CN110002552B - 一种基于神经网络控制的电渗析处理设备及其工作方法 - Google Patents
一种基于神经网络控制的电渗析处理设备及其工作方法 Download PDFInfo
- Publication number
- CN110002552B CN110002552B CN201910292025.6A CN201910292025A CN110002552B CN 110002552 B CN110002552 B CN 110002552B CN 201910292025 A CN201910292025 A CN 201910292025A CN 110002552 B CN110002552 B CN 110002552B
- Authority
- CN
- China
- Prior art keywords
- baffle
- neural network
- liquid
- shell
- conductivity
- 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
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/46—Treatment of water, waste water, or sewage by electrochemical methods
- C02F1/469—Treatment of water, waste water, or sewage by electrochemical methods by electrochemical separation, e.g. by electro-osmosis, electrodialysis, electrophoresis
- C02F1/4693—Treatment of water, waste water, or sewage by electrochemical methods by electrochemical separation, e.g. by electro-osmosis, electrodialysis, electrophoresis electrodialysis
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
- C02F2103/16—Nature of the water, waste water, sewage or sludge to be treated from metallurgical processes, i.e. from the production, refining or treatment of metals, e.g. galvanic wastes
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/02—Temperature
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2209/00—Controlling or monitoring parameters in water treatment
- C02F2209/05—Conductivity or salinity
Abstract
本发明公开一种基于神经网络控制的电渗析处理设备,包括电镀废液储槽、电渗析装置和浓缩液储槽,电导检测器由壳体,盖设在壳体上的封盖,密贴于壳体内的阻流网和处于阻流网内的缓流器组成,缓流器具有第一挡板和与第一挡板相对间隔设置的第二挡板,第一挡板处于进液口与第二挡板之间,第一挡板和第二挡板上开设有若干个通水孔,且第一挡板上的各通水孔与第二挡板上的各通水孔相错位设置,电导率探针的检测端和温度传感器的检测端处于出液口与第二挡板之间的范围内。与现有技术相比,能使电导率探针及温度传感器的读数稳定,保证神经网络控制系统的精准控制,并使整个电渗析处理设备运行的可靠稳定且全自动化操控。
Description
技术领域
本发明涉及废液处理领域,尤其涉及一种基于神经网络控制的电渗析处理设备及其工作方法。
背景技术
随着我国经济高速发展以及劳动力市场扩大,中国已经成为世界制造王国,但制造业发展却带来了大量的污染。在各种污染源中,电镀废液以其毒性大,排放量大,难治理尤其值得关注。据不完全统计,全国现有1.5万家电镀生产厂,每年排出的电镀废液约40亿m3。电镀废液水质复杂,涉及到各种重金属离子、有机化合物及无机化合物等诸多有害物质,有些还含致癌、致畸、致突变的剧毒物质,对人类危害极大。这些物质如果不经处理进入环境,必定会对生态环境及人类产生广泛而严重的危害。另外,回收电镀废液中的重金属可以彻底全面利用资源,极具经济价值。因此电镀废液的治理是工业废液治理的重中之重的问题。
目前常见的电镀废液处理方法有化学沉淀法、离子交换法、吸附法、膜分离法以及电渗析法等。其中,电渗析技术是一种利用电势差,将溶液中的离子通过离子交换进行分离的膜分离方法,可以在较低的电势下,将溶液中的离子进行浓缩分离,利用电导池检测得到规定的离子浓度后,便可将处理淡化后的废液排除,并将浓缩液导回到蓄槽继续电镀。传统的电渗析技术的监控较为普通,自动化能力较差,由此,随着科学技术的发展,有必要发明一种运行稳定可靠,全自动化控制的电渗析处理设备。
有鉴于此,本发明人进行深入研究,遂于本案产生。
发明内容
为了克服现有技术中存在的不足,本发明提供一种运行稳定可靠,全自动控制的基于神经网络控制的电渗析处理设备。
本发明还提供了一种运行稳定可靠,全自动控制的基于神经网络控制的电渗析处理设备的工作方法。
本发明的一种基于神经网络控制的电渗析处理设备,包括电镀废液储槽、电渗析装置和浓缩液储槽,电渗析装置具有废液进口、废液出口、浓缩液进口和浓缩液出口,电镀废液储槽依次经一第一水泵与一电导检测器和废液进口相连通,废液出口处安装有一导电检测器,浓缩液储槽依次经一第二水泵与一导电检测器和浓缩液进口相连通,浓缩液出口处安装有一导电检测器,四电导检测器内均设置有电导率探针及温度传感器;还包括有神经网络控制系统,各上述电导率探针和各上述温度传感器的输出端均与上述神经网络控制系统的输入端电连接,上述神经网络控制系统的输出端与上述第一水泵和第二水泵控制连接;
上述电导检测器由壳体、封盖、阻流网和缓流器组成,上述壳体为上端呈开口状的中空壳体,上述封盖密封配合设置在壳体的上端端部处,上述电导率探针和温度传感器安装在上述封盖上,且上述电导率探针的探测端和上述温度传感器的探测端处于壳体内,上述壳体侧壁上设有相对设置的进液口和出液口,上述阻流网为与壳体形状相吻合的两端呈开口状的中空柱体,上述阻流网由铁氟龙管经雕刻床雕刻而成的棱格网,上述阻流网安装于上述壳体内,并与壳体内侧壁相贴配合,且上述壳体上设有限制阻流网偏移的偏移结构;
上述缓流器具有第一挡板和第二挡板,第一挡板与第二挡板固定紧立于上述阻流网内,并相对间隔设置,且第一挡板和第二挡板的侧壁与阻流网密贴配合,第一挡板与进液口相对设置并处于进液口与第二挡板之间,第一挡板和第二挡板上开设有若干个通水孔,且第一挡板上的各通水孔与第二挡板上的各通水孔相错位设置,上述电导率探针的检测端和温度传感器的检测端处于出液口与第二挡板之间的范围内。
上述壳体和上述阻流网均呈圆柱体,上述第一挡板和第二挡板均呈圆形结构。
上述第二挡板朝向第一挡板的一面上凹设有若干个缓冲槽,各缓冲槽与第一挡板上的通水孔相对位,每一缓冲槽均对位一个通水孔。
上述第一挡板与上述第二挡板之间设有缓冲弹簧和两限位杆,两限位杆相对设置,上述缓冲弹簧处于两限位杆之间,上述缓冲弹簧的两端分别对应与第一挡板和第二挡板固定,上述限位杆的第一端端部与上述第一挡板固定,上述限位杆的第二端端部穿过第二挡板并向远离第二挡板的方向延伸,且上述限位杆的第二端端部固定有其外径大于限位杆外径的方形限位块。
上述壳体的内底面上向上凸设有两个沿壳体的周向方向延伸的弧形块,该弧形块与壳体的内侧壁之间具有其宽度与阻流网的厚度相匹配的间距,两弧形块相对设置,上述阻流网的高度低于壳体的高度,上述阻流网的底面与上述壳体的内底面相密贴,上述封盖的底面向下延伸有凸柱,此凸柱的下端端部一体延伸有顶压在阻流网顶面上的压紧板。
一种基于神经网络控制的电渗析处理设备的工作方法,包括以下步骤,
步骤一,将基于神经网络控制的电渗析处理设备应用在电镀厂的电镀废液处理中;
步骤二,电镀废液储槽和浓缩液储槽内液体分别对应流至电导检测器的进液口中并涌入壳体内,涌入壳体内的液体会马上受阻流网而向进液口周向环流,最后经阻流网的网孔流出,流出的液体一部分撞击到第一挡板上并向外周围散开、另一部分直穿过第一挡板的通水孔流出,流出的液体一部分一部分撞击到第二挡板上并向外周围散开、另一部分直穿过第二挡板的通水孔向出液口方向流出,出液口流出前该导向检测器上电导率探针及温度传感器对液体进行数据采集,采集后的数据发送给神经网络控制系统;
步骤三,与电镀废液储槽相对应的电导检测器出液口流出的液体经电渗析装置的废液进口流至电渗析装置内,与浓缩液储槽相对应的电导检测器出液口流出的液体经电渗析装置的浓缩液进口流至电渗析装置内,流至电渗析装置内的液体进行电渗析处理后,废液依次经废液出口和废液出口处的电导检测器流出,浓缩液依次经浓缩液出口和浓缩液出口处的电导检测器流出,废液和浓缩液流经电导检测器的流经过程与步骤二中液体流经电导检测器的流经过程相同;此时废液和浓缩液分别从电导检测器的出液口流出前其上的电导率探针及温度传感器相应触发进行数据采集,采集到的数据发送给神经网络控制系统;
步骤四,神经网络控制系统接收到的电导检测器的电导率数据进入神经网络控制系统的神经网络模型进行计算得出液体浓度值,此液体浓度值一方面通过数据差分处理得到浓度差数据,此浓度差数据经神经网络模型计算出反应速率与预测的功耗化数值,另一方面通过鲁棒优化模型进行脉冲微调计算得到电流脉冲的占空比与频率的脉冲微调数值,再一方面进行流速微调计算得到流速微调数值,最后通过计算出来的脉冲微调数值、流速微调数值及反应速率与预测的功耗化数值作出调节决策,该调节决策反馈给第一水泵和第二水泵,控制第一水泵和第二水泵的转速;同时计算出来的脉冲微调数值、流速微调数值及反应速率与预测的功耗化数值一起计算出神经网络阀值,由此神经网络阀值决策是否对当前神经网络模型进行重新构建,若决策为是时,构建出一个新的神经网络模型,新在神经网络模型在神经网络控制系统的进程重新开始时重新载入,获得新的神经网络模型。
本发明的一种基于神经网络控制的电渗析处理设备,在处理时液体流至电导检测器时液体依次经阻流网、第一挡板和第二挡板后由电导率探针及温度传感器进行检测,此时流体的动能得到显著降低,且新流入流体和原先部分的液体得以均匀溶合,从而使电导率探针及温度传感器的读数稳定,保证神经网络控制系统的精准控制,并采用神经网络控制系统的自适应、自组织和高速寻找优化解能力的特点使整个电渗析处理设备运行的可靠稳定且全自动化操控。
附图说明
图1为本发明的结构示意图;
图2为电导检测器的结构示意图;
图3为电导检测器的打开状态图(省略缓流器);
图4为缓流器结构示意图;
图5为神经网络控制系统的工作流程示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
本发明的一种基于神经网络控制的电渗析处理设备,如图1-4所示,包括电镀废液储槽1、电渗析装置2和浓缩液储槽3,电渗析装置2具有废液进口、废液出口、浓缩液进口和浓缩液出口,电镀废液储槽1依次经一第一水泵41与一电导检测器51和废液进口相连通,废液出口处安装有一导电检测器52,浓缩液储槽3依次经一第二水泵41与一导电检测器53和浓缩液进口相连通,浓缩液出口处安装有一导电检测器54,四电导检测器51、52、53、54内均设置有电导率探针及温度传感器。本发明中,该电渗析处理设备的电镀废液储槽、电渗析装置和浓缩液储槽参见本发明人申请的专利号为201410299013.3,专利名称为一种智能电渗析控制系统的电镀废液储槽、电渗析装置和浓缩液储槽,在此不再描述。
本发明的创新之处在于:还包括有神经网络控制系统,各电导率探针和各温度传感器的输出端均与神经网络控制系统的输入端电连接,神经网络控制系统的输出端与第一水泵和第二水泵控制连接。
四电导检测器的结构相同,在此以电导检测器51为例,电导检测器51由壳体511、封盖512、阻流网513和缓流器组成,壳体511为上端呈开口状的中空壳体,优选的是,此中空壳体为圆柱体,封盖512密封配合设置在壳体511的上端端部处,优佳的是封盖512呈圆形片体,封盖512的外径大于壳体511的外径,封盖512通过316不锈钢螺丝锁固在一起,所述电导率探针和温度传感器安装在封盖512上,且电导率探针的探测端和温度传感器的探测端处于壳体511的液体内,壳体511侧壁上设有相对设置的进液口和出液口,进液口与第一水泵相连通,出液口与电渗析装置2相连通,阻流网513为与壳体511形状相吻合的两端呈开口状的中空柱体,阻流网513由铁氟龙管经雕刻床雕刻而成的网状,优选为棱格网,阻流网513安装于壳体511内,并与壳体511内侧壁相贴配合,且壳体511上设有限制阻流网513偏移的偏移结构,优选的是,该壳体511的内底面上向上凸设有两个沿壳体的周向方向延伸的弧形块514,该弧形块514与壳体511的内侧壁之间具有其宽度与阻流网的厚度相匹配的间距,两弧形块514相对设置,阻流网513的高度低于壳体511的高度,阻流网513的底面与壳体511的内底面相密贴,封盖512的底面向下延伸有凸柱(图中未示出),此凸柱的下端端部一体延伸有顶压在阻流网513顶面上的压紧板515,利用两弧形块514对阻流网513的下部限位,压紧板515对阻流网513的上端压紧,避免阻流网513在持续冲击下发生偏移和脱落。本发明中,电导检测器52的壳体的进液口与废液出口相连通、出液口排出废液,电导检测器53的壳体的进液口与第二水泵相连通、出液口与浓缩液进口相连通,电导检测器54的壳体的进液口与浓缩液出口相连通、出液口排出浓缩液。
所述的缓流器具有第一挡板516和第二挡板517,第一挡板516和第二挡板517均呈圆形结构,第一挡板516与第二挡板517固定紧立于阻流网513内,并相对间隔设置,且第一挡板516和第二挡板517的外侧壁与阻流网513的内侧壁密贴配合,第一挡板516与进液口相对设置,第二挡板517与出液口相对设置,第一挡板516处于进液口与第二挡板517之间,第一挡板516和第二挡板517上开设有若干个通水孔100,且第一挡板516上的各通水孔与第二挡板517上的各通水孔相错位设置,电导率探针的检测端和温度传感器的检测端处于出液口与第二挡板之间的范围内。
本发明的一种基于神经网络控制的电渗析处理设备,由于第一挡板和第二挡板均与阻流网相贴,阻流网与壳体内侧相贴,使壳体内部形成有与进液口相通的第一腔室、与出液口相通的第二腔室及处于第一腔室和第二腔室之间的第三腔室,应用时,液体流至壳体的进液口时向阻流网513的阻隔,使液体向周边散开,形成一段环流,有效减缓流体流速,并利用阻流网513的菱形网络还起到一定的导流作用,经阻流网513打散的液体流至第一腔室内,第一腔室内的液体会受第一挡板阻挡与第一挡板相碰撞,受第一挡板碰撞后一部分从第一挡板的通水孔流出至第三腔室内,另一部分受挡而向外周围散开,再一次减缓流速及降低流体的动能;流至第三腔室内的流体也再一次受第二挡板阻挡,与第二挡板碰撞,受第二挡板碰撞后一部分从第二挡板的通水孔流出至第二腔室内,另一部分受挡而向外周围散开,再一次减缓流速及降低流体的动能;此时处于第二腔室内的电导率探针及温度传感器对流体进行检测,此时流体的动能得到显著降低,且新流入流体和原先部分的液体得以均匀溶合,这样,电导率探针及温度传感器在设备运行的整个过程中读数都非常稳定,保证神经网络控制系统的精准控制;同时,采集的数据发送给神经网络控制系统处理,神经网络控制系统具有自适应、自组织和高速寻找优化解能力的特点使整个电渗析处理设备的运行可靠、稳定,另整个系统结构简易,易于操作、使用,连接方便、简易。
本发明中,所述第二挡板517朝向第一挡板516的一面上凹设有若干个缓冲槽518,各缓冲槽与第一挡板上的通水孔相对位,每一缓冲槽均对位一个通水孔;这样,从第一挡板的通水孔流出的水会直接冲至缓冲槽内,使缓冲槽对流体进行缓冲,再一次降低流体的动能,不会直接从第二挡板的通水孔流出,使新旧流体得以充分混合,进一步保证电导率探针及温度传感器读数的稳定。
本发明中,所述第一挡板516与第二挡板517之间设有缓冲弹簧519和两限位杆520,两限位杆520相对称设置,缓冲弹簧519处于两限位杆520之间,缓冲弹簧519为张紧弹簧,缓冲弹簧519的两端分别对应与第一挡板516和第二挡板517固定,限位杆520的第一端端部与第一挡板516固定,限位杆520的第二端端部穿过第二挡板517并向远离第二挡板的方向延伸,且限位杆的第二端端部固定有其外径大于限位杆外径的方形限位块521;利用此缓冲弹簧519使第二挡板516受到冲击时吸收动能,减缓第二挡板516的移动距离,平缓流体的混合过程;同时,利用限位杆和限位杆使第二挡板受冲击背向第一挡板方向远离的距离不会太远,避免第二挡板远离的距离太远而令缓冲弹簧过渡拉伸而失效的问题,延伸了整个电导检测器的使用寿命。
本发明的一种基于神经网络控制的电渗析处理设备的工作方法,包括以下步骤,
步骤一,将基于神经网络控制的电渗析处理设备应用在电镀厂的电镀废液处理中;
步骤二,电镀废液储槽和浓缩液储槽内液体分别对应流至电导检测器的进液口中并涌入壳体内,涌入壳体内的液体会马上受阻流网而向进液口周向环流,最后经阻流网的网孔流出,流出的液体一部分撞击到第一挡板上并向外周围散开、另一部分直穿过第一挡板的通水孔流出,流出的液体一部分一部分撞击到第二挡板上并向外周围散开、另一部分直穿过第二挡板的通水孔向出液口方向流出,出液口流出前该导向检测器上电导率探针及温度传感器对液体进行数据采集,采集后的数据发送给神经网络控制系统;
步骤三,与电镀废液储槽相对应的电导检测器出液口流出的液体经电渗析装置的废液进口流至电渗析装置内,与浓缩液储槽相对应的电导检测器出液口流出的液体经电渗析装置的浓缩液进口流至电渗析装置内,流至电渗析装置内的液体进行电渗析处理后,废液依次经废液出口和废液出口处的电导检测器流出,浓缩液依次经浓缩液出口和浓缩液出口处的电导检测器流出,废液和浓缩液流经电导检测器的流经过程与步骤二中液体流经电导检测器的流经过程相同;此时废液和浓缩液分别从电导检测器的出液口流出前其上的电导率探针及温度传感器相应触发进行数据采集,采集到的数据发送给神经网络控制系统;
步骤四,如图5所示,神经网络控制系统接收到的电导检测器的电导率数据进入神经网络控制系统的神经网络模型进行计算得出液体浓度值,此液体浓度值一方面通过数据差分处理得到浓度差数据,此浓度差数据经神经网络模型计算出反应速率与预测的功耗化数值,另一方面通过鲁棒优化模型进行脉冲微调计算得到电流脉冲的占空比与频率的脉冲微调数值,再一方面进行流速微调计算得到流速微调数值,最后通过计算出来的脉冲微调数值、流速微调数值及反应速率与预测的功耗化数值作出调节决策,该调节决策反馈给第一水泵和第二水泵,控制第一水泵和第二水泵的转速;同时计算出来的脉冲微调数值、流速微调数值及反应速率与预测的功耗化数值一起计算出神经网络阀值,由此神经网络阀值决策是否对当前神经网络模型进行重新构建,若决策为是时,构建出一个新的神经网络模型,新在神经网络模型在神经网络控制系统的进程重新开始时重新载入,获得新的神经网络模型。
本发明的处理设备,采用神经网络控制系统,需先进行初始模型的形成,自动化生产一旦采用神经网络的模型控制方法,模型初始化时会为生产过程的控制因数确定出控制因数适用值域,如果所取的值域内部包含最优控制因素,则在模型自动优化过程中生成的最优因数可以得到确定,而最优因素不在所选的值域方位内则无法在自动控制与模型的再优化过程中得到最优解,模型的生成过程中会出现数据在多次优化之后其所选的最优因素在所选值域的最小或最大值的端点,此时的模型会因神经网络模型的隐含层和关联的各个因子的关系之间的耦合关系而由一个非确定性的最优因素而影响与其关联的因数的确定,则模型初始值值域的确定关乎模型在生产过程中的模型生成与生产安全,本实验中的初始值的确定范围如表1所示:
表1模型初始值因数
控制因数 | 数值范围 |
废液流体的进口温度 | 5~40℃ |
浓液流体的进口温度 | 8~40℃ |
废液流体的出口温度 | 5~45℃ |
浓液流体的出口温度 | 5~48℃ |
电渗析电流的占空比 | 15%~100% |
浓液流体电机流速 | 0.5~3L/min |
废液流体电机流速 | 0.85~5L/min |
浓液流体出口电导率 | 300~0.8MΩ |
废液流体出口电导率 | 1.5K~3MΩ |
废液进口电导率 | <0.8MΩ |
初始模型的获得:在构建初始模型时所使用的数据是为在非智能模式下得到的数据,在MATLAB环境下构建出该智能算法构架的情况下,将非智能模式的数据植入算法模型,训练出原始模型,原始模型编译为C++函数库进行调用。
初始模型确认后,进行确定控制因素,由于神经网络中的输入因子即是在自动化应用中的控制因素,因此控制因素中的每个数据在控制与模型输出中都必须拥有其各自的权重(与控制器中断响应的优先权相类似),所以在模型建立之前为各个控制因素确立各自默认的权重,从而确立各个控制因素在模型生成过程中的先后排列顺序,从而达到简化各个因数之间的耦合关系,而为初始化的模型奠定基础,如表2所示;
表2控制因素权重
控制因素 | 权重等级 |
渗析电流占空比 | 1级 |
流体进口温度 | 4级 |
流体出口温度 | 3级 |
流体流速 | 2级 |
放大电路放大等级 | 5级 |
控制因素确认后进行决策与优化进程,该进程由槽函数开启,采集完的电导率数据载入函数后由神经网络模型得出该对系统进行的渗析系统流速调节差,反馈回到现场控制器对流速进行微调。紧接着对液体浓度值进行差分处理得出浓度差数据,浓度差数据由神经网络模型处理得出反应速率与预测的功耗值。液体浓度再进入预定的鲁棒膜型由鲁棒模型计算出电流脉冲的占空比与频率;脉冲微调的数值、流速微调的数值,反应速率与预设的功耗数值一起计算出该神经网络的阀值,由阀值决策是否对当前神经网络模型进行重新构建于训练。构建完成的模型重新载入前面一轮循环所得到的数据,对其可行性进行分析,分析完成的模型在进程重新开始的时候重新载入,已获得新的模型。
与现有技术相比,采用神经网络系统来控制使整个系统设备实现全自动化生产,且神经网络系统具有自适应、自组织和高速寻找优化解能力的特点使自动化生产的运行可靠、稳定及精准,大大缓解了人力,显著提高的生产效率。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (5)
1.一种基于神经网络控制的电渗析处理设备的工作方法,其特征在于:包括如下步骤:
步骤一,将基于神经网络控制的电渗析处理设备应用在电镀厂的电镀废液处理中, 所述基于神经网络控制的电渗析处理设备包括电镀废液储槽、电渗析装置和浓缩液储槽,电渗析装置具有废液进口、废液出口、浓缩液进口和浓缩液出口,电镀废液储槽依次经一第一水泵与一电导检测器和废液进口相连通,废液出口处安装有一电导检测器,浓缩液储槽依次经一第二水泵与一电导检测器和浓缩液进口相连通,浓缩液出口处安装有一电导检测器,四电导检测器内均设置有电导率探针及温度传感器;还包括有神经网络控制系统,各上述电导率探针和各上述温度传感器的输出端均与上述神经网络控制系统的输入端电连接,上述神经网络控制系统的输出端与上述第一水泵和第二水泵控制连接;
上述电导检测器由壳体、封盖、阻流网和缓流器组成,上述壳体为上端呈开口状的中空壳体,上述封盖密封配合设置在壳体的上端端部处,上述电导率探针和温度传感器安装在上述封盖上,且上述电导率探针的探测端和上述温度传感器的探测端处于壳体内,上述壳体侧壁上设有相对设置的进液口和出液口,上述阻流网为与壳体形状相吻合的两端呈开口状的中空柱体,上述阻流网由铁氟龙管经雕刻床雕刻而成的棱格网,上述阻流网安装于上述壳体内,并与壳体内侧壁相贴配合,且上述壳体上设有限制阻流网偏移的偏移结构;
上述缓流器具有第一挡板和第二挡板,第一挡板与第二挡板固定紧立于上述阻流网内,并相对间隔设置,且第一挡板和第二挡板的侧壁与阻流网密贴配合,第一挡板与进液口相对设置并处于进液口与第二挡板之间,第一挡板和第二挡板上开设有若干个通水孔,且第一挡板上的各通水孔与第二挡板上的各通水孔相错位设置,上述电导率探针的检测端和温度传感器的检测端处于出液口与第二挡板之间的范围内;
步骤二,电镀废液储槽和浓缩液储槽内液体分别对应流至电导检测器的进液口中并涌入壳体内,涌入壳体内的液体会马上受阻流网而向进液口周向环流,最后经阻流网的网孔流出,流出的液体一部分撞击到第一挡板上并向外周围散开、另一部分直穿过第一挡板的通水孔流出,流出的液体一部分一部分撞击到第二挡板上并向外周围散开、另一部分直穿过第二挡板的通水孔向出液口方向流出,出液口流出前该电导检测器上电导率探针及温度传感器对液体进行数据采集,采集后的数据发送给神经网络控制系统;
步骤三,与电镀废液储槽相对应的电导检测器出液口流出的液体经电渗析装置的废液进口流至电渗析装置内,与浓缩液储槽相对应的电导检测器出液口流出的液体经电渗析装置的浓缩液进口流至电渗析装置内,流至电渗析装置内的液体进行电渗析处理后,废液依次经废液出口和废液出口处的电导检测器流出,浓缩液依次经浓缩液出口和浓缩液出口处的电导检测器流出,废液和浓缩液流经电导检测器的流经过程与步骤二中液体流经电导检测器的流经过程相同;此时废液和浓缩液分别从电导检测器的出液口流出前其上的电导率探针及温度传感器相应触发进行数据采集,采集到的数据发送给神经网络控制系统;
步骤四,神经网络控制系统接收到的电导检测器的电导率数据进入神经网络控制系统的神经网络模型进行计算得出液体浓度值,此液体浓度值一方面通过数据差分处理得到浓度差数据,此浓度差数据经神经网络模型计算出反应速率与预测的功耗化数值,另一方面通过鲁棒优化模型进行脉冲微调计算得到电流脉冲的占空比与频率的脉冲微调数值,再一方面进行流速微调计算得到流速微调数值,最后通过计算出来的脉冲微调数值、流速微调数值及反应速率与预测的功耗化数值作出调节决策,该调节决策反馈给第一水泵和第二水泵,控制第一水泵和第二水泵的转速;同时计算出来的脉冲微调数值、流速微调数值及反应速率与预测的功耗化数值一起计算出神经网络阀值,由此神经网络阀值决策是否对当前神经网络模型进行重新构建,若决策为是时,构建出一个新的神经网络模型,新的 神经网络模型在神经网络控制系统的进程重新开始时重新载入,获得新的神经网络模型。
2.根据权利要求1所述的一种基于神经网络控制的电渗析处理设备的工作方法,其特征在于:上述壳体和上述阻流网均呈圆柱体,上述第一挡板和第二挡板均呈圆形结构。
3.根据权利要求1或2所述的一种基于神经网络控制的电渗析处理设备的工作方法,其特征在于:上述第二挡板朝向第一挡板的一面上凹设有若干个缓冲槽,各缓冲槽与第一挡板上的通水孔相对位,每一缓冲槽均对位一个通水孔。
4.根据权利要求1或2所述的一种基于神经网络控制的电渗析处理设备的工作方法,其特征在于:上述第一挡板与上述第二挡板之间设有缓冲弹簧和两限位杆,两限位杆相对设置,上述缓冲弹簧处于两限位杆之间,上述缓冲弹簧的两端分别对应与第一挡板和第二挡板固定,上述限位杆的第一端端部与上述第一挡板固定,上述限位杆的第二端端部穿过第二挡板并向远离第二挡板的方向延伸,且上述限位杆的第二端端部固定有其外径大于限位杆外径的方形限位块。
5.根据权利要求1或2所述的一种基于神经网络控制的电渗析处理设备的工作方法,其特征在于:上述壳体的内底面上向上凸设有两个沿壳体的周向方向延伸的弧形块,该弧形块与壳体的内侧壁之间具有其宽度与阻流网的厚度相匹配的间距,两弧形块相对设置,上述阻流网的高度低于壳体的高度,上述阻流网的底面与上述壳体的内底面相密贴,上述封盖的底面向下延伸有凸柱,此凸柱的下端端部一体延伸有顶压在阻流网顶面上的压紧板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910292025.6A CN110002552B (zh) | 2019-04-12 | 2019-04-12 | 一种基于神经网络控制的电渗析处理设备及其工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910292025.6A CN110002552B (zh) | 2019-04-12 | 2019-04-12 | 一种基于神经网络控制的电渗析处理设备及其工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110002552A CN110002552A (zh) | 2019-07-12 |
CN110002552B true CN110002552B (zh) | 2021-07-23 |
Family
ID=67171306
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910292025.6A Active CN110002552B (zh) | 2019-04-12 | 2019-04-12 | 一种基于神经网络控制的电渗析处理设备及其工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110002552B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111392823B (zh) * | 2020-04-15 | 2021-04-23 | 中南大学 | 一种电絮凝过程的优化控制方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201093120Y (zh) * | 2007-08-23 | 2008-07-30 | 武汉阳逻机电设备修造有限公司 | 节流孔板组 |
CN104096481A (zh) * | 2014-06-27 | 2014-10-15 | 黎明职业大学 | 一种智能电渗析控制系统 |
CN207584264U (zh) * | 2017-12-18 | 2018-07-06 | 武汉永泰安阀门有限公司 | 一种多级减压节流装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4652479B1 (ja) * | 2010-07-14 | 2011-03-16 | ミズ株式会社 | 生体適用液への選択的水素添加器具 |
-
2019
- 2019-04-12 CN CN201910292025.6A patent/CN110002552B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201093120Y (zh) * | 2007-08-23 | 2008-07-30 | 武汉阳逻机电设备修造有限公司 | 节流孔板组 |
CN104096481A (zh) * | 2014-06-27 | 2014-10-15 | 黎明职业大学 | 一种智能电渗析控制系统 |
CN207584264U (zh) * | 2017-12-18 | 2018-07-06 | 武汉永泰安阀门有限公司 | 一种多级减压节流装置 |
Non-Patent Citations (1)
Title |
---|
基于神经网络的电渗析设备;曾飞虎;《2016年海峡科技专家论坛暨海峡两岸智能制造(泉州)研讨会》;20200531;第82-91页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110002552A (zh) | 2019-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106295800B (zh) | 一种基于递归自组织rbf神经网络的出水总氮tn智能检测方法 | |
CN110002552B (zh) | 一种基于神经网络控制的电渗析处理设备及其工作方法 | |
CN101298014A (zh) | 一种废气资源化处理装置 | |
CN204996242U (zh) | 导流挡板及其卧式气水分离器 | |
Wang et al. | Diagnosis of membrane bioreactor performance through residence time distribution measurements—a preliminary study | |
CN109205694A (zh) | 一种可调节水力空化仓装置 | |
CN218115077U (zh) | 一种重金属污水处理设备 | |
Correia et al. | Mathematical Modeling of the Hydrodynamics of an EGSB Reactor | |
CN202526941U (zh) | 利用真空气泡迁移作用的高效油液净化装置 | |
CN216144671U (zh) | 一种钢筋混凝土受多离子耦合侵蚀耐久性研究试验装置 | |
CN212680210U (zh) | 一种废水处理循环排放装置 | |
Kirsch et al. | Modeling the transverse shell-side mass transfer in hollow fiber membrane contactors at low Reynolds numbers | |
Li et al. | Application of computational fluid dynamics (CFD) to ozone contactor optimization | |
CN203128286U (zh) | 一种城镇污水处理系统 | |
Thyagarajan et al. | Experimental Evaluation of Novel Swirl Flow Air-Water Separation Apparatus for Desalination/Water Remediation Applications | |
CN201713369U (zh) | 混凝反应设备及安装有该混凝反应设备的污水处理系统 | |
CN216499424U (zh) | 一种液相色谱仪的废液收集设备 | |
CN104445479B (zh) | 一种高浓度废污水加气雾化蒸发处理方法 | |
CN214308320U (zh) | 一种工业废水余热回收利用装置 | |
RU155224U1 (ru) | Комбинированный выпарной аппарат пленочного типа | |
Latha et al. | Non chemical water treatment process for TDS reduction in cooling tower–specific study on electrical conductivity and turbidity | |
CN102657956A (zh) | 一种真空气泡迁移的高效油液净化装置 | |
CN104374665A (zh) | 水利水电工程施工生产废水多功能检测装置及检测方法 | |
US10788349B2 (en) | Experimental system and method for in-situ simulating different flooding-drying frequencies of shore zones | |
CN215463130U (zh) | 一种卧式碱喷淋洗气塔处理装置 |
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 |
Effective date of registration: 20221129 Address after: 362100 Xingyuan Road, Dongyuan Town, Quanzhou Taiwanese Investment Zone, Quanzhou City, Fujian Province Patentee after: Fujian Dongwu Environmental Protection Technology Co.,Ltd. Address before: 362000 298 Tonggang West Street, Feng Ze District, Quanzhou, Fujian Patentee before: LIMING VOCATIONAL University |
|
TR01 | Transfer of patent right |