CN108589833B - 一种水源监测与智能化控制分级供水装置 - Google Patents
一种水源监测与智能化控制分级供水装置 Download PDFInfo
- Publication number
- CN108589833B CN108589833B CN201810283884.4A CN201810283884A CN108589833B CN 108589833 B CN108589833 B CN 108589833B CN 201810283884 A CN201810283884 A CN 201810283884A CN 108589833 B CN108589833 B CN 108589833B
- Authority
- CN
- China
- Prior art keywords
- water
- loop
- controller
- input
- neural network
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 296
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000012806 monitoring device Methods 0.000 claims abstract description 17
- 238000013528 artificial neural network Methods 0.000 claims description 49
- 238000012843 least square support vector machine Methods 0.000 claims description 29
- 239000002131 composite material Substances 0.000 claims description 22
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 10
- 235000013162 Cocos nucifera Nutrition 0.000 claims description 5
- 244000060011 Cocos nucifera Species 0.000 claims description 5
- 229920000742 Cotton Polymers 0.000 claims description 5
- 239000012510 hollow fiber Substances 0.000 claims description 5
- 239000012528 membrane Substances 0.000 claims description 5
- 238000000108 ultra-filtration Methods 0.000 claims description 5
- 229910052739 hydrogen Inorganic materials 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 3
- 238000005406 washing Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims 1
- 238000000746 purification Methods 0.000 abstract description 3
- 238000000034 method Methods 0.000 description 8
- 238000012706 support-vector machine Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003756 stirring Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B7/00—Water main or service pipe systems
- E03B7/04—Domestic or like local pipe systems
-
- E—FIXED CONSTRUCTIONS
- E03—WATER SUPPLY; SEWERAGE
- E03B—INSTALLATIONS OR METHODS FOR OBTAINING, COLLECTING, OR DISTRIBUTING WATER
- E03B7/00—Water main or service pipe systems
- E03B7/07—Arrangement of devices, e.g. filters, flow controls, measuring devices, siphons or valves, in the pipe systems
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Hydrology & Water Resources (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种水源监测与智能化控制分级供水装置，属于净水装置技术领域，其包括整体框架，在整体框架中接入进水管，进水管与水源监测装置相连通，在水源监测装置的端面上设有第一电磁换向阀，第一电磁换向阀的出水口与第一出水管相连通，在水源监测装置的底部设有第二电磁换向阀，在第二电磁换向阀的出水口的下方设置蓄水池。本发明适用于安装在家庭进水总线水表的出口处，能够对家庭供水的水因子的各项参数实时监控并净化，根据不同场合所需的水质情况进行分级或同时供水。
Description
技术领域
本发明属于净水装置技术领域，具体涉及一种水源监测与智能化控制分级供水装置。
背景技术
水是生命之源，他对我们的生命起着重要作用，他是人类赖以生存和发展的不可缺少的最重要的物质资源之一。
随着现代化工业的发展，水源污染已经成为人类关注的焦点，人们对自己所饮用水源的各种水因子参数也越来越关心，就家庭而言，人们在不同场合对水质的要求也都不同。
发明内容
发明目的：本发明的目的在于提供一种水源监测与智能化控制分级供水装置，净化家庭用水水质，根据不同场所所需的水质要求进行分级供水等问题，同时利用两路出水管水流量智能解耦控制系统对第一出水管和第二出水管的水流量进行调控。
技术方案：为实现上述目的，本发明采用如下技术方案：
一种水源监测与智能化控制分级供水装置，包括整体框架，在所述的整体框架中接入进水管，进水管与水源监测装置相连通，在水源监测装置的端面上设有第一电磁换向阀，第一电磁换向阀的出水口与第一出水管相连通，在水源监测装置的底部设有第二电磁换向阀，在第二电磁换向阀的出水口的下方设置蓄水池；在所述的第一出水管的进水端设有第一回路水压传感器，在所述的第二出水管的进水端设有第二回路水压传感器；在所述的整体框架上设有单片机，在单片机中嵌入两路水流量智能解耦控制器，所述的单片机通过调节第一电磁换向阀和第二电磁换向阀的开度来控制第一出水管和第二出水管的水流量。
所述的两路水流量智能解耦控制器包括第一回路模糊最小二乘支持向量机预测控制器、第一回路PID实时控制器、第一回路GM水压预测模型、第二回路模糊最小二乘支持向量机预测控制器、第二回路PID实时控制器、第二回路GM水压预测模型和RBF神经网络逆解耦控制器；所述的第一回路模糊最小二乘支持向量机预测控制器和第一回路PID实时控制器并联作为第一回路的水流量复合控制器，第二回路模糊最小二乘支持向量机预测控制器和第二回路PID实时控制器并联作为第二回路的水流量复合控制器，第一回路的水流量复合控制器和第二回路的水流量复合控制器的输出分别作为RBF神经网络逆解耦控制器的输入；所述的第一回路水压传感器的输出作为第一回路GM水压预测模型的输入，第一回路GM水压预测模型的输出作为第一回路模糊最小二乘支持向量机预测控制器的反馈量构成第一回路供水流量的预测控制；所述的第二回路水压传感器的输出作为第二回路GM水压预测模型的输入，第二回路GM水压预测模型的输出作为第二回路模糊最小二乘支持向量机预测控制器的反馈量构成第二回路供水流量的预测控制。
所述的RBF神经网络逆解耦控制器由积分第一回路、积分第二回路和RBF神经网络组成，所述的RBF神经网络由T、H、I、J、K和L共六个输入节点、十个中间节点和P、Q两个输出节点组成，P、Q两个输出节点分别作为第一电磁换向阀和第二电磁换向阀的输入控制量。
所述的积分第一回路和积分第二回路分别由第1个积分器和第2个积分器串联构成，第一回路的水流量复合控制器的输出为积分第一回路的第1个积分器的输入和RBF神经网络的第I输入，积分第一回路的第1个积分器输出分别为RBF神经网络的第H输入和积分第一回路的第2个积分器输入，积分第一回路的第2个积分器输出作为RBF神经网络的第T输入；第二回路的水流量复合控制器的输出为积分第二回路的第1个积分器的输入和RBF神经网络的第L输入，积分第二回路的第1个积分器输出分别为RBF神经网络的第K输入和积分第二回路的第2个积分器输入，积分第二回路的第2个积分器输出作为RBF神经网络的第J输入。
在所述的蓄水池中相互垂直设置第一挡板和第二挡板，第一挡板和第二挡板通过凹槽交错固定，在该交错固定处设置转轴，转轴贯穿于第一挡板和第二挡板的连结处。
在所述的蓄水池下方设有步进电机，步进电机通过转轴驱动第一挡板和第二挡板。
在所述的蓄水池内壁的上方设置过滤网。
所述的过滤网包括过滤盒，在过滤盒内由下向上设置中空纤维超滤膜UF滤芯，颗粒精洗椰壳活性炭滤芯和PP棉滤芯。
有益效果：与现有技术相比，本申请具有以下优势：
1)本发明专利设计两路水流量智能解耦控制器中的一种模糊最小二乘支持向量机预测控制器，模糊最小二乘支持向量机预测控制器融合模糊控制和最小二乘支持向量机技术，其中模糊控制(FC)是一种仿人思维的智能化非线性控制技术，它不依赖被控对象模型、鲁棒性强，已得到广泛应用，但传统的模糊控制所依赖的控制规则缺乏在线自学习能力，不适应被控对象变化的需要，严重影响控制效果；最小二乘支持向量机技术的出现为自适应FC的设计提供了新的方法，它可实现隶属函数的优化和模糊推理，从而设计模糊支持向量机(FSVM)控制系统。该控制器融合了支持向量机和模糊技术两者的优点，它既有支持向量机的具有最小二乘支持向量机小样本学习、泛化能力强、全局最优等优点，又有模糊技术的不依赖被控对象模型和鲁棒性强的特点；
2)针对被控制出水管回路水流量的大惯性、大迟延、时变和多干扰的特点，两路水流量智能解耦控制器中设计一种模糊最小二乘支持向量机预测控制器和PID实时控制器并联作为复合主调节器，使复合主调节器进行出水管水流量控制的收敛速度快、动态响应好、鲁棒性强、超调小、控制精度高和稳定性好，满足了被控制出水管水流量变化的控制要求，实现了出水管水流量变化的智能控制。试验表明这种控制器具有良好的控制效果，而且能够较好地抵消多种干扰的影响；
3)针对被控制的两个出水管中水流量相互影响和相互耦合的特点，两路水流量智能解耦控制器中设计了基于RBF神经网络逆解耦控制器实现对两路出水管中相互影响和相互耦合的水流量进行解耦控制，提高每个出水管中水流量的控制精确度，提高响应速度、控制精度和提高系统的稳定性；
4)根据被控制出水管回路水流量的大惯性、大迟延、时变和多干扰的特点，两路水流量智能解耦控制器中设计2个回路GM(1,1)水压预测模型和2个回路模糊最小二乘支持向量机预测控制器实现对两个出水管中水流量的预测控制，控制系统具有较强的鲁棒性和抗干扰性，同时该方法简单易于工程实现，具有较好的实际应用价值；
5)针对被控制出水管回路水流量的大惯性、大迟延、时变和多干扰的特点，两路水流量智能解耦控制器将预测控制、实时控制和解耦控制相结合，充分发挥复合控制克服时间滞后方面的优良特性和抗干扰性，设计了复合控制和解耦控制的两路出水管水流量精确控制系统，该系统实现了预测控制与实时控制的复合控制和解耦控制方法的有机结合，充分发挥了多种控制方法的抗扰性强和鲁棒性好的特点，理论研究和实践应用表明系统响应快和良好的抗扰性与鲁棒性；
6)本发明专利中的两路水流量智能解耦控制器将模糊支持向量机预测控制器和PID实时控制复合主调节器，该复合主调节器和RBF神经网络逆解耦控制器相串联构成解耦控制系统，实现对两路出水管水流量进行精确控制。它充分综合了预测控制、模糊控制、解耦控制、智能控制的优点；通过对两路出水管水流量控制进行试验表明，该智能控制器的控制效果优于常规的PID控制，它能适应对象参数的变化，具有较强的鲁棒性、抗干扰性和自适应能力，控制品质好，本专利具有较好的应用和推广价值，本发明专利具有明显实质性进步。
附图说明
图1为一种水源监测与智能化控制分级供水装置整体框架图；
图2为一种水源监测与智能化控制分级供水装置内部结构图；
图3为搅拌装置结构图；
图4为净化装置局部放大图；
图5为两路出水管水流量智能解耦控制系统图。
具体实施方式
以下结合具体实施方式对本发明做进一步的说明。
如图1-5所示，附图标记如下：整体框架1、液晶显示屏2、第一出水管3、第二出水管4、进水管5、水源监测装置6、第一电磁换向阀7、第二电磁换向阀8、过滤网9、步进电机10、水泵11、监测水质传感器12、蓄水池13、第一挡板14、第二挡板15、转轴16、第二回路水压传感器17，第一回路水压传感器18和单片机19。
一种水源监测与智能化控制分级供水装置包括整体框架1、水源监测装置6、过滤网9和搅拌装置；搅拌装置包括水泵11，蓄水池13，第一挡板14，第二挡板15，转轴16。
在整体框架1的上端面设置液晶显示屏2；进水管5接入整体框架1中与水源监测装置6相连通，在水源监测装置6的端面上设有第一回路电磁换向阀7，第一回路电磁换向阀7的出水口与第一出水管3相连通，在水源监测装置6的底部设有第二回路电磁换向阀8，在第二回路电磁换向阀8的出水口的下方设置蓄水池13。在电磁换向阀7的阀口与出水管3进水端的连接处设有第一回路水压传感器18；在水泵11和第二出水管4进水端的连接处设有第二回路水压传感器17，通过第二回路水压传感器17监测第二出水管4的水管压力，第一回路水压传感器18监测第一出水管3的水管压力。
在蓄水池13中相互垂直设置第一挡板14和第二挡板15，第一挡板14和第二挡板15通过凹槽交错固定，在该交错固定处设置转轴16，转轴16贯穿于第一挡板14和第二挡板15的连结处。在蓄水池13下方设有步进电机10，步进电机10通过转轴16驱动第一挡板14和第二挡板15，在蓄水池13下底表面处设置水泵11，水泵11的出水口与第二出水管4相适配。
在蓄水池13内壁的上方设置过滤网9，过滤网9包括中空纤维超滤膜UF滤芯901，颗粒精洗椰壳活性炭滤芯902、PP棉滤芯903和过滤盒904；在过滤盒904内由下向上设置中空纤维超滤膜UF滤芯901，颗粒精洗椰壳活性炭滤芯902和PP棉滤芯903。
如图5所示，两路水流量智能解耦控制器实现对第一出水管3和第二出水管4的水流量进行精确解耦控制，该两路水流量智能解耦控制器由第一回路模糊最小二乘支持向量机预测控制器、第一回路PID实时控制器、第一回路GM水压预测模型、第二回路模糊最小二乘支持向量机预测控制器、第二回路PID实时控制器、第二回路GM水压预测模型和RBF神经网络逆解耦控制器组成，第一回路模糊最小二乘支持向量机预测控制器和第一回路PID实时控制器并联作为第一回路的水流量复合控制器，第二回路模糊最小二乘支持向量机预测控制器和第二回路PID实时控制器并联作为第二回路的水流量复合控制器，第一回路的水流量复合控制器和第二回路的水流量复合控制器的输出分别作为RBF神经网络逆解耦控制器的2个输入，RBF神经网络逆解耦控制器的P和Q输出分别作为第一电磁换向阀7和第二电磁换向阀8的输入，第一回路水压传感器18的输出作为第一回路GM水压预测模型的输入，第一回路GM水压预测模型的输出作为第一回路模糊最小二乘支持向量机预测控制器的反馈量构成第一回路供水流量的预测控制；第二回路水压传感器17的输出作为第二回路GM水压预测模型的输入，第二回路GM水压预测模型的输出作为第二回路模糊最小二乘支持向量机预测控制器的反馈量构成第二回路供水流量的预测控制。
RBF神经网络逆解耦控制器由积分第一回路、积分第二回路和RBF神经网络组成，积分第一回路和积分第二回路分别由第1个和第2个积分器串联构成，第一回路的水流量复合控制器的输出为积分第一回路的第1个积分器的输入和RBF神经网络的第I输入，积分第一回路的第1个积分器输出分别为RBF神经网络的第H输入和积分第一回路的第2个积分器输入，积分第一回路的第2个积分器输出作为RBF神经网络的第T输入；第二回路的水流量复合控制器的输出为积分第二回路的第1个积分器的输入和RBF神经网络的第L输入，积分第二回路的第1个积分器输出分别为RBF神经网络的第K输入和积分第二回路的第2个积分器输入，积分第二回路的第2个积分器输出作为RBF神经网络的第J输入。
RBF神经网络由T、H、I、J、K和L共六个输入节点、十个中间节点和P、Q两个输出节点组成，P、Q两个输出节点分别作为第一电磁换向阀7和第二电磁换向阀8的输入控制量，两路水流量智能解耦控制器实现对两路供水流量进行解耦控制，确保两路供水流量都能够满足用户要求。
本发明中两路水流量智能解耦控制器的设计(本申请的第一回路GM水压预测模型和第二回路GM水压预测模型均采用GM(1,1)水压预测模型)：
(1)、GM(1,1)水压预测模型的设计
GM(1,1)水压预测模型包括第一回路GM水压预测模型和第二回路GM水压预测模型，GM(1,1)灰色预测方法较传统的统计预测方法有着较多的优点，它不需要确定预测变量是否服从正态分布，不需要大的样本统计量，不需要根据供水管回路水压输入变量的变化而随时改变预测模型，通过对供水管输出回路水压累加生成技术，建立统一的微分方程模型，累加供水管输出回路水压原始值还原后得出预测结果，微分方程模型具有更高的预测精度。建立供水管GM(1,1)水压预测模型的实质是对供水输出管水压原始数据作一次累加生成，使生成数列呈现一定规律，通过建立微分方程模型，求得供水管输出水压拟合曲线，用以对第一出水管3和第二出水管4的水压进行预测达到预测该供水管水流量的目的，由于GM(1,1)灰色预测模型比较常用，本专利就不再赘述。
(2)模糊最小二乘支持向量机预测控制器设计
第一回路模糊最小二乘支持向量机预测控制器和第二回路模糊最小二乘支持向量机预测控制器，模糊最小二乘支持向量机预测控制器的输入和输出变量分别为出水管回路水压给定量、回路GM(1,1)水压预测模型值和出水管回路水压控制量，它们采取模糊支持向量机决策过程的模糊量E、EC、U与实际量e、ec、u之间的模糊比例关系通过采用ke、kec、ku模糊化处理，并对它们的空间进行模糊区域划分。最小二乘支持向量机回归可用3层的网络结构来表示，其中输入层、隐层、输出层节点数分别为2、5、1，而输入与隐层之间、隐层与输出之间的连接权值分别为1、αk(k＝1,2,…)。
Ⅰ、输入层：实现输入变量e、ec进行模糊化，以此作为控制系统的输入x。
Ⅱ、隐层：实现二维输入x与最小二乘支持向量机进行核运算。
K(x,xi)＝exp(-|x-xi|2/2σ2) (2)；
Ⅲ、输出层：实现最小二乘支持向量机回归运算，得到RBF神经网络逆解耦控制器实际输入控制量u。
(3)RBF神经网络逆解耦控制器的设计
RBF神经网络逆解耦控制器由积分第一回路、积分第二回路和RBF神经网络组成，积分第一回路和积分第二回路分别由第1和第2个积分器串联构成，第一回路的水流量复合控制器的输出为积分第一回路的第1个积分器的输入和RBF神经网络的第I输入，积分第一回路的第1个积分器输出分别为RBF神经网络的第H输入和积分第一回路的第2个积分器输入，积分第一回路的第2个积分器输出作为RBF神经网络的第T输入；第二回路的水流量复合控制器的输出为积分第二回路的第1个积分器的输入和RBF神经网络的第L输入，积分第二回路的第1个积分器输出分别为RBF神经网络的第K输入和积分第二回路的第2个积分器输入，积分第二回路的第2个积分器输出作为RBF神经网络的第J输入；RBF神经网络由T、H、I、J、K和L共六个输入节点、十个中间节点和P、Q两个输出节点组成，P、Q两个输出节点分别作为第一电磁换向阀7和第二电磁换向阀8的输入控制量，两路水流量智能解耦控制器实现对两路供水流量进行解耦控制，确保两路供水流量都能够满足用户要求；RBF神经网络隐层节点中的作用函数(基函数)对输入信号将在局部产生响应，径向基函数最常用的是高斯函数如式(4)所示：
RBF神经网络逆解耦控制器实现对相互影响和相互耦合的两个出水管水流量的电磁换向阀的开度进行解耦控制，提高每个输出回路水流量的控制精确度。
工作原理：一种水源监测与智能化控制分级供水装置接在家庭用户的水表出口处，水源经过本装置的进水管5，水源监测装置中的监测水质传感器12开始监测水因子的各项参数，根据用户设定的参数值，对于水因子各项参数达到用户设定值，第一电磁换向阀7打开，水源直接经过与电磁换向阀阀口相适配的第一出水管3流出；若水因子各项参数值未达到用户设定值，第二电磁换向阀8打开，水源经过与第二电磁换向阀8相适配的第二出水管4流出，经过中空纤维超滤膜UF滤芯901，颗粒精洗椰壳活性炭滤芯902和PP棉滤芯903到达蓄水池13，为了使得蓄水池13中监测水质传感器12能精确测量水因子各项参数，通过步进电机10驱动两个交叉连接的第一挡板14、第二挡板15，搅拌蓄水池13中的水，使其更均匀；同时为了满足不同用户的需求，由单片机19控制的第一电磁换向阀7和第二电磁换向阀8可同时动作，第一出水管3、第二出水管4均出水，在单片机19中引入两路水流量智能解耦控制器控制第一电磁换向阀7和第二电磁换向阀8的开度，对第一出水管3、第二出水管4两水管中水流量进行调节，提高每个出水管中水流量的控制精确度，提高响应速度、控制精度和提高系统的稳定性。
Claims (7)
1.一种水源监测与智能化控制分级供水装置，其特征在于：包括整体框架(1)，在所述的整体框架(1)中接入进水管(5)，进水管(5)与水源监测装置(6)相连通，在水源监测装置(6)的端面上设有第一电磁换向阀(7)，第一电磁换向阀(7)的出水口与第一出水管(3)相连通，在水源监测装置(6)的底部设有第二电磁换向阀(8)，在第二电磁换向阀(8)的出水口的下方设置蓄水池(13)；在所述的蓄水池(13)下底表面处设置水泵(11)，水泵(11)的出水口与第二出水管(4)相适配；在所述的第一出水管(3)的进水端设有第一回路水压传感器(18)，在所述的第二出水管(4)的进水端设有第二回路水压传感器(17)；在所述的整体框架(1)上设有单片机(19)，在单片机(19)中嵌入两路水流量智能解耦控制器，所述的单片机(19)通过调节第一电磁换向阀(7)和第二电磁换向阀(8)的开度来控制第一出水管(3)和第二出水管(4)的水流量；所述的两路水流量智能解耦控制器包括第一回路模糊最小二乘支持向量机预测控制器、第一回路PID实时控制器、第一回路GM水压预测模型、第二回路模糊最小二乘支持向量机预测控制器、第二回路PID实时控制器、第二回路GM水压预测模型和RBF神经网络逆解耦控制器；所述的第一回路模糊最小二乘支持向量机预测控制器和第一回路PID实时控制器并联作为第一回路的水流量复合控制器，第二回路模糊最小二乘支持向量机预测控制器和第二回路PID实时控制器并联作为第二回路的水流量复合控制器，第一回路的水流量复合控制器和第二回路的水流量复合控制器的输出分别作为RBF神经网络逆解耦控制器的输入；所述的第一回路水压传感器(18)的输出作为第一回路GM水压预测模型的输入，第一回路GM水压预测模型的输出作为第一回路模糊最小二乘支持向量机预测控制器的反馈量构成第一回路供水流量的预测控制；所述的第二回路水压传感器(17)的输出作为第二回路GM水压预测模型的输入，第二回路GM水压预测模型的输出作为第二回路模糊最小二乘支持向量机预测控制器的反馈量构成第二回路供水流量的预测控制。
2.根据权利要求1所述的一种水源监测与智能化控制分级供水装置，其特征在于：所述的RBF神经网络逆解耦控制器由积分第一回路、积分第二回路和RBF神经网络组成，所述的RBF神经网络由T、H、I、J、K和L共六个输入节点、十个中间节点和P、Q两个输出节点组成，P、Q两个输出节点分别作为第一电磁换向阀(7)和第二电磁换向阀(8)的输入控制量。
3.根据权利要求2所述的一种水源监测与智能化控制分级供水装置，其特征在于：所述的积分第一回路和积分第二回路均由第1个积分器和第2个积分器串联构成，第一回路的水流量复合控制器的输出为积分第一回路的第1个积分器的输入和RBF神经网络的第I输入，积分第一回路的第1个积分器输出分别为RBF神经网络的第H输入和积分第一回路的第2个积分器输入，积分第一回路的第2个积分器输出作为RBF神经网络的第T输入；第二回路的水流量复合控制器的输出为积分第二回路的第1个积分器的输入和RBF神经网络的第L输入，积分第二回路的第1个积分器输出分别为RBF神经网络的第K输入和积分第二回路的第2个积分器输入，积分第二回路的第2个积分器输出作为RBF神经网络的第J输入。
4.根据权利要求1所述的一种水源监测与智能化控制分级供水装置，其特征在于：在所述的蓄水池(13)中相互垂直设置第一挡板(14)和第二挡板(15)，第一挡板(14)和第二挡板(15)通过凹槽交错固定，在该交错固定处设置转轴(16)，转轴(16)贯穿于第一挡板(14)和第二挡板(15)的连结处。
5.根据权利要求4所述的一种水源监测与智能化控制分级供水装置，其特征在于：在所述的蓄水池(13)下方设有步进电机(10)，步进电机(10)通过转轴(16)驱动第一挡板(14)和第二挡板(15)。
6.根据权利要求1所述的一种水源监测与智能化控制分级供水装置，其特征在于：在所述的蓄水池(13)内壁的上方设置过滤网(9)。
7.根据权利要求6所述的一种水源监测与智能化控制分级供水装置，其特征在于：所述的过滤网(9)包括过滤盒(904)，在过滤盒(904)内由下向上设置中空纤维超滤膜UF滤芯(901)，颗粒精洗椰壳活性炭滤芯(902)和PP棉滤芯(903)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810283884.4A CN108589833B (zh) | 2018-04-02 | 2018-04-02 | 一种水源监测与智能化控制分级供水装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810283884.4A CN108589833B (zh) | 2018-04-02 | 2018-04-02 | 一种水源监测与智能化控制分级供水装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108589833A CN108589833A (zh) | 2018-09-28 |
| CN108589833B true CN108589833B (zh) | 2020-03-27 |
Family
ID=63624138
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810283884.4A Active CN108589833B (zh) | 2018-04-02 | 2018-04-02 | 一种水源监测与智能化控制分级供水装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108589833B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108425405B (zh) * | 2018-04-02 | 2024-02-13 | 淮阴工学院 | 一种网络化水源监测及分级供水装置及其监测系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02303595A (ja) * | 1989-05-15 | 1990-12-17 | Toto Ltd | 給水浄化装置 |
| EP2497750A1 (en) * | 2011-03-11 | 2012-09-12 | HUSTY M. Styczen, J. Hupert Spolka Jawna | Water treatment system, a method of its automatic regeneration and a controller for the water treatment system |
| CN203890176U (zh) * | 2014-04-09 | 2014-10-22 | 安徽华盛科技控股股份有限公司 | Cit实验室用超纯水一体化机 |
| CN204369739U (zh) * | 2015-01-08 | 2015-06-03 | 新疆杰农种子有限责任公司 | 一种瓜果种子清洗废水处理系统 |
-
2018
- 2018-04-02 CN CN201810283884.4A patent/CN108589833B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02303595A (ja) * | 1989-05-15 | 1990-12-17 | Toto Ltd | 給水浄化装置 |
| EP2497750A1 (en) * | 2011-03-11 | 2012-09-12 | HUSTY M. Styczen, J. Hupert Spolka Jawna | Water treatment system, a method of its automatic regeneration and a controller for the water treatment system |
| CN203890176U (zh) * | 2014-04-09 | 2014-10-22 | 安徽华盛科技控股股份有限公司 | Cit实验室用超纯水一体化机 |
| CN204369739U (zh) * | 2015-01-08 | 2015-06-03 | 新疆杰农种子有限责任公司 | 一种瓜果种子清洗废水处理系统 |
Non-Patent Citations (1)
| Title |
|---|
| "非线性解耦控制在油气水三相分离器控制中的应用";胡志刚;《西安石油学院学报（自然科学版）》;20030531;第18卷(第3期);第25-27页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108589833A (zh) | 2018-09-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108425405B (zh) | 一种网络化水源监测及分级供水装置及其监测系统 | |
| CN102080820B (zh) | 一种蒸汽锅炉表面排污的最优化节能控制方法 | |
| CN103197539B (zh) | 污水处理智能优化控制曝气量的方法 | |
| CN107065515B (zh) | 基于模糊pid控制的板式换热器模型构建方法 | |
| Pathmanathan et al. | Development and implementation of fuzzy logic controller for flow control application | |
| CN108589833B (zh) | 一种水源监测与智能化控制分级供水装置 | |
| CN206421215U (zh) | 一种管道灌溉恒压监控系统 | |
| CN106369834A (zh) | 基于神经网络的直热式热泵系统恒温流量控制方法 | |
| CN112596386A (zh) | 基于Matlab的机理模型、概念模型与数据模型的城市排水系统仿真控制混合模型 | |
| Zamarreno et al. | State-space neural network for modelling, prediction and control | |
| CN201086055Y (zh) | 矿棉吸声板表面的喷涂控制系统 | |
| CN107152551A (zh) | 一种调压控制方法及调压控制装置 | |
| CN105605965A (zh) | 一种自适应循环冷却水换热器自动在线清洗系统及方法 | |
| CN104123348B (zh) | 一种基于arx的供水管网在线建模方法 | |
| CN206468861U (zh) | 多功能平衡阀 | |
| CN106370445B (zh) | 船舶压载水过滤器性能实验装置 | |
| CN203028084U (zh) | 一种烟叶复烤系统 | |
| CN110275554A (zh) | 基于自抗扰技术的供热温度智能控制器 | |
| CN101301538A (zh) | 水处理药剂投加模糊智能控制系统 | |
| CN107544569A (zh) | 一种v型滤池过滤状态保持恒定液位的控制方法 | |
| CN206563911U (zh) | 一种基于pid神经网络的双容液位控制系统 | |
| CN114460985B (zh) | 一种基于单片机的储箱增压控制系统及控制方法 | |
| CN207845269U (zh) | 基于实时our的恒do控制系统 | |
| WO2022233101A1 (zh) | 一种低温热系统的智能优化控制装备 | |
| Ali et al. | Optimization of water level control systems using anfis and fuzzy-pid model |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200520 Address after: 211600 No. 161 West Jinhu Road, Jinhu Economic Development Zone, Jiangsu, Huaian Patentee after: JIANGSU RED LIGHT INSTRUMENT AND METER PLANT CO.,LTD. Address before: No.19, Meigao Road, Huai'an Economic Development Zone, Huai'an City, Jiangsu Province Patentee before: Huai'an Kechuang Intellectual Property Operation Co.,Ltd. Effective date of registration: 20200520 Address after: No.19, Meigao Road, Huai'an Economic Development Zone, Huai'an City, Jiangsu Province Patentee after: Huai'an Kechuang Intellectual Property Operation Co.,Ltd. Address before: While the economic and Technological Development Zone of Jiangsu Province, Huaian City, 223003 East Road No. 1 Patentee before: HUAIYIN INSTITUTE OF TECHNOLOGY |