CN116719240B - 一种淤泥质土脱水装置车的脱水控制方法及*** - Google Patents

一种淤泥质土脱水装置车的脱水控制方法及*** Download PDF

Info

Publication number
CN116719240B
CN116719240B CN202310960075.3A CN202310960075A CN116719240B CN 116719240 B CN116719240 B CN 116719240B CN 202310960075 A CN202310960075 A CN 202310960075A CN 116719240 B CN116719240 B CN 116719240B
Authority
CN
China
Prior art keywords
efficiency
fitness value
dewatering
filter pressing
drying
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
CN202310960075.3A
Other languages
English (en)
Other versions
CN116719240A (zh
Inventor
徐剑波
焦玉俊
宋建军
左闯
李志成
任若微
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.)
China First Metallurgical Group Co Ltd
Original Assignee
China First Metallurgical Group 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 China First Metallurgical Group Co Ltd filed Critical China First Metallurgical Group Co Ltd
Priority to CN202310960075.3A priority Critical patent/CN116719240B/zh
Publication of CN116719240A publication Critical patent/CN116719240A/zh
Application granted granted Critical
Publication of CN116719240B publication Critical patent/CN116719240B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F11/00—Treatment of sludge; Devices therefor
    • C02F11/008—Sludge treatment by fixation or solidification
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F11/00—Treatment of sludge; Devices therefor
    • C02F11/12—Treatment of sludge; Devices therefor by de-watering, drying or thickening
    • C02F11/121—Treatment of sludge; Devices therefor by de-watering, drying or thickening by mechanical de-watering
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F11/00—Treatment of sludge; Devices therefor
    • C02F11/12—Treatment of sludge; Devices therefor by de-watering, drying or thickening
    • C02F11/121—Treatment of sludge; Devices therefor by de-watering, drying or thickening by mechanical de-watering
    • C02F11/122—Treatment of sludge; Devices therefor by de-watering, drying or thickening by mechanical de-watering using filter presses
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F11/00—Treatment of sludge; Devices therefor
    • C02F11/12—Treatment of sludge; Devices therefor by de-watering, drying or thickening
    • C02F11/13—Treatment of sludge; Devices therefor by de-watering, drying or thickening by heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Organic Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Environmental & Geological Engineering (AREA)
  • Hydrology & Water Resources (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Drying Of Solid Materials (AREA)
  • Treatment Of Sludge (AREA)

Abstract

本发明公开一种淤泥质土脱水装置车的脱水控制方法及***，该方法包括：获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率；设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算所述最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高。

Description

一种淤泥质土脱水装置车的脱水控制方法及***
技术领域
本发明属于淤泥质土脱水装置车的脱水控制技术领域，更具体地，涉及一种淤泥质土脱水装置车的脱水控制方法及***。
背景技术
随着我国经济的迅速发展，道路工程、河道工程等建设项目的增加，产生了大量的废弃淤泥，而产生的这些废弃淤泥具有高含水率、高液限、高压缩性、高粘粒含量、排水性差、低强度等特性，导致它不能直接应用于工程填料，是工程上难以直接利用的一种特殊土，而往往作废弃处理，造成了资源的浪费和环境危害，同时在废弃的过程中需要征收大量土地作为堆场进行堆放，而目前在经济发达地区，土地资源尤为宝贵，废弃过程中的征地从很大程度上增加了工程投资。而脱水后的淤泥质土流动性下降 ，在一定程度上可用于园建软基换填处理、园建软基加固改良 处理和园建淤泥改良为种植土。
现有技术中并没有一种技术能够通过调整淤泥质土脱水装置车各部件的参数，从而使各部件的效率最高。
发明内容
为解决以上技术问题，本发明提出一种淤泥质土脱水装置车的脱水控制方法，包括：
获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率；
设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算所述最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高。
进一步的，计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率包括：
，
，
，
，
其中，为淤泥固化效率，/>为固化剂量，/>为搅拌时间，/>为搅拌强度，/>为固化效率调整常数，用于影响固化剂量、搅拌时间和搅拌强度对固化效率的相对重要性，/>为初步过滤效率，/>为第一过滤网板孔径，/>为滞留时间，/>为初步过滤效率调整常数，用于影响第一过滤网板孔径和滞留时间对初步过滤效率的相对重要性，/>为最终压滤效率，/>为压板压力，/>为第二过滤网板孔径，/>为最终压滤效率调整常数，用于影响压板压力、第二过滤网板孔径和滞留时间对最终压滤效率的相对重要性，/>为干燥效率，/>为加热管温度，/>为加热时间，/>为淤泥湿度，/>为干燥效率调整常数，用于影响加热管温度、加热时间和淤泥湿度对干燥效率的相对重要性。
进一步的，设置最大化效率模型，计算所述最大化整体脱水效率包括：
，
其中，为最大化整体脱水效率。
进一步的，所述效率适应度函数为：
，
其中，为效率适应度值，/>为淤泥固化效率的权重，/>为初步过滤效率的权重，/>为最终压滤效率的权重，/>为干燥效率的权重。
进一步的，所述通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果包括：
步骤201，创建一个包含多个个体的初始种群，每个个体表示一组参数取值；
步骤202，对每个个体，根据效率适应度函数计算其适应度值；
步骤203，使用轮盘赌选择算法或锦标赛选择算法，从种群中选择大于预设阈值的效率适应度值的个体，作为下一代的父代；
步骤204，对选择出的父代个体，使用单点交叉或多点交叉生成新的子代个体；
步骤205，对新的子代个体，使用位变异算子或均匀变异算子进行基因的随机变异；
步骤206，对新的子代个体，重新计算其效率适应度值；
步骤207，将父代和新的子代个体结合，形成新的种群；
步骤208，重复进行步骤203到步骤207，直到达到最大迭代次数；
步骤209，从最终的种群中选择具有最大的效率适应度值的个体作为优化结果。
本发明还提出一种淤泥质土脱水装置车的脱水控制***，包括：
获取数据模块，用于获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率；
设置模型模块，用于设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算所述最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高。
进一步的，计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率包括：
，
，
，
，
其中，为淤泥固化效率，/>为固化剂量，/>为搅拌时间，/>为搅拌强度，/>为固化效率调整常数，用于影响固化剂量、搅拌时间和搅拌强度对固化效率的相对重要性，/>为初步过滤效率，/>为第一过滤网板孔径，/>为滞留时间，/>为初步过滤效率调整常数，用于影响第一过滤网板孔径和滞留时间对初步过滤效率的相对重要性，/>为最终压滤效率，/>为压板压力，/>为第二过滤网板孔径，/>为最终压滤效率调整常数，用于影响压板压力、第二过滤网板孔径和滞留时间对最终压滤效率的相对重要性，/>为干燥效率，/>为加热管温度，/>为加热时间，/>为淤泥湿度，/>为干燥效率调整常数，用于影响加热管温度、加热时间和淤泥湿度对干燥效率的相对重要性。
进一步的，设置最大化效率模型，计算所述最大化整体脱水效率包括：
，
其中，为最大化整体脱水效率。
进一步的，所述效率适应度函数为：
，
其中，为效率适应度值，/>为淤泥固化效率的权重，/>为初步过滤效率的权重，/>为最终压滤效率的权重，/>为干燥效率的权重。
进一步的，所述通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果包括：
步骤201，创建一个包含多个个体的初始种群，每个个体表示一组参数取值；
步骤202，对每个个体，根据效率适应度函数计算其适应度值；
步骤203，使用轮盘赌选择算法或锦标赛选择算法，从种群中选择大于预设阈值的效率适应度值的个体，作为下一代的父代；
步骤204，对选择出的父代个体，使用单点交叉或多点交叉生成新的子代个体；
步骤205，对新的子代个体，使用位变异算子或均匀变异算子进行基因的随机变异；
步骤206，对新的子代个体，重新计算其效率适应度值；
步骤207，将父代和新的子代个体结合，形成新的种群；
步骤208，重复进行步骤203到步骤207，直到达到最大迭代次数；
步骤209，从最终的种群中选择具有最大的效率适应度值的个体作为优化结果。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：
本发明通过获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率；设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算所述最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高。本发明通过以上技术方案能够控制各部件的运行参数，从而使各部件的效率最高。
附图说明
图1是本发明实施例1的方法的流程图；
图2是本发明实施例2的***的结构图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施，所述终端可以包括一个或多个如下部件：处理器、存储介质和显示屏。其中，存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储介质内的指令、程序、代码集或指令集，以及调用存储在存储介质内的数据，执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory，RAM)，也可以包括只读存储介质(Read-Only Memory，ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
本发明公式中所有下角标只为了区分个参数，并没有实际含义。
除此之外，本领域技术人员可以理解，上述终端的结构并不构成对终端的限定，终端可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件，在此不再赘述。
本发明是针对“202010989328.6，一种淤泥质土脱水装置车”的脱水控制方法。
实施例1
本发明主要目的在于对淤泥质土脱水车进行脱水控制，淤泥质土脱水车包括淤泥处理车主体，所述淤泥处理车主体上设置有固化室和压滤室，且压滤室位于固化室下端，所述固化室上端连接有进泥管，且固化室底部开设有开口，所述固化室与压滤室相连通，且固化室一侧连接有储存桶，所述固化室下端设置有第二电机，且固化室内壁设置有连接轴。该淤泥质土脱水装置先将淤泥加入到固化室内部，通过添加储存桶内部的固化剂到淤泥中再经过搅拌叶片的搅拌，从而先对淤泥进行固化，随后通过第一过滤网板对淤泥和污水进行初步的过滤，再通过压板和第二过滤网板的配合对淤泥和污水完成最后的压滤，在处理的同时经过加热管的干燥，从而提高压滤效率，加快淤泥的处理工作。
如图1所示，本发明实施例提供一种淤泥质土脱水装置车的脱水控制方法，包括：
步骤101，获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率；
步骤102，设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算所述最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高。
为了控制淤泥质土脱水车的各个部件，使脱水效率最高，我们需要考虑各个部件的功能和相互作用。下面是一个可能的设计示例，其中使用了几个参数和变量来表示不同的控制因素：
淤泥固化效率（）：表示淤泥在固化室中的固化效率。范围从0到1，其中0表示没有固化发生，1表示完全固化。这个效率可以受到添加的固化剂量、搅拌时间和搅拌强度的影响。
初步过滤效率（）：表示淤泥和污水通过第一过滤网板进行初步过滤的效率。范围从0到1，其中0表示没有过滤效果，1表示完全过滤。这个效率可以受到第一过滤网板的孔径大小和淤泥在过滤过程中的滞留时间的影响。
最终压滤效率（）：表示淤泥和污水通过压板和第二过滤网板的配合完成最后压滤的效率。范围从0到1，其中0表示没有压滤效果，1表示完全压滤。这个效率可以受到压板的压力、第二过滤网板的孔径大小和淤泥在压滤过程中的滞留时间的影响。
干燥效率（）：表示通过加热管对淤泥进行干燥的效率。范围从0到1，其中0表示没有干燥效果，1表示完全干燥。这个效率可以受到加热管的温度、加热时间和淤泥的湿度的影响。
基于以上参数和变量，通过以下公式来控制各个部件的脱水效率：
淤泥固化效率（）可以使用如下公式表示：
= (固化剂量 * 搅拌时间 * 搅拌强度) //>，
其中，是一个常数或校准系数，用于调整效率的量级和范围。
初步过滤效率（）可以使用如下公式表示：
= (第一过滤网板孔径 / (滞留时间 +/>))^2
其中，是一个常数或校准系数，用于调整效率的量级和范围。
最终压滤效率（）可以使用如下公式表示：
= (压板压力 * (第二过滤网板孔径 / (滞留时间 +/>)))^3
其中，是一个常数或校准系数，用于调整效率的量级和范围。
干燥效率（）可以使用如下公式表示：
= (加热管温度 * 加热时间 * (1- 淤泥湿度)) //>，
其中，是一个常数或校准系数，用于调整效率的量级和范围。
将以上公式转化为数学符号，可表示为：
淤泥固化效率（E_c）：E_c = (V_s * t_m * P_m) / K_c
初步过滤效率（E_f1）：E_f1 = (A_f1 / (t_r + K_f1))^2
最终压滤效率（E_f2）：E_f2 = (P_p * (A_f2 / (t_r + K_f2)))^3
干燥效率（E_d）：E_d = (T_h * t_h * (1 - H_s)) / K_d
在上述公式中，使用了以下符号和变量表示不同的控制因素：
V_s：固化剂量，t_m：搅拌时间，P_m：搅拌强度，K_c：固化效率调整常数，A_f1：第一过滤网板孔径，t_r：滞留时间，K_f1：初步过滤效率调整常数，P_p：压板压力，A_f2：第二过滤网板孔径，K_f2：最终压滤效率调整常数，T_h：加热管温度，t_h：加热时间，H_s：淤泥湿度，K_d：干燥效率调整常数。
要调节参数以使效率最优化，可以采取以下方法：
1.实验和优化：进行一系列实验，同时调节不同参数的数值，观察效率的变化。根据实验结果，选择使效率最高的参数组合，并进行优化调整。
2.模拟和建模：使用数学模型或计算机模拟工具，根据已知的参数和公式，预测不同参数组合下的效率。通过模拟和分析，找到使效率最优的参数取值。
3.反馈控制：将效率作为反馈信号，在实际操作过程中对参数进行实时调节。可以使用自动化控制***，根据效率的反馈信息，自动调整参数的取值，使效率保持在最佳状态。
4.优化算法：使用优化算法，如遗传算法、粒子群算法等，通过迭代和搜索的方式，寻找参数的最优组合。这些算法能够在参数空间中搜索，并根据设定的目标函数（例如最大化效率）找到最优解。
本发明实施例通过优化算法（例如遗传算法、粒子群算法等），设置目标函数为最大化整体脱水效率，即：
Maximize: E_total = E_c * E_f1 * E_f2 * E_d
在优化过程中，可以设置参数范围、约束条件和适应度函数，通过迭代计算和调整参数的取值，使得整体脱水效率最高。
本发明实施例通过设置适应度函数用于评估参数取值的优劣程度，适应度函数的数学公式：
适应度函数（Fitness Function）：Fitness = w_c * E_c + w_f1 * E_f1 + w_f2* E_f2 + w_d * E_d，
其中，E_c、E_f1、E_f2 和 E_d 分别是淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率的计算结果，w_c、w_f1、w_f2 和 w_d 是相应效率项的权重系数，用于平衡各效率项的重要性。
在优化过程中，遗传算法、粒子群算法等优化算法会通过迭代计算和调整参数的取值，最大化适应度函数的值。通过不断改变参数的组合，算法将搜索到适应度函数最大的参数组合，从而达到整体脱水效率最高的目标。
以下是一个示例，描述了遗传算法在优化淤泥脱水效率过程中的基本流程：
1.初始化种群: 创建一个包含多个个体（参数组合）的初始种群，每个个体表示一组参数取值；
2.计算适应度: 对每个个体，根据适应度函数计算其适应度值；
3.选择: 使用选择算法（如轮盘赌选择、锦标赛选择等）从种群中选择一部分适应度较高的个体，作为下一代的父代；
4.交叉: 对选择出的父代个体，使用交叉算子（如单点交叉、多点交叉等）生成新的子代个体；
5.变异: 对子代个体，使用变异算子（如位变异、均匀变异等）进行基因的随机变异；
6.计算适应度: 对子代个体，重新计算其适应度值；
7.替换: 将父代和子代个体结合，形成新的种群；
8.重复迭代: 重复进行步骤3到步骤7，直到达到终止条件（如达到最大迭代次数、适应度达到阈值等）。
9.选择最优解: 从最终的种群中选择具有最高适应度值的个体作为优化结果。
在每次迭代中，通过选择、交叉和变异操作，种群中的个体不断进化，以逐步寻找适应度最高的参数组合。通过迭代的过程，优化算法会不断调整参数的取值，最终找到能够使适应度函数达到最大值的参数组合，从而实现整体脱水效率最高化的目标。
实施例2
如图2所示，本发明实施例还提供一种淤泥质土脱水装置车的脱水控制***，包括：
获取数据模块，用于获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率；
具体的，计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率包括：
，
，
，
，
其中，为淤泥固化效率，/>为固化剂量，/>为搅拌时间，/>为搅拌强度，/>为固化效率调整常数，用于影响固化剂量、搅拌时间和搅拌强度对固化效率的相对重要性，/>为初步过滤效率，/>为第一过滤网板孔径，/>为滞留时间，/>为初步过滤效率调整常数，用于影响第一过滤网板孔径和滞留时间对初步过滤效率的相对重要性，/>为最终压滤效率，/>为压板压力，/>为第二过滤网板孔径，/>为最终压滤效率调整常数，用于影响压板压力、第二过滤网板孔径和滞留时间对最终压滤效率的相对重要性，/>为干燥效率，/>为加热管温度，/>为加热时间，/>为淤泥湿度，/>为干燥效率调整常数，用于影响加热管温度、加热时间和淤泥湿度对干燥效率的相对重要性。
设置模型模块，用于设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算所述最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高。
具体的，设置最大化效率模型，计算所述最大化整体脱水效率包括：
，
其中，为最大化整体脱水效率。
具体的，所述效率适应度函数为：
，
其中，为效率适应度值，/>为淤泥固化效率的权重，/>为初步过滤效率的权重，/>为最终压滤效率的权重，/>为干燥效率的权重。
具体的，所述通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果包括：
步骤201，创建一个包含多个个体的初始种群，每个个体表示一组参数取值；
步骤202，对每个个体，根据效率适应度函数计算其适应度值；
步骤203，使用轮盘赌选择算法或锦标赛选择算法，从种群中选择大于预设阈值的效率适应度值的个体，作为下一代的父代；
步骤204，对选择出的父代个体，使用单点交叉或多点交叉生成新的子代个体；
步骤205，对新的子代个体，使用位变异算子或均匀变异算子进行基因的随机变异；
步骤206，对新的子代个体，重新计算其效率适应度值；
步骤207，将父代和新的子代个体结合，形成新的种群；
步骤208，重复进行步骤203到步骤207，直到达到最大迭代次数；
步骤209，从最终的种群中选择具有最大的效率适应度值的个体作为优化结果。
实施例3
本发明实施例还提出一种存储介质，存储有多条指令，所述指令用于实现所述的一种淤泥质土脱水装置车的脱水控制方法。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：步骤101，获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率；
具体的，计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率包括：
，
，
，
，
其中，为淤泥固化效率，/>为固化剂量，/>为搅拌时间，/>为搅拌强度，/>为固化效率调整常数，用于影响固化剂量、搅拌时间和搅拌强度对固化效率的相对重要性，/>为初步过滤效率，/>为第一过滤网板孔径，/>为滞留时间，/>为初步过滤效率调整常数，用于影响第一过滤网板孔径和滞留时间对初步过滤效率的相对重要性，/>为最终压滤效率，/>为压板压力，/>为第二过滤网板孔径，/>为最终压滤效率调整常数，用于影响压板压力、第二过滤网板孔径和滞留时间对最终压滤效率的相对重要性，/>为干燥效率，/>为加热管温度，/>为加热时间，/>为淤泥湿度，/>为干燥效率调整常数，用于影响加热管温度、加热时间和淤泥湿度对干燥效率的相对重要性。
步骤102，设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算所述最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高。
具体的，设置最大化效率模型，计算所述最大化整体脱水效率包括：
，
其中，为最大化整体脱水效率。
具体的，所述效率适应度函数为：
，
其中，为效率适应度值，/>为淤泥固化效率的权重，/>为初步过滤效率的权重，/>为最终压滤效率的权重，/>为干燥效率的权重。
具体的，所述通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果包括：
步骤201，创建一个包含多个个体的初始种群，每个个体表示一组参数取值；
步骤202，对每个个体，根据效率适应度函数计算其适应度值；
步骤203，使用轮盘赌选择算法或锦标赛选择算法，从种群中选择大于预设阈值的效率适应度值的个体，作为下一代的父代；
步骤204，对选择出的父代个体，使用单点交叉或多点交叉生成新的子代个体；
步骤205，对新的子代个体，使用位变异算子或均匀变异算子进行基因的随机变异；
步骤206，对新的子代个体，重新计算其效率适应度值；
步骤207，将父代和新的子代个体结合，形成新的种群；
步骤208，重复进行步骤203到步骤207，直到达到最大迭代次数；
步骤209，从最终的种群中选择具有最大的效率适应度值的个体作为优化结果。
实施例4
本发明实施例还提出一种电子设备，包括处理器和与所述处理器连接的存储介质，所述存储介质存储有多条指令，所述指令可被所述处理器加载并执行，以使所述处理器能够执行所述的一种淤泥质土脱水装置车的脱水控制方法。
具体的，本实施例的电子设备可以是计算机终端，所述计算机终端可以包括：一个或多个处理器、以及存储介质。
其中，存储介质可用于存储软件程序以及模块，如本发明实施例中的一种淤泥质土脱水装置车的脱水控制方法，对应的程序指令/模块，处理器通过运行存储在存储介质内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的一种淤泥质土脱水装置车的脱水控制方法。存储介质可包括高速随机存储介质，还可以包括非易失性存储介质，如一个或者多个磁性存储***、闪存、或者其他非易失性固态存储介质。在一些实例中，存储介质可进一步包括相对于处理器远程设置的存储介质，这些远程存储介质可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输***调用存储介质存储的信息及应用程序，以执行下述步骤：步骤101，获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率；
具体的，计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率包括：
，
，
，
，
其中，为淤泥固化效率，/>为固化剂量，/>为搅拌时间，/>为搅拌强度，/>为固化效率调整常数，用于影响固化剂量、搅拌时间和搅拌强度对固化效率的相对重要性，/>为初步过滤效率，/>为第一过滤网板孔径，/>为滞留时间，/>为初步过滤效率调整常数，用于影响第一过滤网板孔径和滞留时间对初步过滤效率的相对重要性，/>为最终压滤效率，/>为压板压力，/>为第二过滤网板孔径，/>为最终压滤效率调整常数，用于影响压板压力、第二过滤网板孔径和滞留时间对最终压滤效率的相对重要性，/>为干燥效率，/>为加热管温度，/>为加热时间，/>为淤泥湿度，/>为干燥效率调整常数，用于影响加热管温度、加热时间和淤泥湿度对干燥效率的相对重要性。
步骤102，设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算所述最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高。
具体的，设置最大化效率模型，计算所述最大化整体脱水效率包括：
，
其中，为最大化整体脱水效率。
具体的，所述效率适应度函数为：
，
其中，为效率适应度值，/>为淤泥固化效率的权重，/>为初步过滤效率的权重，/>为最终压滤效率的权重，/>为干燥效率的权重。
具体的，所述通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果包括：
步骤201，创建一个包含多个个体的初始种群，每个个体表示一组参数取值；
步骤202，对每个个体，根据效率适应度函数计算其适应度值；
步骤203，使用轮盘赌选择算法或锦标赛选择算法，从种群中选择大于预设阈值的效率适应度值的个体，作为下一代的父代；
步骤204，对选择出的父代个体，使用单点交叉或多点交叉生成新的子代个体；
步骤205，对新的子代个体，使用位变异算子或均匀变异算子进行基因的随机变异；
步骤206，对新的子代个体，重新计算其效率适应度值；
步骤207，将父代和新的子代个体结合，形成新的种群；
步骤208，重复进行步骤203到步骤207，直到达到最大迭代次数；
步骤209，从最终的种群中选择具有最大的效率适应度值的个体作为优化结果。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应所述理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的***实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来，所述计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储介质(ROM，Read-Only Memory)、随机存取存储介质(RAM，RandomAccess Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (4)

1.一种淤泥质土脱水装置车的脱水控制方法，其特征在于，包括：
获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，其中，计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率包括：
，
，
，
，
其中，为淤泥固化效率，/>为固化剂量，/>为搅拌时间，/>为搅拌强度，/>为固化效率调整常数，用于影响固化剂量、搅拌时间和搅拌强度对固化效率的相对重要性，为初步过滤效率，/>为第一过滤网板孔径，/>为滞留时间，/>为初步过滤效率调整常数，用于影响第一过滤网板孔径和滞留时间对初步过滤效率的相对重要性，/>为最终压滤效率，/>为压板压力，/>为第二过滤网板孔径，/>为最终压滤效率调整常数，用于影响压板压力、第二过滤网板孔径和滞留时间对最终压滤效率的相对重要性，/>为干燥效率，/>为加热管温度，/>为加热时间，/>为淤泥湿度，/>为干燥效率调整常数，用于影响加热管温度、加热时间和淤泥湿度对干燥效率的相对重要性；
设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高，其中，计算所述最大化整体脱水效率包括：
，
其中，为最大化整体脱水效率；
所述效率适应度函数为：
，
其中，为效率适应度值，/>为淤泥固化效率的权重，/>为初步过滤效率的权重，/>为最终压滤效率的权重，/>为干燥效率的权重。
2.如权利要求1所述的一种淤泥质土脱水装置车的脱水控制方法，其特征在于，所述通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果包括：
步骤201，创建一个包含多个个体的初始种群，每个个体表示一组参数取值；
步骤202，对每个个体，根据效率适应度函数计算其适应度值；
步骤203，使用轮盘赌选择算法或锦标赛选择算法，从种群中选择大于预设阈值的效率适应度值的个体，作为下一代的父代；
步骤204，对选择出的父代个体，使用单点交叉或多点交叉生成新的子代个体；
步骤205，对新的子代个体，使用位变异算子或均匀变异算子进行基因的随机变异；
步骤206，对新的子代个体，重新计算其效率适应度值；
步骤207，将父代和新的子代个体结合，形成新的种群；
步骤208，重复进行步骤203到步骤207，直到达到最大迭代次数；
步骤209，从最终的种群中选择具有最大的效率适应度值的个体作为优化结果。
3.一种淤泥质土脱水装置车的脱水控制***，其特征在于，包括：
获取数据模块，用于获取所述淤泥质土脱水装置车各部分的运行数据，根据所述运行数据，分别计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，其中，计算淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率包括：
，
，
，
，
其中，为淤泥固化效率，/>为固化剂量，/>为搅拌时间，/>为搅拌强度，为固化效率调整常数，用于影响固化剂量、搅拌时间和搅拌强度对固化效率的相对重要性，/>为初步过滤效率，/>为第一过滤网板孔径，/>为滞留时间，/>为初步过滤效率调整常数，用于影响第一过滤网板孔径和滞留时间对初步过滤效率的相对重要性，/>为最终压滤效率，/>为压板压力，/>为第二过滤网板孔径，/>为最终压滤效率调整常数，用于影响压板压力、第二过滤网板孔径和滞留时间对最终压滤效率的相对重要性，/>为干燥效率，/>为加热管温度，/>为加热时间，/>为淤泥湿度，/>为干燥效率调整常数，用于影响加热管温度、加热时间和淤泥湿度对干燥效率的相对重要性；
设置模型模块，用于设置最大化效率模型，根据所述淤泥固化效率、初步过滤效率、最终压滤效率和干燥效率，计算最大化整体脱水效率，其中，设置效率适应度函数，计算效率适应度值，并通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果，从而使所述淤泥质土脱水装置车的脱水效率最高，其中，计算所述最大化整体脱水效率包括：
，
其中，为最大化整体脱水效率；
所述效率适应度函数为：
，
其中，为效率适应度值，/>为淤泥固化效率的权重，/>为初步过滤效率的权重，/>为最终压滤效率的权重，/>为干燥效率的权重。
4.如权利要求3所述的一种淤泥质土脱水装置车的脱水控制***，其特征在于，所述通过遗传算法，调整所述运行数据，找到具有最大的效率适应度值的个体作为优化结果包括：
步骤201，创建一个包含多个个体的初始种群，每个个体表示一组参数取值；
步骤202，对每个个体，根据效率适应度函数计算其适应度值；
步骤203，使用轮盘赌选择算法或锦标赛选择算法，从种群中选择大于预设阈值的效率适应度值的个体，作为下一代的父代；
步骤204，对选择出的父代个体，使用单点交叉或多点交叉生成新的子代个体；
步骤205，对新的子代个体，使用位变异算子或均匀变异算子进行基因的随机变异；
步骤206，对新的子代个体，重新计算其效率适应度值；
步骤207，将父代和新的子代个体结合，形成新的种群；
步骤208，重复进行步骤203到步骤207，直到达到最大迭代次数；
步骤209，从最终的种群中选择具有最大的效率适应度值的个体作为优化结果。
CN202310960075.3A 2023-08-02 2023-08-02 一种淤泥质土脱水装置车的脱水控制方法及*** Active CN116719240B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310960075.3A CN116719240B (zh) 2023-08-02 2023-08-02 一种淤泥质土脱水装置车的脱水控制方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310960075.3A CN116719240B (zh) 2023-08-02 2023-08-02 一种淤泥质土脱水装置车的脱水控制方法及***

Publications (2)

Publication Number Publication Date
CN116719240A CN116719240A (zh) 2023-09-08
CN116719240B true CN116719240B (zh) 2023-11-24

Family

ID=87871869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310960075.3A Active CN116719240B (zh) 2023-08-02 2023-08-02 一种淤泥质土脱水装置车的脱水控制方法及***

Country Status (1)

Country Link
CN (1) CN116719240B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006260519A (ja) * 2005-02-15 2006-09-28 Toshiba Corp 水処理プラントの運転評価システム及び運転評価方法
CN103739182A (zh) * 2013-12-26 2014-04-23 浙江华章科技有限公司 一种非均相污泥的脱水方法
CN111898206A (zh) * 2020-07-30 2020-11-06 长安大学 一种基于改进遗传算法的参数优化方法、计算机设备及存储介质
CN112144600A (zh) * 2020-09-18 2020-12-29 中国一冶集团有限公司 一种淤泥质土脱水装置车及其使用方法
CN114971164A (zh) * 2022-04-13 2022-08-30 江苏禹润水务研究院有限公司 一种基于人工智能的污泥处理设备异常检测方法及***
CN116693163A (zh) * 2023-07-21 2023-09-05 耀昶嵘相变材料科技(广东)有限公司 污泥干化***的控制方法、终端及***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006260519A (ja) * 2005-02-15 2006-09-28 Toshiba Corp 水処理プラントの運転評価システム及び運転評価方法
CN103739182A (zh) * 2013-12-26 2014-04-23 浙江华章科技有限公司 一种非均相污泥的脱水方法
CN111898206A (zh) * 2020-07-30 2020-11-06 长安大学 一种基于改进遗传算法的参数优化方法、计算机设备及存储介质
CN112144600A (zh) * 2020-09-18 2020-12-29 中国一冶集团有限公司 一种淤泥质土脱水装置车及其使用方法
CN114971164A (zh) * 2022-04-13 2022-08-30 江苏禹润水务研究院有限公司 一种基于人工智能的污泥处理设备异常检测方法及***
CN116693163A (zh) * 2023-07-21 2023-09-05 耀昶嵘相变材料科技(广东)有限公司 污泥干化***的控制方法、终端及***

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周利坤 ; 刘宏昭 ; 贾贤补 ; .基于GA-BP算法的含油污泥处理工艺参数优化.环境工程学报.2013,(08),全文. *
基于GA-BP算法的含油污泥处理工艺参数优化;周利坤;刘宏昭;贾贤补;;环境工程学报(08);全文 *

Also Published As

Publication number Publication date
CN116719240A (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
CN105572658A (zh) 基于改进遗传算法的三维成像声纳接收平面阵阵元稀疏优化方法
CN116719240B (zh) 一种淤泥质土脱水装置车的脱水控制方法及***
CN109510609B (zh) 一种低复杂度的稀疏fir低通滤波器的设计方法
CN110109488A (zh) 一种城市河道水位的低增益反馈控制方法
JP2022136002A (ja) 波力エネルギー装置のパラメータ設定の最適化システム及び方法
US11707017B1 (en) Method for improving soda saline-alkaline paddy fields by stirring and discharging slurry and application thereof
CN102616927A (zh) 一种污水处理的工艺参数的调整方法及装置
CN104058568A (zh) 一种泥浆淤泥处理方法
CN108710764B (zh) 一种基于混合近似模型的双吸泵多目标优化设计方法
Jia et al. Multi‐stage economic model predictive control for a gold cyanidation leaching process under uncertainty
CN114425187B (zh) 基于水质检测的多级纳米滤塔调控***
CN105353618B (zh) 一种批次注塑过程的约束跟踪控制方法
CN107491622B (zh) 一种生物质发酵仿真***及基于该***的设备选型方法
Revilla et al. Analysis of simulation tools and optimization of the operational conditions for biofilm activated sludge industrial process
Gillot et al. Integration of wastewater treatment plant investment and operating costs for scenario analysis using simulation
KR101196034B1 (ko) 오염 준설토의 재활용 처리 방법 및 이를 위한 토양 개량 플랜트
Boomgaard et al. Wastewater system optimisation using genetic algorithms
CN114687715B (zh) 一种用于控制油田注水***的方法及装置
CN116957277A (zh) 一种工业灵活负荷匹配方法、***、介质及设备
CN115238613B (zh) 一种风机叶片形状优化方法、***、存储介质及设备
CN112487697B (zh) 一种基于改进粒子群算法的污水处理优化控制方法
CN109816182B (zh) 水驱油藏注采动态调控的逐级劈分优化方法
CN118071118B (zh) 一种多节点污水排放管理方法、装置及***
CN117492371B (zh) 有源电力滤波器模型预测控制的优化方法、***和设备
CN110224408B (zh) 一种含新能源发电的电力***降阶区间Krawczyk迭代潮流方法

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