CN105301960B - 一种自来水凝絮剂投加量的控制方法 - Google Patents
一种自来水凝絮剂投加量的控制方法 Download PDFInfo
- Publication number
- CN105301960B CN105301960B CN201510653769.8A CN201510653769A CN105301960B CN 105301960 B CN105301960 B CN 105301960B CN 201510653769 A CN201510653769 A CN 201510653769A CN 105301960 B CN105301960 B CN 105301960B
- Authority
- CN
- China
- Prior art keywords
- moment
- time
- dosage
- lag time
- water flow
- 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
Landscapes
- Separation Of Suspended Particles By Flocculating Agents (AREA)
Abstract
本发明公开了一种自来水凝絮剂投加量的控制方法。它先通过人工神经网络的多因子前馈学习预测得到凝絮剂投加量的前馈预测值,然后通过反应曲线法测试加药滞后时间与源水流量之间的对应曲线,在此过程中每隔一段时间记录一次对应的数据;根据上述数据查找与K时刻相关的K‑1时刻和K‑2时刻对应的数据,得到三组互相关联的数据;将得到的三组数据应用到PID控制算法中,形成大滞后PID控制算法控调整前馈预测值,实现自来水凝絮剂投加量的自动化控制。本发明通过大滞后PID控制算法对前馈值进行调整计算,大大提高了絮凝剂投加量的准确性,提高了滤前水浊度的控制精度,减少控制余差,保证了水工业的安全生产和平稳运行、实现节能将耗,减员增效。
Description
技术领域
本发明属于自来水制水工业加药净化工艺中液体絮凝剂投加量的控制技术领域,具体涉及一种基于多因子前馈和多环大滞后反馈算法结合的自来水凝絮剂投加量的控制方法。
背景技术
大滞后过程是指在生产过程中,调节参数对被调参数的影响,滞后时间特别长,有时滞后时间甚至达到1-2个小时的时间。这种超长滞后过程实现自动化本身就是一个难题,如果滞后时间还随着某个参数变化,则更是增加了自动化的难度。
自来水生产加药净化过程是一个多因子、非线性的开放系统,也是一个典型的大滞后、变滞后系统。源水经过源水泵抽起,在进入反应池前,与絮凝剂混合,经过反应、沉淀两个环节,絮凝剂吸附水中微粒沉淀,清水从沉淀池上部流出,实现了沉淀分离。经过沉降池处理后的水称为滤前水。滤前水经过滤池进行过滤,形成出厂水输送到水库。因为滤池的处理能力有限,只有控制滤前水的浊度才能够保证出厂水的浊度达到标准。因此滤前水的浊度是考核加药实际效果的主要指标。从进水投矾进行混凝反应,到滤前水浊度的检测,根据不同水厂的工艺变化和进水流量的变化,大约要滞后几十分钟到一个多小时。即加药的反应效果,要滞后这么长的时间才能够看到结果。
加药控制是个大系统的概念,除了几个影响加药控制效果的主要参数如进水流量、进水浊度、进水温度等可用仪表检测的参数外,还有许多未知的因素的影响,如临时排污,上游冲沙,暴雨,因沉降池未及时排泥导致效率下降、江水水位过高致使进水流量超过反应池设计能力等多种无法测试的因素,都会影响滤前水的浊度。因此,通过加药控制滤前水浊度,进而控制出厂水的浊度,与在一个封闭的环境内可以十分准确地对某个参数进行控制是完全不同的。它的整个系统是一个完全开放的系统,它要求在外界条件缓慢变化的情况下,克服大滞后和变滞后,能够比较平稳地控制滤前水的浊度在设定的范围内(这个控制范围可调,一般根据季节和源水条件的变化在2~5度之间设定)。
要实现加药过程的全自动化运行,其主要难点在于如何根据源水的变化设置一套具有人工智能的加药控制实施技术。在发明专利《自来水混凝投矾自动化控制算法》(专利号:2009100621491)中,重点对人工神经网络作为多因子前馈的原理进行了阐述,也对模糊控制反馈的原理进行了论述。从大量的应用实践看,控制算法的前馈部分效果比较好,能够在源水参数变化比较大的条件下,保证沉淀水浊度控制在一定的范围内;而模糊反馈控制运行效果一般,在源水参数没有什么变化的条件下,这个时候应该是由模糊反馈控制其作用,但经过较长时间运行,沉淀水的设定值与实际值之间的余差仍然比较大(1-2度左右)。
随着国家对于市政水厂饮用水强制标准的出台,水质安全成为社会关注的热点,水厂面临既要保证水质达标,又要合理加药,尽量降低絮凝剂的消耗的压力,进一步提升控制精度,减少控制余差,是十分必要和有意义的。
发明内容
本发明的目的就是为了解决上述背景技术存在的不足,提供一种多因子前馈-多环长延时反馈、控制精度高的自来水凝絮剂投加量的控制方法。
本发明采用的技术方案是:一种自来水凝絮剂投加量的控制方法,包括以下步骤:
步骤1,通过人工神经网络对水质参数、反馈控制的关键参数进行学习,得到凝絮剂投加量的前馈预测值;
步骤2,通过反应曲线法测试加药滞后时间与源水流量之间的对应曲线;
步骤3,系统加药过程中,每隔一段时间记录一次源水流量,记为此段时间内的平均流量,根据上述对应曲线计算每段时间平均流量对应的滞后时间和滞后时间的倒数,形成以时间为先后顺序的数据组;
步骤4,从任意时刻K开始,寻找与当前时刻K相关的上一个时刻K-1和上两个时刻K-2,根据上述数据组查找K-1时刻和K-2时刻对应的数据,得到三组互相关联的数据;
步骤5,将上述得到的三组数据应用到PID控制算法中,形成大滞后PID控制算法调整前馈预测值,计算凝絮剂的投加量,实现自来水凝絮剂投加量的自动化控制。
进一步地,所述通过反应曲线法测试加药滞后时间与源水流量之间对应曲线的方法为:在平稳生产过程中将加药量在原加药量的基础上增加一定量,记录此时刻为t1,持续一段时间后恢复至原加药量,在加药量增加到恢复至原加药量的全过程中每隔一段时间记录一次瞬时源水流量,当滤前水浊度发生持续下降超过设定值时记录此时刻为t2,将加药量增加到恢复至原加药量的全过程中内记录的每分钟瞬时源水流量求平均即为此期间的平均流量F1,对应的滞后时间T1=t2-t1,得到滞后时间T1和源水的平均流量F1的一组对应数据;在源水流量大于上一次测试源水流量一定值时,再进行一次测试,得到第二次测试值T2和F2的一组对应数据,则加药滞后时间与源水流量之间对应曲线的斜率为
K=(F1-F2)/(T1-T2)。
更进一步地,所述寻找与当前时刻K相关的上一个时刻K-1和上两个时刻K-2的方法为:从K时刻开始,按照逆时针顺序将每分钟平均流量对应的滞后时间取倒数顺序相加,当其和等于1时对应的时刻即为K-1时刻;从K-1时刻开始,按照逆时针顺序将每分钟平均流量对应的滞后时间取倒数顺序相加,当其和等于1时对应的时刻即为K-2时刻。
本发明通过将传统的PID控制算法或模糊控制算法升级为带大滞后的控制算法,应用到自来水加药反馈控制算法中,对自来水制水工业加药净化工艺中液体絮凝剂的投加量进行控制,大大提高了滤前水浊度的控制精度,减少控制余差,保证了自来水加药净化工艺的安全生产和平稳运行、实现节能将耗,减员增效。
附图说明
图1为本发明人工神经网络学习框图。
图2为本发明源水流量与加药滞后时间的直线方程。
图3为本发明实施系统组成示意图。
图4为本发明前馈和大滞后PID控制算法框图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说明,便于清楚地了解本发明,但它们不对本发明构成限定。
如图1所示,本发明首先通过网络接收所有与絮凝剂投加相关的水质参数,如源水流量、源水浊度、源水温度以及其他辅助参数,作为人工神经网络学习的基础数据,同时将长延时反馈回路的几个关键参数,如滤前水浊度控制误差、絮凝剂投加量,也引回反馈到人工神经网络的输入端,通过人工神经网络进行同步学习和预测,除了反馈控制环路外,又形成了两个广义的反馈环,组成了一个多因子前馈-多环长延时反馈控制算法的格局,得到一个根据当前水质参数需要的絮凝剂投加量预测值,其学习和预测的方法可参见发明专利《自来水混凝投矾自动化控制算法》(专利号:2009100621491)中已经公开的步骤;然后进行大滞后PID控制算法的运算,计算调整为最终的絮凝剂投加量,控制执行机构动作完成絮凝剂投加量的改变,实现自来水絮凝剂投加量的自动化控制,控制算法经过如此创新后,控制精度从原来的±2度提高到±0.5度。
本发明大滞后控制算法是在经典的PID控制的基础上,引入了大滞后的概念,形成了一个大滞后PID控制算法,它是对传统的PID控制算法的重大创新,可以将传统的PID控制算法应用到其他类似的具有较大滞后的控制领域中。
PID是经典的反馈控制算法,用于一般的对象控制具有很好的效果,其离散的增量控制算法公式如下:
式中,△uk为K次采样计算输出值,Kp为比例系数,T为采样时间,Ti为积分时间,Td为微分时间,K-2、K-1和K是三次顺序采样的序列值,ek-2,ek-1,ek为三次采样中给定沉淀水浊度和实际浊度的误差值。
经典的PID控制用于滞后不大的场合没有什么问题,ek-2,ek-1,ek前后关联的三个值,是互成因果的,即ek-1是Δuk-2输出后的产生的结果,而ek是Δuk-1输出后产生的结果。而面对这种大滞后的场合,ek-2,ek-1,ek前后关联的三个值中间实际存在一个大的滞后时间,即ek-1是Δuk-2输出经过一个大滞后后产生的结果,而ek是Δuk-1输出经过一个大滞后后产生的结果,以此类推。想要将传统的PID控制算法移植到大滞后的场合,关键就是要测试前后关联值之间的滞后时间,有了这些值,就可以找出与当前采样值相关联的前后值,就可以利用离散的PID公式进行运算了。
本发明通过反应曲线法测试加药滞后时间与源水流量之间的对应关系,并在此过程中不断动态测试滞后时间的改变,计算和记录每分钟内的源水流量以及其对应的滞后时间,推算与当前时刻相关的上一个和上两个时刻的相关数据,以此为基础形成上述在滞后条件下的加药反馈控制算法,实现自来水加药的自动化控制,具体过程如下。
1、通过反应曲线法测试加药滞后时间与源水流量之间的对应曲线:
从源水进厂管路中加入絮凝剂后,絮凝剂与源水混合经过反应池和沉淀池形成滤前水,这是一个很长的时间过程。一般认为加药的效果滞后时间与源水流量的关系为线性,再此利用自动化工程常用的脉冲反应曲线法进行滞后时间测试,其方法为先在源水流量变化不大的平稳生产过程中(即源水流量波动范围在5%以内)将加药量在原来的基础上增加50%(例如,原来加药量为100l/h现在增加到150l/h),记录此时刻为t1,持续一段时间(如二十分钟)后恢复至原加药量,在加药量增加到恢复至原加药量的全过程中每隔一段时间(如一分钟)记录一次瞬时源水流量,当滤前水浊度发生持续下降超过设定值(如0.5度)时记录此时刻为t2,将这二十分钟内(即加药量增加到恢复至原加药量的全过程)记录的每分钟瞬时源水流量求平均即为此期间的平均流量F1,对应的滞后时间T1=t2-t1,得到滞后时间T1和源水的平均流量F1的一组对应数据;在源水流量大于上一次测试源水流量30%以上时,再进行一次测试,得到第二次测试值T2和F2的一组对应数据。
一般认为加药滞后时间和源水流量间为近似线性关系,将上述第一次和二次采样平均流量和滞后时间分别定义为F1,F2和T1,T2,则这个直线方程的斜率为K=(F1-F2)/(T1-T2),这个K值为有符号的负值(流量与滞后时间成反比);其直线方程图如图2所示,这个直线方程就揭示了这个水厂源水流量与加药后产生效果的滞后时间之间的线性关系。
2、为了便于随时进行增量PID控制算法,在系统加药投入计算机手动运行后,就可以开始以分钟为单位连续地记录每分钟对应的数据,包括每隔一分钟记录一次源水流量,记为此分钟内的平均流量,以及根据上述曲线得出的滞后时间和滞后时间的倒数,还有PID运算需要的滤前水浊度的实际值与设定值的偏差e,此分钟系统平均输出Δu等数据,形成以时间为先后顺序的数据组。
3、系统加药过程中,从任意时刻K开始,寻找与当前时刻K相关的上一个时刻K-1和上两个时刻K-2,根据上述数据组查找K-1时刻和K-2时刻对应的数据,得到三组互相关联的数据:
增量式PID的计算至少需要3组互相关联的数据,如K,K-1和K-2时刻的数组,每组数据都以每分钟平均值进行记录,包括平均流量和根据平均流量计算出的滞后时间,滞后时间的倒数等,还有PID计算公式需要的eK,△uK等参数。
如何从任意时刻开始,计算系统加药后产生效果的滞后时间和判断滞后时间到?记从初始时刻开始到滞后时间到的时刻为止这段时间为滞后时间段,那么在此滞后时间段内,只要将每分钟平均流量Fi对应的滞后时间Ti取倒数相加,当其和为1时滞后时间到。若滞后时间段内每分钟内的平均流量Fi不变,则每分钟平均流量对应的滞后时间Ti也不变,如计算的每分钟的滞后时间均为Ti1=55分钟,那么根据J×(1/55)=1,可知J=55,说明55分钟后即为滞后时间到;若这个滞后时间段内有三个或以上的不同平均流量对应的滞后时间,如有J个Fi1对应的滞后时间Ti1,有Q个Fi2对应的滞后时间Ti2,有M个Fi3对应的滞后时间Ti3,则根据滞后时间到的判断公式J×(1/Ti1)+Q×(1/Ti2)+M×(1/Ti3)=1可知,J+Q+M分钟后即为滞后时间到。
那么基于上述原理,推算与K时刻相关的K-1时刻和K-2时刻的数据组,只要按照上述方法,寻找出与K时刻相关的K-1时刻和K-2时刻,即可根据数据组得到K-1时刻和K-2时刻对应的数据。从K时刻寻找与其相关的K-1时刻的方法为:从K时刻开始,按照逆时针顺序将每分钟数据组内记录的滞后时间的倒数相加,当其和等于1时对应的时刻即为K-1时刻。同理,从K-1时刻寻找与其关联的K-2时刻也以此类推,即按照逆时针顺序将每分钟数据组内记录的滞后时间的倒数相加,当其和等于1时对应的时刻即为K-2时刻。有了与当前时刻关联的上一个时刻和上两个时刻的相关数据,即可将相关数据应用到传统的PID控制算法中形成在滞后条件下的大滞后PID控制算法,然后控制现场执行机构改变加药流量,实现自来水絮凝剂投加量的自动化控制。
除了可以采用大滞后PID控制算法外,也可将PID控制算法的改进思路移植到其他的控制算法如模糊控制算法等中,形成大滞后模糊控制算法,可以达到同样的控制效果。
如图3所示,为本发明实施系统的组成示意图,由加药控制器2采集源水流量、源水浊度和滤前水浊度等可测参数并上传到远程操作控制计算机3,源水流量通过流量传感器4检测,加药控制器2同时接受远程操作控制计算机3的控制命令,输出信号控制絮凝剂的输送机构即计量泵1,改变絮凝剂的加药量,这些参数都记录到加药控制算法数据库内。加药控制开始使用计算机手动远程操作,根据源水流量、源水浊度和滤前水浊度等参数,人工在计算机上设定加药量,并不断根据参数变化调整加药量,这个过程实际上是将人工的现场操作移植到控制室的计算机上进行操作,这个操作过程一般需要6个小时以上,为实现大滞后PID控制积累数据。
在源水流量比较稳定的情况下,将加药量在现有的加药量基础上增加50%,记录阶跃干扰的开始时间T1,观察滤前水浊度的变化,记录源水流量的变化,当滤前水浊度发生明显的下降趋势时,记录时间T2,T2-T1=T1即为与此阶段平均流量F1对应的滞后时间。
在源水流量与测试时的流量有显著变化的运行区间,进行第二次测试,得到T2和F2,有了这两组数据,基本上可以确定该水厂的源水流量与滞后时间之间的对应关系,计算此直线方程的斜率K,为后面的PID运算中随时计算与源水流量对应的滞后时间运行提供数据。
在经过一段时间的数据积累,上位机软件就可以开始进行大滞后条件下的PID运行和控制,计算方法与上所述,控制运算的方框图如图4所示。在通过本发明的控制算法进行了改进后,经过多个水厂实际运行的考核,滤前水浊度的控制精度能够提高到设定浊度的±0.5度范围内,节约20%左右的絮凝剂消耗。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
Claims (2)
1.一种自来水凝絮剂投加量的控制方法,其特征在于,包括以下步骤:
步骤1,通过人工神经网络对水质参数、反馈控制的关键参数进行学习,得到凝絮剂投加量的前馈预测值;
步骤2,通过反应曲线法测试加药滞后时间与源水流量之间的对应曲线;
步骤3,系统加药过程中,每隔一段时间记录一次源水流量,记为此段时间内的平均流量,根据上述对应曲线计算每段时间平均流量对应的滞后时间和滞后时间的倒数,形成以时间为先后顺序的数据组;
步骤4,从任意时刻K开始,寻找与当前时刻K相关的上一个时刻K-1和上两个时刻K-2,根据上述数据组查找K-1时刻和K-2时刻对应的数据,得到三组互相关联的数据;
所述寻找与当前时刻K相关的上一个时刻K-1和上两个时刻K-2的方法为:从K时刻开始,按照逆时针顺序将每分钟平均流量对应的滞后时间取倒数顺序相加,当其和等于1时对应的时刻即为K-1时刻;从K-1时刻开始,按照逆时针顺序将每分钟平均流量对应的滞后时间取倒数顺序相加,当其和等于1时对应的时刻即为K-2时刻;
步骤5,将上述得到的三组数据应用到PID控制算法中,形成大滞后PID控制算法调整前馈预测值,计算凝絮剂的投加量,实现自来水凝絮剂投加量的自动化控制。
2.根据权利要求1所述的一种自来水凝絮剂投加量的控制方法,其特征在于,所述通过反应曲线法测试加药滞后时间与源水流量之间对应曲线的方法为:在平稳生产过程中将加药量在原加药量的基础上增加一定量,记录此时刻为t1,持续一段时间后恢复至原加药量,在加药量增加到恢复至原加药量的全过程中每隔一段时间记录一次瞬时源水流量,当滤前水浊度发生持续下降超过设定值时记录此时刻为t2,将加药量增加到恢复至原加药量的全过程中内记录的每分钟瞬时源水流量求平均即为此期间的平均流量F1,对应的滞后时间T1=t2-t1,得到滞后时间T1和源水的平均流量F1的一组对应数据;在源水流量大于上一次测试源水流量一定值时,再进行一次测试,得到第二次测试值T2和F2的一组对应数据,则加药滞后时间与源水流量之间对应曲线的斜率为
K=(F1-F2)/(T1-T2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510653769.8A CN105301960B (zh) | 2015-10-10 | 2015-10-10 | 一种自来水凝絮剂投加量的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510653769.8A CN105301960B (zh) | 2015-10-10 | 2015-10-10 | 一种自来水凝絮剂投加量的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105301960A CN105301960A (zh) | 2016-02-03 |
CN105301960B true CN105301960B (zh) | 2018-05-22 |
Family
ID=55199358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510653769.8A Active CN105301960B (zh) | 2015-10-10 | 2015-10-10 | 一种自来水凝絮剂投加量的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105301960B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106168759A (zh) * | 2016-07-12 | 2016-11-30 | 武汉长江仪器自动化研究所有限公司 | 一种基于人工神经网络算法的混凝投药控制方法和系统 |
CN106673155A (zh) * | 2016-12-06 | 2017-05-17 | 武汉长江仪器自动化研究所有限公司 | 一种混凝剂自动控制方法 |
CN111268780B (zh) * | 2020-03-10 | 2022-06-14 | 中冶赛迪重庆信息技术有限公司 | 一种污水处理方法 |
CN112099455B (zh) * | 2020-09-30 | 2022-07-29 | 龙宽伟 | 一种水厂加药控制方法及系统 |
CN112759118B (zh) * | 2020-12-21 | 2023-03-17 | 上海熊猫机械(集团)有限公司 | 一种水厂加药集成系统和加药方法 |
CN113562824A (zh) * | 2021-06-17 | 2021-10-29 | 华自科技股份有限公司 | 水净化的加药控制方法、装置、计算机设备和存储介质 |
CN113428957A (zh) * | 2021-06-29 | 2021-09-24 | 长沙榔梨自来水有限公司 | 一种适合江河水的聚合氯化铝投加方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1303006C (zh) * | 2005-03-17 | 2007-03-07 | 哈尔滨工业大学 | 基于多源信息融合技术的混凝过程智能监测与控制方法 |
CN101607151A (zh) * | 2009-01-09 | 2009-12-23 | 湖南华博科技开发有限公司 | 嵌入式智能加药控制器及其控制方法 |
CN103011356A (zh) * | 2012-08-15 | 2013-04-03 | 重庆水务集团股份有限公司 | 一种高浊度水系自动投药控制方法 |
CN102385315B (zh) * | 2011-09-01 | 2013-05-01 | 深圳市开天源自动化工程有限公司 | 水厂智能混凝投药控制系统及其控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9682872B2 (en) * | 2012-02-21 | 2017-06-20 | Denny Allen CRISWELL | Wastewater treatment system |
-
2015
- 2015-10-10 CN CN201510653769.8A patent/CN105301960B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1303006C (zh) * | 2005-03-17 | 2007-03-07 | 哈尔滨工业大学 | 基于多源信息融合技术的混凝过程智能监测与控制方法 |
CN101607151A (zh) * | 2009-01-09 | 2009-12-23 | 湖南华博科技开发有限公司 | 嵌入式智能加药控制器及其控制方法 |
CN102385315B (zh) * | 2011-09-01 | 2013-05-01 | 深圳市开天源自动化工程有限公司 | 水厂智能混凝投药控制系统及其控制方法 |
CN103011356A (zh) * | 2012-08-15 | 2013-04-03 | 重庆水务集团股份有限公司 | 一种高浊度水系自动投药控制方法 |
Non-Patent Citations (1)
Title |
---|
PID数字控制器的参数整定方法探讨;袁春红;《科技信息》;20080331(第7期);第280-281页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105301960A (zh) | 2016-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105301960B (zh) | 一种自来水凝絮剂投加量的控制方法 | |
KR940005029B1 (ko) | 프로세스 운전지원방법 및 시스템 | |
CN101937197B (zh) | 凝集剂注入控制系统 | |
CN114230110B (zh) | 用于污水处理的短程智能除磷加药控制方法、设备及系统 | |
CN106802563B (zh) | 一种基于果蝇优化和lssvm的污水过程优化控制方法 | |
CN101825870B (zh) | 一种控制水处理絮凝剂投放量的方法及系统 | |
CN111650834B (zh) | 基于极限学习机的污水处理过程预测控制方法 | |
JP4492473B2 (ja) | 凝集剤注入制御装置および方法 | |
CN101020128A (zh) | 自来水厂混凝系统投药量的多模型综合动态矩阵控制方法 | |
CN106745707A (zh) | 一种污水处理污泥物料平衡的控制系统及控制方法 | |
CN113705898A (zh) | 自来水混凝剂加药量的预测方法及系统 | |
CN114380379B (zh) | 一种煤泥水的加药控制方法及系统 | |
CN111439900A (zh) | 本地污水管理系统 | |
CN115375009B (zh) | 一种建立混凝智能监控联动系统的方法 | |
JP4784241B2 (ja) | 浄水プロセスの凝集剤注入方法及び装置 | |
JP7032485B2 (ja) | 水処理又は汚泥処理システムの運転制御方法 | |
Evans et al. | Intelligent based auto-coagulation control applied to a water treatment works | |
Han et al. | Optimization of coagulant dosing process in water purification system | |
CN1270219C (zh) | 自适应控制投药设备及其方法 | |
US20200024169A1 (en) | Method to control a process variable | |
CN101699261B (zh) | 净水厂的排泥水悬浮固体浓度ss监测方法 | |
KR20120104852A (ko) | 센서와 회귀모델을 이용한 응집제 주입량 결정방법과 그를 이용한 정수처리장치 | |
CN206580621U (zh) | 一种污水处理污泥物料平衡的控制系统 | |
CN114656016A (zh) | 一种絮凝剂自适应投加方法和系统 | |
Liu et al. | Better treatment efficiencies and process economies with real-time coagulant dosing control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20191223 Address after: 430000 No. 1002, building 8, SBI Chuangye street, Dongxin Road, Donghu New Technology Development Zone, Wuhan City, Hubei Province Patentee after: Wuhan Tianzhiqiao Technology Co., Ltd. Address before: 430077 room 3-802, bizhuyuan, Dongting Garden community, Wuchang District, Wuhan City, Hubei Province Patentee before: Yang Xiaolin |
|
TR01 | Transfer of patent right |