CN113867233B - 一种基于中试研究的颗粒污泥处理的控制方法及*** - Google Patents
一种基于中试研究的颗粒污泥处理的控制方法及*** Download PDFInfo
- Publication number
- CN113867233B CN113867233B CN202111295549.4A CN202111295549A CN113867233B CN 113867233 B CN113867233 B CN 113867233B CN 202111295549 A CN202111295549 A CN 202111295549A CN 113867233 B CN113867233 B CN 113867233B
- Authority
- CN
- China
- Prior art keywords
- parameter
- granular sludge
- sludge treatment
- state
- treatment
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24215—Scada supervisory control and data acquisition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明提供了一种基于中试研究的颗粒污泥处理的控制方法及***,其中,该方法包括:获得第一好氧颗粒污泥反应设备的第一设备信息;根据第一设备信息获得参数集合;根据参数集合获得第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数;基于中试研究,构建第一颗粒污泥处理状态空间;将上述参数输入第一颗粒污泥处理状态空间,获得第一状态参数;将第一状态参数输入颗粒污泥处理调整模型,获得第一颗粒污泥处理参数;判断第一颗粒污泥处理参数是否满足预设处理阈值;若符合,基于第一颗粒污泥处理参数调整第一好氧颗粒污泥反应设备,进行颗粒污泥处理。
Description
技术领域
本发明涉及智能制造相关技术领域,具体涉及一种基于中试研究的颗粒污泥处理的控制方法及***。
背景技术
好氧颗粒污泥因其具有较高的微生物量,具备脱氮除磷能力和良好的沉淀性能,在工业废水和城市污水处理中的应用潜力很大,具有占地面积省、运行费用低的显著优势。
在进行好氧颗粒污泥污水处理的过程中,需要根据污水处理要求手动设置给药量、曝气参数、排泥装置、排水参数等,人工参与度较大,并且针对不同的污水处理,需要基于实验确定不同的处理参数。
但本申请发明人在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术中的好氧颗粒污泥处理需要根据不同污水处理要求,人工进行实验确定设置给药量、曝气参数、排泥装置、排水参数等处理参数,在针对不同的污水处理要求时,实验成本较大,无法保证满足污水处理达标,存在着无法准确、智能地根据污水处理要求设置处理参数的技术问题。
发明内容
本申请实施例提供了一种基于中试研究的颗粒污泥处理的控制方法及***,用于针对解决现有技术中的好氧颗粒污泥处理需要根据不同污水处理要求,人工进行实验确定设置给药量、曝气参数、排泥装置、排水参数等处理参数,在针对不同的污水处理要求时,实验成本较大,无法保证满足污水处理达标,存在着无法准确、智能地根据污水处理要求设置处理参数的技术问题。
鉴于上述问题,本申请实施例提供了一种基于中试研究的颗粒污泥处理的控制方法及***。
本申请实施例的第一个方面,提供了一种基于中试研究的颗粒污泥处理的控制方法,所述方法包括:获得第一好氧颗粒污泥反应设备的第一设备信息;根据所述第一设备信息获得给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合;根据所述给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合获得第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数;基于中试研究,构建第一颗粒污泥处理状态空间;将所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数输入所述第一颗粒污泥处理状态空间,获得第一状态参数;将所述第一状态参数输入颗粒污泥处理调整模型,获得第一颗粒污泥处理参数;判断所述第一颗粒污泥处理参数是否满足预设处理阈值;若符合,基于所述第一颗粒污泥处理参数调整所述第一好氧颗粒污泥反应设备,进行颗粒污泥处理。
本申请实施例的第二个方面,提供了一种基于中试研究的颗粒污泥处理的控制***,所述***包括:第一获得单元,所述第一获得单元用于获得第一好氧颗粒污泥反应设备的第一设备信息;第二获得单元,所述第二获得单元用于根据所述第一设备信息获得给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合;第三获得单元,所述第三获得单元用于根据所述给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合获得第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数;第一构建单元,所述第一构建单元用于基于中试研究,构建第一颗粒污泥处理状态空间;第一处理单元,所述第一处理单元用于将所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数输入所述第一颗粒污泥处理状态空间,获得第一状态参数;第二处理单元,所述第二处理单元用于将所述第一状态参数输入颗粒污泥处理调整模型,获得第一颗粒污泥处理参数;第一判断单元,所述第一判断单元用于判断所述第一颗粒污泥处理参数是否满足预设处理阈值;第一管理单元,所述第一管理单元用于若符合,基于所述第一颗粒污泥处理参数调整所述第一好氧颗粒污泥反应设备,进行颗粒污泥处理。
本申请实施例的第三个方面,提供了一种基于中试研究的颗粒污泥处理的控制***,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使***以执行如第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过获得当前进行颗粒污泥污水处理的第一好氧颗粒污泥反应设备的第一设备信息,获得参数集合,并根据参数集合选择获得其中的第一参数,基于中试研究,构建第一颗粒污泥处理状态空间,将第一参数输入该第一颗粒污泥处理状态空间,能够基于该第一参数进行污水处理后得到的第一状态参数,将第一状态参数输入颗粒污泥处理调整模型,得到第一颗粒污泥处理参数,判断该第一颗粒污泥处理参数是否满足预设处理阈值,若符合,则进行颗粒污泥处理。本申请实施例通过获得进行颗粒污泥污水处理的处理参数,并基于中试研究和马尔科夫决策过程构建第一颗粒污泥处理状态空间,获得相应处理参数对应处理后的相应状态参数,判断对应的第一颗粒污泥处理参数是否满足预设处理阈值,进而进行颗粒污泥污水处理,本申请实施例构建了可量化的颗粒污泥污水处理的控制方法,可根据不同污水处理要求进行颗粒污泥污水处理参数的设置,能够准确、智能化地获得可满足污水处理要求颗粒污泥污水处理参数,减少人工参与度,减少人工实验成本同时提升污水处理效率,达到了准确、智能化根据污水处理要求设置污水处理参数的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例提供的一种基于中试研究的颗粒污泥处理的控制方法流程示意图;
图2为本申请实施例提供的一种基于中试研究的颗粒污泥处理的控制方法中构建第一颗粒污泥处理状态空间流程示意图;
图3为本申请实施例提供的一种基于中试研究的颗粒污泥处理的控制方法中马尔科夫决策过程示意图;
图4为本申请实施例提供了一种基于中试研究的颗粒污泥处理的控制***结构示意图;
图5为本申请实施例示例性电子设备的结构示意图。
附图标记说明:第一获得单元11,第二获得单元12,第三获得单元13,第一构建单元14,第一处理单元15,第二处理单元16,第一判断单元17,第一管理单元18,电子设备300,存储器301,处理器302,通信接口303,总线架构304。
具体实施方式
本申请实施例通过提供了一种基于中试研究的颗粒污泥处理的控制方法及***,用于针对解决现有技术中的好氧颗粒污泥处理需要根据不同污水处理要求,人工进行实验确定设置给药量、曝气参数、排泥装置、排水参数等处理参数,在针对不同的污水处理要求时,实验成本较大,无法保证满足污水处理达标,存在着无法准确、智能地根据污水处理要求设置处理参数的技术问题。
本申请实施例提供的方法通过获得当前进行颗粒污泥污水处理的第一好氧颗粒污泥反应设备的第一设备信息,获得参数集合,并根据参数集合选择获得其中的第一参数,基于中试研究,构建第一颗粒污泥处理状态空间,将第一参数输入该第一颗粒污泥处理状态空间,能够基于该第一参数进行污水处理后得到的第一状态参数,将第一状态参数输入颗粒污泥处理调整模型,得到第一颗粒污泥处理参数,判断该第一颗粒污泥处理参数是否满足预设处理阈值,若符合,则进行颗粒污泥处理。本申请实施例通过获得进行颗粒污泥污水处理的处理参数,并基于中试研究和马尔科夫决策过程构建第一颗粒污泥处理状态空间,获得相应处理参数对应处理后的相应状态参数,判断对应的第一颗粒污泥处理参数是否满足预设处理阈值,进而进行颗粒污泥污水处理,本申请实施例构建了可量化的颗粒污泥污水处理的控制方法,可根据不同污水处理要求进行颗粒污泥污水处理参数的设置,能够准确、智能化地获得可满足污水处理要求颗粒污泥污水处理参数,减少人工参与度,减少人工实验成本同时提升污水处理效率,达到了准确、智能化根据污水处理要求设置处理参数的技术效果。
申请概述
好氧颗粒污泥因其具有较高的微生物量,具备脱氮除磷能力和良好的沉淀性能,在工业废水和城市污水处理中的应用潜力很大,具有占地面积省、运行费用低的显著优势。在进行好氧颗粒污泥污水处理的过程中,需要根据污水处理要求手动设置给药量、曝气参数、排泥装置、排水参数等,人工参与度较大,并且针对不同的污水处理,需要基于实验确定不同的处理参数。现有技术中的好氧颗粒污泥处理需要根据不同污水处理要求,人工进行实验确定设置给药量、曝气参数、排泥装置、排水参数等处理参数,在针对不同的污水处理要求时,实验成本较大,无法保证满足污水处理达标,存在着无法准确、智能地根据污水处理要求设置处理参数的技术问题。
针对上述技术问题,本申请提供的技术方案总体思路如下:
获得第一好氧颗粒污泥反应设备的第一设备信息;根据所述第一设备信息获得给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合;根据所述给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合获得第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数;基于中试研究,构建第一颗粒污泥处理状态空间;将所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数输入所述第一颗粒污泥处理状态空间,获得第一状态参数;将所述第一状态参数输入颗粒污泥处理调整模型,获得第一颗粒污泥处理参数;判断所述第一颗粒污泥处理参数是否满足预设处理阈值;若符合,基于所述第一颗粒污泥处理参数调整所述第一好氧颗粒污泥反应设备,进行颗粒污泥处理。
在介绍了本申请基本原理后,下面,将参考附图对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是本申请的全部实施例,应理解,本申请不受这里描述的示例实施例的限制。基于本申请的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部。
实施例一
如图1所示,本申请实施例提供了一种基于中试研究的颗粒污泥处理的控制方法,所述方法包括:
S100:获得第一好氧颗粒污泥反应设备的第一设备信息;
具体而言,好氧颗粒污泥(Aerobic Granular Sludge,AGS)是通过微生物自凝聚作用形成的颗粒状活性污泥,好氧颗粒污泥技术具有占地面积省、运行费用低的显著优势。好氧颗粒污泥技术属于污水处理领域好氧生物处理方面的革命性技术,可完全替代传统的絮状活性污泥法等好氧处理工艺,对于解决当前污水处理厂面临的扩容改造、提质增效的问题具有显著意义。
第一好氧颗粒污泥反应设备为进行好氧颗粒污泥污水处理反应的设备,其可为一个设备或多个设备的集合,其内包括布水装置、曝气装置、污泥筛选装置、排水装置以及控制***等部分,在第一好氧颗粒污泥反应设备内进行好氧颗粒污泥污水处理。第一设备信息即为第一好氧颗粒污泥反应设备的设备信息,具体包括设备型号、规格、可调节参数等,但不限于此。
S200:根据所述第一设备信息获得给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合;
具体而言,给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合为基于第一设备信息获得的,可进行调节的参数集合,进一步地优选地,为可进行调节的参数的集合,表示上述的给药参数、布水参数、曝气参数、筛选参数和排水参数可进行调整范围内的参数的集合。
S300:根据所述给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合获得第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数;
具体而言,在上述的给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合内,根据当前污水处理要求,选择每个参数集合内的一个参数,得到上述的第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数。
进一步地,上述的第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数可通过计算流体动力学(Computational Fluid Dynamics,CFD)建模模拟获得。具体地,基于CFD建模模拟,借鉴现有技术中厌氧颗粒污泥反应器的设计,获得较为适宜的上述参数。
示例性地,第一给药参数包括好氧颗粒污泥的给药量和给药率等;第一布水参数包括布水设计方式等,对不同布水设计方式进行数值化处理,进行选择;第一曝气参数包括曝气布置方式、曝气强度参数等;第一筛选参数包括设备内排泥装置的筛选参数和排泥封闭措施等;第一排水参数包括排水布置方式、去浮渣和防藻方式等。
S400:基于中试研究,构建第一颗粒污泥处理状态空间;
具体而言,本申请实施例中的中试研究为针对好氧颗粒污泥污水处理进行的,在量化进行污水处理之前的实验研究。中试研究中将实验室的实验效果放大,用以进行上述参数以及控制条件的实验平衡,以达到采用好氧颗粒污泥进行污水处理达到处理标准的目的。
本申请实施例中根据中试实验的历史数据以及大数据,得到充分的实验数据基础,结合马尔科夫决策过程(Markov Decision Process,MDP),构建第一颗粒污泥处理状态空间,第一颗粒污泥处理状态空间内包括第一好氧颗粒污泥反应设备的处理节点状态数据,以及相应的参数调整行为。
处理节点状态数据包括在某一给药参数、布水参数、曝气参数、筛选参数和排水参数的节点状态下,第一好氧颗粒污泥反应设备的污水处理状态。而参数调整行为包括基于该污水处理状态,进行上述给药参数、布水参数、曝气参数、筛选参数和排水参数调整的调整行为,在参数调整行为进行后,能够使第一好氧颗粒污泥反应设备达到新的处理节点状态。
S500:将所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数输入所述第一颗粒污泥处理状态空间,获得第一状态参数;
具体而言,如上述内容,第一颗粒污泥处理状态空间内包括第一好氧颗粒污泥反应设备的处理节点状态数据,以及相应的参数调整行为。将当前获得的第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数输入第一颗粒污泥处理状态空间,即可得到第一状态参数,其包括一对应的节点状态数据,而该节点状态数据是由马尔科夫链中上一节点状态数据经第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数后得到的。
S600:将所述第一状态参数输入颗粒污泥处理调整模型,获得第一颗粒污泥处理参数;
具体而言,上述的第一状态参数包括对应的节点状态数据,将上述的第一状态参数输入颗粒污泥处理调整模型,即可获得第一颗粒污泥处理参数,第一颗粒污泥处理参数内包括在该第一状态参数的节点状态数据下,第一好氧颗粒污泥反应设备进行好氧颗粒污泥污水处理反应的污水处理参数。
颗粒污泥处理调整模型为机器学***,即为第一颗粒污泥处理参数。S700:判断所述第一颗粒污泥处理参数是否满足预设处理阈值;
S800:若符合,基于所述第一颗粒污泥处理参数调整所述第一好氧颗粒污泥反应设备,进行颗粒污泥处理。
具体而言,针对不同的污水处理要求,设置第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数后,得到对应的第一状态参数,进而得到对应的第一颗粒污泥处理参数,进一步判断该第一颗粒污泥处理参数对应的污水处理水平是否达到污水处理要求,若达到,则说明当前选择参数合格,采用该参数进行污水处理,或者,若未达到,则需要更新参数,重新进行测试判断。
针对不同的污水处理要求,预设处理阈值不同,预设处理阈值根据本领域技术人员对于污水处理的要求进行设置,并进行数值化加以判断。示例性地,预设处理阈值可包括:污泥筛选装置技术达到特定沉降速度的污泥淘选率大于80%;第一好氧颗粒污泥反应设备内的死区容积小于等于1%;好氧颗粒污泥工艺较传统脱氮除磷污水处理工艺节约能耗大于等于30%等要求。
本申请实施例通过获得进行颗粒污泥污水处理的处理参数,并基于中试研究和马尔科夫决策过程构建第一颗粒污泥处理状态空间,获得相应处理参数对应处理后的相应状态参数,判断对应的第一颗粒污泥处理参数是否满足预设处理阈值,进而进行颗粒污泥污水处理,本申请实施例构建了可量化的颗粒污泥污水处理的控制方法,可根据不同污水处理要求进行颗粒污泥污水处理参数的设置,能够准确、智能化地获得可满足污水处理要求颗粒污泥污水处理参数,减少人工参与度,减少人工实验成本同时提升污水处理效率,达到了准确、智能化根据污水处理要求设置处理参数的技术效果。
如图2所示,本申请实施例提供的方法中的步骤S400包括:
S410:基于中试研究的历史实验数据,获得包括所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数节点状态,以及对应的第一参数调整行为;
S420:将所述第一参数节点状态和所述第一参数调整行为输入颗粒污泥处理评估模型,获得第一评估结果;
S430:根据所述第一评估结果,获得第二参数节点状态,所述第二参数节点状态为所述第一参数节点状态经第一参数调整行为调整后的参数节点状态;
S440:直到获得第N评估结果,第N参数节点状态和第N参数调整行为,构建得到所述第一颗粒污泥处理状态空间。
本申请实施例中的步骤S440包括:
S441:获得所述第N参数节点状态与第N-1参数调整行为之间的映射关系;
S442:根据所述映射关系,构建所述第一颗粒污泥处理状态空间。
具体而言,第一参数节点状态是第一好氧颗粒污泥反应设备在进行污水处理之前,针对污水处理要求进行参数调整过程中的节点状态,每个节点状态均包含相对应的给药参数、布水参数、曝气参数、筛选参数和排水参数。第一参数调整行为为技术人员针对第一参数节点状态做出的参数调整行为,能够使第一好氧颗粒污泥反应设备达到新的参数节点状态,即为第二参数节点状态。
其中,第一参数节点状态对应的参数若无法满足污水处理要求,例如,其中的布水参数无法满足要求,则通过第一参数调整行为对第一参数节点状态的参数进行调整,使满足污水处理要求。在上述参数的调整过程中,单一参数的调整并非仅影响该参数对应的功能,同时也会影响第一好氧颗粒污泥反应设备内其他部分的功能,因此,需要构建第一颗粒污泥处理状态空间,获得对应的第一参数节点状态以及第一参数调整行为。
上述的颗粒污泥处理评估模型为机器学习中的人工神经网络模型(ArtificialNeural Networks),人工神经网络是对人类大脑***的一阶特性的一种描述。简单地讲,它是一个数学模型。通过大量训练数据的训练,进行不断的自我训练学习,每组训练数据中均包括第一参数节点状态和用于标识第一评估结果的标识信息,当颗粒污泥处理评估模型的输出信息达到预定的准确率/收敛状态时,则监督学习过程结束。然后,将第一参数节点状态输入该颗粒污泥处理评估模型,获得输出结果,其中,输出结果包括第一评估结果。
基于第一评估结果,获得第二参数节点状态。第二参数节点状态可用于评估第一参数调整行为的调整效果。如此,通过第一评估结果,第一参数节点状态和第一参数调整行为直到获得第N评估结果,第N参数节点状态和第N参数调整行为,构建得到所述第一颗粒污泥处理状态空间。图3示出了本申请实施例中马尔科夫决策过程的一种可能的示意图,在每个时间t,第一好氧颗粒污泥反应设备处于一状态S1,基于该状态S1,技术人员做出第一参数调整行为A1,作用于第一好氧颗粒污泥反应设备上,第一好氧颗粒污泥反应设备得到以奖励R1,并达到下一状态S2,如此,得到Sn。
第N-1参数调整行为用于对第N-1参数节点状态进行针对性的参数调整,当第N-1参数调整行为结束后,第一好氧颗粒污泥反应设备的参数状态发生变化,第N参数节点状态代表第N-1参数调整行为完成后的参数状态信息,所以第N-1参数节点状态与第N-1参数调整行为之间具有一一对应的映射关系,通过获得第N-1参数节点状态便可以获得第N-1参数调整行为,反之亦然。根据该映射关系,构建第一颗粒污泥处理状态空间。
本申请实施例基于马尔科夫决策过程构建第一颗粒污泥处理状态空间,能够全面地反映第一好氧颗粒污泥反应设备的参数节点状态和参数调整行为的实时信息,在输入第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数后,可得到对应的第一颗粒污泥处理参数,若该第一颗粒污泥处理参数未满足该预设处理阈值,可基于第一颗粒污泥处理状态空间得到对应的第一参数调整行为,对上述参数进行调整,直至对应的参数节点状态能够满足预设阈值,能够准确获得设备实时的参数节点状态,并根据该参数节点状态获得对应参数调整行为,达到了准确而智能地获得第一状态参数数据的技术效果。
本申请实施例中的步骤S410包括:
S411:基于中试研究的历史实验数据,获得所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数历史数据;
S412:基于中试研究的历史实验数据,获得所述第一好氧颗粒污泥反应设备的处理节点状态历史数据,其中,所述处理节点状态历史数据内的处理节点状态与所述第一参数历史数据内的参数一一对应;
S413:根据所述第一参数历史数据和所述处理节点状态历史数据获得所述第一参数节点状态和所述第一参数调整行为。
具体而言,基于中试研究的历史数据和大数据,获得包括第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数历史数据,并获得第一好氧颗粒污泥反应设备的处理节点状态历史数据。其中,处理节点状态历史数据内的处理节点状态与第一参数历史数据内的参数一一对应。
基于第一参数历史数据和处理节点状态历史数据,获得第一参数节点状态和第一参数调整行为,其中,相邻的两参数节点状态分别对应一处理节点状态历史数据,以及一第一参数历史数据,根据两个第一参数历史数据间的参数数据差,即可获得对应的第一参数调整行为。本申请实施例通过基于中试实验的历史数据,能够获得准确的第一参数节点状态和第一参数调整行为,进而构建第一颗粒污泥处理状态空间,能够提升第一颗粒污泥处理状态空间的准确性和稳定性。
本申请实施例提供的方法中的步骤S411包括:
S4111:基于中试研究的历史实验数据,获得所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的参数历史数据;
S4112:对所述参数历史数据进行主成分分析线性降维,得到所述第一参数历史数据。
其中,步骤S4112包括:
对所述参数历史数据进行去中心化处理,获得去中心化参数历史数据;
获得所述去中心化参数历史数据的第一协方差矩阵;
对所述第一协方差矩阵进行运算,获得所述第一协方差矩阵的第一特征值和第一特征向量;
将所述参数历史数据投影到所述第一特征向量,获得所述第一参数历史数据。
具体而言,由于基于中试研究历史数据获得的第一参数历史数据内数据信息量较大,包括部分冗余的数据,因此,需要对第一参数历史数据进行降维,同时可对处理节点状态历史数据进行降维,降低数据维度。其中,主成分分析算法(PrincipalComponentAnalysis,PCA)为一种数据处理的线性降维方法,可在尽量保证“信息量不丢失”的情况下,对原始特征进行降维,也就是尽可能将原始特征往具有最大投影信息量的维度上进行投影。将原特征投影到这些维度上,使降维后信息量损失最小。
具体地,对提取到的参数历史数据进行数值化处理,获得处理后的参数历史数据。继而对参数历史数据中的各参数数据进行中心化处理,首先求解参数历史数据中各参数数据的平均值,然后对于所有的样本,每一个参数数据都减去该平均值,继而获得新的参数数据,由新的参数数据构成上述去中心化参数历史数据,去中心化参数历史数据为一数据矩阵。通过协方差公式对去中心化参数历史数据进行运算,获得去中心化参数历史数据的第一协方差矩阵,继而通过矩阵运算,求出第一协方差矩阵的特征值及特征向量,且每一特征值对应一个特征向量。在求出的所述第一特征向量中,选取最大的前K个特征值及其对应的特征向量,并将参数历史数据中的原始参数数据投影到所选取的特征向量之上,得到降维之后的第一参数历史数据。
本申请实施例通过主成分分析法对参数历史数据中的参数数据进行降维处理,在保证信息量的前提下,剔除冗余数据,使得第一参数历史数据中参数数据的样本量减小,且降维后信息量损失最小,从而降低构建第一颗粒污泥处理状态空间的计算成本,达到提升方法的处理效率的技术效果。
本申请实施例提供的方法中的步骤S600包括:
S610:将所述第一状态参数输入所述颗粒污泥处理调整模型;
S620:所述颗粒污泥处理调整模型由多组训练数据训练至预定状态或收敛获得,其中,所述多组训练数据中的每组训练数据均包括:第一状态参数和用于标识所述第一颗粒污泥处理参数的标识信息;
S630:获得所述颗粒污泥处理调整模型的输出结果,所述输出结果包括所述第一颗粒污泥处理参数。
具体而言,颗粒污泥处理调整模型能根据训练数据进行不断的自我训练学习,多组训练数据中的每组均包括:第一状态参数和用于标识第一颗粒污泥处理参数的标识信息,颗粒污泥处理调整模型不断地自我修正,当颗粒污泥处理调整模型的输出信息达到预定的准确率/收敛状态时,则监督学习过程结束。通过对颗粒污泥处理调整模型进行数据训练,使得颗粒污泥处理调整模型处理输入数据更加准确,进而使得输出的第一颗粒污泥处理参数也更加准确,达到了准确获得数据信息的技术效果。
综上所述,本申请实施例通过获得进行颗粒污泥污水处理的处理参数,采用主成分分析法处理历史参数数据,并基于中试研究和马尔科夫决策过程构建第一颗粒污泥处理状态空间,获得参数调整行为对应处理后的相应节点状态参数,判断对应的第一颗粒污泥处理参数是否满足预设处理阈值,进而进行颗粒污泥污水处理,本申请实施例构建了可量化的颗粒污泥污水处理的控制方法,可根据不同污水处理要求进行颗粒污泥污水处理参数的设置,能够准确、智能化地获得可满足污水处理要求颗粒污泥污水处理参数,减少人工参与度,减少人工实验成本同时提升污水处理效率,达到了准确、智能化根据污水处理要求设置污水处理参数的技术效果。
实施例二
基于与前述实施例中一种基于中试研究的颗粒污泥处理的控制方法相同的发明构思,如图4所示,本申请实施例提供了一种基于中试研究的颗粒污泥处理的控制***,其中,所述***包括:
第一获得单元11,所述第一获得单元11用于获得第一好氧颗粒污泥反应设备的第一设备信息;
第二获得单元12,所述第二获得单元12用于根据所述第一设备信息获得给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合;
第三获得单元13,所述第三获得单元13用于根据所述给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合获得第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数;
第一构建单元14,所述第一构建单元14用于基于中试研究,构建第一颗粒污泥处理状态空间;
第一处理单元15,所述第一处理单元15用于将所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数输入所述第一颗粒污泥处理状态空间,获得第一状态参数;
第二处理单元16,所述第二处理单元16用于将所述第一状态参数输入颗粒污泥处理调整模型,获得第一颗粒污泥处理参数;
第一判断单元17,所述第一判断单元17用于判断所述第一颗粒污泥处理参数是否满足预设处理阈值;
第一管理单元18,所述第一管理单元18用于若符合,基于所述第一颗粒污泥处理参数调整所述第一好氧颗粒污泥反应设备,进行颗粒污泥处理。
进一步的,所述***还包括:
第四获得单元,所述第四获得单元用于基于中试研究的历史实验数据,获得包括所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数节点状态,以及对应的第一参数调整行为;
第三处理单元,所述第三处理单元用于将所述第一参数节点状态和所述第一参数调整行为输入颗粒污泥处理评估模型,获得第一评估结果;
第四处理单元,所述第四处理单元用于根据所述第一评估结果,获得第二参数节点状态,所述第二参数节点状态为所述第一参数节点状态经第一参数调整行为调整后的参数节点状态;
第二构建单元,所述第二构建单元用于直到获得第N评估结果,第N参数节点状态和第N参数调整行为,构建得到所述第一颗粒污泥处理状态空间。
进一步的,所述***还包括:
第五处理单元,所述第五处理单元用于获得所述第N参数节点状态与第N-1参数调整行为之间的映射关系;
第三构建单元,所述第三构建单元用于根据所述映射关系,构建所述第一颗粒污泥处理状态空间。
进一步的,所述***还包括:
第五获得单元,所述第五获得单元用于基于中试研究的历史实验数据,获得所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数历史数据;
第六获得单元,所述第六获得单元用于基于中试研究的历史实验数据,获得所述第一好氧颗粒污泥反应设备的处理节点状态历史数据,其中,所述处理节点状态历史数据内的处理节点状态与所述第一参数历史数据内的参数一一对应;
第六处理单元,所述第六处理单元根据所述第一参数历史数据和所述处理节点状态历史数据获得所述第一参数节点状态和所述第一参数调整行为。
进一步的,所述***还包括:
第七获得单元,所述第七获得单元用于基于中试研究的历史实验数据,获得所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的参数历史数据;
第七处理单元,所述第七处理单元用于对所述参数历史数据进行主成分分析线性降维,得到所述第一参数历史数据。
进一步的,所述***还包括:
第八处理单元,所述第八处理单元用于对所述参数历史数据进行去中心化处理,获得去中心化参数历史数据;
第九处理单元,所述第九处理单元用于获得所述去中心化参数历史数据的第一协方差矩阵;
第十处理单元,所述第十处理单元用于对所述第一协方差矩阵进行运算,获得所述第一协方差矩阵的第一特征值和第一特征向量;
第十一处理单元,所述第十一处理单元用于将所述参数历史数据投影到所述第一特征向量,获得所述第一参数历史数据。
进一步的,所述***还包括:
第十二处理单元,所述第十二处理单元用于将所述第一状态参数输入所述颗粒污泥处理调整模型;
第十三处理单元,所述第十三处理单元用于所述颗粒污泥处理调整模型由多组训练数据训练至预定状态或收敛获得,其中,所述多组训练数据中的每组训练数据均包括:第一状态参数和用于标识所述第一颗粒污泥处理参数的标识信息;
第十四处理单元,所述第十四处理单元用于获得所述颗粒污泥处理调整模型的输出结果,所述输出结果包括所述第一颗粒污泥处理参数。
示例性电子设备
下面参考图5来描述本申请实施例的电子设备,
基于与前述实施例中一种基于中试研究的颗粒污泥处理的控制方法相同的发明构思,本申请实施例还提供了一种基于中试研究的颗粒污泥处理的控制***,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使得***以执行实施例一所述方法的步骤。
该电子设备300包括:处理器302、通信接口303、存储器301。可选的,电子设备300还可以包括总线架构304。其中,通信接口303、处理器302以及存储器301可以通过总线架构304相互连接;总线架构304可以是外设部件互连标(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture,简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示,图5中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
处理器302可以是一个CPU,微处理器,ASIC,或一个或多个用于控制本申请方案程序执行的集成电路。
通信接口303,使用任何收发器一类的装置,用于与其他设备或通信网络通信,如以太网,无线接入网(radio access network,RAN),无线局域网(wireless localareanetworks,WLAN),有线接入网等。
存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory,EEPROM)、只读光盘(compactdisc read-only memory,CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是独立存在,通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。
其中,存储器301用于存储执行本申请方案的计算机执行指令,并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令,从而实现本申请上述实施例提供的一种基于中试研究的颗粒污泥处理的控制方法。
可选的,本申请实施例中的计算机执行指令也可以称之为应用程序代码,本申请实施例对此不作具体限定。
本申请实施例通过获得进行颗粒污泥污水处理的处理参数,采用主成分分析法处理历史参数数据,并基于中试研究和马尔科夫决策过程构建第一颗粒污泥处理状态空间,获得参数调整行为对应处理后的相应节点状态参数,判断对应的第一颗粒污泥处理参数是否满足预设处理阈值,进而进行颗粒污泥污水处理,本申请实施例构建了可量化的颗粒污泥污水处理的控制方法,可根据不同污水处理要求进行颗粒污泥污水处理参数的设置,能够准确、智能化地获得可满足污水处理要求颗粒污泥污水处理参数,减少人工参与度,减少人工实验成本同时提升污水处理效率,达到了准确、智能化根据污水处理要求设置污水处理参数的技术效果。
本领域普通技术人员可以理解:本申请中涉及的第一、第二等各种数字编号仅为描述方便进行的区分,并不用来限制本申请实施例的范围,也不表示先后顺序。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“至少一个”是指一个或者多个。至少两个是指两个或者多个。“至少一个”、“任意一个”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b,或c中的至少一项(个、种),可以表示:a,b,c,a-b,a-c,b-c,或a-b-c,其中a,b,c可以是单个,也可以是多个。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(Solid State Disk,SSD))等。
本申请实施例中所描述的各种说明性的逻辑单元和电路可以通过通用处理器,数字信号处理器,专用集成电路(ASIC),现场可编程门阵列(FPGA)或其它可编程逻辑装置,离散门或晶体管逻辑,离散硬件部件,或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器,可选地,该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现,例如数字信号处理器和微处理器,多个微处理器,一个或多个微处理器联合一个数字信号处理器核,或任何其它类似的配置来实现。
本申请实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件单元、或者这两者的结合。软件单元可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地,存储媒介可以与处理器连接,以使得处理器可以从存储媒介中读取信息,并可以向存储媒介存写信息。可选地,存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中,ASIC可以设置于终端中。可选地,处理器和存储媒介也可以设置于终端中的不同的部件中。这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管结合具体特征及其实施例对本申请进行了描述,显而易见的,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。相应地,本说明书和附图仅仅是所附权利要求所界定的本申请的示例性说明,且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (8)
1.一种基于中试研究的颗粒污泥处理的控制方法,其中,所述方法包括:
获得第一好氧颗粒污泥反应设备的第一设备信息;
根据所述第一设备信息获得给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合;
根据所述给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合获得第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数;
基于中试研究,构建第一颗粒污泥处理状态空间;
将所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数输入所述第一颗粒污泥处理状态空间,获得第一状态参数;
将所述第一状态参数输入颗粒污泥处理调整模型,获得第一颗粒污泥处理参数;
判断所述第一颗粒污泥处理参数是否满足预设处理阈值;
若符合,基于所述第一颗粒污泥处理参数调整所述第一好氧颗粒污泥反应设备,进行颗粒污泥处理;
所述基于中试研究,构建第一颗粒污泥处理状态空间,包括:
基于中试研究的历史实验数据,获得包括所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数节点状态,以及对应的第一参数调整行为;
将所述第一参数节点状态和所述第一参数调整行为输入颗粒污泥处理评估模型,获得第一评估结果;
根据所述第一评估结果,获得第二参数节点状态,所述第二参数节点状态为所述第一参数节点状态经第一参数调整行为调整后的参数节点状态;
直到获得第N评估结果,第N参数节点状态和第N参数调整行为,构建得到所述第一颗粒污泥处理状态空间。
2.如权利要求1所述的方法,其中,所述方法还包括:
获得所述第N参数节点状态与第N-1参数调整行为之间的映射关系;
根据所述映射关系,构建所述第一颗粒污泥处理状态空间。
3.如权利要求1所述的方法,其中,所述基于中试研究的历史实验数据,获得包括第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数节点状态,以及对应的第一参数调整行为,包括:
基于中试研究的历史实验数据,获得所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数历史数据;
基于中试研究的历史实验数据,获得所述第一好氧颗粒污泥反应设备的处理节点状态历史数据,其中,所述处理节点状态历史数据内的处理节点状态与所述第一参数历史数据内的参数一一对应;
根据所述第一参数历史数据和所述处理节点状态历史数据获得所述第一参数节点状态和所述第一参数调整行为。
4.如权利要求3所述的方法,其中,所述基于中试研究的历史实验数据,获得所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数历史数据,包括:
基于中试研究的历史实验数据,获得所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的参数历史数据;
对所述参数历史数据进行主成分分析线性降维,得到所述第一参数历史数据。
5.如权利要求4所述的方法,其中,所述对所述参数历史数据进行主成分分析线性降维,得到所述第一参数历史数据,包括:
对所述参数历史数据进行去中心化处理,获得去中心化参数历史数据;
获得所述去中心化参数历史数据的第一协方差矩阵;
对所述第一协方差矩阵进行运算,获得所述第一协方差矩阵的第一特征值和第一特征向量;
将所述参数历史数据投影到所述第一特征向量,获得所述第一参数历史数据。
6.如权利要求1所述的方法,其中,所述将所述第一状态参数输入颗粒污泥处理调整模型,获得第一颗粒污泥处理参数,包括:
将所述第一状态参数输入所述颗粒污泥处理调整模型;
所述颗粒污泥处理调整模型由多组训练数据训练至预定状态或收敛获得,其中,所述多组训练数据中的每组训练数据均包括:第一状态参数和用于标识所述第一颗粒污泥处理参数的标识信息;
获得所述颗粒污泥处理调整模型的输出结果,所述输出结果包括所述第一颗粒污泥处理参数。
7.一种基于中试研究的颗粒污泥处理的控制***,其中,所述***包括:
第一获得单元,所述第一获得单元用于获得第一好氧颗粒污泥反应设备的第一设备信息;
第二获得单元,所述第二获得单元用于根据所述第一设备信息获得给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合;
第三获得单元,所述第三获得单元用于根据所述给药参数集合、布水参数集合、曝气参数集合、筛选参数集合和排水参数集合获得第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数;
第一构建单元,所述第一构建单元用于基于中试研究,构建第一颗粒污泥处理状态空间;
第一处理单元,所述第一处理单元用于将所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数输入所述第一颗粒污泥处理状态空间,获得第一状态参数;
第二处理单元,所述第二处理单元用于将所述第一状态参数输入颗粒污泥处理调整模型,获得第一颗粒污泥处理参数;
第一判断单元,所述第一判断单元用于判断所述第一颗粒污泥处理参数是否满足预设处理阈值;
第一管理单元,所述第一管理单元用于若符合,基于所述第一颗粒污泥处理参数调整所述第一好氧颗粒污泥反应设备,进行颗粒污泥处理;
第四获得单元,所述第四获得单元用于基于中试研究的历史实验数据,获得包括所述第一给药参数、第一布水参数、第一曝气参数、第一筛选参数和第一排水参数的第一参数节点状态,以及对应的第一参数调整行为;
第三处理单元,所述第三处理单元用于将所述第一参数节点状态和所述第一参数调整行为输入颗粒污泥处理评估模型,获得第一评估结果;
第四处理单元,所述第四处理单元用于根据所述第一评估结果,获得第二参数节点状态,所述第二参数节点状态为所述第一参数节点状态经第一参数调整行为调整后的参数节点状态;
第二构建单元,所述第二构建单元用于直到获得第N评估结果,第N参数节点状态和第N参数调整行为,构建得到所述第一颗粒污泥处理状态空间。
8.一种基于中试研究的颗粒污泥处理的控制***,包括:处理器,所述处理器与存储器耦合,所述存储器用于存储程序,当所述程序被所述处理器执行时,使***以执行如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295549.4A CN113867233B (zh) | 2021-11-03 | 2021-11-03 | 一种基于中试研究的颗粒污泥处理的控制方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111295549.4A CN113867233B (zh) | 2021-11-03 | 2021-11-03 | 一种基于中试研究的颗粒污泥处理的控制方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113867233A CN113867233A (zh) | 2021-12-31 |
CN113867233B true CN113867233B (zh) | 2022-06-03 |
Family
ID=78986679
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111295549.4A Active CN113867233B (zh) | 2021-11-03 | 2021-11-03 | 一种基于中试研究的颗粒污泥处理的控制方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113867233B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998003434A1 (fr) * | 1996-07-19 | 1998-01-29 | Mitsubishi Chemical Corporation | Dispositif de regulation de la concentration d'oxygene dissous d'une cuve d'aeration, de regulation de la temperature de ladite cuve, de regulation du debit d'eau brute pour obtenir une surface liquide homogene et equipement de traitement d'eaux usees utilise dans le procede de traitement par boues activees |
CN109508811A (zh) * | 2018-09-30 | 2019-03-22 | 中冶华天工程技术有限公司 | 基于主成分分析和长短期记忆网络的污水处理出水参数预测方法 |
CN109857056A (zh) * | 2019-03-08 | 2019-06-07 | 中冶华天南京电气工程技术有限公司 | 一种智能污水处理控制*** |
CN109879475A (zh) * | 2019-02-28 | 2019-06-14 | 重庆工商大学 | 动态调节式污水工况处理方法 |
CN109976187A (zh) * | 2019-02-28 | 2019-07-05 | 重庆工商大学 | 基于污水生化处理优化与精细曝气的污水管理平台 |
CN110378533A (zh) * | 2019-07-22 | 2019-10-25 | 中展环能(北京)技术有限公司 | 一种基于大数据分析的智能曝气管理方法 |
CN110824923A (zh) * | 2019-11-25 | 2020-02-21 | 浙江嘉科电子有限公司 | 一种基于深度学习与云计算的污水处理控制方法及其*** |
EP3699148A1 (de) * | 2019-02-19 | 2020-08-26 | Siemens Aktiengesellschaft | Automatisierte regelung der sauerstoffkonzentration des belebungsbeckens einer abwasserbehandlungsanlage |
CN111655633A (zh) * | 2018-02-02 | 2020-09-11 | 凯米拉公司 | 用于提供废水处理厂的污泥脱水过程的至少一个输入参数的方法和*** |
CN113087288A (zh) * | 2021-03-22 | 2021-07-09 | 上海工程技术大学 | 一种制造企业能源中心水处理控制***及方法 |
-
2021
- 2021-11-03 CN CN202111295549.4A patent/CN113867233B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1998003434A1 (fr) * | 1996-07-19 | 1998-01-29 | Mitsubishi Chemical Corporation | Dispositif de regulation de la concentration d'oxygene dissous d'une cuve d'aeration, de regulation de la temperature de ladite cuve, de regulation du debit d'eau brute pour obtenir une surface liquide homogene et equipement de traitement d'eaux usees utilise dans le procede de traitement par boues activees |
CN111655633A (zh) * | 2018-02-02 | 2020-09-11 | 凯米拉公司 | 用于提供废水处理厂的污泥脱水过程的至少一个输入参数的方法和*** |
CN109508811A (zh) * | 2018-09-30 | 2019-03-22 | 中冶华天工程技术有限公司 | 基于主成分分析和长短期记忆网络的污水处理出水参数预测方法 |
EP3699148A1 (de) * | 2019-02-19 | 2020-08-26 | Siemens Aktiengesellschaft | Automatisierte regelung der sauerstoffkonzentration des belebungsbeckens einer abwasserbehandlungsanlage |
CN109879475A (zh) * | 2019-02-28 | 2019-06-14 | 重庆工商大学 | 动态调节式污水工况处理方法 |
CN109976187A (zh) * | 2019-02-28 | 2019-07-05 | 重庆工商大学 | 基于污水生化处理优化与精细曝气的污水管理平台 |
CN109857056A (zh) * | 2019-03-08 | 2019-06-07 | 中冶华天南京电气工程技术有限公司 | 一种智能污水处理控制*** |
CN110378533A (zh) * | 2019-07-22 | 2019-10-25 | 中展环能(北京)技术有限公司 | 一种基于大数据分析的智能曝气管理方法 |
CN110824923A (zh) * | 2019-11-25 | 2020-02-21 | 浙江嘉科电子有限公司 | 一种基于深度学习与云计算的污水处理控制方法及其*** |
CN113087288A (zh) * | 2021-03-22 | 2021-07-09 | 上海工程技术大学 | 一种制造企业能源中心水处理控制***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113867233A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sharafati et al. | The potential of new ensemble machine learning models for effluent quality parameters prediction and related uncertainty | |
CN109205781B (zh) | 控制***及控制方法 | |
Bagheri et al. | Modeling and optimization of activated sludge bulking for a real wastewater treatment plant using hybrid artificial neural networks-genetic algorithm approach | |
CN102616927B (zh) | 一种污水处理的工艺参数的调整方法及装置 | |
KR102440372B1 (ko) | 빅데이터 및 인공지능 기반의 하수처리시설의 유입수 환경 정보 관리 방법, 장치 및 컴퓨터-판독가능 기록매체 | |
CN110889085A (zh) | 基于复杂网络多元在线回归的废水智能监控方法及*** | |
CN113687040A (zh) | 基于决策树算法的水厂实时投药量预测方法、装置及介质 | |
KR101237444B1 (ko) | 하폐수 처리장의 공정진단 시스템 및 방법 | |
CN103809436A (zh) | 活性污泥法污水处理过程智能建模方法 | |
CN110357236B (zh) | 一种基于突变反演出水预测模型的污水厂智慧操控方法 | |
Lotfi et al. | A novel stochastic wastewater quality modeling based on fuzzy techniques | |
Zhao et al. | Water quality prediction in the waste water treatment process based on ridge regression echo state network | |
CN113867233B (zh) | 一种基于中试研究的颗粒污泥处理的控制方法及*** | |
CN108074011A (zh) | 一种污泥排放量的监控方法及*** | |
Grieu et al. | KSOM and MLP neural networks for on-line estimating the efficiency of an activated sludge process | |
CN201330211Y (zh) | 污水处理厂运行参数自寻优模拟*** | |
CN113111576A (zh) | 一种基于混合编码粒子群-长短期记忆神经网络出水氨氮软测量方法 | |
CN112288309A (zh) | 一种水质调控***、方法、装置、计算机设备和存储介质 | |
CN116957430A (zh) | 溢流污染治理方案制定方法、装置、计算机设备及介质 | |
CN113868983B (zh) | 一种基于cfd建模模拟的好氧颗粒污泥处理方法及*** | |
CN113582309A (zh) | 一种混凝剂投加量的确定方法和装置 | |
de la Vega et al. | Obtaining key parameters and working conditions of wastewater biological nutrient removal by means of artificial intelligence tools | |
Huang et al. | Modeling of a paper-making wastewater treatment process using a fuzzy neural network | |
CN118331209A (zh) | 污水处理智能加药方法、装置、服务器及存储介质 | |
CN111815151A (zh) | 一种基于数据挖掘的污水处理厂甲烷产量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |