CN112183533B - 污水泡沫高度测量装置、方法、预测警报及处理系统 - Google Patents
污水泡沫高度测量装置、方法、预测警报及处理系统 Download PDFInfo
- Publication number
- CN112183533B CN112183533B CN202011051893.4A CN202011051893A CN112183533B CN 112183533 B CN112183533 B CN 112183533B CN 202011051893 A CN202011051893 A CN 202011051893A CN 112183533 B CN112183533 B CN 112183533B
- Authority
- CN
- China
- Prior art keywords
- height
- foam
- value
- foam height
- scale
- 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
- 239000006260 foam Substances 0.000 title claims abstract description 190
- 239000010865 sewage Substances 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 63
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 20
- 239000002518 antifoaming agent Substances 0.000 claims description 17
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 239000013530 defoamer Substances 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 238000002347 injection Methods 0.000 claims description 6
- 239000007924 injection Substances 0.000 claims description 6
- 238000005507 spraying Methods 0.000 claims description 6
- 238000000691 measurement method Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000013461 design Methods 0.000 abstract description 2
- 230000008030 elimination Effects 0.000 abstract description 2
- 238000003379 elimination reaction Methods 0.000 abstract description 2
- 230000000977 initiatory effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 239000007788 liquid Substances 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000007792 addition Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000010076 replication Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000003254 anti-foaming effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B5/00—Measuring arrangements characterised by the use of mechanical techniques
- G01B5/02—Measuring arrangements characterised by the use of mechanical techniques for measuring length, width or thickness
- G01B5/06—Measuring arrangements characterised by the use of mechanical techniques for measuring length, width or thickness for measuring thickness
- G01B5/061—Measuring arrangements characterised by the use of mechanical techniques for measuring length, width or thickness for measuring thickness height gauges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Activated Sludge Processes (AREA)
Abstract
本发明提供了一种污水泡沫高度测量装置、方法、预测警报及处理系统,其装置包括分布在污水池中的至少一个标尺和用于拍摄所述标尺的至少一个摄像机,所述的摄像机连接于内置有泡沫高度测量模块的计算控制系统。高度测量方法包括:S1.获取摄像机拍摄到的分布在污水池中各标尺的标尺图像;S2.根据标尺图像获取每个标尺处的泡沫高度;S3.根据每个标尺的泡沫高度及占有的污水池面积计算污水池的泡沫高度均值。设计合理,成本不高;能够自动测量泡沫高度;从泡沫发起到泡沫消除全过程预测预警以及发出无法处理的异常警报消息;通过智能化识别泡沫高度及其变化趋势从而达到自动化处理目的,达到无人化操作目的。
Description
技术领域
本发明属于污水处理技术领域,尤其是涉及一种污水泡沫高度测量装置、方法、预测警报及处理系统。
背景技术
目前,公知的污水水池泡沫处理主要是人工发现泡沫有漫溢情况下,人工输入控制信号进行喷水或加药处理,无法进行泡沫高度的自动识别,无法进行泡沫报警处理的无人化识别,更无法预警和自动加药处理。
发明内容
本发明的目的是针对上述问题,提供一种污水泡沫高度测量装置;
本发明的目的是针对上述问题,提供一种污水泡沫高度测量方法
本发明的目的是针对上述问题,提供一种污水泡沫高度预测警报及处理系统。
为达到上述目的,本发明采用了下列技术方案:
一种污水泡沫高度测量装置,包括分布在污水池中的至少一个标尺和用于拍摄所述标尺的至少一个摄像机,所述的摄像机连接于内置有泡沫高度测量模块的计算控制系统。
在上述的污水泡沫高度测量装置中,所述的标尺远离污水池水面的顶端具有定位图形,标尺上位于定位图形下方均匀分布有刻度线;
所述的计算控制系统还连接有位于所述污水池中的液位计。
在上述的污水泡沫高度测量装置中,所述的定位图形中固定有指向刻度线方向的三角形箭头;
所述的标尺上具有夜光结构;
所述的摄像机拍摄范围包括所有标尺及所有标尺裸露部分的所有刻度线。
一种污水泡沫高度测量方法,包括以下步骤:
S1.获取摄像机拍摄到的分布在污水池中各标尺的标尺图像;
S2.根据标尺图像获取每个标尺处的泡沫高度;
S3.根据每个标尺的泡沫高度及占有的污水池面积计算污水池的泡沫高度均值。
在上述的污水泡沫高度测量方法中,在步骤S3中,污水池的泡沫高度均值计算方法包括公式(一):
b1a1+b2a2+b3a3......bnan=B (一)
B,污水池的泡沫高度均值;
bn,第n个标尺处的泡沫高度;
an,第n个标尺的权重占比;
S,污水池面积;
sn,指代第n个标尺占有的污水池面积。
在上述的污水泡沫高度测量方法中,每个标尺占有的污水池面积通过如下方式确定:
S31.确定每个标尺的位置;
S32.将每两个相邻标尺之间的距离等分并将两条等分线分别划入相应的两个标尺;
S33.连接标尺所对应的所有等分线远离标尺的一端并以此构成相应标尺的污水池占有面积。
在上述的污水泡沫高度测量方法中,在步骤S2中,通过以下方式获取每个标尺处的泡沫高度:
S21.识别标尺图像中裸露部分的的裸露图形刻度长;
S22.根据实际标尺与图像标尺比例关系计算实际标尺裸露部分的裸露实际刻度长;
S23.根据标尺位于污水水面上的水上刻度长和裸露实际刻度长计算相应标尺处的泡沫高度。
在上述的污水泡沫高度测量方法中,步骤S23具体包括:
S231.根据标尺图像分析图像中各标尺的顶部定位图形指向;
S232.若顶部定位图形垂直指向污水水面,则通过水上刻度长减去裸露实际刻度长度得到相应标尺处的泡沫高度,否则执行步骤S233;
S233.识别标尺图像中顶部定位图像与泡沫边界之间的距离,并根据相似三角形定理计算相应标尺处的泡沫高度。
一种污水泡沫高度预测警报及处理系统,包括传感器系统、计算控制系统和加药处理系统,所述传感器系统接入计算控制系统,计算控制系统连接于加药处理系统,所述的计算控制系统包括泡沫高度测量模块、泡沫高度预测模块,所述的泡沫高度预测模块包括高度预估处理模型A1、高度预估处理模型A2和高度预估处理模型A3,且三个高度预估处理模型的输出均为下一时刻的泡沫高度预测值,高度预估处理模型A1的输入向量包括当前时刻的泡沫高度测量值,以及泡沫增长速度均值、停留时间、水温、浊度计、溶解氧、PH、风量、雨量中的任意一种和多种的组合,高度预估处理模型A2的输入向量在高度预估处理模型A1的基础上增加消泡水的阀门开度,高度预估处理模型A3的输入向量在高度预估处理模型A2的基础上增加消泡剂流量。
在上述的污水泡沫高度预测警报及处理系统中,计算控制系统用于执行以下步骤:
A.在泡沫高度测量值低于模型A2启动阈值时,关闭消泡水喷射装置和消泡剂添加装置,并启动高度预估处理模型A1进行高度预测;
B.在泡沫高度测量值高于模型A2启动阈值时开启消泡水喷射装置,关闭消泡剂添加装置,并启动高度预估处理模型A2进行高度预测,同时使用高度预估处理模型A1获得比对高度预测值;
C.在消泡水喷射第一设定时间后或者高度预估处理模型A2的高度估算偏差小于第一偏差设定值时,测得泡沫增长速度为正值且比对高度预测值与高度预估处理模型A2的高度预测值差值小于设定差值时,或者泡沫高度测量值高于A3启动阈值时向用户发出警示消息,并进一步打开消泡剂添加装置,启动高度预估处理模型A3进行高度预测;
D.继续使用高度预估处理模型A1得到比对高度预测值,在消泡剂添加装置打开第二设定时间后或高度预估处理模型A3的高度高度估算偏差小于第二偏差设定值时,测得到泡沫增长速度为正值且比对高度预测值与高度预估处理模型A3的高度预测值差值小于报警设定差值时,或泡沫高度测量值大于报警设定高度值,向用户发出警示消息;
且在步骤A中,根据泡沫高度预测值与泡沫高度测量值对高度预估处理模型A1进行校正;
在步骤B中,根据泡沫高度预测值与泡沫高度测量值对高度预估处理模型A2进行校正;
在步骤D中,根据泡沫高度预测值与泡沫高度测量值对高度预估处理模型A3进行校正。
本发明的优点在于:设计合理,成本不高;能够自动测量泡沫高度;从泡沫发起到泡沫消除全过程预测预警以及发出无法处理的异常警报消息;通过智能化识别泡沫高度及其变化趋势从而达到自动化处理目的,达到无人化操作目的。
附图说明
图1是实施例一中本发明标尺、摄像机在污水池中的分布示意图;
图2是实施例一中的标尺图形示意图;
图3是实施例一中另一实施例的标尺图形示意图;
图4是实施例一中每个标尺处的泡沫高度求解图;
图5是实施例一中每个泡沫标尺的高度权值确定方法示意图;
图6是实施例二中污水泡沫高度预测警报及处理系统的结构框图;
图7是实施例二中泡沫高度预估模型方法示意图。
附图标记:标尺1;摄像机2;污水池3;发光管4;刻度线5;定位图形6;计算控制系统7;泡沫高度测量模块71;刻度识别模块72;泡沫高度预测模块73;传感器系统8;加药处理系统9;消泡剂添加装置91;消泡水喷射装置92;PLC控制器93。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步详细的说明。
实施例一
本实施例公开了一种污水泡沫高度测量装置,包括分布在污水池3中的至少一个标尺1和用于拍摄所述标尺1的至少一个摄像机2,摄像机2连接于内置有泡沫高度测量模块71的计算控制系统7,使用摄像机2拍摄包含全部标尺1刻度的图像到计算机。
标尺1底部位于污水池3的池底,且计算控制系统7还连接有位于污水池3中的液位计,用液位计校准泡沫高度起点,即污水池水面高度,标尺1位于污水水面上的水上刻度长为标尺的满刻度减去污水池的水面高度。
或者标尺1底部位于污水池水面上,此时标尺1位于污水水面上的水上刻度长即标尺的满刻度,这里可以使用质量较大的标尺底,或者通过固定在池底的连接线连接标尺底部等方式将各标尺限位在污水池的固定位置/固定范围内。上述两种情况均将标尺的底部作为标尺的零刻度,当然在投入使用时零刻度位置不一定在标尺底部,此时考虑底部与零刻度之间的长度后以前述相应的方式确定水上刻度长即可,具体不在此赘述。
进一步地,如图1所示,标尺1的数量以间隔分布覆盖污水池3池面为准,摄像机2数量以可拍摄到所有标尺1及拍摄到适合的图像尺寸及拍摄到每个标尺1水面以上的所有刻度线5为准。适合的图像由本领域技术人员根据经验或方便程度等因素确定。
具体地,如图2所示,标尺1远离污水池3水面的顶端具有镂空圆形定位图形6作为标尺1顶端的起始标志,定位图形6中固定有指向刻度线5方向的三角形箭头,镂空部分可以为三角形箭头部分,也可以为除三角形箭头外的其他部分;标尺1上位于定位图形6下方均匀分布有刻度线5,且这里的刻度线5呈“+”形和矩形相间形式,提高刻度辨认效率和准确度。
标尺1周围优选存在空白区域,且标尺1上优选具有夜光结构,夜光结构可以为反光膜,也可以为自发光结构,本实施例以自发光结构为例。如图2所示,标尺1中内置有密封发光管4,可实现标尺1的夜间发光以增强其可视度。
此外,如图3所示,还可以采用将密封发光管4设置在标尺1两侧的方式。
进一步地,本实施例还公开了一种基于污水泡沫高度测量装置的污水泡沫高度测量方法,本实施例泡沫高度测量模块71包括用于刻度识别的刻度识别模块72,首先训练得到前述刻度识别模块72:
①摄像机2拍摄各位置标尺1的标准图像,即无泡沫时的标尺图像存储到计算机中构成图像库,用于步骤②的训练和检验刻度识别模块72;
②通过滤波后,使用图像卷积神经网络软件识别起始标志和"+"形标志位置,识别起始标志和"+"形标志的方向,以及泡沫边界位置。
然后由泡沫高度测量模块71执行以下步骤:
S1.获取摄像机2拍摄到的分布在污水池3中各标尺1的标尺图像;
S2.根据标尺1的标尺图像获取每个标尺1处的泡沫高度;
S3.根据每个标尺1的泡沫高度及占有的污水池3面积计算污水池3的泡沫高度。
在步骤S2中,通过以下方式获取每个标尺1处的泡沫高度:
S21.识别标尺图像中裸露部分的裸露图形刻度长;即获取位于标尺1顶部的定位图形6与距离定位图形6最远的刻度线之间的距离长;
S22.根据实际标尺1与图像标尺1比例关系计算实际标尺1裸露部分的裸露实际刻度长;比例关系事先存入计算机中;
S23.根据标尺1位于污水水面上的水上刻度长和裸露实际刻度长计算相应标尺1处的泡沫高度。
进一步地,步骤S23具体包括:
S231.根据标尺图像分析图像中各标尺1的顶部定位图形6指向;
S232.若顶部定位图形6垂直指向污水水面,则通过水上刻度长减去裸露实际刻度长度得到相应标尺1处的泡沫高度,否则执行步骤S233;
S233.识别标尺图像中顶部定位图像与泡沫边界之间的距离,并根据相似三角形定理计算相应标尺1处的泡沫高度,即如图4所示,图4中,h2是标尺长度,h1是实际中起始标志到泡沫边界之间的距离,根据标尺图像中起始标志到泡沫边界之间的距离和比例关系获得,h5是裸露实际刻度长,根据裸露图像刻度长和比例关系获得,h4是液位高度,由液位计测量获得,h3是需要计算的泡沫高度,根据相似三角形定理公式(二)求得泡沫高度h3:
上述步骤S233是以标尺底部在污水池池底为例进行计算获得的泡沫高度;若标尺底部在污水池水面上,则将h4删去即可。
进一步地,通过前述步骤对每个标尺1处进行泡沫高度计算后,再对污水池3安装的标尺1进行泡沫位置分权处理,具体通过公式(一)计算污水池3的泡沫高度均值:
b1a1+b2a2+b3a3......bnan=B (一)
B,污水池3的泡沫高度均值,实施例二中提到的泡沫高度测量值值即为该值;
bn,第n个标尺处的泡沫高度;
an,第n个标尺的权重占比;
S,污水池3的面积;
sn,第n个标尺占有的污水池面积。
并且,每个标尺1占有的污水池面积通过如下方式确定:
S31.确定每个标尺1的位置;
S32.将每两个相邻标尺1之间的距离等分并将两条等分线分别划入相应的两个标尺1;
S33.连接标尺1所对应的所有等分线远离标尺1的一端并以此构成相应标尺1的污水池3占有面积。
相邻标尺覆盖水池面积边距按标尺的间距进行等分,在各标尺间分配污水水池的面积,各标尺的泡沫高度数据按权值进行合并处理获得污水水池泡沫高度均值。
如图5所示,图5为计算水池泡沫高度均值时,每个标尺的权值确定方法示意图,图中1~7为标尺及其位置示意,L1、L2为标尺①和②的距离等分示意,按此方法确定标尺①在污水池3占有面积S1。
实施例二
如图6所示,本实施例在实施例一的基础上提出了一种污水泡沫高度预测警报及处理系统,包括传感器系统8、计算控制系统7和加药处理系统9,传感器系统8接入计算控制系统7,计算控制系统7连接于加药处理系统9,传感器系统8包括风量传感器、雨量传感器、液位计、水温计、浊度计、溶解氧仪、PH计、流量计、摄像机2等。流量计输出结合水池几何尺寸和液位计输出到计算机用于估算污水停留时间,流量计用于测量消泡剂流量;计算控制系统7包括装载智能算法的计算机,智能算法包括用于测量泡沫高度的泡沫高度测量模块71和用于估算下一时刻泡沫高度的泡沫高度预测模块73,其中泡沫高度测量模块71包括有用于识别标尺刻度的刻度识别模块72;加药处理系统9包括PLC控制器93、消泡水喷射装置92和消泡剂添加装置91,消泡水喷射装置92根据污水池3池面几何形状配置多个电动阀门进行消泡操作,喷射水珠可以覆盖污水水池水面;消泡剂添加装置91出药口接到消泡水喷射装置92。
泡沫高度预测模块73由模型建立方法及其应用模型步骤构成。
模型建立方法包括高度预估处理模型A1、高度预估处理模型A2和高度预估处理模型A3建立方法:
①在计算机中构建BP算法的人工神经网络,形成高度预估处理模型A1、A2、A3。所需数据按时间间隔t进行采集,t值由泡沫增长速度经验值获得。在ti时刻,模型A1输入向量为泡沫高度测量值、泡沫增长速度均值、停留时间、水温、浊度、溶解氧、PH、风量、雨量作为输入变量,泡沫高度测量值由实施例一所述的方式测量得到,泡沫增长速度均值根据输入变量采集间隔时间值计算得到,停留时间获取方式前面已说明,水温、浊度、溶解氧、PH、风量、雨量等均由传感器系统8获得。
模型A2输入向量在复制模型一实例的基础上增加消泡水喷射装置92的阀门开度,模型A3在复制模型A2实例的基础上增加消泡剂添加装置91的消泡剂流量。输出为ti+1时刻的泡沫高度预测值,(i=1、2……)。其中t值可以由人工按泡沫增长速度的经验值在计算机上进行设置。
②在ti+1时刻泡沫高度测量值为导师信号,用于人工神经网络的训练。当ti+1时刻泡沫高度测量值与ti+1时刻泡沫高度预测值差值小于训练设定值时即认为训练完成。
应用泡沫高度预估处理模型A1、A2、A3建立泡沫高度预测模块73方法:
①不加消泡水情况下,泡沫高度预估处理模型A1的校正。当泡沫高度测量值低于②的启动设定值情况下应进行①。使用ti时刻测量得到的泡沫高度测量值、泡沫增长速度均值、停留时间、水温、浊度计、溶解氧、PH、风量、雨量作为输入变量,经过预估处理模型A1获得泡沫高度ti+1时刻的泡沫高度预测值H1i,并在ti+1时刻的泡沫高度测量值h1i+1进行模型校正。当泡沫高度测量值超过步骤②的启动设定值则进入步骤②。
②泡沫高度预测值超过②的启动设定值,加消泡水情况。用前一步骤最后的泡沫高度测量值作为输入、泡沫增长速度均值来调整阀门开度比例,以输入和比例乘积控制初始阀门开度,开启消泡水喷射装置92。在复制预估处理模型A1基础上增加阀门开度变量形成为预估处理模型A2,使用预估处理模型A2进行泡沫高度预估算,得到泡沫高度预测值H2i,并使用实测泡沫高度校正模型A2,估算和校正方法同①。并同时使用预估处理模型A1进行泡沫高度预估算得到泡沫高度预测值H1i。用H2i作为控制输入,用泡沫增长速度均值为调整阀门开度比例,按比例与H2i乘积来进行消泡水阀门开度控制。在②工作经过第一设定时间后或者H2i高度估算偏差小于第一偏差设定值时,测得泡沫增长速度为正值且H1i-H2i差值小于步骤③启动设定差值时,或者测得泡沫高度大于步骤③启动设定高度值,立即通过网络接口向用户发出警示消息和图片,并进入步骤③。当泡沫增长速度为负数,即处理方法有效,且测得泡沫高度减小到步骤④设定高度值,进入方法步骤④。
③需要在消泡水中加消泡剂情况。在方法步骤②的基础上,开动消泡剂添加装置91,消泡剂注入消泡水管道。在复制预估处理模型A2基础上增加消泡剂流量形成为预估处理模型A3,继续使用泡沫高度预测模型A1、A3进行泡沫高度估算分别得到泡沫高度预测值H1i和泡沫高度预测值H3i。在步骤③启动经过第二设定时间后或者H3i高度估算偏差小于第二偏差设定值时,测得到泡沫增长速度为正值且H1i-H3i差值小于报警设定差值时,或者测得泡沫高度大于报警设定高度值,立即通过网络接口向用户发出警示消息和图片。当泡沫增长速度为负数,即处理方法有效,且实测泡沫高度减小到步骤④设定高度值,进入方法步骤④。
④处理方法有效情况。通过网络接口向用户发出消息和图片,根据各标尺1识别结果分别控制标尺附近的消泡水喷射装置92阀门,随着泡沫高度不断降低,按比例控制减小阀门开度,且对标尺1附近仍有泡沫高度大于设定值的开启阀门,对标尺处泡沫高度小于步骤②的启动设定值的关闭阀门。当测量污水池3的泡沫高度测量值低于②的启动设定值情况下进行步骤①。
进一步地,BP人工神经网络的训练包括预处理、前向计算、误差校正、模型选择、故障处理。
(1)预处理、模型选择、故障处理为:
①在时刻ti通过传感器系统8得到泡沫高度测量值hi、泡沫增长速度均值、停留时间、水温、溶解氧、PH、风量、雨量、阀门开度、消泡剂流量。(i=1、2、……)
②模型A1、A2、A3选择处理,通过模型输入选择处理、权值处理控制实现模型A1、A2、A3的选择。模型输入端有效则其输入端选择为,其权值处理输入为。另选择模型A1时,需要在阀门开度、消泡剂流量输入端xim-1、xim处都选择输入,且相应权值处理的输入选择;选择模型A2时,需要在输阀门开度输入端xim-1处都选择输入、消泡剂流量输入端xim处都选择输入,且相应权值处理的输入分别选择和;选择模型A3时,需要在输阀门开度、消泡剂流量输入端xim、xim-1处都选择输入,且相应权值处理的输入都选择。
③输入传感器故障处理:通过模型输入选择处理、权值处理控制实现故障处理,具体为,在输入xip对应连接的传感器故障时,在输入xip(p=1...m)处选择输入,无故障时选择输入,同时进行输入层到隐含层节点关系权值处理,即xip相关的wpk值在故障时选择处理,无故障时选择处理。
④ti+1时刻实测均值hi+1作为ti时刻的泡沫高度预测值Hi的导师信号,初始化除②、③已处理的权值外的权值wpk(p=1...m,k=1...n),初始化w1j...wnj。
(2)前向计算:
①隐含层输入为xip为i时刻的第p个输入,wpk为输入层p节点和隐含层k节点之间的权值。隐含层第k个输出为sk=f(vk),其中函数。
②输出层的输入为wkj为隐含层k节点和输出层j节点之间的权值。输出层的输出为
即i时刻预估的i+1时刻泡沫高度Hi(因为j=1所以省略j)。
③输出误差即在i时刻得到方差为i+1时刻测量泡沫高度均值hi+1与泡沫高度预测值Hi的差值的平方乘以1/2。
误差校正:
①利用梯度下降法调整权值,学习速率为η。
Δwkj=-ηεiHi(1-Hi)sk(Δwkj隐含层k节点到输出层j节点的权值变化Δwkj,k=1...n,j=1)
εk=wkjεi,(wkj为隐含层k到输出层j权值)
Δwpk=-ηεksk(1-sk)xip(Δwpk隐含层p节点到输出层k节点的权值变化Δwpk,k=1...n;p=1...m)
②更新权值
wkj 新=wkj 旧-Δwkj
wpk 新=wpk 旧-Δwpk
wkj 旧、wpk 旧是i时刻运算结束前数值;wkj 新、wpk 新为i+1时刻采集完成后误差校正后结果。
具体地,图6为泡沫高度预估模型方法示意图,图中Xip为传感器值输入,下标i表示i时刻的传感器值,其中p=1~m;hi、hi+1分别为i和i+1时刻测量的水池泡沫高度;Hi表示为i时刻预估的i+1时刻的水池泡沫高度值;CXp为输入选择处理,分别由输入信号CXKp控制,选择输入即输入0或者输入Xip,其中p=1~m;CWp为Wpk权值即节点p到节点k的权值初始化处理,由输入信号CWK1控制,选择输入即输入0或者输入(2)即随机值,其中p=1~m,k=1~n;WCj为Hi即预估的i+1时刻泡沫高度与hi+1即i+1时刻摄像机2泡沫高度传感装置的测量值的误差计算处理,得到εi预估误差;CWk为计算节点k(k=1~n)的输出εk误差值,Δwkj为节点k到节点j下一时刻权值变化量;WCp为计算节点p到k(p=1~m,k=1~n)的下一时刻权值的变化量Δwpk。
本施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了标尺1;摄像机2;污水池3;发光管4;刻度线5;;计算控制系统7;泡沫高度测量模块71;刻度识别模块72;泡沫高度预测模块73;传感器系统8;加药处理系统9;消泡剂添加装置91;消泡水喷射装置92;PLC控制器93等术语,但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质;把它们解释成任何一种附加的限制都是与本发明精神相违背的。
Claims (4)
1.一种污水泡沫高度预测警报及处理系统,其特征在于,包括传感器系统(8)、计算控制系统(7)和加药处理系统(9),所述传感器系统(8)接入计算控制系统(7),计算控制系统(7)连接于加药处理系统(9),所述的计算控制系统(7)包括泡沫高度测量模块(71)、泡沫高度预测模块(73),所述的泡沫高度预测模块(73)包括高度预估处理模型A1、高度预估处理模型A2和高度预估处理模型A3,且三个高度预估处理模型的输出均为下一时刻的泡沫高度预测值,高度预估处理模型A1的输入向量包括当前时刻的泡沫高度测量值,以及泡沫增长速度均值、停留时间、水温、浊度计、溶解氧、PH、风量、雨量中的任意一种和多种的组合,高度预估处理模型A2的输入向量在高度预估处理模型A1的基础上增加消泡水的阀门开度,高度预估处理模型A3的输入向量在高度预估处理模型A2的基础上增加消泡剂流量。
2.根据权利要求1所述的污水泡沫高度预测警报及处理系统,其特征在于,所述的加药处理系统(9)包括PLC控制器(93)、消泡水喷射装置(92)和消泡剂添加装置(91)。
3.根据权利要求2所述的污水泡沫高度预测警报及处理系统,其特征在于,计算控制系统(7)用于执行以下步骤:
A.在泡沫高度测量值低于模型A2启动阈值时,关闭消泡水喷射装置(92)和消泡剂添加装置(91),并启动高度预估处理模型A1进行高度预测;
B.在泡沫高度测量值高于模型A2启动阈值时开启消泡水喷射装置(92),关闭消泡剂添加装置(91),并启动高度预估处理模型A2进行高度预测,同时使用高度预估处理模型A1获得比对高度预测值;
C.在消泡水喷射第一设定时间后或者高度预估处理模型A2的高度估算偏差小于第一偏差设定值时,测得泡沫增长速度为正值且比对高度预测值与高度预估处理模型A2的高度预测值差值小于设定差值时,或者泡沫高度测量值高于A3启动阈值时向用户发出警示消息,并进一步打开消泡剂添加装置(91),启动高度预估处理模型A3进行高度预测;
D.继续使用高度预估处理模型A1得到比对高度预测值,在消泡剂添加装置(91)打开第二设定时间后或高度预估处理模型A3的高度估算偏差小于第二偏差设定值时,测得到泡沫增长速度为正值且比对高度预测值与高度预估处理模型A3的高度预测值差值小于报警设定差值时,或泡沫高度测量值大于报警设定高度值,向用户发出警示消息。
4.根据权利要求3所述的污水泡沫高度预测警报及处理系统,其特征在于,在步骤A中,根据泡沫高度预测值与泡沫高度测量值对高度预估处理模型A1进行校正;
在步骤B中,根据泡沫高度预测值与泡沫高度测量值对高度预估处理模型A2进行校正;
在步骤D中,根据泡沫高度预测值与泡沫高度测量值对高度预估处理模型A3进行校正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011051893.4A CN112183533B (zh) | 2020-09-29 | 2020-09-29 | 污水泡沫高度测量装置、方法、预测警报及处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011051893.4A CN112183533B (zh) | 2020-09-29 | 2020-09-29 | 污水泡沫高度测量装置、方法、预测警报及处理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112183533A CN112183533A (zh) | 2021-01-05 |
CN112183533B true CN112183533B (zh) | 2024-02-23 |
Family
ID=73947279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011051893.4A Active CN112183533B (zh) | 2020-09-29 | 2020-09-29 | 污水泡沫高度测量装置、方法、预测警报及处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112183533B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113096180A (zh) * | 2021-04-02 | 2021-07-09 | 青岛丰禾星普科技有限公司 | 水产养殖中监控泡沫的方法、终端设备及可读存储介质 |
CN112967349A (zh) * | 2021-04-02 | 2021-06-15 | 青岛丰禾星普科技有限公司 | 基于泡沫的水产养殖监控预警方法、终端设备及可读存储介质 |
WO2024044645A2 (en) * | 2022-08-24 | 2024-02-29 | Life Technologies Corporation | Foam layer measuring system |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测系统及方法 |
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 |
CN104864816A (zh) * | 2015-04-14 | 2015-08-26 | 昆明理工大学 | 一种浮选机泡沫层厚度检测装置及检测方法 |
CN106065631A (zh) * | 2016-06-06 | 2016-11-02 | 浙江大学 | 一种带视频监测与定位查询管理的地下污水智能井盖 |
CN107045653A (zh) * | 2016-02-05 | 2017-08-15 | 桓达科技股份有限公司 | 动态洪泛预测与警示系统 |
CN110846218A (zh) * | 2019-11-22 | 2020-02-28 | 南阳师范学院 | 一种污水菌泥远程取样监测装置 |
CN111292371A (zh) * | 2020-02-21 | 2020-06-16 | 廖赟 | 智能水位检测设备、智能水位监控管理装置及检测方法 |
-
2020
- 2020-09-29 CN CN202011051893.4A patent/CN112183533B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测系统及方法 |
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 |
CN104864816A (zh) * | 2015-04-14 | 2015-08-26 | 昆明理工大学 | 一种浮选机泡沫层厚度检测装置及检测方法 |
CN107045653A (zh) * | 2016-02-05 | 2017-08-15 | 桓达科技股份有限公司 | 动态洪泛预测与警示系统 |
CN106065631A (zh) * | 2016-06-06 | 2016-11-02 | 浙江大学 | 一种带视频监测与定位查询管理的地下污水智能井盖 |
CN110846218A (zh) * | 2019-11-22 | 2020-02-28 | 南阳师范学院 | 一种污水菌泥远程取样监测装置 |
CN111292371A (zh) * | 2020-02-21 | 2020-06-16 | 廖赟 | 智能水位检测设备、智能水位监控管理装置及检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112183533A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112183533B (zh) | 污水泡沫高度测量装置、方法、预测警报及处理系统 | |
CN110070224A (zh) | 一种基于多步骤递归预测的空气质量预测方法 | |
CN1996175A (zh) | 基于模糊神经网络的谷物干燥预测控制系统及方法 | |
CN115570228B (zh) | 一种焊接管道供气智能反馈控制方法与系统 | |
CN108919640A (zh) | 无人机自适应多目标跟踪的实现方法 | |
CN109975798A (zh) | 一种基于毫米波雷达与摄像头的目标检测方法 | |
CN113256005A (zh) | 一种基于神经网络模型的电站水位过程预测方法及设备 | |
CN112950062B (zh) | 基于动态系统响应曲线和lstm的山洪预报实时校正方法 | |
CN116822567B (zh) | 一种蒸发波导预测模型参数的优化方法 | |
CN115907436B (zh) | 基于量质耦合预报的水资源水环境调控方法和系统 | |
CN110097929A (zh) | 一种高炉铁水硅含量在线预测方法 | |
CN112633584A (zh) | 基于改进的LSTM-seq2seq模型的河流突发水污染事故水质预测方法 | |
WO2019073024A1 (en) | WAY DETECTION METHOD | |
CN111260496B (zh) | 一种畜禽舍环境实时监测方法及系统 | |
CN113812851A (zh) | 一种用于直饮水净水设备的水龄控制系统 | |
CN111414586A (zh) | 一种环境监测方法及系统 | |
CN113706337A (zh) | 一种基于相似时段的供热负荷预测方法 | |
CN112541615A (zh) | 基于卷积神经网络的水位预测方法 | |
CN108226887A (zh) | 一种观测量短暂丢失情况下的水面目标救援状态估计方法 | |
CN115290148A (zh) | 一种复杂水流条件下的流量测量方法及系统 | |
CN114781716A (zh) | 用水模型的训练方法、二次供水控制方法、系统及设备 | |
CN104866821A (zh) | 基于机器学习的视频物体跟踪方法 | |
CN116774632A (zh) | 一种数字孪生水厂的污水监测控制方法和存储介质 | |
CN112626437A (zh) | 一种基于视觉识别的热镀锌加湿系统和方法 | |
WO2022270496A1 (en) | Acquiring a user consumption pattern of domestic hot water and controlling domestic hot water production based thereon |
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 |