KR100983800B1 - 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및그 제어방법 - Google Patents

신경회로망을 이용한 간이상수도 모니터링 제어시스템 및그 제어방법 Download PDF

Info

Publication number
KR100983800B1
KR100983800B1 KR1020080014974A KR20080014974A KR100983800B1 KR 100983800 B1 KR100983800 B1 KR 100983800B1 KR 1020080014974 A KR1020080014974 A KR 1020080014974A KR 20080014974 A KR20080014974 A KR 20080014974A KR 100983800 B1 KR100983800 B1 KR 100983800B1
Authority
KR
South Korea
Prior art keywords
flow rate
neural network
disinfectant
water
storage tank
Prior art date
Application number
KR1020080014974A
Other languages
English (en)
Other versions
KR20090089677A (ko
Inventor
전재억
강보경
김준안
Original Assignee
(주) 리더스
김준안
강보경
전재억
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 (주) 리더스, 김준안, 강보경, 전재억 filed Critical (주) 리더스
Priority to KR1020080014974A priority Critical patent/KR100983800B1/ko
Publication of KR20090089677A publication Critical patent/KR20090089677A/ko
Application granted granted Critical
Publication of KR100983800B1 publication Critical patent/KR100983800B1/ko

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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
    • 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
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • 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
    • G05B2219/25—Pc structure of the system
    • G05B2219/25255—Neural network

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Apparatus For Disinfection Or Sterilisation (AREA)

Abstract

본 발명은 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및 그 제어방법에 관한 것으로, 상세하게는 원수를 펌핑하는 모터펌프를 구비한 관정장치와, 상기 관정장치에 의해 펌핑된 원수를 공급하는 송수관과, 상기 송수관으로 공급된 원수를 저장하는 물탱크 및 상기 물탱크에 소독액을 투입하는 소독액 저장탱크를 포함하는 간이상수도 모니터링 제어시스템에 있어서, 상기 관정장치의 실내외 온도와, 상기 송수관의 압력, 유량, 유속과, 상기 소독액 저장탱크의 소독액 투입량을 포함하는 유동적인 독립변수 현재 값을 측정하는 센서수단과; 상기 센서수단으로부터 검출된 독립변수 현재 값의 데이터를 수집하고, 물리량 데이터로 연산 처리하고, 학습 최적화 알고리즘을 이용한 신경회로망 제어 프로그램에 의해 상기 측정된 특성의 현재값을 비교하여 상기 간이상수도의 정상구간, 점검구간(사용가능), 사용불가능 구간으로 판정하고, 판정된 결과에 따라 독립변수값을 조정하여 아날로그 및 디지털 제어 출력값으로 연산 처리하는 컴퓨터 수단과; 상기 제어 출력값으로 관정장치와 송수관 및 소독액 저장탱크를 제어하는 제어수단;을 포함하여 이루어지는 것을 기술적 요지로 하는 것이다.
Figure R1020080014974
신경회로망, 간이상수, 모니터링, 학습 최적화, 알고리즘, 독립변수

Description

신경회로망을 이용한 간이상수도 모니터링 제어시스템 및 그 제어방법{Simplicity waterworks monitoring control system and the method of using Neural-Network}
본 발명은 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및 그 제어방법에 관한 것으로, 보다 상세하게는 간이상수의 급수상황의 판정을 위하여 신경회로망을 적용하여 정확한 판정으로 실시간 모니터링 및 제어토록 한 간이상수도 모니터링 제어시스템 및 그 제어방법에 관한 것이다.
우리나라는 지질학적으로 화강암이 널리 분포되어 있어, 오염되어 있지 않은 곳이라면 어디라도 물을 채취하여 먹을 수 있기 때문에 각 지방마다 유명한 약수가 많고, 도시 외곽의 경우도 약수터가 산재해 있어 많은 사람들이 이용하고 있다.
그러나 환경 및 대기오염이 점점 심화되어 가는 상황에서 산간 벽지 등 상수도가 보급되지 않은 곳에서는 간이 상수도를 이용하고 있다.
통상적으로 간이 상수도는 광역 상수도로부터 공급수 라인의 연결이 불가능한 오지의 마을이나 장소에서 주로 지하수를 언덕이나 산 중으로 끌어올려 저장토록 한 후 자연 낙하를 이용하여 각각의 사용처로 공급토록 하는 것으로, 물을 공급 받기 전에 물속에 존재하는 각종 세균 및 대장균을 살균하는 소독 공정을 거치도록 되어 있다.
따라서, 간이 상수도에서는 살균력이 탁월하면서도 구입하기 쉽고 가격이 저렴한 염소를 이용하여 염소수의 일부가 물과 반응하여 잔류 염소(HClO)를 생성토록 함으로써, 잔류 염소가 분해되면서 내놓는 발생기 산소의 강한 산화 작용으로 물을 소독토록 하는 염소 소독방법이 일반적으로 적용되고 있는 것이다.
그러나, 간이 상수도 시설에 있어서는 상수도 저수조에 작업자가 정기적으로 직접 소독액을 투여하여 주는 방법을 사용하여 왔으나, 인력낭비가 심하고 관리비가 많이 들며, 계절의 온도차, 유입 물의 유량, 유속, 소독액 농도를 운전자의 경험에 의존함으로써 일정하게 유지시켜줄 수 없어 간이 상수도의 위생관리가 불가능하였을 뿐만 아니라 소독시 일일이 소독약을 투여하여야 되어 그 작업이 매우 번거롭고 불편한 점이 있었다. 그리고, 간이 상수도에는 그 특성상 전문관리인을 둘 수 없어 소독에 어려움이 있다.
이러한 불편함을 해소하기 위해 현재 적용되고 있는 염소 소독방법 중 일 예를 도 1에 도시하였다.
도 1에 도시된 바와 같이 종래의 염소 투입장치는 관정(1)의 주 모터가 가동됨에 따라 약품조(100)로부터 염소 희석수가 저수조(3) 내로 정량 투입토록 하는 방법은 유량에 따른 약품 투입량의 농도 조절이 불가능하기 때문에 급수량이 많게 되면 염소 농도의 부족으로 소독 효과가 감소되고, 급수량이 적게 되면 염소 농도의 과잉이 발생되는 문제점이 있는 것이다.
또한, 현재 대기의 온도나 습도에 따른 염소 자동 투입기가 개발되지 않아서, 실시간으로 물에 투입되는 염소의 양이 최적상태로 되기 힘들기 때문에 소독효과가 떨어지는 문제점이 있었다.
따라서, 본 발명은 상기한 종래 기술의 문제점을 해결하기 위하여 안출된 것으로서, 간이상수도의 급수상황을 운전자의 경험에 의존하기 보다는 기존의 데이터를 신경회로망을 이용한 상관 관계를 이끌어내고, 이것에 근거하여 간이상수도를 상황에 맞게 실시간으로 제어되도록 한 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및 그 제어방법을 제공하는데 목적이 있다.
또한, 본 발명은 간이상수의 급수상황을 판정하는 데이터로 압력, 실내외 온도, 유량, 유속 및 소독액 투입량 등 6가지에 의해 판정 제어하는 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및 그 제어방법을 제공하는데 다른 목적이 있다.
상기한 과제를 해결하기 위한 본 발명에 따른 신경회로망을 이용한 간이상수도 모니터링 제어시스템은, 원수를 펌핑하는 모터펌프를 구비한 관정장치와, 상기 관정장치에 의해 펌핑된 원수를 공급하는 송수관과, 상기 송수관으로 공급된 원수를 저장하는 물탱크 및 상기 물탱크에 소독액을 투입하는 소독액 저장탱크를 포함하는 간이상수도 모니터링 제어시스템에 있어서, 상기 관정장치의 실내외 온도와, 상기 송수관의 압력, 유량, 유속과, 상기 소독액 저장탱크의 소독액 투입량을 포함하는 유동적인 독립변수 현재 값을 측정하는 센서수단과; 상기 센서수단으로부터 검출된 독립변수 현재 값의 데이터를 수집하고, 물리량 데이터로 연산 처리하고, 학습 최적화 알고리즘을 이용한 신경회로망 제어 프로그램에 의해 상기 측정된 특성의 현재값을 비교하여 상기 간이상수도의 정상구간, 점검구간(사용가능), 사용불가능 구간으로 판정하고, 판정된 결과에 따라 독립변수값을 조정하여 아날로그 및 디지털 제어 출력값으로 연산 처리하는 컴퓨터 수단과; 상기 제어 출력값으로 관정장치와 송수관 및 소독액 저장탱크를 제어하는 제어수단;을 포함하여 구성되는 것을 특징으로 한다.
또한, 본 발명의 바람직한 다른 실시예에 따른 신경회로망을 이용한 간이상수도 모니터링 제어방법은, 상기 관정장치의 실내외 온도와, 상기 송수관의 압력, 유량, 유속과, 상기 소독액 저장탱크의 소독액 투입량을 포함하는 유동적인 독립변수 현재 값을 측정하는 단계와; 상기 측정된 독립변수 현재 값의 데이터를 컴퓨터로 수집하고, 물리량 데이터로 연산 처리하는 단계와; 상기 컴퓨터에 있어서 역전파 알고리즘을 이용한 신경회로망 제어 프로그램에 따라 상기 측정된 특성의 현재값을 비교하고, 상기 간이상수도의 정상구간, 점검구간(사용가능) 및 사용불가능 구간으로 판정하는 단계와; 판정된 결과에 따라 독립 변수 중 압력, 유량, 유속, 소독량이 독립변수값을 조정하여 아날로그 및 디지털 제어 출력값으로 연산처리하는 단계와; 얻어진 상기 제어 출력값으로 관정장치의 모터펌프, 송수관의 솔레노이드밸브, 소독액 저장탱크의 정량펌프를 제어하는 단계;를 포함하여 이루어지는 것을 특징으로 한다.
상기와 같이 구성되는 본 발명에 따르면 신경회로망의 비선형성 학습능력을 통해 간이상수의 비선형성 특성에 적절하게 대응할 수 있고, 고속 응답 및 강인성을 통해 실시간 변화되는 압력, 실내외 온도, 유량, 유속, 소독액 투입량 등의 조건 변화에 능동적이며 자동대처 가능하도록 함과 동시에 항상 정확한 양의 염소투입으로 깨끗한 물을 제공할 수 있는 효과가 있다.
그리고 유입 물의 특성, 유량 등에 관계없이 일정한 비율의 소독액을 투입할 수 있고, 투입공정을 인공지능화, 자동화하고 고효율이 안정되는 간이상수도 모니터링 제어시스템을 구축하고, 데이터베이스의 구축과 신경회로망으로 자동화하는데도 필요한 센서수단(100)의 일정성, 안정성, 자동제어 시스템의 안정성 등을 확보하고, 또한 사계절의 온도나 물의 압력과 유량, 유속에 관계없이 소독액의 투입량을 유지할 수 있는 최적의 목표치를 구한다.
또한, 본 발명에 따르면 학습된 상황에 맞게 각각의 변수를 조정하여 실제 간이상수의 상황에 따라 그 작동범위를 적용하는 것과 같은 상황을 연출하여 항상 최적의 상태를 간이상수를 공급할 수 있는 효과가 있다.
또한, 본 발명에 따르면 간이상수도의 운전관리의 비효율성에 의하여 인건비, 전력비 등의 운전비가 증가하는 요인을 감소시킬 수 있는 효과가 있다.
이하, 첨부된 도면들을 참조하여 본 발명에 따른 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및 그 제어방법의 일 실시예에 대해 상세히 설명한다. 다만, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 당해 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
도 2는 본 발명에 따른 신경회로망을 이용한 간이상수도 모니터링 제어시스템의 개요를 나타내는 도면이고, 도 3은 도 2의 전체 구성을 나타낸 블럭구성도이다.
도 2 및 도 3에 도시된 바와 같이, 본 발명에 따른 신경회로망을 이용한 간이상수도 모니터링 제어시스템은, 원수를 펌핑하는 모터펌프(12)를 구비한 관정장치(10)와, 상기 관정장치(10)에 의해 펌핑된 원수를 공급하는 송수관(20)과, 상기 송수관(20)으로 공급된 원수를 저장하는 물탱크(30) 및 상기 물탱크(30)에 소독액을 정량투입하는 소독액 저장탱크(40)를 포함하며, 상기 관정장치(10)의 실내외 환경 특성과, 상기 송수관(20)의 물 유입 특성과, 상기 소독액 저장탱크(40)의 상태 특성의 유동적인 현재 값을 복합적으로 측정하는 복수의 센서수단(100)으로부터 얻어진다.
여기서, 상기 관정장치(10)의 실내외 환경 특성은 실내온도 및 실외온도이고, 상기 송수관(20)의 물 유입 특성은 압력, 유량 및 유속이고, 상기 소독액 저장탱크(40)의 상태 특성은 소독액 투입량이다. 이들은 소정의 센서를 통해 감지되어 이 데이터를 아날로그-디지털 변환 후 제어수단(300)인 PLC(Programmable Logic Controller)으로 전송됨이 바람직하다.
즉, 상기 관정장치(10)의 안팎에는 실내온도 및 실외온도를 측정할 수 있는 온도센서가 이용될 수 있다. 상기 온도센서가 감지하는 실내온도는 관정장치(10)의 모터펌프(12)가 위치된 곳의 온도이고, 실외온도는 관정장치(10) 외부의 대기온도 이다.
또한, 상기 송수관(20)의 압력은 송수관(20) 내에 안착된 압력센서로부터 감지될 수 있다. 예를 들면, 물의 유입되는 양에 따라 유량센서는 그에 해당하는 전류값을 아날로그 신호로 제공하게 되고, 그 제공된 아날로그 신호는 디지털적으로 처리되기 위하여 아날로그-디지털 변환부(110)에 의해 디지털 신호로 변환된다. 상기 디지털 신호로 변환된 유량센서에 의해 측정된 전류값은 후술되는 제어수단(300)으로 입력되어 물의 유입 여부가 판단되는데, 일 예를 들어 측정값이 4mA 이상이면 송수관(20)을 통하여 물의 유입이 있는 것으로 판단하고, 4mA 이하인 경우에는 물의 유입이 없는 것으로 판단한다. 따라서 상기 압력센서는 송수관(20)의 압력에 따라 모터펌프(12)의 동작 여부를 확인할 수 있다. 또한, 상기 송수관(20)의 유량 및 유속은 송수관(20)의 유입 부근에 부착된 유량센서 및 속도센서를 통해 감지될 수도 있다.
또한, 상기 소독액 저장탱크(40)는 상기 물탱크(30)로 공급되는 소독액을 정량펌프(42)를 이용하여 자동으로 정량공급하여, 정량펌프(42)에 의해 투입되는 소독액의 투입량을 측정한다.
이들 센서수단(100)은 물이나 소독액의 이동에 방해만 되지 않는다면 그 설치위치는 어디가 되어도 무방하다.
한편, 본 발명의 일 실시예에 따르면, 상기 센서수단(100)은 아날로그-디지털 변환부(110)와 주기신호 추출부(120)를 더 포함하여 구성되는 것이 바람직하다.
상기 아날로그-디지털 변환부(110)는 소정의 아날로그 신호를 샘플 링(sampling)하여 디지털 신호로 변환한다. 이때, 샘플링은 일정 시각마다 이루어질 수도 있고 랜덤(random)한 시각마다 이루어질 수도 있다. 또한, 소정의 아날로그 신호란 감지된 검출신호를 의미할 수도 있고, 후술할 주기신호를 의미할 수도 있다.
도시된 바에 따르면, 주기신호 추출부(120)는 디지털 신호로부터 주기신호를 추출한다. 그러나, 이는 설명의 편의를 위한 것으로 그에 제한되지 않으며, 주기신호 추출부(120)는 아날로그-디지털 변환부(110)에 의해 변환된 디지털 신호로부터 하나 이상의 주기신호를 추출함이 바람직하다. 설명의 편의상, 주기신호 추출부(120)는 m개의 주기신호를 추출한다고 가정한다. 이때, m은 1보다 큰 양의 정수이다. 즉, 변환된 디지털 신호 또는 감지되는 검출신호는 시간이 경과함에 따라 다양한 주기신호를 나타낼 수 있고, 주기신호 추출부(120)는 그 중 m개의 주기신호를 추출한다. 본 발명에 있어서는 실시간으로 순차적인 값 6개를 취하여 주기신호를 추출하는 것이 보다 바람직하다.
이와 같은 상기 센서수단(100)에 의해 측정된 데이터는 제어수단(300)의 기억장치(310)에 수집되고, 수집된 데이터는 중앙처리장치(320)에서 인터페이스(350)를 통하여 신경회로망 제어 프로그램을 가지는 PC와 같은 컴퓨터 수단(200)의 인터페이스(210)로 전송되며, 이때 컴퓨터 수단(200)은 TCP/IP(250)에 의해 양방향 및 실시간으로 원격 조정 및 모니터링을 행한다.
상기 제어수단(300)은 상기 컴퓨터 수단(200)으로부터 아날로그 신호 또는 디지털 신호를 받아 D/A카드(330)와 디지털카드(340)에 의해 상기 관정장치(10)의 모터펌프(12)를 회전하도록 하는 역할과, 상기 송수관(20)의 솔레노이드밸브(22)를 제어하는 역할 및, 상기 소독액 저장탱크(40)의 정량펌프(42)를 제어하는 역할 등을 수행한다.
이러한 데이터는 도 4에 나타내는 순서도에 따른 신경회로망을 이용한 모니터링 제어 단계를 구성한다.
도 4에 도시된 바와 같이, 프로그램이 시작되고, 초기화(S201)하면 기존의 데이터를 수집(S202)하고 데이터 전처리단계(S203)를 지나, 관정장치(10)의 실내외 온도와, 관정장치(10)의 모터펌프(12)에 의해 펌핑된 원수가 송수관(20)에 의해 이송되는 물의 특성, 즉 압력, 유량, 유속 등이 입력(S204)되고 현 상태의 파악 단계(S205)를 거친다.
파악된 현재 값은 최적의 목표치 입력(S206)과 동시에 제어출력 연산(S207,S208)을 행하고, 물리량에 환산 처리한 뒤, 각각 아날로그 및 디지털 신호로서 제어 출력(S210,S211)을 하고 동시에 제어수단(300)인 PLC의 기억장치(310)에 저장(S212)된다.
또한, 도 3에 나타내는 RS232C 통신 수단을 통하여(S213) 인터넷 전송 제어 프로토콜(protocol)/인터넷 프로토콜(Internet Protocol)(이하, TCP/IP라고 한다)(250)으로 양방향 통신 및 컴퓨터 수단(200)의 화면(230)에 표시(S214)한다.
그리고, 컴퓨터 수단(200)은 전 단계로부터 얻어진 각각의 데이터(온도, 압력, 유속, 유량, 소독상태)를 학습 최적화 알고리즘을 이용한 신경회로망 제어 프로그램에 의해 독립적으로 판정된 다른 5개의 데이터와 연동하여 최종적으로 "정상 /점검요/사용불가능"으로 상태판정(S215)을 행한다. 판정 결과에 따라 독립 변수 중 압력, 유량, 유속, 소독액 투입량의 독립변수값을 조정(S216)하고 이를 반영한 디지털 제어신호 처리(S217)를 행한다.
도 5에서는 본 발명에 사용되는 학습 최적화 알고리즘을 이용한 신경회로망 제어 프로그램에 따른 전체적인 학습과 적용과정의 순서도를 나타내고 있다.
도 5에 도시된 바와 같이, 상기 학습 최적화 알고리즘을 이용한 신경회로망 제어 프로그램이 시작되고 초기화된 뒤, 상기 관정장치(10)의 실내온도 및 실외온도, 상기 송수관(20)의 압력, 유량 및 유속과, 상기 소독액 저장탱크(40)의 소독액 투입량과 같은 데이터를 수집 및 취득(S401)하고, 각각의 변수의 특성에 근거하여 이 데이터를 분석하고 데이터 규칙을 작성(S402)한다. 이때 물리량 데이터는 각각 독립된 데이터로 연산처리하는 과정을 거친다.
이 데이터 규칙은 신경회로망에 의해 학습(S403)되지만, 여기에서 신경회로망은 역전파 알고리즘(Back-Propagation Algorism)과, 수학식 1에서처럼 Levenberg-Marquardt 방법 및 뉴턴(Isaac Newton) 방법과 최급강하법의 가능한 학습 최적화 알고리즘이 사용되고, 실제의 간이상수도의 운전 후 운전효율을 산출(S404)하고, 높은 효율을 가지는 새로운 데이터의 취득에 따라 원하는 효율에 이르기까지 단기간적인 튜닝(Tuning)(S406)이 행해진다. 이와 같은 재학습(S407,S409)의 과정을 통하여 새로운 데이터베이스가 구축(S408)된다.
Figure 112008012347357-pat00001
(여기서, ωi ; i 번째 입력 데이타이고, ωi+1 ; 연결가중치 데이터이고, I는 Identity Martrix을 의미한다. λ=0:뉴턴(Issac Newton)방법, λ→∞:최급강하법이 되고, λ은 동적으로 조절된다.)
상기 학습 최적화 알고리즘을 이용한 신경회로망 제어에 있어서, 입력 학습 데이터의 예로서는, 상기 관정장치(10)의 실내온도가 영상 0 ~ 40℃, 실외온도가 영하 20℃ ~ 영상 40℃의 범위이고, 상기 송수관(20)의 압력이 0 ~ 35kgf/㎠ , 유량이 0 ~ 10㎥/d , 유속 0 ~ 2.0m/초 범위이고, 사용자가 유량 등을 설정 입력하면 설정된 값에 맞게 소독액 투입량을 제어하게 된다.
상기 소독액 저장탱크(40)의 소독액 투입량을 설정하는 산술식은 다음과 같다.
유량(ℓ)×설정약품농도(PPM)/(액상제품의 농도) = 투입량(㎖) ×1000
상기와 같은 수학식 2은 사용자가 원하는 설정잔류 소독액농도를 입력하면 원수의 유량을 계산하여 산출한다. 이때, 소독액 제품의 농도는 6%(60,000PPM) 또는 12%(120,000PPM)가 되는데, 이는 기존의 액체상태의 소독액이 6%와 12%의 농도로 사용되고 있기 때문이다. 상기 수학식 2에서의 투입량은 소독액을 투입하기 위 한 소독액 저장탱크(40)의 정량펌프(42)의 1회 구동시 투입되는 소독액의 양으로서, 정량펌프의 소독액 투입량은 정량펌프(42)의 구동시간을 조절함으로써 그 양을 제어할 수 있다.
상기 제시한 학습 데이터는 상기 관정장치(10)의 같은 실내온도의 범위에서도 실외온도의 값이 달라질 경우 또는 유량의 크기, 유속의 정도가 달라질 경우에 소독액의 투입량이 자동적으로 제어된다. 예를 들면, 상기 송수관(20)의 압력 또는 유속이 증가하면 상기 모터펌프(12)의 속도를 감소시키고, 압력 또는 유속이 감소하면 상기 모터펌프(12)의 속도를 증가시키게 한다. 이에 따라, 상기 송수관(20)의 유량이 증가하면 소독액의 투입량을 증가시키고, 유량이 감소하면 소독액의 투입량을 감소시키도록 제어된다.
도 6은 본 발명에 따른 역전파 알고리즘의 체계를 나타내고 있다.
상기 역전파 알고리즘은 MLP(Multi-Layer Perceptron) 모델이 사용되는 것이 바람직하다. MLP 모델에서는 층은 환경으로부터 입력되는 입력층(Input Layer), 환경에 출력을 내는 출력층(Output Layer), 그리고 환경과 직접 상호 작용을 하지 않고 입력층과 출력층과의 사이에 존재하는 은닉층(Hidden Layer)으로 이루어져 있으며, 각 층은 바로 전 층에서 신호를 받아 처리한 후 다음 층에 전달하는 구조로 되어 있다.
도 6a 내지 도 6f에 도시된 바와 같이, X는 전 층을 이루는 뉴런을 의미한다. Xij란 전 층의 i번째 뉴런과 다음 층의 j번째 뉴런의 결합 정도를 나타내는 가중치를 의미한다. 또한, Xti는 실내온도, Xto는 실외온도, Xp는 압력, Xq는 유량, Xv는 유속, Xs는 소독액 투입량에 관한 역전파 알고리즘 모델을 의미한다.
학습은 입력층(Input Layer)으로부터 시작되고, 은닉층(Hidden Layer)을 거쳐 출력층(Output Layer)까지 진행된다. 뉴런은 받아들이는 입력 사항의 값을 합산하고, 그 합산치가 높은 경우 은닉층(Hidden Layer) 내의 다음의 노드에 입력 사항을 건네준다. 입력 사항이 전달되는 때에 가중치가 할당되고 또는 가중치의 강화 및 약화가 일어나고, 이 과정은 모델이 결과를 예측하는 최종 출력층(Output Layer)에 이르기까지 계속된다. 여기에서 높은 값의 패턴에 비중을 더하고, 낮은 값의 패턴을 무시하는 활성화 작용이 일어난다.
본 발명에서는 출력층(Output Layer)에서는 다양한 목표치를 예측하여 출력하지 않으면 안 되기 때문에 단지 선형 합을 활성 함수로서 이용한다. 한편, 은닉층(Hidden Layer)에서는 비선형 활성 함수를 이용하고, 신경회로망은 학습 과정으로부터 얻어진 정보를 가중치에 축적하고 저장하지만, 이 가중치가 최적 소독액 투입량의 값을 얻는데도 사용된다.
도 6에 나타내는 본 발명의 은닉층(Hidden Layer)에 있어서, 은닉층(Hidden Layer)의 수가 전문가의 경험적 지식에 따라서 결정되어 지지만, 본 발명에서는 은닉층(Hidden Layer)의 수가 2개로 이루어지는 것이 바람직하다. 이와 같은 은닉층(Hidden Layer)은 입력층(Input Layer)과 출력층(Output Layer)에의 자료 입력과 출력 및 가중치는 수학식 3 ~ 5에 따라 결정되어 진다.
Figure 112008012347357-pat00002
(전체 error을 맞게 한 F을 가중치에 대한 변화율로 계산한 식이고, Gradient i은 i 번째 가중치(Weight))
Figure 112008012347357-pat00003
(error e은 목표치와 신경 회로망의 출력과의 차이를 의미, k은 k번째 샘플)
Figure 112008012347357-pat00004
(Hessian matrix, F의 가중치에 대한 제곱 도함수를 구함)
상기와 같이 전술한 단계로부터 얻어진 각각의 데이터(온도, 압력, 유속, 유량, 소독상태)는 독립적으로 판정된 다른 5개의 데이터와 연동하여 최종적으로 출력 데이터는 "정상구간, 점검구간(사용가능), 사용불가능 구간"으로 판정하는 것이다. 상기 독립적으로 판정을 취합하는 과정을 통하여, 실내온도, 실외온도, 압력, 유량, 유속, 소독액 투입량 등 6개의 변수의 조정을 통하여 각각의 데이터 값을 조 정하고, 이때 학습된 상황에 맞게 각각의 독립변수값을 조정하고 이를 디지털 제어신호 처리를 행한다.
상기 단계 후, 조정된 각각의 독립변수값을 통하여 제어출력을 연속적으로 계산하고, D/A 카드(330) 및 디지털 카드(340)를 이용하여 아날로그 신호 및 디지털 신호로 전송하여, 새로이 전송되는 신호에 의해 관정장치(10)의 모터펌프(12)나 송수관(20)의 솔레노이드밸브(22), 소독액 저장탱크(40)의 정량펌프(42)를 컴퓨터 수단(200)에 의해 직접 제어를 행한다. 이러한 상기 제어 과정을 거친 간이상수도의 효율을 비교 분석하고 이것을 컴퓨터 수단(200)의 기록장치(240)에 기록할 수 있다. 따라서 본 발명은 상기 전 단계로부터 얻어지는 일련의 데이터를 하나의 파일에 저장하고, 호출하고 관리를 용이하게 한다.
이에 따라 본 발명은 사람이 실제 간이상수도의 상황에 따라 그 작동범위를 적용하는 것과 같은 상황을 연출하여 항상 최적의 상태로 간이 상수를 공급할 수 있게 하며, 현장의 자료를 실시간으로 원거리로부터 모니터링하고 제어할 수 있는 모니터링 제어시스템을 구축하는 일련의 과정도 또한 가능하다.
지금까지는 본 발명의 특정한 실시예를 중심으로 설명하였으나, 본 발명의 특허청구범위에 기재된 기술사상을 벗어나지 않는 범위 내에서 상술한 바와 같이 다양한 수정 및 변경이 이루어질 수 있음이 명백하다. 따라서, 본 발명의 상세한 설명 및 첨부된 도면은 본 발명의 기술 사상을 한정하는 것이 아니라 예시한 것으로 해석되어야 한다.
도 1은 종래의 염소 투입장치의 시스템 구성도.
도 2는 본 발명에 따른 신경회로망을 이용한 간이상수도 모니터링 제어시스템의 개요를 나타내는 도면.
도 3은 도 2의 전체 구성을 나타낸 블럭구성도.
도 4는 본 발명에 따른 신경회로망을 이용한 모니터링 제어 단계를 나타내는 순서도.
도 5에서는 본 발명에 사용되는 학습 최적화 알고리즘을 이용한 신경회로망 제어 프로그램에 따른 전체적인 학습과 적용과정의 순서도.
도 6은 본 발명에 따른 학습 최적화 알고리즘의 체계를 나타내는 도면.
*도면의 주요 부분에 관한 부호의 설명*
10. 관정장치 12. 모터펌프
20. 송수관 22. 솔레노이드밸브
30. 물탱크 40. 소독액 저장탱크
42. 정량펌프 100. 센서수단
110. 아날로그-디지털 변환부 120. 주기신호 검출부
200. 컴퓨터 수단 210. 인터페이스
220. 중앙처리장치 230. 화면
240. 기록장치 300. 제어수단
310. 기억장치 320. 중앙처리장치
330. D/A 카드 340. 디지털 카드
350. 인터페이스

Claims (16)

  1. 원수를 펌핑하는 모터펌프(12)를 구비한 관정장치(10)와, 상기 관정장치(10)에 의해 펌핑된 원수를 공급하는 송수관(20)과, 상기 송수관(20)으로 공급된 원수를 저장하는 물탱크(30) 및 상기 물탱크(30)에 소독액을 투입하는 소독액 저장탱크(40)를 포함하는 간이상수도 모니터링 제어시스템에 있어서,
    상기 관정장치(10)의 실내외 온도와, 상기 송수관(20)의 압력, 유량, 유속과, 상기 소독액 저장탱크(40)의 소독액 투입량을 포함하는 유동적인 독립변수 현재 값을 측정하는 센서수단(100)과; 상기 센서수단(100)으로부터 검출된 독립변수 현재 값의 데이터를 수집하고, 물리량 데이터로 연산 처리하고, 학습 최적화 알고리즘을 이용한 신경회로망 제어 프로그램에 의해 상기 측정된 특성의 현재값을 비교하여 상기 간이상수도의 정상구간, 점검구간(사용가능), 사용불가능 구간으로 판정하고, 판정된 결과에 따라 독립변수값을 조정하여 아날로그 및 디지털 제어 출력값으로 연산 처리하는 컴퓨터 수단(200)과; 상기 제어 출력값으로 관정장치(10)와 송수관(20) 및 소독액 저장탱크(40)를 제어하는 제어수단(300);을 포함하여 구성되되,
    상기 신경회로망 제어 프로그램에 사용되는 입력 학습 데이터는 상기 관정장치(10)의 실내외 온도와, 상기 송수관(20)의 압력, 유량, 유속과, 소독액 저장탱크(40)의 소독액 투입량이고, 학습과정으로부터 얻는 가중치에 의하여 목표 데이터인 상기 송수관(20)의 최적의 압력, 유량, 유속 및 상기 소독액 저장탱크(40)의 최적의 소독액 투입량을 구하고,
    상기 신경회로망 제어 프로그램의 체계는, 입력층, 은닉층, 출력층을 포함하고, 은닉층의 수는 2~6개의 범위에서 결정되어지고, 상기 은닉층으로부터 입력층 및 출력층에의 자료 입력과 출력과 가중치가 결정되어지는 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어시스템.
  2. 삭제
  3. 삭제
  4. 제 1 항에 있어서,
    상기 출력층에서는 활성함수로서 선형 합을 이용하고, 상기 은닉층에서는 활성 함수로서 비선형 함수를 이용하고 학습과정으로부터 얻는 정보를 가중치에 축적 및 저장하는 것에 의해 상기 가중치가 상기 송수관(20)의 최적의 압력과 유량, 유속 및 상기 소독액 저장탱크(40)의 최적의 소독액 투입량을 구하는데 사용되는 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어시스템.
  5. 제 1 항에 있어서,
    상기 신경회로망 제어 프로그램의 입력 학습 데이터의 범위는,
    입력 범위는 상기 관정장치(10)의 실내온도가 영상 0 ~ 40℃, 실외온도가 영하 20℃ ~ 영상 40℃의 범위이고, 상기 송수관(20)의 압력이 0 ~ 35kgf/㎠ , 유량이 0 ~ 10㎥/d , 유속 0 ~ 2.0m/초 범위이고, 상기 소독액 저장탱크(40)의 소독액 투입량은 유량(ℓ)×설정약품농도(PPM)/(액상제품의 농도) = 투입량(㎖) ×1000인 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어시스템.
  6. 제 5 항에 있어서, 상기 신경회로망 제어 프로그램은,
    상기 송수관(20)의 압력 또는 유속이 증가하면 상기 모터펌프(12)의 속도를 감소시키고, 압력 또는 유속이 감소하면 상기 모터펌프(12)의 속도를 증가시키게 하고,
    상기 송수관(20)의 유량이 증가하면 소독액의 투입량을 증가시키고, 유량이 감소하면 소독액의 투입량을 감소시키게 하는 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어시스템.
  7. 삭제
  8. 원수를 펌핑하는 모터펌프(12)를 구비한 관정장치(10)와, 상기 관정장치(10)에 의해 펌핑된 원수를 공급하는 송수관(20)과, 상기 송수관(20)으로 공급된 원수를 저장하는 물탱크(30) 및 상기 물탱크(30)에 소독액을 투입하는 소독액 저장탱크(40)를 포함하는 간이상수도의 모니터링 제어방법에 있어서,
    상기 관정장치(10)의 실내외 온도와, 상기 송수관(20)의 압력, 유량, 유속과, 상기 소독액 저장탱크(40)의 소독액 투입량을 포함하는 유동적인 독립변수 현재 값을 측정하는 단계와; 상기 측정된 독립변수 현재 값의 데이터를 컴퓨터로 수집하고, 물리량 데이터로 연산 처리하는 단계와; 상기 컴퓨터에 있어서 학습 최적화 알고리즘을 이용한 신경회로망 제어 프로그램에 따라 상기 측정된 특성의 현재값을 비교하고, 상기 간이상수도의 정상구간, 점검구간(사용가능) 및 사용불가능 구간으로 판정하는 단계와; 판정된 결과에 따라 독립변수값을 조정하여 아날로그 및 디지털 제어 출력값으로 연산처리하는 단계와; 얻어진 상기 제어 출력값으로 관정장치(10), 송수관(20) 및 소독액 저장탱크(40)를 제어하는 단계;를 포함하여 이루어지되,
    상기 신경회로망 제어 프로그램에 사용되는 입력 학습 데이터는 상기 관정장치(10)의 실내외 온도와, 상기 송수관(20)의 압력, 유량, 유속과, 상기 소독액 저장탱크(40)의 소독액 투입량이고, 학습과정으로부터 얻는 가중치에 의하여 목표 데이터인 상기 송수관(20)의 최적의 압력, 유량, 유속 그리고 상기 소독액 저장탱크(40)의 최적의 소독액 투입량을 구하고,
    상기 신경회로망 제어 프로그램의 체계는, 입력층, 은닉층, 출력층을 포함하고, 은닉층의 수는 2~6개의 범위에서 결정되어지고, 상기 은닉층으로부터 입력층 및 출력층에의 자료 입력과 출력과 가중치가 결정되어지는 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어방법.
  9. 삭제
  10. 삭제
  11. 제 8 항에 있어서,
    상기 출력층에서는 활성함수로서 선형 합을 이용하고, 상기 은닉층에서는 활성 함수로서 비선형 함수를 이용하고 학습과정으로부터 얻는 정보를 가중치에 축적 및 저장하는 것에 의해 상기 가중치가 상기 송수관(20)의 최적의 압력과 유량, 유속 및 상기 소독액 저장탱크(40)의 최적의 소독액 투입량을 구하는데 사용되는 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어방법.
  12. 제 8 항에 있어서,
    상기 신경회로망 제어 프로그램의 입력 학습 데이터의 범위는,
    입력 범위는 상기 관정장치(10)의 실내온도가 영상 0 ~ 40℃, 실외온도가 영하 20℃ ~ 영상 40℃의 범위이고, 상기 송수관(20)의 압력이 0 ~ 35kgf/㎠ , 유량이 0 ~ 10㎥/d , 유속 0 ~ 2.0m/초 범위이고, 상기 소독액 저장탱크(40)의 소독액 투입량은 유량(ℓ)×설정약품농도(PPM)/(액상제품의 농도) = 투입량(㎖) ×1000인 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어방법.
  13. 제 12 항에 있어서, 상기 신경회로망 제어 프로그램은,
    상기 송수관(20)의 압력 또는 유속이 증가하면 상기 모터펌프(12)의 속도를 감소시키고, 압력 또는 유속이 감소하면 상기 모터펌프(12)의 속도를 증가시키게 하고,
    상기 송수관(20)의 유량이 증가하면 소독액의 투입량을 증가시키고, 유량이 감소하면 소독액의 투입량을 감소시키도록 제어하는 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어방법.
  14. 제 13 항에 있어서, 상기 신경회로망 제어 프로그램은,
    상기 관정장치(10)의 같은 실내온도의 범위에서도 실외온도의 값이 달라지면 상기 송수관(20)의 유량 및 소독액 투입량을 자동적으로 제어하는 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어방법.
  15. 제 8 항에 있어서,
    측정 및 연산 처리 단계에서 요구되는 데이터를 파일에 저장 및 관리하는 단계;를 더 포함하여 이루어지는 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어방법.
  16. 제 15 항에 있어서,
    상기 데이터를 전송 제어 프로토콜/인터넷 프로토콜(TCP/IP)(250)을 이용하여 컴퓨터와 양방향 통신에 의하여 실시간 제어를 행하고, 다중 처리 기능을 이용하여 컴퓨터로 상기 제어 과정을 거친 후 상기 간이상수도의 상태를 비교 분석하고 파일에 기록하는 단계;를 더 포함하여 이루어지는 것을 특징으로 하는 신경회로망을 이용한 간이상수도 모니터링 제어방법.
KR1020080014974A 2008-02-19 2008-02-19 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및그 제어방법 KR100983800B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080014974A KR100983800B1 (ko) 2008-02-19 2008-02-19 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및그 제어방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080014974A KR100983800B1 (ko) 2008-02-19 2008-02-19 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및그 제어방법

Publications (2)

Publication Number Publication Date
KR20090089677A KR20090089677A (ko) 2009-08-24
KR100983800B1 true KR100983800B1 (ko) 2010-09-27

Family

ID=41207772

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080014974A KR100983800B1 (ko) 2008-02-19 2008-02-19 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및그 제어방법

Country Status (1)

Country Link
KR (1) KR100983800B1 (ko)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101706245B1 (ko) * 2015-09-14 2017-02-14 동아대학교 산학협력단 디지털 오일필드에서 인공신경망을 이용한 생산량 제어방법
CN110285317B (zh) * 2019-06-24 2021-05-18 鲁西工业装备有限公司 一种气液体罐装及储存自动保护装置
CN111025941A (zh) * 2019-12-12 2020-04-17 中科星图(深圳)数字技术产业研发中心有限公司 一种农村饮水安全的监测方法
DE102020114339A1 (de) * 2020-05-28 2021-12-02 Ebm-Papst Mulfingen Gmbh & Co. Kg Verfahren zum Betreiben eines Ventilatorsystems und Ventilatorsystem mit einem rückwärtsgekrümmten Radialventilator
CN115231525B (zh) * 2022-07-29 2022-12-23 福建德尔科技股份有限公司 电子级三氟化氯的智能分离纯化***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06304546A (ja) * 1993-04-21 1994-11-01 Hitachi Ltd 上水道プラントの運用制御装置
KR20060087799A (ko) * 2005-01-31 2006-08-03 주식회사정림산업 간이상수도 통합관제용 마이컴 독립제어반 및 제어방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06304546A (ja) * 1993-04-21 1994-11-01 Hitachi Ltd 上水道プラントの運用制御装置
KR20060087799A (ko) * 2005-01-31 2006-08-03 주식회사정림산업 간이상수도 통합관제용 마이컴 독립제어반 및 제어방법

Also Published As

Publication number Publication date
KR20090089677A (ko) 2009-08-24

Similar Documents

Publication Publication Date Title
JP4401638B2 (ja) 神経回路網及び誤差逆伝播法による下排水処理人工知能制御システム及び方法
KR100983800B1 (ko) 신경회로망을 이용한 간이상수도 모니터링 제어시스템 및그 제어방법
US12031901B2 (en) System and method for detecting biofilm growth in water systems
CN103645727B (zh) 自动现场装置维护建议器
Lee et al. Real-time remote monitoring of small-scaled biological wastewater treatment plants by a multivariate statistical process control and neural network-based software sensors
CN103018416B (zh) 供水管网水质在线监测、预测方法
Vicente et al. Prediction of the quality of public water supply using artificial neural networks
KR102290331B1 (ko) 수질분석 데이터를 반영하는 iot 염소투입기 관리 시스템
KR102311657B1 (ko) 하폐수 처리 스마트 관리 시스템
KR100694865B1 (ko) 간이상수도 통합관제 운영시스템 및 운영방법
Humoreanu et al. Wastewater treatment plant SCADA application
Juntunen et al. Dynamic soft sensors for detecting factors affecting turbidity in drinking water
CN113837364A (zh) 基于残差网络和注意力机制的污水处理软测量方法及***
WO2023115159A1 (en) System and method for remotely monitoring water quality
Chen et al. Investigation of practical issues in building thermal parameter estimation
KR102266838B1 (ko) 현장센서 및 머신러닝을 이용한 매몰지 침출수 감시기법
KR101742274B1 (ko) 소규모 상수시설 통합 관리 시스템의 수질 측정 장치
Putra et al. Smart sensor device for detection of water quality as anticipation of disaster environment pollution
KR100970151B1 (ko) 수질측정장치
Trišović et al. AUTOMATIC CONTROL AND ARTIFICIAL INTELLIGENCE: DEVICE FOR CONTINUOUS CHLORINE RESIDUAL MEASUREMENT
JP2022124149A (ja) 機械学習装置、設定装置、推論装置、機械学習方法、設定方法、推論方法、機械学習プログラム、設定プログラム、及び、推論プログラム
Wei et al. Soft-sensor software design of dissolved oxygen in aquaculture
Deveughele et al. Neural networks: an efficient approach to predict on-line the optimal coagulant dose
CN116395831B (zh) 一种污水处理工艺的碳源投加智能控制***和方法
Thiyagarajan et al. Short-term Time Series Forecasting of Concrete Sewer Pipe Surface Temperature

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
B701 Decision to grant
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20130916

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20140916

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee