果是：
1.基于智能污水處理系統(tǒng)，有效提高厭氧氨氧化污水處理系統(tǒng)數(shù)字化管理。
2.智能算法控制方式能夠根據(jù)系統(tǒng)污水樣本集不斷學(xué)習(xí)，對控制方式做出合理決策，完成系統(tǒng)自適應(yīng)調(diào)節(jié)。
3.系統(tǒng)自動化程度較高，避免人為干預(yù)等粗放式調(diào)控手段對厭氧氨氧化污水處理過程的影響，降低人工運維成本。
（發(fā)明人：陸慧鋒;阮贇杰;俞言文;康婷婷;陳倩倩;劉芳;王毅超;楊濤）
