CN113209679A - 板框式压滤机的智能监测与优化控制系统及其控制方法 - Google Patents
板框式压滤机的智能监测与优化控制系统及其控制方法 Download PDFInfo
- Publication number
- CN113209679A CN113209679A CN202110557464.2A CN202110557464A CN113209679A CN 113209679 A CN113209679 A CN 113209679A CN 202110557464 A CN202110557464 A CN 202110557464A CN 113209679 A CN113209679 A CN 113209679A
- Authority
- CN
- China
- Prior art keywords
- real
- filter
- time
- filtrate
- optimization control
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000000706 filtrate Substances 0.000 claims abstract description 38
- 238000003825 pressing Methods 0.000 claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 21
- 239000004744 fabric Substances 0.000 claims abstract description 20
- 230000000694 effects Effects 0.000 claims abstract description 17
- 230000018044 dehydration Effects 0.000 claims abstract description 15
- 238000006297 dehydration reaction Methods 0.000 claims abstract description 15
- 230000007547 defect Effects 0.000 claims abstract description 9
- 239000007788 liquid Substances 0.000 claims description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000013145 classification model Methods 0.000 claims description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 239000003245 coal Substances 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 238000001914 filtration Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 239000003250 coal slurry Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000011049 filling Methods 0.000 description 1
- 239000012065 filter cake Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D25/00—Filters formed by clamping together several filtering elements or parts of such elements
- B01D25/12—Filter presses, i.e. of the plate or plate and frame type
- B01D25/21—Plate and frame presses
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D25/00—Filters formed by clamping together several filtering elements or parts of such elements
- B01D25/003—Filters formed by clamping together several filtering elements or parts of such elements integrally combined with devices for controlling the filtration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D25/00—Filters formed by clamping together several filtering elements or parts of such elements
- B01D25/003—Filters formed by clamping together several filtering elements or parts of such elements integrally combined with devices for controlling the filtration
- B01D25/005—Filters formed by clamping together several filtering elements or parts of such elements integrally combined with devices for controlling the filtration by flow measuring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D25/00—Filters formed by clamping together several filtering elements or parts of such elements
- B01D25/003—Filters formed by clamping together several filtering elements or parts of such elements integrally combined with devices for controlling the filtration
- B01D25/007—Filters formed by clamping together several filtering elements or parts of such elements integrally combined with devices for controlling the filtration by pressure measuring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D37/00—Processes of filtration
- B01D37/04—Controlling the filtration
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
Landscapes
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Filtration Of Liquid (AREA)
Abstract
本发明提供一种板框式压滤机的智能监测与优化控制系统及其控制方法,包括压滤效果的实时监测模块与压滤机的实时优化控制模块;所述压滤效果的实时监测模块包括滤布缺陷监测子系统和工作状态检测子系统;所述实时优化控制模块与工作状态检测子系统连接,接收工作状态检测子系统检测反馈的信息,自动调节滤室压力和脱水时间。控制方法,包括压滤效果的实时监测与压滤机的实时优化控制两个部分。本发明提供使用的实时优化控制模块,对压滤作业进行自动控制,使用工业计算机对滤液图像进行采集并进行处理和分析,将每一轮的压滤结果与参数进行分析,优化每一轮压滤的效果。
Description
技术领域
本发明属于污水处理技术领域,具体涉及一种板框式压滤机的智能监测与优化控制系统及其控制方法。
背景技术
板框式压滤机是选煤厂煤泥水处理的重要设备,并且在现有的悬浮液混合物分离设备中,按其运作方便、成本造价、脱液效果等综合经济价值因素,板框式压滤机是最佳的分离设备之一。其原理是将物料通过液压泵输送到滤室内,通过滤板与滤板之间的挤压,使得物料中的液体成分被过滤,而其中的固体成分留在滤室内,形成滤饼。在压滤过程中,可能会出现滤布破损的情况,使得压滤效果变差。传统的滤布破损检测方法通常有:人为观测对滤液的浑浊程度判断滤布是否破损,但效率非常低;或者采用机器视觉方法直接对滤布进行检测,让相机和红外光正对,利用破损的滤布会使红外光透过并让相机接收的原理进行检测,但是成本较高,并且板框式压滤机的板框之间间距较短,相机无法拍摄到全部的滤布。另外,传统的板框式压滤机的压滤过程中的脱水时间和压滤值通常都是根据经验人为设定,并且在压滤的过程中不再更改。无法根据单次压滤过程中的入料物理性质(含水量、煤质情况)进行实时调整,当供料不足时或者设定的压力过高时,滤板内没有煤泥做缓冲,承受挤压压力会造成介质无法流出,造成压滤机的动能损失,甚至导致滤板损坏。
近年来,由于自动化和人工智能的兴起,许多传统工业都开始向自动化以及智能化方向发展。而机器视觉作为人工智能的一个分支,相比人工操作,具有高效、准确、便利等优点,并且可以克服许多恶劣环境,使得工作效率大幅提高。其中,深度学习和卷积神经网络,作为实现人工智能的主要方式之一,在各行各业都已经广泛应用。然而,目前仍未见到相关方法应用在压滤机的监测与控制领域。
发明内容
为了解决现有人为设定压滤机的滤室内压力阈值和脱水时间,无法根据脱水效果来控制压滤机的填充和过滤时间的问题,本发明提供了一种板框式压滤机的智能监测与优化控制系统及其控制方法。该系统在机器视觉辅助的基础上,可以实现压滤作业无人化,并且减少入料泵的动能损失,提高工作效率。
本发明的目的是通过以下技术方案得以实现的:
板框式压滤机的智能监测与优化控制系统,包括压滤效果的实时监测模块与压滤机的实时优化控制模块;
所述压滤效果的实时监测模块包括滤布缺陷监测子系统和工作状态检测子系统;
所述实时优化控制模块与工作状态检测子系统连接,接收工作状态检测子系统检测反馈的信息,自动调节滤室压力和脱水时间;
所述滤布缺陷监测子系统:包括工业相机、照明装置、警报器;所述工业相机设置在排液口连接的透明排液管上方的横板上,照明装置设置在排液管的侧面,排液管口连接水流量传感器。
所述的板框式压滤机的智能监测与优化控制系统的控制方法,包括以下步骤:
当液压泵开始加压后,压滤工作开始;照明装置发射的光束垂直于通过排液管排出的滤液;通过工业相机采集滤液视频,进行关键帧与特征信息提取;将采集的关键帧进行图像的预处理操作;预处理后的关键帧建立滤液图像训练集,并作为输入端,基于深度学习算法构建滤液澄清度分类模型;所述滤液澄清度分类模型分类结果包含浑浊和澄清,并给出浑浊和澄清的等级,若分类结果为浑浊和等级指标判定滤布是否出现破损及破损的程度;所述滤液澄清度分类模型为二分类模型,分类结果包含浑浊和澄清。若分类结果为浑浊,说明滤液澄清度较低,进而判定滤布出现破损;
所述压滤效果的实时监测模块,采用视频处理的方法,通过实时采集滤液视频判断滤液流量大小,将流量结果反馈给实时优化控制模块,完成实时压滤工作状态监测;
所述实时优化控制模块,分析工作状态的监测结果;首先,通过采集大量不同含水量、煤质的物料经过压滤过程产生的滤液流出视频,提取视频关键帧,建立滤液流动状态训练样本集,并以此作为输入源,构建卷积神经网络模型,所述卷积神经网络模型提取特征信息,计算特征值,建立基于长短时循环神经网络流态判别器;并结合工作状态检测计算出的滤液流量信息,由此判断滤室压力和脱水时间是否合适,完成检测结果分析;
通过PLC控制器,以实时优化控制模块作为人工智能模块,当压滤过程开始后,排液管连接的流量传感器开始工作,产生的脉冲信号发送到PLC控制器输入端,开始反馈滤液流量;实时优化模块接受信号后,做出综合判定,将判定结果发送到输出端人机交互界面,实现滤室压力和脱水时间的自动控制。
本发明提供的板框式压滤机的智能监测与优化控制系统及其控制方法,使用的实时优化控制模块,对压滤作业进行自动控制,使用工业计算机对滤液图像进行采集并进行处理和分析,将每一轮的压滤结果与参数进行分析,优化每一轮压滤的效果。
附图说明
图1是本发明实施例提供的结构示意图;
图2是本发明实施例提供的压滤机智能监测与优化控制方法流程图;
图3是本发明实施例提供的滤布缺陷检测方法流程图;
图4是本发明实施例提供的压滤状态监测方法流程图;
图5是本发明实施例提供的优化控制模块示意图。
具体实施方式
结合实施例说明本发明的具体技术方案。
如图1所示,板框式压滤机本体1安装在支座2上,包括压滤板3和横梁4、自动拉取装置5、止推板6、压紧板7、进料口8、工业相机9、排液口10、照明设备11、滤室压力表12、水流量流量传感器13。
板框式压滤机的智能监测与优化控制系统,包括压滤效果的实时监测模块与压滤机的实时优化控制模块;
所述压滤效果的实时监测模块包括滤布缺陷监测子系统和工作状态检测子系统;
所述实时优化控制模块与工作状态检测子系统连接,接收工作状态检测子系统检测反馈的信息,自动调节滤室压力和脱水时间;
所述滤布缺陷监测子系统:包括工业相机9、照明装置11、警报器;所述工业相机9设置在排液口10连接的透明排液管上方的横板上,照明装置11设置在排液管的侧面,排液管口连接水流量传感器13。
所述的板框式压滤机的智能监测与优化控制系统的控制方法,包括压滤效果的实时监测与压滤机的实时优化控制两个部分。整个方法流程如图2所示:包括以下步骤:
首先,在控制中心输入预设压力值和脱水时间的等参数,入料泵通过入料口开始送料,入料泵达到阈值后,停止入料。关闭入料泵,打开液压泵,向入料口加压,开始滤布缺陷监测。如图3,由工业相机采集排液口连接的透明排液管排出的滤液视频,采用图像处理技术截取关键帧特征信息,将采集的关键帧进行图像预处理操作,包括滤波操作,去除周围环境对图像产生的噪声影响。预处理后的关键帧建立滤液澄清度训练集,并作为输入端,基于深度学习算法构建卷积神经网络,包括但不限于vgg-16。由于vgg-16网络结构包含全连接层,所以还需要将图像裁剪成统一尺寸。包括但不限于图像尺寸为224*224*3。所述卷积神经网络输出结果为二分类结果。对所述训练集进行标注类名包括但不限于浑浊、澄清。若分类结果为浑浊,说明滤液浑浊,进而判定滤布破碎。
当滤室压力达到预设值时,开始工作状态实时监测(检测)。如图1,排液口连接透明排液管,排液管口连接水流量传感器,所述水流量传感器主要由铜阀体、水流转子组件、稳流组件和霍尔元件组成。当滤液流过转子组件时,磁性转子转动,并且转速随着流量成线性变化。由霍尔元件将输出的脉冲信号反馈给控制器,控制器监测出水流量大小,将流量结果反馈给实时优化控制模块。
如图4,所述实时优化控制模块,其作用为分析工作状态的监测(检测)结果。由工业相机采集排液口的滤液视频,利用图像处理技术截取关键帧与特征信息。特征信息包括但不限于滤液流动时间。对截取的关键帧进行图形预处理操作,包括滤波降噪、二值化处理、形态学运算等方式。将预处理后的关键帧按顺序输入深度神经网络模型,进行特征提取,形成由深度神经网络模型提取到的特征张量T1;将提取图像处理后每个关键帧之间间隔时间,形成特征张量T2。将特征张量T1与T2,输入工作状态监测(检测)模型,基于长短时记忆网络挖掘帧与帧之间特征信息的关联,结合水流量传感器反馈的滤液流量值,综合判定滤室压力和脱水时间是否合适,并根据分析结果,做出脱水时间和滤室压力自动调整。
如图5,脱水时间和滤室压力自动调整方法。输入信号有继电器信号、入料泵运行反馈信号,继电器信号用来控制入料泵、液压泵;输出信号有运行指示灯。AI模块为实时优化控制模块。HMI为人机交互界面,包括但不限于滤室压力实时值、滤室压力上限阈值、已脱水时间、脱水时间上限阈值。预先设定滤室压力上限阈值和脱水时间上限阈值。为当入料泵结束入料后,反馈信号给输入端,实时优化控制模块开始工作。所述实时优化控制模块接收了工作状态检测信号,所述工作状态检测信号是基于长短时记忆网络建立的滤液流动状态判别器与滤液流量共同得出压滤状态判断结果,进而控制人机界面设定的滤室压力阈值和脱水时间阈值。
Claims (2)
1.板框式压滤机的智能监测与优化控制系统,其特征在于,包括压滤效果的实时监测模块与压滤机的实时优化控制模块;
所述压滤效果的实时监测模块包括滤布缺陷监测子系统和工作状态检测子系统;
所述实时优化控制模块与工作状态检测子系统连接,接收工作状态检测子系统检测反馈的信息,自动调节滤室压力和脱水时间;
所述滤布缺陷监测子系统:包括工业相机、照明装置、警报器;所述工业相机设置在排液口连接的透明排液管上方的横板上,照明装置设置在排液管的侧面,排液管口连接水流量传感器。
2.根据权利要求1所述的板框式压滤机的智能监测与优化控制系统的控制方法,其特征在于,包括以下步骤:
当液压泵开始加压后,压滤工作开始;照明装置发射的光束垂直于通过排液管排出的滤液;通过工业相机采集滤液视频,进行关键帧与特征信息提取;将采集的关键帧进行图像的预处理操作;预处理后的关键帧建立滤液图像训练集,并作为输入端,基于深度学习算法构建滤液澄清度分类模型;
所述滤液澄清度分类模型分类结果包含浑浊和澄清,并给出浑浊和澄清的等级,若分类结果为浑浊和等级指标判定滤布是否出现破损及破损的程度;所述滤液澄清度分类模型为二分类模型,分类结果包含浑浊和澄清;若分类结果为浑浊,说明滤液澄清度较低,进而判定滤布出现破损;
所述压滤效果的实时监测模块,采用视频处理的方法,通过实时采集滤液视频判断滤液流量大小,将流量结果反馈给实时优化控制模块,完成实时压滤工作状态监测;
所述实时优化控制模块,分析工作状态的监测结果;首先,通过采集大量不同含水量、煤质的物料经过压滤过程产生的滤液流出视频,提取视频关键帧,建立滤液流动状态训练样本集,并以此作为输入源,构建卷积神经网络模型,所述卷积神经网络模型提取特征信息,计算特征值,建立基于长短时循环神经网络流态判别器;并结合工作状态检测计算出的滤液流量信息,由此判断滤室压力和脱水时间是否合适,完成检测结果分析;
通过PLC控制器,以实时优化控制模块作为人工智能模块,当压滤过程开始后,排液管连接的流量传感器开始工作,产生的脉冲信号发送到PLC控制器输入端,开始反馈滤液流量;实时优化模块接受信号后,做出综合判定,将判定结果发送到输出端人机交互界面,实现滤室压力和脱水时间的自动控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110557464.2A CN113209679B (zh) | 2021-05-21 | 2021-05-21 | 板框式压滤机的智能监测与优化控制系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110557464.2A CN113209679B (zh) | 2021-05-21 | 2021-05-21 | 板框式压滤机的智能监测与优化控制系统及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113209679A true CN113209679A (zh) | 2021-08-06 |
CN113209679B CN113209679B (zh) | 2021-11-23 |
Family
ID=77093729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110557464.2A Active CN113209679B (zh) | 2021-05-21 | 2021-05-21 | 板框式压滤机的智能监测与优化控制系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113209679B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113599867A (zh) * | 2021-08-25 | 2021-11-05 | 北京科技大学 | 一种微细粒粘滞物料压滤脱水过程检测控制装置及方法 |
CN113730970A (zh) * | 2021-09-28 | 2021-12-03 | 平顶山中选自控系统有限公司 | 用于洗煤的水流智能化监测装置及压滤机进料控制系统 |
CN114405156A (zh) * | 2022-01-26 | 2022-04-29 | 中国神华能源股份有限公司哈尔乌素露天煤矿 | 一种煤泥水加压过滤机的控制方法及控制系统 |
CN114779644A (zh) * | 2022-04-29 | 2022-07-22 | 山东孚德环保有限公司 | 一种过滤机智能控制的方法 |
CN115282656A (zh) * | 2022-10-09 | 2022-11-04 | 南通微淼新材料科技有限公司 | 一种活性炭加工环保处理装置 |
CN116621194A (zh) * | 2023-07-20 | 2023-08-22 | 山东鲁泰化学有限公司 | 一种氯碱生产中回收盐泥NaCl的方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002292210A (ja) * | 2001-03-30 | 2002-10-08 | Temujin Eco System Kk | フィルタープレス式脱水システム及び制御方法 |
CN1499993A (zh) * | 2001-03-30 | 2004-05-26 | 特姆金埃科系统株式会社 | 压滤机式脱水系统、脱水方法、脱气装置、止回阀及开关阀 |
CN111481971A (zh) * | 2020-04-20 | 2020-08-04 | 徐州宏远通信科技有限公司 | 一种基于图像识别的压滤机卸料自动控制系统及方法 |
CN111804022A (zh) * | 2020-09-04 | 2020-10-23 | 天津中新智冠信息技术有限公司 | 压滤机进料控制方法、装置、设备、存储介质及系统 |
CN212236135U (zh) * | 2020-01-18 | 2020-12-29 | 北京英特珂玛智能科技有限公司 | 一种基于机器视觉的板框式压滤机智能识别控制系统 |
-
2021
- 2021-05-21 CN CN202110557464.2A patent/CN113209679B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002292210A (ja) * | 2001-03-30 | 2002-10-08 | Temujin Eco System Kk | フィルタープレス式脱水システム及び制御方法 |
CN1499993A (zh) * | 2001-03-30 | 2004-05-26 | 特姆金埃科系统株式会社 | 压滤机式脱水系统、脱水方法、脱气装置、止回阀及开关阀 |
CN212236135U (zh) * | 2020-01-18 | 2020-12-29 | 北京英特珂玛智能科技有限公司 | 一种基于机器视觉的板框式压滤机智能识别控制系统 |
CN111481971A (zh) * | 2020-04-20 | 2020-08-04 | 徐州宏远通信科技有限公司 | 一种基于图像识别的压滤机卸料自动控制系统及方法 |
CN111804022A (zh) * | 2020-09-04 | 2020-10-23 | 天津中新智冠信息技术有限公司 | 压滤机进料控制方法、装置、设备、存储介质及系统 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113599867A (zh) * | 2021-08-25 | 2021-11-05 | 北京科技大学 | 一种微细粒粘滞物料压滤脱水过程检测控制装置及方法 |
CN113599867B (zh) * | 2021-08-25 | 2022-08-12 | 北京科技大学 | 一种微细粒粘滞物料压滤脱水过程检测控制装置及方法 |
CN113730970A (zh) * | 2021-09-28 | 2021-12-03 | 平顶山中选自控系统有限公司 | 用于洗煤的水流智能化监测装置及压滤机进料控制系统 |
CN114405156A (zh) * | 2022-01-26 | 2022-04-29 | 中国神华能源股份有限公司哈尔乌素露天煤矿 | 一种煤泥水加压过滤机的控制方法及控制系统 |
CN114779644A (zh) * | 2022-04-29 | 2022-07-22 | 山东孚德环保有限公司 | 一种过滤机智能控制的方法 |
CN115282656A (zh) * | 2022-10-09 | 2022-11-04 | 南通微淼新材料科技有限公司 | 一种活性炭加工环保处理装置 |
CN116621194A (zh) * | 2023-07-20 | 2023-08-22 | 山东鲁泰化学有限公司 | 一种氯碱生产中回收盐泥NaCl的方法和装置 |
CN116621194B (zh) * | 2023-07-20 | 2023-10-10 | 山东鲁泰化学有限公司 | 一种氯碱生产中回收盐泥NaCl的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113209679B (zh) | 2021-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113209679B (zh) | 板框式压滤机的智能监测与优化控制系统及其控制方法 | |
CN212236135U (zh) | 一种基于机器视觉的板框式压滤机智能识别控制系统 | |
US20210213391A1 (en) | Method and Apparatus for Real-Time Direct Membrane Monitoring | |
KR100979096B1 (ko) | 간헐폭기식 공기세정방식을 이용한 막분리 공정의 최적운전제어시스템 및 방법 | |
CN114849316B (zh) | 一种智能化反冲洗过滤的自动控制系统 | |
CN111061231B (zh) | 焊接装配间隙和错边前馈的熔池监控系统及熔透监测方法 | |
CN116206266B (zh) | 一种基于封口机的视觉对位系统 | |
JP2024051134A (ja) | 脱水システム | |
CN115671818A (zh) | 一种板框压滤机智能控制方法及系统 | |
WO2017030138A1 (ja) | 水処理槽活性汚泥状態評価装置用治具、これを用いた水処理槽活性汚泥状態評価装置および状態評価方法 | |
CN105319166A (zh) | 一种大豆实时检测仪器 | |
CN110339938B (zh) | 一种数字化煤炭分选系统 | |
CN106370673A (zh) | 一种镜片疵病自动检测方法 | |
CN208626714U (zh) | 一种板框压滤机在线清洗装置 | |
CN112999835B (zh) | 用于石灰石-石膏湿法脱硫过程的石膏品质在线监测方法 | |
CN114713381A (zh) | 基于浮选尾煤矿浆检测的浮选智能加药系统及加药方法 | |
CN115016313A (zh) | 一种煤重介的仿真控制方法及装置 | |
CN111495575B (zh) | 一种旋流器连接管以及堵塞判别方法 | |
CN113390884A (zh) | 一种卷烟设备烟支输送通道烟支异常监测方法及其装置 | |
CN113996571B (zh) | 一种二甲基亚砜回收在线监测方法及其系统 | |
CN111359892A (zh) | 一种基于机器视觉的天宝蜜柚外观检测分级装置及其方法 | |
CN214040143U (zh) | 一种压滤机监测系统 | |
CN117710364B (zh) | 一种基于机器视觉的抗磨液压油除杂全流程分析管理系统 | |
CN117339263B (zh) | 一种立式压滤机自动控制系统及方法 | |
CN214990871U (zh) | 一种平面玻璃加工用超声波纯水系统 |
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 |