CN114849316B - 一种智能化反冲洗过滤的自动控制*** - Google Patents

一种智能化反冲洗过滤的自动控制*** Download PDF

Info

Publication number
CN114849316B
CN114849316B CN202210807915.8A CN202210807915A CN114849316B CN 114849316 B CN114849316 B CN 114849316B CN 202210807915 A CN202210807915 A CN 202210807915A CN 114849316 B CN114849316 B CN 114849316B
Authority
CN
China
Prior art keywords
image
filter element
gray level
raw water
gray
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
Application number
CN202210807915.8A
Other languages
English (en)
Other versions
CN114849316A (zh
Inventor
蒋洪美
孟翔
邢涛
苏芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guanxing Xi'an Communication Electronic Engineering Co ltd
Original Assignee
Guanxing Xi'an Communication Electronic Engineering Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guanxing Xi'an Communication Electronic Engineering Co ltd filed Critical Guanxing Xi'an Communication Electronic Engineering Co ltd
Priority to CN202210807915.8A priority Critical patent/CN114849316B/zh
Publication of CN114849316A publication Critical patent/CN114849316A/zh
Application granted granted Critical
Publication of CN114849316B publication Critical patent/CN114849316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D29/00—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor
    • B01D29/60—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor integrally combined with devices for controlling the filtration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D29/00—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor
    • B01D29/60—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor integrally combined with devices for controlling the filtration
    • B01D29/601—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor integrally combined with devices for controlling the filtration by clearness or turbidity measuring
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D29/00—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor
    • B01D29/62—Regenerating the filter material in the filter
    • B01D29/66—Regenerating the filter material in the filter by flushing, e.g. counter-current air-bumps
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/51—Housings
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/52—Elements optimising image sensor operation, e.g. for electromagnetic interference [EMI] protection or temperature control by heat transfer or cooling elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
    • G01N2015/084—Testing filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Electromagnetism (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Dispersion Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种智能化反冲洗过滤的自动控制***，涉及智能控制领域。包括：采集原水图像、标准滤芯图像和进水口端的滤芯图像，经图像处理单元得到原水灰度图像的灰度共生矩阵和标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵；经数据处理单元计算原水图像的杂乱度、相关性和标准滤芯图像与进水口端的滤芯图像的相关系数，得到进水口污水的浑浊程度和当前时刻滤芯的堵塞程度，对当前时刻滤芯堵塞程度进行修正，利用当前时刻滤芯的最终堵塞程度和控制器进行自动控制。本发明在利用过滤装置对废水处理的过程中通过检测浑浊程度预测当前时刻滤芯的堵塞程度，根据得到的实时的滤芯堵塞程度控制反冲洗泵是否进行滤芯清洗，确保装置的过滤效率。

Description

一种智能化反冲洗过滤的自动控制***
技术领域
本申请涉及智能控制领域，具体涉及一种智能化反冲洗过滤的自动控制***。
背景技术
由于国家对于环保理念的重视，特别是针对较于匮乏的水资源的重视，水的循环利用能够在很大程度上缓解水资源匮乏的问题。但是在水的循环利用中，由于水的自然循环和社会循环，不可避免地带入水体中大量杂质。针对民用生活用水，对水的质量要求会更高一些，所以在进行循环利用时，对于循环用水之前需要保证循环使用的水的水质，首先需要对未过滤处理的原水进行过滤处理，排除循环使用的水存在杂质，按照杂质的化学结构划分，可分为无机物、有机物和水生物；按照杂质的尺寸大小区分，可分成悬浮物、胶体和溶解杂质。
为满足人们生活、生产的需求，水处理工作至关重要，而“过滤”是水处理工作中关键环节。反冲洗过滤器是通过滤网来处理水中的污染物，包括悬浮物，颗粒物等，达到净化水质的目的。在利用反冲洗过滤去进行过滤的过程中，原水中的悬浮物等被滤料层截留吸附并不断地在滤料层中积累，于是滤层孔隙逐渐被污物堵塞，在滤层表面形成滤渣，过滤水头损失不断增加。当达到某一限度时，滤料需进行清洗，使滤层恢复工作性能，继续工作；过滤时由于水头损失增加，水流对吸附在滤料表面的污物的剪切力变大，其中有些颗粒在水流的冲击下移到下层滤料中去，最终会使水中的悬浮物含量不断上升，浑浊程度变大，当杂质透过滤层时，过滤器失去过滤效果。在某些行业，对经过过滤的水的质量和过滤水的效率有较高的要求。因此，过滤到达一定程度时，滤芯可能会造成堵塞无法继续过滤工作，需要清洗滤料，以便恢复滤料层的纳污能力。
现有技术利用反冲洗过滤器对滤芯进行清洗时，一般多是在固定时间进行清洗，有时会出现清洗时机过早，滤芯并未有堵塞情况造成时间和资源的浪费，有时又会由于浑浊程度太差杂质过大从而出现清洗不及时的现象，造成滤芯堵塞严重，无法进行过滤工作，从而出现过滤效率低的问题。
发明内容
针对上述技术问题，本发明提供了一种智能化反冲洗过滤的自动控制***，包括：
图像采集单元：用于采集当前时刻过滤器进水口端的滤芯图像和过滤前的标准滤芯图像；
图像处理单元：利用图像采集单元采集到的标准滤芯图像与进水口端的滤芯图像中对应位置像素点的灰度值获取标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵；
数据采集单元：用于采集当前时刻过滤器前端的进水口压力、过滤器后端的出水口压力以及当前时刻过滤器前端的进水口流速、过滤器后端的出水口流速；
数据处理单元：根据图像处理单元得到的灰度差异矩阵中每个位置的元素值计算进水口端的滤芯图像和标准滤芯图像的灰度差异值；
获取灰度差异矩阵的行向量和列向量，根据灰度差异矩阵的行向量和列向量计算行与列的相关性，根据行与列的相关性计算灰度差异矩阵的相关系数；
利用得到的灰度差异矩阵的相关系数与采集的进水口压力、出水口压力、进水口流速和出水口流速计算当前时刻滤芯的堵塞程度；
控制器：接收数据处理单元得到当前时刻滤芯的堵塞程度，并利用接收到的当前时刻滤芯的堵塞程度对过滤器的反冲洗泵进行控制。
一种智能化反冲洗过滤的自动控制***还包括：
利用图像采集单元对进水口原水进行图像采集得到原水图像；
利用图像处理单元对原水图像进行灰度化处理得到进水口原水灰度图像，得到原水灰度图像每个像素点的灰度值，统计原水灰度图像每种灰度值的频率，并根据原水灰度图像中的每种灰度值及每种灰度值的频率生成原水灰度图像的灰度共生矩阵；
利用数据处理单元根据原水灰度图像的灰度共生矩阵以及原水灰度图像每个像素点的灰度值计算进水口原水的浑浊程度；
利用进水口原水的浑浊程度对当前时刻的堵塞程度进行修正得到最终的堵塞程度，并将该最终的堵塞程度发送到控制器。
进水口原水的浑浊程度的计算方法如下：
计算公式如下：
Figure 636361DEST_PATH_IMAGE002
式中：
Figure DEST_PATH_IMAGE003
为进水口原水的浑浊程度，
Figure 749680DEST_PATH_IMAGE004
表示原水图像的杂乱度，
Figure DEST_PATH_IMAGE005
表示原水图像的相关性，
Figure 360790DEST_PATH_IMAGE006
表示原水图像的亮度。
原水图像的亮度的获取方法为：提取原水灰度图像每个像素点的灰度值，对原水图像每个像素点的灰度值计算均值得到原水图像的灰度值均值，将该灰度值均值作为原水图像的亮度。
原水图像的杂乱度的计算过程为：
获取原水灰度图像的灰度共生矩阵，计算原水灰度图像的灰度共生矩阵中元素的均值，对原水灰度图像的灰度共生矩阵中每个位置的元素值和原水灰度图像的灰度共生矩阵的元素值均值作差处理，将原水灰度图像的灰度共生矩阵每个位置的元素值与原水灰度图像的灰度共生矩阵的元素值均值的差值绝对值进行累加；
对原水灰度图像的灰度共生矩阵每个位置的元素值与原水灰度图像的灰度共生矩阵的元素值均值的差值绝对值的累加结果与原水灰度图像的灰度共生矩阵的元素数量作商得到原水灰度图像的灰度共生矩阵灰度共生矩阵的离散程度，将得到的该离散程度作为原水图像的杂乱度。
原水图像的相关性的计算方法为：
计算公式如下：
Figure 917673DEST_PATH_IMAGE008
式中：
Figure 778182DEST_PATH_IMAGE005
为原水图像的相关性，
Figure DEST_PATH_IMAGE009
表示原水灰度图像灰度共生矩阵中第
Figure 773819DEST_PATH_IMAGE010
行第
Figure DEST_PATH_IMAGE011
列的元素值，
Figure 239436DEST_PATH_IMAGE010
、
Figure 91854DEST_PATH_IMAGE011
分别为灰度共生矩阵的行和列的序号，
Figure 49446DEST_PATH_IMAGE012
表示原水灰度图像灰度共生矩阵第
Figure DEST_PATH_IMAGE013
行元素值的均值，
Figure 848775DEST_PATH_IMAGE014
表示原水灰度图像灰度共生矩阵第
Figure DEST_PATH_IMAGE015
列元素值的均值，
Figure 434477DEST_PATH_IMAGE016
表示原水灰度图像灰度共生矩阵第
Figure 192217DEST_PATH_IMAGE013
行元素值的标准差，
Figure DEST_PATH_IMAGE017
表示原水灰度图像灰度共生矩阵第
Figure 230580DEST_PATH_IMAGE015
列元素值的标准差。
利用进水口原水的浑浊程度对当前时刻的堵塞程度进行修正得到最终的堵塞程度的过程如下：
Figure DEST_PATH_IMAGE019
其中，
Figure 833600DEST_PATH_IMAGE020
为最终堵塞程度，
Figure DEST_PATH_IMAGE021
表示当前时刻滤芯的堵塞程度，
Figure 273809DEST_PATH_IMAGE003
表示进水口原水的浑浊程度；
当前时刻滤芯的堵塞程度计算公式如下：
Figure 202450DEST_PATH_IMAGE022
式中：
Figure 400214DEST_PATH_IMAGE021
为当前时刻滤芯的堵塞程度，
Figure DEST_PATH_IMAGE023
为滤芯进水口与出水口的流速之差，
Figure 134820DEST_PATH_IMAGE024
为滤芯承压值，
Figure DEST_PATH_IMAGE025
为标准滤芯图像与进水口端的滤芯图像的灰度差异值，
Figure 695115DEST_PATH_IMAGE026
为标准滤芯图像与进水口端的滤芯图像的相关系数。
式中：
Figure 670024DEST_PATH_IMAGE021
为当前时刻滤芯的堵塞程度，
Figure DEST_PATH_IMAGE027
为当前时刻过滤器前端的进水口流速与过滤器后端的出水口流速之差，
Figure 831050DEST_PATH_IMAGE024
为滤芯承压值，
Figure 182397DEST_PATH_IMAGE025
为进水口端的滤芯图像和标准滤芯图像的灰度差异值，
Figure 393936DEST_PATH_IMAGE026
为标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的相关系数。
根据灰度差异矩阵的行向量和列向量计算行与列的相关性，根据行与列的相关性计算灰度差异矩阵的相关系数的过程为：
获取标准滤芯图像与进水口端的滤芯图像的灰度矩阵，对标准滤芯图像与进水口端的滤芯图像的灰度值作差得到标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵；
将标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的元素值进行累加得到标准滤芯图像与进水口端的滤芯图像的灰度差异值；
提取标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的行向量和列向量，对标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的行向量进行转置使其与标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的列向量格式相同，计算标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的行向量与标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的列向量对应位置的相关性表征标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的均匀性，将标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的行向量与标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的列向量对应位置的相关性之和作为标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的相关系数。
利用接收到当前时刻滤芯的堵塞程度对过滤器的反冲洗泵进行控制的过程为：
设置堵塞阈值，若当前时刻滤芯修正后最终的堵塞程度大于等于堵塞阈值，说明滤芯已经严重堵塞，需要进行反冲洗操作清洗滤芯，通过控制器控制反冲洗泵清洗滤芯；
若当前时刻滤芯修正后最终的堵塞程度小于堵塞阈值，说明滤芯上杂质不多，能够继续进行过滤工作，不需要进行反冲洗操作清洗滤芯。
相比于现有技术，本发明实施例的有益效果在于：
本发明通过水压以及进水口和出水口的流速结合滤芯的情况对过滤装置的堵塞程度进行判断，根据过滤装置的堵塞程度确定是否需要进行反冲洗处理对过滤装置进行清理，根据对原水图像进行分析确定原水的浑浊程度，利用得到的原水的浑浊程度对过滤装置中滤芯当前时刻的堵塞程度进行预测，根据预测滤芯堵塞程度控制反冲洗泵对过滤装置进行智能化的自动清洗，能够实时监测过滤装置的堵塞情况，确保过滤装置能够时刻保持良好的过滤效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例2一种智能化反冲洗过滤的自动控制***提供的***流程图；
图2为本发明具体实施方法中一种智能化反冲洗过滤的自动控制***提供的反冲洗过滤装置示意图；
图3为本发明实施例2一种智能化反冲洗过滤的自动控制***提供的数据处理单元流程图；
图中：1.进水口；2.出水口；3.防水相机；4.滤芯；5.控制器；6.反冲洗泵；7.反冲洗杂质排除口；8.速度传感器；9.压力传感器。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，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，都属于本发明保护的范围。
以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的***、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征；在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。
实施例1
本发明实施例提供了一种智能化反冲洗过滤的自动控制***，如图1与图2所示，包括：
本实施例在过滤器的进水口1处安装一个水速控制装置，根据检测的当前时刻滤芯4的堵塞程度和进水口1原水的浑浊程度情况对过滤器的当前时刻滤芯4的堵塞程度进行综合判断；分别在进水口1和出水口2处各放置一个速度传感器8和一个压力传感器9，用以实时监测进水口1和出水口2处的流速和压力；并在滤芯4正前方安置一个防水相机3，用以拍摄滤芯4的图像和进水口1原水的图像；将反冲洗泵6连接在出水口2处的管道上用于对滤芯4进行反冲洗，将反冲洗的滤渣通过反冲洗杂质排除口7排除，将控制器5连接在过滤器上，利用无线信号传输将数据处理单元的数据传输至控制器5，实现智能化反冲洗过滤的自动控制。本实施例的反冲洗过滤装置示意图如图2所示。
图像采集单元：包括防水相机3，用于采集过滤装置中的部分图像进行分析对过滤装置的滤芯4进行智能化的反冲洗操作。
在民生方面对于循环利用的生活用水有一定的要求，对于需要循环利用的未过滤原水，为了循环再利用，往往需要将未过滤原水重新进行处理，通过大型的过滤装置去除水中的杂质，本实施例通过在过滤器的进水口1处放置一个防水相机3获取过滤装置中的部分图像进行分析来对过滤装置的滤芯4进行智能化的反冲洗操作。
图像处理单元：用于处理防水相机31采集的过滤前的标准滤芯4图像和进水口1端的滤芯4图像。
数据采集单元：包括压力传感器9和速度传感器8。
压力传感器9：压力传感器9(Pressure Transducer)是能感受压力信号，通常由压力敏感元件和信号处理单元组成，能按照一定的规律将压力信号转换成可用的输出的电信号的器件或装置。
本实施例中利用压力传感器9获取过滤器中滤芯4承受的水压，即滤芯4承压值，根据水压综合计算过滤装置的堵塞程度，从而对过滤装置是否需要进行清理进行判断，能够实时监测过滤器的堵塞程度，在需要清理时及时进行清洗，提高过滤装置的过滤效果。
速度传感器8：本实施例中在滤芯4前端和后端分别放置速度传感器8，利用速度传感器8分别获取过滤装置过滤前的进水口1流速和过滤后的出水口2流速，将滤芯4前端和后端的水的流速也作为过滤情况的判定标准，根据滤芯4前段和后端水的流速来反映未过滤原水的杂质含量，从而反映未过滤原水的浑浊程度。
数据处理单元：数据处理是***工程和自动控制的基本环节，数据处理贯穿于社会生产和社会生活的各个领域，数据是对事实、概念或指令的一种表达形式，可由人工或自动化装置进行处理。数据处理是从大量的原始数据抽取出有价值的信息，即数据转换成信息的过程。主要对所输入的各种形式的数据进行加工整理，其过程包含对数据的收集、存储、加工、分类、归并、计算、排序、转换、检索和传播的演变与推导全过程。
本实施例将标准滤芯4图像与进水口1端的滤芯4图像的灰度值作差得到灰度差异矩阵，根据灰度差异矩阵中的元素值计算标准滤芯4图像与进水口1端的滤芯4图像的灰度差异和相关系数，根据标准滤芯4图像与进水口1端的滤芯4图像的灰度差异、相关系数、滤芯4承压值以及进水口1与出水口2的流速差值送至数据处理单元进行数据处理得到过滤装置的堵塞程度。
控制器5：控制器5是指按照预定顺序改变主电路或控制电路的接线和改变电路中电阻值来控制电动机的启动、调速、制动和反向的主令装置。由程序计数器、指令寄存器、指令译码器、时序产生器和操作控制器5组成，它是发布命令的“决策机构”，即完成协调和指挥整个计算机***的操作。
本实施例利用数据处理单元送至控制器5的数据对反冲洗过滤自动控制***发送指令控制反冲洗泵6对过滤装置的滤芯4进行冲洗。通过控制器5接收的过滤装置的堵塞程度确定是否需要进行反冲洗操作，清洗过滤器的滤芯4，使过滤装置的过滤效果最佳。
反冲洗泵6：反冲洗泵6是给滤池提供反冲水的水泵，使滤池恢复过滤能力。对于反冲洗水泵现场应用的工艺不用，选择的水泵类型也不同，反冲洗泵6常用于原水处理中的提升、输送等，在反冲后能恢复初始功能提高过滤精度，而又不影响流量或过滤周期，在不影响其他指标下提高过滤效率。
实施例2
本发明实施例提供了一种智能化反冲洗过滤的自动控制***，如图1与图2所示，具体内容包括：
大型的过滤设备往往都是有许多的过滤装置，最初的过滤是为了去除较大的杂质，而后逐渐减少，因此需要检测每一次过滤后的过滤效果，并且，由于杂质的存在会使滤芯被杂质包围最终导致过滤效果不好。因此需要根据情况清洗滤芯，需要根据前后的压力和水流速度来确定清洗滤芯的必要性。
由于利用采集图像的时刻获取的图像进行滤芯堵塞程度的计算有一定的延迟，因此本实施例结合进水口原水的浑浊程度对当前时刻的滤芯的堵塞程度进行修正，进水口原水的浑浊程度越差，造成滤芯堵塞的影响程度越大，因此我们还需要获取原水图像对进水口原水的浑浊程度进行计算。
综上所述本实施例需要不断检测浑浊程度和水流速度以及压力，因此需要布置采样装置和传感器装置。
最初进入过滤装置的水源含有多种杂质，过滤装置的作用是将水分层分级处理最终达到使用标准，而过滤装设备中含有许多的过滤装置，不同的过滤装置处理不同的杂质。如果当前层级对浑浊程度处理的不好，剩余的杂质会堆积到下一层的滤芯上，由于随着过滤的加深滤芯的透过杂质的大小是变小的，上一层级没有处理好的较大的杂质堵在下一层级的滤芯上，由于下一层级滤芯的精细化，大的杂质很容易堵塞滤芯导致滤芯过滤时间很长，影响最终水的净化速度，这种情况下就需要对滤芯进行清洗。
本实施例根据浑浊程度的情况和滤芯的情况调整水流速度，控制过滤装置的过滤效果，并且根据滤芯压力和水流速度变化来控制滤芯的自动清理，实现过滤设备的高效化智能化。
S1：计算当前时刻滤芯的堵塞程度
在传统的反冲洗过滤装置上，一般仅仅是根据压力或者直接定时固定多久清洗一次滤芯，前者仅仅考虑压力不考虑水流的速度，以及滤芯颜色的深浅，有可能会发生清洗过晚，滤芯堵塞严重，过滤水的速度长时间处于慢速，且由于压力的过大导致滤芯上的杂质进入下一层过滤器，过滤效果下降；后者固定时间的清洗，完全固定，清洗的时机可能过早也可能过晚，都不可取。本实施例通过压力、水流速度和滤芯上的颜色纹理来判断滤芯上杂质的堵塞程度。
首先对过滤后的进水口端的滤芯图像与过滤前的标准滤芯图像进行分析，滤芯最初应当是银色或者白色的，经过大量水的过滤，滤芯上会被杂质包裹，滤芯颜色发生巨大的变化，因此根据颜色的变化程度来确定滤芯的堵塞情况。
获取过滤后的进水口端的滤芯图像与过滤前的标准滤芯图像的灰度差异矩阵：
Figure DEST_PATH_IMAGE029
式中：
Figure 398801DEST_PATH_IMAGE030
为标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵，
Figure DEST_PATH_IMAGE031
表示进水口端的滤芯图像的灰度矩阵，
Figure 210637DEST_PATH_IMAGE032
表示标准滤芯图像的灰度矩阵，
Figure DEST_PATH_IMAGE033
表示标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中第
Figure 552625DEST_PATH_IMAGE034
行第
Figure 494037DEST_PATH_IMAGE034
列的元素值，
Figure 935382DEST_PATH_IMAGE034
表示标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中行/列的数量。
将标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的元素值进行累加得到标准滤芯图像与进水口端的滤芯图像的灰度差异值，计算公式如下：
Figure 329454DEST_PATH_IMAGE036
式中：
Figure 147238DEST_PATH_IMAGE025
为标准滤芯图像与进水口端的滤芯图像的灰度差异值，
Figure 677576DEST_PATH_IMAGE034
表示标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中行/列的数量，
Figure DEST_PATH_IMAGE037
为标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中第
Figure 804670DEST_PATH_IMAGE038
行第
Figure DEST_PATH_IMAGE039
列的元素值，
Figure 279514DEST_PATH_IMAGE038
、
Figure 510775DEST_PATH_IMAGE039
为标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中行/列的序号。
与普通的计量方法不同，在普通计量差异的时候只是考虑到差异的大小，而在此处也应当考虑的整个标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的均匀性，因为滤芯作为过滤装置局部的堵塞并不影响整体的使用。
相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。与以往的计算矩阵的相关性不同，本实施例通过计算标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的行与列之间的相关性来进一步计算标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的相关性，将灰度差异矩阵的相关性作为标准滤芯图像与进水口端的滤芯图像的相关系数。
Figure DEST_PATH_IMAGE041
Figure DEST_PATH_IMAGE043
上式中，
Figure 348150DEST_PATH_IMAGE044
、
Figure DEST_PATH_IMAGE045
分别为灰度差向量的列向量和转置后的行向量，对行向量进行转置的作用是为了使行向量与列向量的格式同一，便于后续计算，减少计算量。
本实施例通过计算灰度差向量的列向量和行向量之间的相关性来表征灰度差异矩阵的均匀性：
Figure DEST_PATH_IMAGE047
Figure 334560DEST_PATH_IMAGE048
表示第
Figure DEST_PATH_IMAGE049
行行向量第
Figure 155755DEST_PATH_IMAGE049
列列向量的相关性，
Figure 190707DEST_PATH_IMAGE050
/
Figure DEST_PATH_IMAGE051
表示第
Figure 23534DEST_PATH_IMAGE049
列/行向量，
Figure 243162DEST_PATH_IMAGE052
/
Figure DEST_PATH_IMAGE053
表示第
Figure 692598DEST_PATH_IMAGE049
列/行向量的方差，
Figure 265662DEST_PATH_IMAGE054
表示第
Figure 749733DEST_PATH_IMAGE049
行行向量第
Figure 140263DEST_PATH_IMAGE049
列列向量的协方差。
则最终求得的标准滤芯图像与进水口端的滤芯图像的相关系数为：
Figure 217940DEST_PATH_IMAGE056
上式中
Figure 984908DEST_PATH_IMAGE026
表示标准滤芯图像与进水口端的滤芯图像相关系数，该相关系数的大小最终表征了标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的均匀程度。
结合标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的差异程度和均匀程度从图像颜色特征角度得到当前时刻的滤芯堵塞程度为：
根据滤芯进水口流速、出水口流速、滤芯承压值以及标准滤芯图像与进水口端的滤芯图像的差异信息综合判断滤芯的堵塞情况，计算公式如下：
Figure DEST_PATH_IMAGE057
式中：
Figure 792327DEST_PATH_IMAGE021
为当前时刻滤芯的堵塞程度，
Figure 229125DEST_PATH_IMAGE058
为当前时刻过滤器前端的进水口流速与过滤器后端的出水口流速之差，
Figure 918732DEST_PATH_IMAGE024
为滤芯承压值，
Figure 692653DEST_PATH_IMAGE025
为进水口端的滤芯图像和标准滤芯图像的灰度差异值，
Figure 557841DEST_PATH_IMAGE026
为标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的相关系数。
上式得含义在于进水口端的滤芯图像和标准滤芯图像的灰度差异值
Figure DEST_PATH_IMAGE059
越大堵塞越严重，而进水口端的滤芯图像和标准滤芯图像的均匀性的度量
Figure 493436DEST_PATH_IMAGE026
在此基础上越均匀当前时刻滤芯的堵塞越严重。
其中，当前时刻过滤器前端的进水口流速与过滤器后端的出水口流速之差为速度传感器获取的过滤器前端的进水口流速与过滤器后端的出水口的流速之差，滤芯承压值为压力传感器在滤芯处获取的压力值，将该压力值作为滤芯承压值。
S2、计算进水口原水的浑浊程度
在过滤过程中滤芯随着原水的进入上面的杂质越来越多，并且浑浊程度对过滤的影响是最大的，浑浊程度越差对滤芯的影响越大，在实际计算滤芯堵塞程度的过程中由于各方面原因会存在误差，而误差的大小和浑浊程度有关，实际计算中，当前浑浊程度越差滤芯的过滤压力越大，实际的滤芯堵塞程度越大，并且由于计算堵塞程度有一定时间延迟，因此实际在清洗滤芯时的滤芯堵塞程度要比计算得到的值要大，而浑浊程度越差这个值就越大，因此本实施例在进行最终滤芯清洗时加入浑浊程度带来的误差修正项。
一般情况下水中的杂质越多，在图像上表现为水的颜色越暗，并且水中存在越多的颗粒物图像中表现为越杂乱，因此通过对浑浊程度图像的分析，可以得到当前水的浑浊程度。
关于水的亮暗程度可以表现为灰度值的变化，灰度值越大表明图像亮度越亮，相应的水的清澈度越好；相反由于杂质的作用，杂质越多水的亮度越暗，拍摄得到的图像的亮度越暗。
因此对原水图像进行灰度化处理得到原水灰度图像，根据原水灰度图像计算原水图像的亮度，计算公式如下：
Figure DEST_PATH_IMAGE061
式中：
Figure 873601DEST_PATH_IMAGE045
表示原水图像的亮度，
Figure 716793DEST_PATH_IMAGE062
表示原水灰度图像中第
Figure DEST_PATH_IMAGE063
个像素点的灰度值，
Figure 764383DEST_PATH_IMAGE063
为原水灰度图像中像素点的序号，
Figure 402038DEST_PATH_IMAGE064
为原水灰度图像中像素点的数量。
上述从原水图像的亮度来表征了水的质量，与此同时当水中含有杂质包括颗粒物颜色变化悬浊物等出现时，图像中表现为不同的纹理边缘以及含有不同的信息量。图像的灰度共生矩阵可以分析图像自身的某些细节特性，因此本实施例通过对得到的原水灰度图像的灰度共生矩阵进行相关分析。
杂质的种类大小越多，边缘信息和细节信息越丰富，反映在灰度共生矩阵中则表现为灰度共生矩阵中的元素分布越杂乱，数学上以方差来度量数据的杂乱即离散程度，计算原水灰度图像的灰度共生矩阵的离散程度：
获取原水灰度图像的灰度共生矩阵中元素的均值
Figure DEST_PATH_IMAGE065
，对灰度共生矩阵中各元素和灰度共生矩阵的均值作差处理，将所有元素与均值的差值绝对值进行累加；对所有元素与均值的差值绝对值的累加结果与元素数量作商得到灰度共生矩阵的离散程度，将得到的该离散程度作为原水图像的杂乱度，计算公式如下：
Figure DEST_PATH_IMAGE067
式中：
Figure 738341DEST_PATH_IMAGE068
为原水灰度图像的杂乱度，
Figure 385223DEST_PATH_IMAGE010
、
Figure 693845DEST_PATH_IMAGE011
分别表示原水灰度图像的灰度共生矩阵中行、列的序号，
Figure DEST_PATH_IMAGE069
表示原水灰度图像的灰度共生矩阵中行/列的数量，
Figure 95876DEST_PATH_IMAGE070
表示原水灰度图像的灰度共生矩阵中第
Figure 857159DEST_PATH_IMAGE010
行第
Figure 307732DEST_PATH_IMAGE011
列的元素值，
Figure 470860DEST_PATH_IMAGE065
为原水灰度图像的灰度共生矩阵中元素的均值。
原水灰度图像的灰度共生矩阵的自相关性反映了图像纹理的一致性，滤芯上由于各种杂质存在大小、颜色、形状不一的原因，所以杂质越多越乱，原水灰度图像的灰度共生矩阵的相关性越差，计算原水灰度图像的相关性来反映原水图像的杂乱程度。
计算公式如下：
Figure DEST_PATH_IMAGE071
式中：
Figure 919159DEST_PATH_IMAGE005
为原水图像的相关性，
Figure 557950DEST_PATH_IMAGE009
表示原水灰度图像灰度共生矩阵中第
Figure 422001DEST_PATH_IMAGE010
行第
Figure 298690DEST_PATH_IMAGE011
列的元素值，
Figure 980207DEST_PATH_IMAGE010
、
Figure 716082DEST_PATH_IMAGE011
分别为灰度共生矩阵的行和列的序号，
Figure 242878DEST_PATH_IMAGE072
表示原水灰度图像灰度共生矩阵第
Figure 380599DEST_PATH_IMAGE010
行元素值的均值，
Figure DEST_PATH_IMAGE073
表示原水灰度图像灰度共生矩阵第
Figure 436279DEST_PATH_IMAGE011
列元素值的均值，
Figure 518505DEST_PATH_IMAGE074
表示原水灰度图像灰度共生矩阵第
Figure 848992DEST_PATH_IMAGE010
行元素值的标准差，
Figure DEST_PATH_IMAGE075
表示原水灰度图像灰度共生矩阵第
Figure 434694DEST_PATH_IMAGE011
列元素值的标准差。
上式中，从原水灰度图像灰度共生矩阵的角度对原水图像的相关性进行了量化，原水图像的相关性越大表明原水图像的图像特征越相似，反映在浑浊程度上就说明进水口原水的浑浊程度越小。
综上所述，考虑原水图像的亮度、杂乱度和相关性，最终综上所得，进水口原水的浑浊程度计算方法为：
Figure 802222DEST_PATH_IMAGE076
式中：
Figure 637322DEST_PATH_IMAGE003
为进水口原水的浑浊程度，
Figure 505921DEST_PATH_IMAGE004
表示原水图像的杂乱度，
Figure 352655DEST_PATH_IMAGE005
表示原水图像的相关性，
Figure 281296DEST_PATH_IMAGE006
表示原水图像的亮度。
上述过程中，对当前进水口原水的浑浊程度进行了相关的评价，在进行过滤的时候，滤芯的过滤效果是不断减小的，因为随着过滤的进行，滤芯上的杂质越来越多，使得滤芯的通透性变差，最终的表现为滤芯上的压力越来越大，且经过滤芯前后的水的流速会发生变化。在滤芯堵塞后应当及时清理，否则会影响过滤的效率和质量。
S3：计算当前时刻滤芯的最终堵塞程度
由于浑浊程度对过滤的影响是最大的，浑浊程度越差对滤芯的影响越大，在实际计算滤芯堵塞程度的过程中由于各方面原因会存在误差，而误差的大小和浑浊程度有关，实际计算中，当前浑浊程度越差滤芯的过滤压力越大，实际的滤芯堵塞程度越大，并且由于计算堵塞程度有一定时间延迟，因此实际在清洗滤芯时的滤芯堵塞程度要比计算得到的值要大，而浑浊程度越差这个值就越大，因此本实施例在进行最终滤芯清洗时加入浑浊程度带来的误差修正项。
Figure DEST_PATH_IMAGE077
其中，
Figure 541376DEST_PATH_IMAGE020
为当前时刻滤芯的最终堵塞程度，
Figure 479245DEST_PATH_IMAGE021
表示当前时刻滤芯的堵塞程度，
Figure 180485DEST_PATH_IMAGE003
表示进水口原水的浑浊程度；
当前时刻滤芯的堵塞程度计算公式如下：
Figure DEST_PATH_IMAGE079
式中：
Figure 748870DEST_PATH_IMAGE021
为当前时刻滤芯的堵塞程度，
Figure 558563DEST_PATH_IMAGE080
为当前时刻过滤器前端的进水口流速与过滤器后端的出水口流速之差，
Figure 768964DEST_PATH_IMAGE024
为滤芯承压值，
Figure 590290DEST_PATH_IMAGE025
为进水口端的滤芯图像和标准滤芯图像的灰度差异值，
Figure 595155DEST_PATH_IMAGE026
为标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的相关系数。
所以，滤芯的最终堵塞程度，即修正后滤芯的堵塞程度为：
Figure 501931DEST_PATH_IMAGE082
S4：根据当前时刻滤芯修正后最终的堵塞程度进行自动控制
在过滤过程中滤芯随着原水的进入上面的杂质越来越多，上述过程最终确定了当前时刻滤芯修正后最终的堵塞程度，通过
Figure 781603DEST_PATH_IMAGE021
值得计算得到了当前时刻滤芯的最终堵塞程度，和传统的依靠压力或定时的清理不同，本实施例中当前时刻滤芯的最终堵塞程度的计算考虑了多方因素。
根据数据处理单元传输的当前时刻滤芯的最终堵塞程度对控制器进行控制，所述数据处理单元的工作内容即数据处理单元流程图如图3所示。
设定堵塞阈值
Figure DEST_PATH_IMAGE083
，则有：
Figure DEST_PATH_IMAGE085
若当前时刻滤芯的最终堵塞程度不小于堵塞阈值，说明滤芯已经严重堵塞，需要进行反冲洗操作清洗滤芯，根据进水口原水的浑浊程度和当前时刻滤芯修正后最终的堵塞程度通过控制器控制反冲洗泵清洗滤芯；
若当前时刻滤芯的最终堵塞程度小于堵塞阈值，说明滤芯上杂质不多，能够继续进行过滤工作，不需要进行反冲洗操作清洗滤芯。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种智能化反冲洗过滤的自动控制***，其特征在于，包括：
图像采集单元：用于采集当前时刻过滤器进水口端的滤芯图像和过滤前的标准滤芯图像；
利用图像采集单元对未过滤处理的进水口原水进行图像采集得到原水图像；
图像处理单元：利用图像采集单元采集到的标准滤芯图像与进水口端的滤芯图像中对应位置像素点的灰度值获取标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵；
数据采集单元：用于采集当前时刻过滤器前端的进水口压力、过滤器后端的出水口压力以及当前时刻过滤器前端的进水口流速、过滤器后端的出水口流速；
数据处理单元：根据图像处理单元得到的灰度差异矩阵中每个位置的元素值计算进水口端的滤芯图像和标准滤芯图像的灰度差异值；
获取灰度差异矩阵的行向量和列向量，根据灰度差异矩阵的行向量和列向量计算行与列的相关性，根据行与列的相关性计算灰度差异矩阵的相关系数；
利用得到的灰度差异矩阵的相关系数与采集的进水口压力、出水口压力、进水口流速和出水口流速计算当前时刻滤芯的堵塞程度；
利用图像处理单元对原水图像进行灰度化处理得到进水口原水灰度图像，得到原水灰度图像每个像素点的灰度值，统计原水灰度图像每种灰度值的频率，并根据原水灰度图像每种灰度值及每种灰度值的频率生成原水灰度图像的灰度共生矩阵；
利用数据处理单元根据原水灰度图像的灰度共生矩阵以及原水灰度图像每个像素点的灰度值计算进水口原水的浑浊程度，计算公式如下：
Figure DEST_PATH_IMAGE002
式中：
Figure DEST_PATH_IMAGE004
为进水口原水的浑浊程度，
Figure DEST_PATH_IMAGE006
表示原水图像的杂乱度，
Figure DEST_PATH_IMAGE008
表示原水图像的相关性，
Figure DEST_PATH_IMAGE010
表示原水图像的亮度；
其中原水图像的亮度的获取方法为：提取原水灰度图像每个像素点的灰度值，对原水图像每个像素点的灰度值计算均值得到原水图像的灰度值均值，将该灰度值均值作为原水图像的亮度；
其中原水图像的杂乱度的获取方法为：获取原水灰度图像的灰度共生矩阵，计算原水灰度图像的灰度共生矩阵中元素的均值，对原水灰度图像灰度共生矩阵中每个位置的元素值和原水灰度图像灰度共生矩阵的元素值均值作差处理，将原水灰度图像灰度共生矩阵每个位置的元素值与原水灰度图像灰度共生矩阵的元素值均值的差值绝对值进行累加；
对原水灰度图像灰度共生矩阵每个位置的元素值与原水灰度图像灰度共生矩阵的元素值均值的差值绝对值的累加结果与原水灰度图像灰度共生矩阵的元素数量作商得到原水灰度图像灰度共生矩阵的离散程度，将得到的该离散程度作为原水图像的杂乱度；
其中原水图像的相关性的计算公式如下：
Figure DEST_PATH_IMAGE012
式中：
Figure 204418DEST_PATH_IMAGE008
为原水图像的相关性，
Figure DEST_PATH_IMAGE014
表示原水灰度图像灰度共生矩阵中第
Figure DEST_PATH_IMAGE016
行第
Figure DEST_PATH_IMAGE018
列的元素值，
Figure 105247DEST_PATH_IMAGE016
、
Figure 150564DEST_PATH_IMAGE018
分别为灰度共生矩阵的行和列的序号，
Figure DEST_PATH_IMAGE020
表示原水灰度图像灰度共生矩阵第
Figure 404827DEST_PATH_IMAGE016
行元素值的均值，
Figure DEST_PATH_IMAGE022
表示原水灰度图像灰度共生矩阵第
Figure 15937DEST_PATH_IMAGE018
列元素值的均值，
Figure DEST_PATH_IMAGE024
表示原水灰度图像灰度共生矩阵第
Figure 900717DEST_PATH_IMAGE016
行元素值的标准差，
Figure DEST_PATH_IMAGE026
表示原水灰度图像灰度共生矩阵第
Figure 26805DEST_PATH_IMAGE018
列元素值的标准差；
利用进水口原水的浑浊程度对当前时刻的堵塞程度进行修正得到最终的堵塞程度，并将该最终的堵塞程度发送到控制器；
对当前时刻的堵塞程度进行修正得到最终的堵塞程度的过程如下：
Figure DEST_PATH_IMAGE028
其中，
Figure DEST_PATH_IMAGE030
为最终堵塞程度，
Figure DEST_PATH_IMAGE032
表示当前时刻滤芯的堵塞程度，
Figure 412655DEST_PATH_IMAGE004
表示进水口原水的浑浊程度；
当前时刻滤芯的堵塞程度计算公式如下：
Figure DEST_PATH_IMAGE034
式中：
Figure 675009DEST_PATH_IMAGE032
为当前时刻滤芯的堵塞程度，
Figure DEST_PATH_IMAGE036
为当前时刻过滤器前端的进水口流速与过滤器后端的出水口流速之差，
Figure DEST_PATH_IMAGE038
为滤芯承压值，
Figure DEST_PATH_IMAGE040
为进水口端的滤芯图像和标准滤芯图像的灰度差异值，
Figure DEST_PATH_IMAGE042
为标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的相关系数；
标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的相关系数的获取方法为：
获取标准滤芯图像与进水口端的滤芯图像的灰度矩阵，对标准滤芯图像与进水口端的滤芯图像的灰度值作差得到标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵；
将标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的元素值进行累加得到标准滤芯图像与进水口端的滤芯图像的灰度差异值；
提取标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的行向量和列向量，对标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的行向量进行转置使其与标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的列向量格式相同，计算标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的行向量与标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的列向量对应位置的相关性表征标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的均匀性，将标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的行向量与标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵中的列向量对应位置的相关性之和作为标准滤芯图像与进水口端的滤芯图像的灰度差异矩阵的相关系数
控制器：接收数据处理单元得到当前时刻滤芯最终的堵塞程度，并利用接收到的当前时刻滤芯最终的堵塞程度对过滤器的反冲洗泵进行控制。
2.根据权利要求1所述的一种智能化反冲洗过滤的自动控制***，其特征在于，所述利用接收到的当前时刻滤芯的堵塞程度对过滤器的反冲洗泵进行控制的过程为：
设置堵塞阈值，若当前时刻滤芯的最终堵塞程度大于等于堵塞阈值，说明滤芯已经严重堵塞，需要进行反冲洗操作清洗滤芯，通过控制器控制反冲洗泵清洗滤芯；
若当前时刻滤芯的最终堵塞程度小于堵塞阈值，说明滤芯上杂质不多，能够继续进行过滤工作，不需要进行反冲洗操作清洗滤芯。
CN202210807915.8A 2022-07-11 2022-07-11 一种智能化反冲洗过滤的自动控制*** Active CN114849316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210807915.8A CN114849316B (zh) 2022-07-11 2022-07-11 一种智能化反冲洗过滤的自动控制***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210807915.8A CN114849316B (zh) 2022-07-11 2022-07-11 一种智能化反冲洗过滤的自动控制***

Publications (2)

Publication Number Publication Date
CN114849316A CN114849316A (zh) 2022-08-05
CN114849316B true CN114849316B (zh) 2022-09-23

Family

ID=82626522

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210807915.8A Active CN114849316B (zh) 2022-07-11 2022-07-11 一种智能化反冲洗过滤的自动控制***

Country Status (1)

Country Link
CN (1) CN114849316B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115006901B (zh) * 2022-08-09 2022-11-29 南通市宏全精密刀具有限公司 一种智能化反冲洗过滤器的自动控制方法及***
CN115282671B (zh) * 2022-09-30 2023-07-28 南通润厚设备工程有限公司 一种反冲洗过滤器智能控制***
CN116267044A (zh) * 2023-04-04 2023-06-23 南京农业大学 一种水田除草机器人运动控制***
CN117601218A (zh) * 2023-10-20 2024-02-27 青岛博瑞科增材制造有限公司 一种基于3d打印的陶瓷浆料输送设备
CN117599519B (zh) * 2024-01-24 2024-04-12 山东泽林农业科技有限公司 一种用于数字化反冲洗一体机的智能控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2859948A1 (en) * 2013-10-09 2015-04-15 Yantai AusBio Laboratories Co., Ltd. Method for determining the result of an agglutination reaction and microplate for determining products of agglutination reactions
CN107764705A (zh) * 2017-09-28 2018-03-06 珠海格力电器股份有限公司 净水机及其清洁度的检测方法、装置和***
CN109074033A (zh) * 2016-04-01 2018-12-21 凯米罗总公司 用于优化水处理过程中的凝聚和/或絮凝的方法和***
CN112344486A (zh) * 2020-04-30 2021-02-09 深圳Tcl新技术有限公司 空气净化方法、装置、设备及计算机可读存储介质
CN114506933A (zh) * 2021-12-31 2022-05-17 江苏贝克莱恩环境工程有限公司 一种污水多级处理***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2859948A1 (en) * 2013-10-09 2015-04-15 Yantai AusBio Laboratories Co., Ltd. Method for determining the result of an agglutination reaction and microplate for determining products of agglutination reactions
CN109074033A (zh) * 2016-04-01 2018-12-21 凯米罗总公司 用于优化水处理过程中的凝聚和/或絮凝的方法和***
CN107764705A (zh) * 2017-09-28 2018-03-06 珠海格力电器股份有限公司 净水机及其清洁度的检测方法、装置和***
CN112344486A (zh) * 2020-04-30 2021-02-09 深圳Tcl新技术有限公司 空气净化方法、装置、设备及计算机可读存储介质
CN114506933A (zh) * 2021-12-31 2022-05-17 江苏贝克莱恩环境工程有限公司 一种污水多级处理***

Also Published As

Publication number Publication date
CN114849316A (zh) 2022-08-05

Similar Documents

Publication Publication Date Title
CN114849316B (zh) 一种智能化反冲洗过滤的自动控制***
JPH0627014A (ja) 水質汚染監視装置及びその方法
CN112857471B (zh) 工业物联网的化工废水处理排放在线监测预警管理云平台
EP0240974A2 (en) Injection control system of flocculating agent
CN110255808A (zh) 基于物联网和人工智能为一体的污水处理***
CN114663684A (zh) 一种絮凝反应实时智能分析的方法、***及运算设备
CN113688751A (zh) 一种利用图像识别技术分析矾花特征的方法及装置
CN101786675A (zh) 一种多参数废水源头分离装置及方法
CN106630276A (zh) 一种污水循环处理智能***
CN115671818A (zh) 一种板框压滤机智能控制方法及***
CN117599519B (zh) 一种用于数字化反冲洗一体机的智能控制方法
CN1198126C (zh) 多沙河流水质自动监测水样预处理***
CN117138455B (zh) 液体的自动过滤***及其方法
CN203474554U (zh) 湿法烟气脱硫废水处理装置
CN219462672U (zh) 一种进水在线监测用的过滤装置及***
CN208823999U (zh) 斜管填料自动清洗装置
Liancheng et al. Ore granularity detection and analysis system based on image processing
CN115683962A (zh) 一种用于选煤厂矿浆跑粗监测的矿浆粒度分析方法
CN114693493A (zh) 一种基于IoT的污染河流水生态修复***
CN113505647A (zh) 一种智能监控排口的监控方法及装置
CN110565593B (zh) 一种生态净水坝
CN111362469A (zh) 一种矿用水净化处理***
CN114933403B (zh) 基于水体污泥分析的污染治理设备的控制方法
CN116958141B (zh) 一种用于低温蒸馏罐的自动清洗方法及***
CN117772406A (zh) 一种选煤厂跑粗、跑介一体化检测装置及在线检测方法

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