CN113087030B - 一种水资源双循环反馈控制系统及方法 - Google Patents
一种水资源双循环反馈控制系统及方法 Download PDFInfo
- Publication number
- CN113087030B CN113087030B CN202110230205.9A CN202110230205A CN113087030B CN 113087030 B CN113087030 B CN 113087030B CN 202110230205 A CN202110230205 A CN 202110230205A CN 113087030 B CN113087030 B CN 113087030B
- Authority
- CN
- China
- Prior art keywords
- water
- feedback
- circulation
- double
- controller
- 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
- 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
- C02F2209/08—Chemical Oxygen Demand [COD]; Biological Oxygen Demand [BOD]
-
- 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
- C02F2209/40—Liquid flow rate
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Feedback Control In General (AREA)
Abstract
一种水资源双循环反馈控制系统及方法,其系统包括双循环反馈控制机器,双循环反馈控制机器的输出端分别与双循环温度反馈控制器、双循环流量反馈控制器的输入端连接,双循环温度反馈控制器的输出端分别与双循环COD反馈控制器的输入端、双循环BOD反馈控制器的输入端连接,双循环COD反馈控制器、双循环BOD反馈控制器的输出端与双循环反馈控制机器的输入端连接。
Description
技术领域
本发明属于水循环控制技术领域,尤其涉及一种基于双循环反馈及温度、流量调节的并能对COD及BOD指标进行控制的水循环技术。
背景技术
随着我国经济的不断发展,一方面工业化、基础设施建设需要不断深入以满足人们日益增长的生活需求,但过去多年来粗放式的经济发展给生态环境尤其是城市水环境造成了很大压力;另一方面,城市化进程提速,人们的生活水平提高了,而城市生活的用水量也随之增加,由此产生的生活污水却得不到有效处理,例如衣物洗涤、餐饮、洗浴、供热、个人卫生等产生的有毒、有害化学品随生活污水进入地表、地下水环境当中,造成地表径流和地下水的污染。另外,虽然近年来各地生态环境保护力度空前加大,落后产能大量清退,不符合产业政策的生产工艺也逐步淘汰,但受限于限行排放标准和可行处理工艺,生产废水即使经过合理处置达到一级A标准或者强制性行业标准,依然不能达到V类水质要求,排入河流或地下水中,依然会导致水体污染。
目前,中国城市的废水净化处理率特别低,到2007年只有37.2%。中国从事化工的企业有近3万,工厂处于长江沿岸约有2万家,黄河流域约有4000家。化工企业大量分布,造成污染隐患无处不在。如果一时处理不当,就会造成大范围的水资源污染恶性事件。近年来,水资源被污染的事故特别多,尤其是2005年松花江水污染事件、2007年以来相继大规模暴发蓝藻,这些水资源污染恶性事件对群众的生活生产造成严重损害,甚至影响社会的和谐稳定。因为缺乏水资源,再加上水资源严重污染,严重迟滞了中国社会经济的快速稳定发展,每年因水资源污染而损失的财富约400亿元。
冷却塔作为凝汽式发电机组热力循环中不可缺少的冷端设备,其性能直接决定了循环水温度,进而影响凝汽器真空,因此冷却塔的运行性能对发电机组的经济性具有重要意义。研究表明,发电机组热效率的提高与冷却塔出口水温的降低成正相关关系,冷却塔保持在最佳工作状态,可以降低供电煤耗,提高发电效率。
铝锭冷却是铝锭铸造过程中重要的降温措施。受成本和冷却效果的影响,冷却的常用介质为水。铝锭铸造受水温、水量的影响,缺乏对铝锭冷却水温和水量参数有效的控制将导致铝锭外观冷隔缺陷严重,产品废品率高。
随着美国大规模开采页岩气的成功,页岩气这一非常规能源资源已经逐步成为石油勘探开采的新方向。页岩气开采需要高度密集用水,开采时需配制压裂液,其核心化学成分有596种之多,压裂过程用水量大,同时也混合着大量的沙子和化学品以便抽取气体。该技术不仅需要消耗大量淡水资源,同时也会产生大量废水,既对空气、土壤和水源造成污染,也与农用水与家用水形成竞争。
针对废水中的污染物制定有效的废水处理方案对页岩气的长足发展和环境保护具有举足轻重的意义,废水处理效果受到影响很多,如环境因素、人为因素等。其中,对水温与水量参数的控制将会影响废水中BOD、COD等污染物的去除率。目前页岩气开采产生的废水处理方法主要有废水的重复利用和物理再生以及化学处理,但忽视了控制在最优工况下经济高效的对废水进行处理。
《神经网络智能控制系统应用于废水处理》中针对一个具体废水系统建立了一个基于神经网络的最优控制模型,可以在保证出水水质达标的同时对药剂投入量进行调整,使运行费用处于最低。该最优控制模型没有考虑水温与水量参数对于废水中污染物的去除率的影响,作为固定的进水指标。通过建立一种水资源双循环反馈控制系统,可以实时根据预测结果对水温与水量等参数进行调整,使污染物去除率达到最优,并通过对水质的反馈控制保证出水水质达标,经济高效的实现废水处理。
反馈系统是基于反馈原理建立的自动控制系统。根据系统输出变化的信息来进行控制,即通过比较系统行为(输出)与期望行为之间的偏差,并消除偏差以获得预期的系统性能。在反馈控制系统中,既存在由输入到输出的信号前向通路,也包含从输出端到输入端的信号反馈通路,两者组成一个闭合的回路。
发明内容
本发明的目的是为了解决现有页岩气废水处理无法实现随着过程参数的变化而实时调整影响参数,本专利尤其涉及废水处理过程中污染物去除率受水温和水量影响,与现有技术相比将水温、水量之类的固定进水指标变成可以反馈调节控制的参数,并通过后续对水质的反馈控制保证出水水质达标,从而实现经济高效的废水处理。
为解决上述技术问题,本发明所采用的技术方案是:
一种水资源双循环反馈控制系统,它包括受双循环反馈调节控制机器,受双循环反馈调节控制机器的输出端分别与双循环温度反馈控制器、双循环流量反馈控制器的输入端连接,双循环温度反馈控制器的输出端分别与双循环COD反馈控制器的输入端、双循环BOD反馈控制器的输入端连接,双循环流量反馈控制器的输出端分别与双循环COD反馈控制器的输入端、双循环BOD反馈控制器的输入端连接,双循环COD反馈控制器、双循环BOD反馈控制器的输出端与双循环反馈控制机器的输入端连接。
双循环反馈控制机器内设置有温度传感器,温度传感器的输出端分别与优化器、机器学习控制器的输入端连接,优化器的输出端与机器学习仿真器的输入端连接,机器学习控制器的输出端分别与机器学习仿真器、阀门连接。
在优化器与机器学习控制器的输出端之间设有第一误差调节器,在机器学习仿真器与机器学习控制器的输入端之间设有第二误差调节器。
优化器与机器学习控制器输出的信息向第一误差调节器传递,第一误差调节器根据两者之间的误差进行调节后作用于机器学习控制器更新控制变量,机器学习仿真器与阀门输出的信息向第二误差调节器传递,第二误差调节器根据两者之间的误差进行调节后作用于优化器更新优化过程,不断进行循环反馈调节。
在双循环温度反馈控制器阀门内设有加热及制冷设备。
一种水资源双循环反馈控制方法,包括以下步骤:
步骤1)获取进水指标的目标值,建立进水指标优化控制模型;
步骤2)传感器t时刻检测得到水资源进水指标X(t),向优化器传递信息,通过优化循环△t时间给出控制变量U(t+△t)作用于机器学习仿真器进行仿真,输出结果Y(t+△t),传感器向机器学习控制器传递信息后控制器根据已有的数据输出控制变量U(t)并作用于阀门输出预计输出量Y(t),优化器与机器学习控制器输出的信息向第一误差调节器传递,第一误差调节器根据两者之间的误差进行调节后作用于机器学习控制器更新控制变量U(t),机器学习仿真器与阀门输出的信息向第二误差调节器传递,第二误差调节器根据两者之间的误差进行调节后作用于优化器更新优化过程,不断进行循环反馈调节,当预计输出量与目标值的误差小于允许误差时输出结果Y’(t);
步骤3)内循环先将进水指标中的水温与流量指标反馈调节达到最优,然后在外循环中将进水指标中的水质指标反馈调节达到最优。
受双循环反馈调节控制器对进水指标的控制过程可表示为:
F(X,U)=Y;
其中X为进水指标,U为可控变量,Y为输出量。
双循环温度反馈控制器优化目标为:
式中T—传感器测量温度,Tmin—最优工况下最小允许温度,Tmax—最优工况下最大允许温度,R—加热功率,C水—水的比热容,m—需要进行温度控制的水的质量,L—冷却功率,△t—采样周期,h,Rmin—最小允许加热功率;Rmax—最大允许加热功率;Lmin—最小允许冷却功率,Lmax—最大允许冷却功率。
双循环流量反馈控制器优化目标为:
式中①公式根据调节阀自身所固有的流量特性,从上往下分别为直线流量特性,等百分比流量特性,快开流量特性;
R—阀能控制的最大与最小流量比q—传感器测得流量,Qmin—最优工况下最小允许流量,Qmax—最优工况下最大允许流量,qmax—最大允许流量,L/h,△q—开大或关小阀门变化的流量,L/Lmax—调节阀的相对开度。
双循环BOD和COD反馈控制器优化目标为:
MinJ=GTU(t)qΔt;
式中HCOD—水中所含污染物COD浓度,hk—国家地表水环境质量标准中污染物含量标准限值,G—n阶向量,为各种药剂单位投加污染物去除率,U—n阶向量,为各种药剂投加浓度,Q—来水流量,△t—采样周期,T—转置,Ri—第i种药剂的最大允许投加浓度;下标k—国家地表水环境质量标准分类(k=1—Ⅰ类水,k=2—Ⅱ类水,k=3—Ⅲ类水,k=4—Ⅳ类水,k=5—Ⅴ类水)。
与《神经网络智能控制系统应用于废水处理》相比,本发明具有如下技术效果:
本发明通过双循环反馈控制器优化控制,可以使原有对废水处理的影响因素如温度、流量等固定的进水指标作出实时调整,保证废水中污染物的去除率处于最优状态,并保证出水水质符合相关标准,使废水处理一直经济高效的进行。
与现有技术相比,本发明具有如下技术效果:
1)本发明通过双循环反馈控制器优化控制,可以使对废水处理的影响因素如温度、流量等可控变量作出调整,并保证出水水质符合相关标准,可以高效的一直对废水处理保持最优状态;
2)内循环与外循环,各种反馈控制器相互交互,保证系统处于最优状态;
3)可以拓展控制指标,向内循环与外循环添加其他控制指标,如向内循环添加PH值,向外循环添加SS等;
4)可以应用于多种场景,满足各种水资源指标要求。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1为本发明所采用的实验数据;
图2为本发明经过反馈控制后训练集与预测结果对比图;
图3为本发明经过反馈控制后测试集与真实值结果对比图;
图4为本发明对结果回归线分析其相关性;
图5为本发明网络训练过程;
图6为本发明提供的双循环反馈控制方法流程图;
图7为本发明提供的双循环反馈控制器框图;
受双循环反馈调节控制机器1、双循环温度反馈控制器2、双循环流量反馈控制器3、双循环COD反馈控制器4、双循环BOD反馈控制器5、温度传感器6、优化器7、机器学习控制器8、机器学习仿真器9、阀门10、第一误差调节器11、第二误差调节器12。
具体实施方式
一种水资源双循环反馈控制系统,其系统的结构如图6所示,包括受双循环反馈控制机器,在双循环反馈控制机器后设置双循环温度反馈控制器以及双循环流量反馈控制器构成内循环,在双循环温度反馈控制器以及双循环流量反馈控制器外设置双循环COD反馈控制器以及双循环BOD反馈控制器构成外循环。
因双循环反馈控制器采用相同结构,所以以双循环温度反馈控制器为例,如图7所示,双循环温度反馈控制器内设置温度传感器,温度传感器与优化器以及机器学习控制器相连接,在优化器后设置机器学习仿真器,机器学习控制器与机器学习仿真器和阀门连接,在机器学习控制器与优化器之间以及阀门与机器学习仿真器之间设置误差调节器分别接到机器学习控制器与优化器之上。
对于不同的双循环反馈控制器,双循环温度反馈控制器阀门内设有加热和冷却设备;所述双循环流量反馈控制器阀门可调节阀门开度;所述双循环COD反馈控制器与双循环BOD反馈控制器阀门内设有化学反应池,可添加去除污染物的化学药剂。
一种水资源双循环反馈控制,其工作流程如下:
受双循环反馈控制机器进水指标X(t)通过内循环的温度传感器与流量传感器检测得t时刻信号,通过优化循环△t时间给出控制变量U(t+△t)作用于机器学习仿真器进行仿真,输出结果Y(t+△t),传感器向机器学习控制器传递信息后控制器根据已有的数据输出控制变量U(t)并作用于阀门输出预计输出量Y(t),优化器与机器学习控制器输出的信息向误差调节器传递,误差调节器根据两者之间的误差进行调节后作用于机器学习控制器更新控制变量U(t),机器学习仿真器与阀门输出的信息向误差调节器传递,误差调节器根据两者之间的误差进行调节后作用于优化器更新优化过程,不断进行循环反馈调节,当预计输出量小于优化目标的允许误差时输出结果Y’(t)。
输出结果Y’(t)向受双循环反馈控制机器与双循环COD反馈控制器与双循环BOD反馈控制器传递,通过优化循环△t’时间给出控制变量U(t+△t’)作用于机器学习仿真器进行仿真,输出结果Y(t+△t’),传感器向机器学习控制器传递信息后控制器根据已有的数据输出控制变量U(t)并作用于阀门输出预计输出量Y(t),优化器与机器学习控制器输出的信息向误差调节器传递,误差调节器根据两者之间的误差进行调节后作用于机器学习控制器更新控制变量U(t),机器学习仿真器与阀门输出的信息向误差调节器传递,误差调节器根据两者之间的误差进行调节后作用于优化器更新优化过程,不断进行循环反馈调节,当预计输出量小于优化目标的允许误差时输出结果Y”(t)。输出结果Y”(t)向受双循环反馈控制器传递,并通过Y’(t)与Y”(t)调节进水指标,由此达到发明的反馈控制目的。
本发明中双循环反馈控制器对于水温、水量、水质的控制同时可以应用于冷却塔、铝锭冷却、废水处理等过程。通过实时调整降低冷却塔出口水温可以提高发电机组热效率,使冷却塔保持在最佳工作状态;通过实时控制调节水温、水量参数可以降低铝锭外观冷隔缺陷严重的问题,降低废品率;通过实时调节水温、水量参数可以使废水处理保持经济高效的状态,并满足水质处理要求。
在本申请中,一种水资源双循环反馈控制系统也可与一种水资源双循环反馈控制配合使用,以达到更好的效果。
为了验证本反馈控制方法和系统的可行性,对100组混凝剂和助凝剂投量对废水处理效率影响的实验结果进行网络训练,取进水指标为输入信号X,以混凝剂AL2(SO4)3和助凝剂PAM的投量作为控制变量,以COD去除率作为输出信号Y。
提取80组数据对控制系统进行训练,对剩下的20组数据进行预测对比,通过使用MATLAB工具编制计算程序,经过实验可得预测结果与实际结果显示了很好的拟合程度,训练集均方差为7.7364e-5,测试集均方差为0.00030783,误差小于允许范围,利用回归线分析相关系数为0.9965,说明相关性很强,具有很高的可信程度。
本发明的目的是为了解决现有页岩气废水处理无法实现随着过程参数的变化而实时调整影响参数,本发明尤其涉及废水处理过程中污染物去除率受水温和水量影响,与现有技术相比将水温、水量之类的固定进水指标变成可以反馈调节控制的参数,并通过后续对水质的反馈控制保证出水水质达标,从而实现经济高效的废水处理。
Claims (9)
1.一种水资源双循环反馈控制系统,其特征在于:它包括受双循环反馈调节控制机器(1),受双循环反馈调节控制机器(1)的输出端分别与双循环温度反馈控制器(2)、双循环流量反馈控制器(3)的输入端连接,双循环温度反馈控制器(2)的输出端分别与双循环COD反馈控制器(4)的输入端、双循环BOD反馈控制器(5)的输入端连接,双循环流量反馈控制器(3)的输出端分别与双循环COD反馈控制器(4)的输入端、双循环BOD反馈控制器(5)的输入端连接,双循环COD反馈控制器(4)、双循环BOD反馈控制器(5)的输出端与受双循环反馈调节控制机器(1)的输入端连接;
双循环温度反馈控制器(2)内设置有温度传感器(6),温度传感器(6)的输出端分别与优化器(7)、机器学习控制器(8)的输入端连接,优化器(7)的输出端与机器学习仿真器(9)的输入端连接,机器学习控制器(8)的输出端分别与机器学习仿真器(9)、阀门(10)连接。
2.根据权利要求1所述的水资源双循环反馈控制系统,其特征在于:在优化器(7)与机器学习控制器(8)的输出端之间设有第一误差调节器(11),在机器学习仿真器(9)与机器学习控制器(8)的输入端之间设有第二误差调节器(12)。
3.根据权利要求2所述的水资源双循环反馈控制系统,其特征在于:优化器(7)与机器学习控制器(8)输出的信息向第一误差调节器(11)传递,第一误差调节器根据两者之间的误差进行调节后作用于机器学习控制器更新控制变量,机器学习仿真器(9)与阀门(10)输出的信息向第二误差调节器(12)传递,第二误差调节器(12)根据两者之间的误差进行调节后作用于优化器更新优化过程,不断进行循环反馈调节。
4.根据权利要求1所述的水资源双循环反馈控制系统,其特征在于:在双循环温度反馈控制器阀门内设有加热及制冷设备。
5.一种水资源双循环反馈控制方法,其特征在于,包括以下步骤:
步骤1)获取进水指标的目标值,建立进水指标优化控制模型;
步骤2)传感器t时刻检测得到水资源进水指标X(t),向优化器传递信息,通过优化循环△t时间给出控制变量U(t+△t)作用于机器学习仿真器进行仿真,输出结果Y(t+△t),传感器向机器学习控制器传递信息后控制器根据已有的数据输出控制变量U(t)并作用于阀门输出预计输出量Y(t),优化器与机器学习控制器输出的信息向第一误差调节器传递,第一误差调节器根据两者之间的误差进行调节后作用于机器学习控制器更新控制变量U(t),机器学习仿真器与阀门输出的信息向第二误差调节器传递,第二误差调节器根据两者之间的误差进行调节后作用于优化器更新优化过程,不断进行循环反馈调节,当预计输出量与目标值的误差小于允许误差时输出结果Y’(t);
步骤3)内循环先将进水指标中的水温与流量指标反馈调节达到最优,然后在外循环中将进水指标中的水质指标反馈调节达到最优。
6.根据权利要求5所述的水资源双循环反馈控制方法,其特征在于,受双循环反馈调节控制器对进水指标的控制过程可表示为:
F(X,U)=Y;
其中X为进水指标,U为可控变量,Y为输出量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110230205.9A CN113087030B (zh) | 2021-03-02 | 2021-03-02 | 一种水资源双循环反馈控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110230205.9A CN113087030B (zh) | 2021-03-02 | 2021-03-02 | 一种水资源双循环反馈控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113087030A CN113087030A (zh) | 2021-07-09 |
CN113087030B true CN113087030B (zh) | 2022-08-02 |
Family
ID=76666198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110230205.9A Active CN113087030B (zh) | 2021-03-02 | 2021-03-02 | 一种水资源双循环反馈控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113087030B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113885398B (zh) * | 2021-10-25 | 2022-07-01 | 天津大学 | 一种基于可微推理的水循环智能感知与监控系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109578126A (zh) * | 2018-10-30 | 2019-04-05 | 中国北方发动机研究所(天津) | 用于混合动力车辆的高低温双循环冷却系统 |
CN110829921A (zh) * | 2019-11-15 | 2020-02-21 | 江南大学 | 一种永磁同步电机迭代反馈整定控制及其优化方法 |
CN113538910A (zh) * | 2021-07-14 | 2021-10-22 | 李丹丹 | 一种自适应的全链条城市区域网络信号控制优化方法 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100455654B1 (ko) * | 2002-02-04 | 2004-11-06 | 주식회사 팬지아이십일 | 부유물질 농도 분석기와 소프트웨어 센서기술을 이용한수처리시설 방류수 유기물질농도 예측시스템 |
US7865886B2 (en) * | 2005-11-28 | 2011-01-04 | Intel Corporation | Blocking of nested loops having feedback or feedforward indexes |
CN102122134A (zh) * | 2011-02-14 | 2011-07-13 | 华南理工大学 | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 |
CN102278599B (zh) * | 2011-05-19 | 2012-11-21 | 浙江大学 | 一种带温度控制系统的循环管网水质综合模拟试验系统 |
US8966457B2 (en) * | 2011-11-15 | 2015-02-24 | Global Supercomputing Corporation | Method and system for converting a single-threaded software program into an application-specific supercomputer |
CN102778884B (zh) * | 2012-08-09 | 2013-09-25 | 张涤非 | 一种污水处理厂用智能控制方法及智能控制系统 |
CN103197539B (zh) * | 2013-04-01 | 2015-11-25 | 鞍山市海汇自动化有限公司 | 污水处理智能优化控制曝气量的方法 |
CN203630652U (zh) * | 2013-12-23 | 2014-06-04 | 北京伊普国际水务有限公司 | Aao脱氮除磷污水处理工艺回流量控制系统 |
US9568897B2 (en) * | 2014-01-02 | 2017-02-14 | General Electric Company | Controller system for variable parameter and related program product |
CN103744293B (zh) * | 2014-01-27 | 2017-06-16 | 浙江永泰纸业集团股份有限公司 | 基于模糊神经网络的废水处理监控方法和系统 |
CN105259761B (zh) * | 2015-10-30 | 2018-05-22 | 北京控制工程研究所 | 一种基于特征模型的连续灭菌反复学习自适应控制器 |
CN106066384B (zh) * | 2016-07-05 | 2018-05-25 | 青岛双瑞海洋环境工程股份有限公司 | 海上生活污水处理试验模拟流入水配制与供给方法及装置 |
US10534325B2 (en) * | 2016-07-14 | 2020-01-14 | Honeywell International Inc. | Adaptive control techniques for pH control or control of other industrial processes |
CN206368090U (zh) * | 2016-09-13 | 2017-08-01 | 赣州华劲纸业有限公司 | 一种全自动的制浆造纸污水处理控制系统 |
CN110402355B (zh) * | 2016-11-07 | 2021-08-13 | 香港城市大学 | 恒温器设备和温度调节系统 |
ES2951816T3 (es) * | 2017-03-08 | 2023-10-25 | Xylem Vue Inc | Sistemas de gestión de corriente de fluido mejorados y métodos de los mismos |
CN107578162B (zh) * | 2017-08-30 | 2021-05-04 | 天津大学 | 工业园区水污染防治技术路线决策方法 |
CN107720946B (zh) * | 2017-10-11 | 2020-11-20 | 浙江大学宁波理工学院 | Sbr污水处理工艺中的串级控制方法 |
CN109032061A (zh) * | 2018-08-13 | 2018-12-18 | 武汉科迪智能环境股份有限公司 | 一种用于水处理的加药智能控制系统 |
CN109272171A (zh) * | 2018-10-16 | 2019-01-25 | 天津大学 | 一种预测暴雨期二级河道排水对干流水质动态影响的方法 |
CN110320806B (zh) * | 2019-07-24 | 2021-06-01 | 东北大学 | 基于集成即时学习的污水处理过程自适应预测控制方法 |
JP7059989B2 (ja) * | 2019-08-07 | 2022-04-26 | 横河電機株式会社 | 制御システム及び制御方法 |
TWM606693U (zh) * | 2020-07-15 | 2021-01-21 | 科技部中部科學園區管理局 | 智慧污水下水道系統 |
CN112250246B (zh) * | 2020-08-27 | 2023-03-21 | 盐城工学院 | 一种智能化偶氮染料废水脱毒与深度处理方法 |
-
2021
- 2021-03-02 CN CN202110230205.9A patent/CN113087030B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109578126A (zh) * | 2018-10-30 | 2019-04-05 | 中国北方发动机研究所(天津) | 用于混合动力车辆的高低温双循环冷却系统 |
CN110829921A (zh) * | 2019-11-15 | 2020-02-21 | 江南大学 | 一种永磁同步电机迭代反馈整定控制及其优化方法 |
CN113538910A (zh) * | 2021-07-14 | 2021-10-22 | 李丹丹 | 一种自适应的全链条城市区域网络信号控制优化方法 |
Non-Patent Citations (2)
Title |
---|
冷却泵站节能控制系统的研究试验;马佐群等;《农业工程学报》;19990930(第03期);全文 * |
污水生化处理中溶解氧的非线性控制研究;范程华等;《自动化技术与应用》;20080225(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113087030A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103744293B (zh) | 基于模糊神经网络的废水处理监控方法和系统 | |
US9747544B2 (en) | Method and system for wastewater treatment based on dissolved oxygen control by fuzzy neural network | |
CN105404151A (zh) | 污水处理过程动态多目标优化控制方法 | |
AU2021100130A4 (en) | Intelligent control method and system for sewage treatment aeration based on deep learning | |
Su et al. | Sewage treatment system for improving energy efficiency based on particle swarm optimization algorithm | |
CN113011662A (zh) | 一种区域企厂网河一体化联合优化调度的系统及方法 | |
Qiao et al. | Adaptive optimal control for a wastewater treatment plant based on a data-driven method | |
CN108569756A (zh) | 一种智能化污水处理工艺控制新方法(ebis) | |
CN103499982A (zh) | 一种污水处理过程自组织控制方法 | |
CN113087030B (zh) | 一种水资源双循环反馈控制系统及方法 | |
Zhu et al. | Ecological scheduling of the middle route of south-to-north water diversion project based on a reinforcement learning model | |
CN108088974A (zh) | 一种厌氧同时反硝化产甲烷过程出水硝氮的软测量方法 | |
Xu et al. | PI and fuzzy control for P-removal in wastewater treatment plant | |
CN102053615B (zh) | 非稳态分段进水深度脱氮除磷过程控制系统及控制方法 | |
Simon-Várhelyi et al. | Dairy wastewater processing and automatic control for waste recovery at the municipal wastewater treatment plant based on modelling investigations | |
Hirsch et al. | Supervisory control system for adaptive phase and work cycle management of sequencing wastewater treatment plant | |
Gholikandi et al. | Performance prediction and upgrading of electroanaerobic baffled reactor using neural-fuzzy method | |
CN115321683B (zh) | 污泥双回流aoa工艺的可切换区与污泥回流控制系统与方法 | |
Swarnalatha | Simulation and Analysis of Ammonium-Based Aeration Control Strategies to Enhance Efficiency in Wastewater Treatment Plant | |
Xu et al. | A novel dissolve oxygen control method based on fuzzy neural network | |
CN112374687A (zh) | 一种城市污水集成优化处理及系统设备 | |
Zhang et al. | Application of neural network in modeling of activated sludge wastewater treatment process | |
CN101794117A (zh) | 一种基于机理模型的优化控制膜生物反应器运行的方法 | |
CN104671462B (zh) | 基于双变量二维表的污水处理节能控制方法及控制系统 | |
Zhou et al. | Design of urban sludge emission reduction optimisation strategy based on fuzzy neural network |
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 |