CN113562824A - 水净化的加药控制方法、装置、计算机设备和存储介质 - Google Patents
水净化的加药控制方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113562824A CN113562824A CN202110673951.5A CN202110673951A CN113562824A CN 113562824 A CN113562824 A CN 113562824A CN 202110673951 A CN202110673951 A CN 202110673951A CN 113562824 A CN113562824 A CN 113562824A
- Authority
- CN
- China
- Prior art keywords
- dosing
- turbidity
- period
- prediction
- filtration
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 46
- 238000000746 purification Methods 0.000 title claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 111
- 238000011045 prefiltration Methods 0.000 claims abstract description 98
- 239000003814 drug Substances 0.000 claims abstract description 60
- 229940079593 drug Drugs 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims description 74
- 230000006870 function Effects 0.000 claims description 49
- 230000009471 action Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000003750 conditioning effect Effects 0.000 claims description 13
- 238000013459 approach Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 239000013543 active substance Substances 0.000 description 1
- 229940037003 alum Drugs 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 101150036841 minJ gene Proteins 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
- C02F1/5236—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities using inorganic agents
Landscapes
- Chemical & Material Sciences (AREA)
- Inorganic Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Organic Chemistry (AREA)
- Separation Using Semi-Permeable Membranes (AREA)
Abstract
本申请涉及一种水净化的加药控制方法、装置、计算机设备和存储介质。所述方法包括：获取当前调节周期的滤前浊度；根据所述当前调节周期的滤前浊度，预存储的滤前浊度和加药量之间的关系式，得到下一调节周期的一组加药预测量，其中，调节周期包括至少两个设定调节周期，所述一组加药预测量包括各设定调节周期对应的加药预测量；根据所述一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量投放作用药物，使所述反应池中水的滤前浊度最接近构建好的目标函数中的目标滤前浊度。采用本方法能够不需要大量历史数据，就能对反应池的滤前浊度进行稳定控制。
Description
技术领域
本申请涉及水处理技术领域，特别是涉及一种水净化的加药控制方法、装置、计算机设备和存储介质。
背景技术
随着水处理技术的发展，在自来水的处理过程中，为了将从河流中流入的水的浊度降低，因而出现了向反应池投放聚合氯化铝的水处理技术。
传统技术中，为了控制聚合氯化铝的加药量达到稳定控制滤前浊度，通常采用深度学习的方法，基于大量历史加药-滤前浊度数据训练数据模型，来实现加药控制。
然而，传统方法基于深度学习，需要大量历史数据，对于新的反应池，大量历史数据可能需要时间去累积，在前期的加药阶段难以根据深度学习的方式对滤前浊度进行稳定控制。
发明内容
基于此，有必要针对上述技术问题，提供一种不需要大量历史数据，就能对反应池的滤前浊度进行稳定控制的水净化的加药控制方法、装置、计算机设备和存储介质。
在一个实施例中，水净化的加药控制方法，包括：
获取当前调节周期的滤前浊度；
根据所述当前调节周期的滤前浊度，预存储的滤前浊度和加药量之间的关系式，得到下一调节周期的一组加药预测量，其中，调节周期包括至少两个设定调节周期，所述一组加药预测量包括各设定调节周期对应的加药预测量；
根据所述一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量投放作用药物，使所述反应池中水的滤前浊度最接近构建好的目标函数中的目标滤前浊度。
在一个实施例中，所述方法还包括：
根据实际的滤前浊度和所述目标滤前浊度之间的差值，得到浊度差值；
对所述浊度差值求平方，得到浊度平方差，并对加药增量求平方，得到加药增量平方，其中，所述加药增量为一个调节周期内，当前设定调节周期的加药量和上一设定调节周期的加药量之间的差值量；
分别获取所述浊度平方差的第一权重系数矩阵，和所述加药增量的第二权值系数矩阵；
根据所述第一权重系数矩阵、所述浊度平方差、所述第二权重系数矩阵和所述加药增量平方，得到构建好的目标函数。
在一个实施例中，在得到构建好的目标函数之后，还包括：
对所述构建好的目标函数进行变换，得到变换后目标函数；
对所述变换后目标函数求导，当所述变换后目标函数导数为零时，得到并存储所述滤前浊度和加药量之间的关系式。
在一个实施例中，所述方法还包括：
获取当前调节周期的加药量真实值；
根据上一调节周期的滤前浊度，预测得到当前调节周期的加药预测量；
根据所述加药预测量和所述加药真实值之间的差值，得到系统误差值；
将所述系统误差值增加到所述下一调节周期的加药预测量中。
在一个实施例中，将所述系统误差值增加到所述下一调节周期的加药预测量中，包括：
获取校准矩阵，其中所述校准矩阵只有第一个数为不为0，其余数均为0；
根据所述校准矩阵对下一调节周期中的加药预测量进行校准，得到校准后加药预测量；
向反应池中按照所述校准后加药量投放作用药物。
在一个实施例中，根据所述校准矩阵对下一调节周期中的加药量进行校准，得到校准后加药预测量，包括：
在一个设定调节周期内，根据加药量、滤前浊度和加药影响之间的关系式，计算得到该设定调节周期内在各时间点的预测滤前浊度；其中，在一个设定调节周期中，对应有一组预测滤前浊度，所述预测滤前浊度包括该设定调节周期的滤前浊度，和该调节周期中其他各设定调节周期的滤前浊度；
当下一设定调节周期加药量变化时，根据所述校准矩阵和所述系统误差值，将下一调节周期中的各个时间点的加药量进行校准，得到一组校准后加药预测量。
一种加药控制装置，所述装置包括：
滤前浊度获取模块，用于获取当前调节周期的滤前浊度；
加药预测量获取模块，用于根据所述当前调节周期的滤前浊度，预存储的滤前浊度和加药量之间的关系式，得到当前调节周期的一组加药预测量，其中，调节周期包括至少两个设定调节周期，所述一组加药预测量包括各设定调节周期对应的加药预测；
作用药物施加模块，用于根据所述一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量增加作用药物，使所述反应池的滤前浊度接近构建好的目标函数中的目标滤前浊度。
在一个实施例中，所述装置还包括：
浊度差值获取模块，用于根据所述当前调节周期的滤前浊度和所述目标滤前浊度之间的差值，得到浊度差值；
加药增量平方获取模块，用于对所述浊度差值求平方，得到浊度平方差，并对加药增量求平方，得到加药增量平方，其中，所述加药增量为一个调节周期内，当前设定调节周期的加药量和上一设定调节周期的加药量之间的差值量；
权重系数矩阵获取模块，用于分别获取所述浊度平方差的第一权重系数矩阵，和所述加药增量的第二权值系数矩阵；
目标函数获取模块，用于根据所述第一权重系数矩阵、所述浊度平方差、所述第二权重系数矩阵和所述加药增量平方，得到构建好的目标函数。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据所述当前调节周期的滤前浊度，预存储的滤前浊度和加药量之间的关系式，得到下一调节周期的一组加药预测量，其中，调节周期包括至少两个设定调节周期，所述一组加药预测量包括各设定调节周期对应的加药预测量；
根据所述一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量投放作用药物，使所述反应池中水的滤前浊度最接近构建好的目标函数中的目标滤前浊度。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
根据所述当前调节周期的滤前浊度，预存储的滤前浊度和加药量之间的关系式，得到下一调节周期的一组加药预测量，其中，调节周期包括至少两个设定调节周期，所述一组加药预测量包括各设定调节周期对应的加药预测量；
根据所述一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量投放作用药物，使所述反应池中水的滤前浊度最接近构建好的目标函数中的目标滤前浊度。
上述水净化的加药控制方法、装置、计算机设备和存储介质，通过获取当前调节周期的滤前浊度，滤前浊度和加药量之间的关系式预存储在系统中，即可根据当前调节周期的滤前浊度，得到下一调节周期的一组加药预测量。根据该一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量增加作用药物，从而使反应池的滤前浊度接近构建好的目标函数中的目标滤前浊度。其中，根据滤前浊度和加药量之间的关系式，所得到的加药预测量，是使滤前浊度能最接近目标滤前浊度的加药量。因而本申请不需要大量历史数据，就能对反应池的滤前浊度进行稳定控制。
附图说明
图1为一个实施例中水净化的加药控制方法的应用环境图；
图2为一个实施例中水净化的加药控制方法的流程示意图；
图3为一个实施例中加药量和滤前浊度之间的关系示意图；
图4为一个实施例中滤前浊度-时间之间的关系示意图；
图5为一个实施例中加药控制装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的水净化的加药控制方法，可以应用于如图1所示的应用环境中。其中，终端102、加药装置104和检测装置106通过网络进行通信。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。加药装置104通过终端102的电控方式实现作用药物的投放，也可手动打开加药。检测装置106对反应池中水的滤前浊度进行检测，将检测结果反馈给终端102，再由终端102根据检测装置106的检测结果，实现对加药装置104的逻辑控制。例如获取到当前调节周期的滤前浊度时，根据当前调节周期的滤前浊度，可以通过终端102预测得到下一调节周期的一组加药预测量，使加药装置104根据该组加药预测量投放作用药物。
在一个实施例中，如图2所示，提供了一种水净化的加药控制方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤S202，获取当前调节周期的滤前浊度。
其中，浊度是指溶液在光线通过时所产生的阻碍程度。在具体的水净化处理的整个过程中，有一个过程是对从河流中流入的水投放聚合氯化铝(英文名为PAC)，混合处理后降低浊度。由于该过程之后的下一个过程是过滤，因此将该浊度称为滤前浊度。影响滤前浊度最主要的影响因素包括PH值、温度、流入水的流量、历史浊度，可控输入是加药量，最终的目标是控制出水的滤前浊度在一个稳定值附近。加药量和滤前浊度之间的关系示意图，如图3所示，加药量增加后，随着时间推移，滤前浊度会慢慢下降，最终趋于稳定。加药量和滤前浊度之间的关系，在其他环境条件不同，但加药系统相关数据保持固定的情况下，该关系图具有普适性。其中，加药控制系统相关数据包括：当前温度、源水PH、源水流量、源水浊度、加药量等。
具体地，首先设置调节周期T，如图3所示，在140min时滤前浊度趋于稳定，则T为140min。将T周期按照等间隔时间长度，划分成M个设定调节周期，根据该M个设定调节周期向水中投放聚合氯化铝。例如T＝140min，每隔5min向水中加一次药，则M＝28。由于反应池中会一直流入新的水，水流量，水浊度，ph，温度，电导率，含氧量等自然因素均会导致滤前浊度的改变，因此在一个调节周期调节好滤前浊度之后，需要再在之后的各个调节周期内，不断调节反应池的滤前浊度，使反应池中水的滤前浊度能始终保持最终趋于稳定。
调节周期T即为一个调节周期，获取当前调节周期的滤前浊度，即获取一组当前调节周期内的、对应各设定调节周期的滤前浊度。例如，[y1,y2,y3,.....,y28]，其中，y是滤前浊度，y1是第一个设定调节周期对应的滤前浊度，y2是第二个设定调节周期对应的滤前浊度，y28是第28个设定调节周期对应的滤前浊度，其他以此类推。
步骤S204，根据所述当前调节周期的滤前浊度，预存储的滤前浊度和加药量之间的关系式，得到下一调节周期的一组加药预测量，其中，调节周期包括至少两个设定调节周期，所述一组加药预测量包括各设定调节周期对应的加药预测量。
其中，预存储的滤前浊度和加药量之间的关系式，即滤前浊度和加药量之间存在关系式，并存储于终端。通过该关系式可以根据当前调节周期的滤前浊度反推下一调节周期的加药量，得到下一调节周期的一组加药预测量。例如当前调节周期T1的滤前浊度为[y1,y2,y3,.....,y28]，根据该组滤前浊度数据可以确定下一调节周期T2的一组加药预测量[K1,K2,K3,...,K28]，其中，K1是T2第一个设定调节周期的加药预测量，K2是T2第二个设定调节周期的加药预测量，K28是T2第28个设定调节周期的加药预测量。
其中，该当前调节周期的滤前浊度可以用于预测下一调节周期的一组加药预测量。
步骤S206，根据所述一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量投放作用药物，使所述反应池中水的滤前浊度最接近构建好的目标函数中的目标滤前浊度。
其中，作用药物指聚合氯化铝，还可以是矾类物质。反应池是用于盛放从河流中流入的水的池子，将作用药物投放于该反应池，可使其中的水的滤前浊度得到降低。目标滤前浊度是人为根据需要进行设定的，是投放作用药物希望使反应池中的水的滤前浊度达到理想值。需要注意的是，目标滤前浊度是一个与当前调节周期/一组加药预测量等长的数组。而目标函数的建立，是为了获得一组加药预测量，其对应的一组滤前浊度接近目标滤前浊度。
具体地，按照得到的一组加药预测量，在下一调节周期时，向反应池中按照各设定调节周期对应的加药预测量投放作用药物，按照该规律在下一调节周期依次进行投放后，反应池在各个设定调节周期的滤前浊度，将会接近目标滤前浊度。
上述水净化的加药控制方法中，通过获取当前调节周期的滤前浊度，滤前浊度和加药量之间的关系式预存储在系统中，即可根据当前调节周期的滤前浊度，得到下一调节周期的一组加药预测量。根据该一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量增加作用药物，从而使反应池的滤前浊度接近构建好的目标函数中的目标滤前浊度。其中，根据滤前浊度和加药量之间的关系式，所得到的加药预测量，是使滤前浊度能最接近目标滤前浊度的加药量。因而本申请不需要大量历史数据，就能对反应池的滤前浊度进行稳定控制。
在一个实施例中，一种水净化的加药控制方法，还包括：
根据实际的调节周期的滤前浊度和目标滤前浊度之间的差值，得到浊度差值；
对浊度差值求平方，得到浊度平方差，并对加药增量求平方，得到加药增量平方，其中，加药增量为一个调节周期内，当前设定调节周期的加药量和上一设定调节周期的加药量之间的差值量；
分别获取浊度平方差的第一权重系数矩阵，和加药增量的第二权值系数矩阵；
根据第一权重系数矩阵、浊度平方差、第二权重系数矩阵和加药增量平方，得到构建好的目标函数。
其中，目标函数为minS＝∑qi*(g-yi)2+∑ri*(Δui)2，g为目标滤前浊度，yi为Y＝A*K这一关系式中的yi序列，对应一个Ki序列，A是加药影响矩阵，结合A矩阵和Ki。(g-yi)是当前调节周期的滤前浊度相比目标滤前浊度的差值，称为浊度差值。Δui为加药增量，qi、ri均为一行n列的矩阵、且各数值在0-1之间。qi是(g-yi)2的权重系数，称为第一权重系数。ri是(Δui)2的权重系数，称为第二权重系数。需要注意的是，g、yi、Δui等均为矩阵形式。
具体地，举例说明目标函数的建立过程：
(1)获取任意一个调节周期T(140min)的实际的滤前浊度，例如[y2,y3,y4,y5,y6,....,y29]，计算该实际的滤前浊度和目标滤前浊度之间的差值，假设目标滤前浊度为[y,y,y,y,y,...,y]，其中的y是常量。
将[y2,y3,y4,y5,y6,....,y29]-[y,y,y,y,y,...,y]，得到的差值即为浊度差值。
(2)由于实际的滤前浊度和目标滤前浊度之间的差值可能为正，也可能为负。为了方便计算以及观察二者之间的差值，因此进一步地，将对前面得到的浊度差值求平方，得到浊度平方差，即([y2,y3,y4,y5,y6,....,y29]-[y,y,y,y,y,...,y])2。
(3)根据浊度平方差，可以确定实际的滤前浊度和目标滤前浊度的接近程度。为了使反应池中水的滤前浊度达到接近目标滤前浊度的理想效果，往往需要通过对多个调节周期(T)进行加药调节，才能使滤前浊度接近目标滤前浊度。在调节过程中，qi作为第一权重系数，它的值越大，越容易保证每次加药后(各设定调节周期)距离目标滤前浊度更近，更快达到目标滤前浊度。但是，qi值过大，也容易导致加药量变化波动太大，从而导致滤前浊度剧烈波动。通常为了本调节周期达到目标滤前浊度，反而导致下一调节周期实现的实际滤前浊度会远远超过目标滤前浊度。
因此增加加药增量，该加药增量可为正值或负值，以加药增量平方加入目标函数中，从而有效避免加药量变化波动过大，防止滤前浊度剧烈波动。
如图4所示。在一个设定调节周期投入作用药物后，反应池中水的滤前浊度最终在第9分钟趋于稳定，目标滤前浊度为0.6NTU(此处NTU为浊度单位)。在第4-7分钟内，滤前浊度有轻微的波动变化，属于正常现象。
当一个调节周期的实际的滤前浊度距离目标滤前浊度较大时，可以选择在该调节周期之后的下一调节周期适当增加作用药物，加药增量为Δui。
例如，当前调节周期的滤前浊度，对应的加药量为[K2,K3,K4,K5,K6,...,K29]，在下一调节周期时，则根据加药增量对下一调节周期中的各设定调节周期增加作用药物后，加药增量为Δu3，则下一调节周期的加药量为[K3+Δu3,K4+Δu3,K5+Δu3,K6+Δu3,K7+Δu3,...,K30+Δu3]。在一个调节周期内的各个设定调节周期中，加药增量保持一致。
同理，依次获取n个调节周期T的实际的滤前浊度，计算该第n个调节周期的实际的滤前浊度，和目标滤前浊度之间的差值，根据n个调节周期各自对应的浊度差值，可以确定其中一个调节周期的实际的滤前浊度接近目标滤前浊度，从而可以确定该调节周期对应的加药量为最佳加药量。目标函数的意义正是在于，从多个调节周期中，获得滤前浊度最接近目标滤前浊度的一个调节周期的加药量。
在本实施例中，通过获取浊度差值、加药增量平方和各权重系数，得到构建好的目标函数，从而可以确定最接近目标滤前浊度的一组加药量。
在一个实施例中，在得到构建好的目标函数之后，还包括：
对所述构建好的目标函数进行变换，得到变换后目标函数；
对所述变换后目标函数求导，当所述变换后目标函数导数为零时，得到并存储所述滤前浊度和加药量之间的关系式。
具体地，记Q＝diag(qi)，R＝diag(ri)，则minJ＝||g-y0-A*K||2 Q+||K||2 R。由于该二次方程导数为0时到达最小值，故可得K＝(ATQA+R)-1ATQ*[g-yi]。
其中，Q为第一权重系数qi的矩阵表示，其斜对角线上值为0-1之间的数值，非斜对角线上的值均为0。R为第二权重系数ri的矩阵表示，其斜对角线上值为0-1之间的数值，非斜对角线上的值均为0。(||g-y0-A*K||2 Q)项是基于Q矩阵求(g-y0-A*K)这一矩阵的模。g为目标滤前浊度，y0为每个调节周期的初始滤前浊度。(A*K)是实际的滤前浊度，A是加药影响矩阵，K是加药量矩阵，(A*K)项体现了经过试验得到的滤前浊度、加药量和药效影响之间的关系。
滤前浊度、加药量和药效影响之间的关系式，为Y＝A*K。具体计算过程，举例如下：
在一个已稳定系统中，初始加药量为u0，初始滤前浊度为y0。若某时刻加药量变成u+k1Δu，则5分钟后滤前浊度变为y1＝y+k1a1，10分钟后滤前浊度变为y2＝y0+k1a2。若5分钟后加药滤前浊度又变成u+k1Δu+k2Δu，则10分钟后滤前浊度变为y0+k1a2+k2a1。依次类推，可得Y＝A*K，其中Y为yi的序列，K为ki的序列。
在本实施例中，通过变换求得变换后目标函数，并对变换后目标函数求导，从而得到滤前浊度和加药量之间的关系式，从而终端根据获取的当前调节周期的滤前浊度即可获得下一调节周期的一组加药预测量，该组加药预测量对应的滤前浊度接近目标滤前浊度。
在一个实施例中，水净化的加药控制方法，包括：
获取当前调节周期的加药量真实值；
根据上一调节周期的滤前浊度，预测得到当前调节周期的加药预测量；
根据所述加药预测量和所述加药真实值之间的差值，得到系统误差值；
将所述系统误差值增加到所述下一调节周期的一组加药预测量中。
其中，加药量真实量是当前调节周期中的真实的加药量，是指加药装置实际投放作用药物的量)。
例如，加药装置根据当前调节周期的加药预测量[K1,K2,K3,...,K28]对各设定调节周期进行加药，然后测量得到一组滤前浊度。加药装置因为自身原因，可能会导致实际操作过程中的加药量小于加药预测量，即导致加药量真实值和加药预测量之间存在误差，该误差即为系统误差。
具体地，系统误差的计算是由当前调节周期的加药量真实值，减去上一调节周期对当前调节周期的加药预测量，得到的差值即为系统误差值。即系统误差值体现的是，上一调节周期的加药预测量对当前调节周期的预测准确程度。
为了消除加药控制系统中的系统误差值，在根据上一调节周期对当前调节周期进行预测的加药预测量、当前调节周期的加药量真实值，得到一个系统误差值(该系统误差值为一个矩阵)后，在对下一个调节周期的加药量进行预测时，将该系统误差值加入到下一个调节周期的加药预测量中。例如，根据当前调节周期和上一调节周期得到的系统误差值为e1，则根据当前调节周期的滤前浊度[y1,y2,y3,.....,y28]，得到下一调节周期的加药预测量[K1,K2,K3,...,K28]时，还应在下一调节周期的加药预测量[K1,K2,K3,...,K28]中加上e1，得到[K1+e1,K2+e1,K3+e1,...,K28+e1]。其中，下一调节周期的加药预测量，同样基于预存储的滤前浊度和加药量之间的关系式得到。对于其他任意相邻两个调节周期，系统误差值的计算方式以及系统误差值加入加药预测量的方式均以此类推。
在本实施例中，通过根据当前调节周期的加药量真实值和上一调节周期对当前周期的加药预测量进行比较，得到系统误差值，从而将系统误差值加入到下一调节周期的加药预测量中，从而可以尽量消除系统误差，降低由于系统误差带来的影响。
在一个实施例中，将所述系统误差值增加到所述下一调节周期的一组加药预测量中，包括：
获取校准矩阵，其中所述校准矩阵只有第一个数为不为0，其余数均为0；
根据所述校准矩阵对下一调节周期中的各个设定调节周期的加药量进行校准，得到一组校准后加药预测量；
向反应池中按照各设定调节周期对应的所述校准后加药量增加作用药物。
其中，校准矩阵是一个矩阵，用于对各调节周期的加药预测量进行校准。校准矩阵只有第一个数不为0，其他各项均为0，从而保证与校准矩阵相乘的一个调节周期的加药预测量中，只有第一个设定调节周期中的加药预测量被保留。在本申请中，校准矩阵c＝[1,0,0,...,0]，调整后值z＝cTK。例如，校准之前，一个调节周期的加药预测量假设为[K1,K2,K3,K4,...K28]，校准矩阵第一个数通常为1，则根据校准矩阵对其进行校准之后，该调节周期的加药预测量变为[K1,0,0,0,...,0]。也就是说，校准矩阵校准后，每次预测只预测一个调节周期的第一个设定调节周期的加药预测量。
根据校准矩阵校准后得到的下一调节周期的加药预测量，称为校准后加药预测量，该校准后加药预测量相比根据预存储的滤前浊度和加药量之间的关系式得到的一组加药预测量，受系统误差影响更小。
在本实施例中，通过校准矩阵对下一调节周期中的加药预测量进行校准，得到校准后的加药预测量。最后根据校准后加药增量投放作用药物，使得投放作用药物更为准确。
在一个实施例中，加药控制方法还包括：
在所述下一调节周期中，根据所述校准矩阵对该调节周期内的其他各设定调节周期的加药预测量分别进行校准，分别得到各设定调节周期的校准后加药预测量。
其中，加药量、加药影响和滤前浊度之间的关系式是一个已稳定的系统中，经过试验得到的经验式，即Y＝A*K。初始加药量为u0，初始滤前浊度为y0。其中，A矩阵为：
在一个调节周期内，假设在第一个设定调节周期时，加药量为K1，后面的27个设定调节周期如果不加作用药物，则滤前浊度预测值为：
[a1·K1+y0,a2·K1+y0,a3·K1+y0,a4·K1+y0,a5·K1+y0,...,a5·K1+y0]，
其中，a1、a2、a3等随着a的下标增大，a所表示的加药影响呈现下降趋势。加药量K、加药影响a和滤前浊度y之间的关系式，预测过程可以这么理解：在加完K1之后的第一个时间点，加药影响是最大的，设为a1，此时第一个时间点的滤前浊度y＝a1·K1+y0。之后随着时间推移，到了第二个时间点，加药影响开始降低，设为a2，第二个时间点的滤前浊度y＝a2·K1+y0，第三个时间点到第二十八个时间点的计算方式同第一时间点、第二时间点。一般来说，到了第五个时间点时，滤前浊度趋于稳定，意味着从第五个时间点到最后的第二十八个时间点，滤前浊度保持一致。
继第一个设定调节周期加入了K1的作用药物之后，在第二个设定调节周期时，再向反应池中投放了K2的作用药物，则滤前浊度预测值为：
其中，K1、K2等随着K的下标增大，K所表示的加药量呈现上升或增多的趋势。在第二个设定调节周期中，第一个时间点的滤前浊度的来源包括两个：一是上一个设定调节周期(此处是第一设定调节周期)对其第二个时间点预测的滤前浊度(a2·K1+y0)，其二是第二设定调节周期投放K2带来的对其第一个时间点预测的滤前浊度(a1·K2)。因此第二设定调节周期的第一个时间点预测的滤前浊度为a1·K2+a2·K1+y0。同理，对于第二时间点滤前浊度的预测，包括上一个设定调节周期对其第三个时间点预测的滤前浊度(a3·K1+y0)，和第二设定调节周期投放K2带来的对其第二个时间点预测的滤前浊度(a2·K2)，因此第二时间点预测的滤前浊度为a2·K2+a3·K1+y0。第三个时间点到第二十八个时间点的计算方式同第一时间点、第二时间点。一般来说，到了第五个时间点时，滤前浊度趋于稳定，意味着从第五个时间点到最后的第二十八个时间点，滤前浊度保持一致。
以上举例说明了在没有系统误差的情况下，在一个调节周期内，第一个设定调节周期和第二个设定调节周期之下的各个时间点关于滤前浊度的预测。第三个至第二十八个设定调节周期，各时间点的滤前浊度预测值的计算方法以此类推。
当根据当前调节周期的滤前浊度，获得下一调节周期的加药预测量时，根据校准矩阵对各设定调节周期的加药预测量的预测计算过程如下：
在一个调节周期中，假设初始滤前浊度为y0，在第一个设定调节周期加入K1的作用药物后，该调节周期中之后的各设定调节周期的滤前浊度预测值为：
[a1·K1+y0,a2·K1+y0,a3·K1+y0,a4·K1+y0,a5·K1+y0,...,a5·K1+y0](这里有28个值，由于一般到第5个设定调节周期时，滤前浊度开始趋于稳定，因此到第28个设定调节周期时，滤前浊度为a5·K1+y0)。第一个设定调节周期的真实滤前浊度为y1，因此第一设定周期的误差值为e1＝y1-(a1·K1+y0)。
根据校准矩阵和加药预测量[K1,K2,K3,K4,...K28]，计算后只保留了该数组中的第一个值K1，此时加药装置将K1的药物加入到反应池水中。由第一个设定调节周期可知，预测的滤前浊度和真实的滤前浊度会存在系统误差。为了减小这种系统误差，需要对之后的27个设定调节周期的加药预测量重新计算。
假设过了5分钟，原先的第二个设定调节周期，此时是第二个设定调节周期排在新的第一个位置，加药预测量变为[K2,K3,K4,K5,...K29]。因此，仍用校准矩阵计算，保留的虽然看似是第一个值，但该第一个值的时间发生了变化，是设定调节周期的不断推移。实际上，可以重新计算得到各个设定调节周期的加药预测量。
进一步地，对之后的各设定调节周期的加药量重新计算。
在本实施例中，通过校准矩阵，只保留一个调节周期中的第一个值，对各个设定调节周期的加药预测量重新计算，得到各设定调节周期的校准后加药预测量，从而使得到的加药预测量更为准确。
应该理解的是，虽然上述实施例涉及的各流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，上述实施例涉及的各流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，一种加药控制装置，其特征在于，所述装置包括：滤前浊度获取模块501、加药预测量获取模块502和作用药物施加模块503，其中：
滤前浊度获取模块501，用于获取当前调节周期的滤前浊度；
加药预测量获取模块502，用于根据所述当前调节周期的滤前浊度，预存储的滤前浊度和加药量之间的关系式，得到当前调节周期的一组加药预测量，其中，调节周期包括至少两个设定调节周期，所述一组加药预测量包括各设定调节周期对应的加药预测；
作用药物施加模块503，用于根据所述一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量增加作用药物，使所述反应池的滤前浊度接近构建好的目标函数中的目标滤前浊度。
在一个实施例中，加药控制装置，还包括：浊度差值获取模块、加药增量平方获取模块、权重系数矩阵获取模块和目标函数获取模块，其中：
浊度差值获取模块，用于根据实际的滤前浊度和所述目标滤前浊度之间的差值，得到浊度差值；
加药增量平方获取模块，用于对所述浊度差值求平方，得到浊度平方差，并对加药增量求平方，得到加药增量平方，其中，所述加药增量为一个调节周期内，当前设定调节周期的加药量和上一设定调节周期的加药量之间的差值量；
权重系数矩阵获取模块，用于分别获取所述浊度平方差的第一权重系数矩阵，和所述加药增量的第二权值系数矩阵；
目标函数获取模块，用于根据所述第一权重系数矩阵、所述浊度平方差、所述第二权重系数矩阵和所述加药增量平方，得到构建好的目标函数。
在一个实施例中，加药控制装置，还包括：变换后目标函数获取模块和关系式获取模块，其中：
变换后目标函数获取模块，用于对所述构建好的目标函数进行变换，得到变换后目标函数；
关系式获取模块，用于对所述变换后目标函数求导，当所述变换后目标函数导数为零时，得到并存储所述滤前浊度和加药量之间的关系式。
在一个实施例中，加药控制装置，还包括：加药量真实值获取模块、加药预测量获取模块、系统误差值获取模块和系统误差值增加模块，其中：
加药量真实值获取模块，用于获取当前调节周期的加药量真实值；
加药预测量获取模块，用于根据上一调节周期的滤前浊度，预测得到当前调节周期的加药预测量；
系统误差值获取模块，用于根据所述加药预测量和所述加药真实值之间的差值，得到系统误差值；
系统误差值增加模块，用于将所述系统误差值增加到所述下一调节周期的加药预测量中。
在一个实施例中，系统误差值增加模块，包括：校准矩阵获取模块、校准后加药预测量获取模块和校准后加药量投放模块，其中：
校准矩阵获取模块，用于获取校准矩阵，其中所述校准矩阵只有第一个数为不为0，其余数均为0；
校准后加药预测量获取模块，用于根据所述校准矩阵对下一调节周期中的加药预测量进行校准，得到校准后加药预测量；
校准后加药量投放模块，用于向反应池中按照各设定调节周期对应的所述校准后加药量投放作用药物。
在一个实施例中，校准后加药预测量获取模块，还用于在所述下一调节周期中，根据所述校准矩阵对该调节周期内的其他各设定调节周期的加药预测量分别进行校准，分别得到各设定调节周期的校准后加药预测量。
关于加药控制装置的具体限定可以参见上文中对于水净化的加药控制方法的限定，在此不再赘述。上述加药控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种水净化的加药控制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种水净化的加药控制方法，其特征在于，所述方法包括：
获取当前调节周期的滤前浊度；
根据所述当前调节周期的滤前浊度，预存储的滤前浊度和加药量之间的关系式，得到下一调节周期的一组加药预测量，其中，调节周期包括至少两个设定调节周期，所述一组加药预测量包括各设定调节周期对应的加药预测量；
根据所述一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量投放作用药物，使所述反应池中水的滤前浊度最接近构建好的目标函数中的目标滤前浊度。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据实际的滤前浊度和所述目标滤前浊度之间的差值，得到浊度差值；
对所述浊度差值求平方，得到浊度平方差，并对加药增量求平方，得到加药增量平方，其中，所述加药增量为一个调节周期内，当前设定调节周期的加药量和上一设定调节周期的加药量之间的差值量；
分别获取所述浊度平方差的第一权重系数矩阵，和所述加药增量的第二权值系数矩阵；
根据所述第一权重系数矩阵、所述浊度平方差、所述第二权重系数矩阵和所述加药增量平方，得到构建好的目标函数。
3.根据权利要求2所述的方法，其特征在于，在得到构建好的目标函数之后，还包括：
对所述构建好的目标函数进行变换，得到变换后目标函数；
对所述变换后目标函数求导，当所述变换后目标函数导数为零时，得到并存储所述滤前浊度和加药量之间的关系式。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取当前调节周期的加药量真实值；
根据上一调节周期的滤前浊度，预测得到当前调节周期的加药预测量；
根据所述加药预测量和所述加药真实值之间的差值，得到系统误差值；
将所述系统误差值增加到所述下一调节周期的加药预测量中。
5.根据权利要求4所述的方法，其特征在于，将所述系统误差值增加到所述下一调节周期的加药预测量中，包括：
获取校准矩阵，其中所述校准矩阵只有第一个数为不为0，其余数均为0；
根据所述校准矩阵对下一调节周期中的加药预测量进行校准，得到校准后加药预测量；
向反应池中按照各设定调节周期对应的所述校准后加药量投放作用药物。
6.根据权利要求5所述的方法，其特征在于，根据所述校准矩阵对下一调节周期中的加药预测量进行校准，得到校准后加药预测量，包括：
在所述下一调节周期中，根据所述校准矩阵对该调节周期内的各设定调节周期的加药预测量分别进行校准，分别得到各设定调节周期的校准后加药预测量。
7.一种加药控制装置，其特征在于，所述装置包括：
滤前浊度获取模块，用于获取当前调节周期的滤前浊度；
加药预测量获取模块，用于根据所述当前调节周期的滤前浊度，预存储的滤前浊度和加药量之间的关系式，得到当前调节周期的一组加药预测量，其中，调节周期包括至少两个设定调节周期，所述一组加药预测量包括各设定调节周期对应的加药预测；
作用药物施加模块，用于根据所述一组加药预测量，向反应池中按照各设定调节周期对应的加药预测量增加作用药物，使所述反应池的滤前浊度接近构建好的目标函数中的目标滤前浊度。
8.根据权利要求7所述的装置，其特征在于，所述装置包括：
浊度差值获取模块，用于根据所述当前调节周期的滤前浊度和所述目标滤前浊度之间的差值，得到浊度差值；
加药增量平方获取模块，用于对所述浊度差值求平方，得到浊度平方差，并对加药增量求平方，得到加药增量平方，其中，所述加药增量为一个调节周期内，当前设定调节周期的加药量和上一设定调节周期的加药量之间的差值量；
权重系数矩阵获取模块，用于分别获取所述浊度平方差的第一权重系数矩阵，和所述加药增量的第二权值系数矩阵；
目标函数获取模块，用于根据所述第一权重系数矩阵、所述浊度平方差、所述第二权重系数矩阵和所述加药增量平方，得到构建好的目标函数。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110673951.5A CN113562824A (zh) | 2021-06-17 | 2021-06-17 | 水净化的加药控制方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110673951.5A CN113562824A (zh) | 2021-06-17 | 2021-06-17 | 水净化的加药控制方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113562824A true CN113562824A (zh) | 2021-10-29 |
Family
ID=78162251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110673951.5A Pending CN113562824A (zh) | 2021-06-17 | 2021-06-17 | 水净化的加药控制方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113562824A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2648733A1 (de) * | 1975-11-06 | 1977-05-18 | Degremont | Verfahren zum automatischen regulieren des schlammabzuges aus einer anordnung zur behandlung von waessern und vorrichtung zur durchfuehrung des verfahrens |
| CN101020128A (zh) * | 2006-11-29 | 2007-08-22 | 东南大学 | 自来水厂混凝系统投药量的多模型综合动态矩阵控制方法 |
| JP2008274582A (ja) * | 2007-04-26 | 2008-11-13 | Hitachi Ltd | 取水・送水計画立案装置、取水・送水計画立案システムおよび取水・送水計画立案方法 |
| CN101607151A (zh) * | 2009-01-09 | 2009-12-23 | 湖南华博科技开发有限公司 | 嵌入式智能加药控制器及其控制方法 |
| 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 |
| CN104238527A (zh) * | 2014-09-24 | 2014-12-24 | 天津创业环保集团股份有限公司 | 污水处理厂曝气总量的精确控制方法 |
| CN105301960A (zh) * | 2015-10-10 | 2016-02-03 | 杨晓林 | 一种自来水凝絮剂投加量的控制方法 |
| CN109143864A (zh) * | 2018-09-17 | 2019-01-04 | 浙江工业大学 | 一种中药饮片中药材自动清洗过程水浊度预测控制方法 |
| CN109678231A (zh) * | 2018-11-15 | 2019-04-26 | 西安建筑科技大学 | 一种基于增量式pid控制的水箱加氯消毒方法及系统 |
| CN112099455A (zh) * | 2020-09-30 | 2020-12-18 | 龙宽伟 | 一种水厂加药控制方法及系统 |
| CN112759048A (zh) * | 2020-12-21 | 2021-05-07 | 上海熊猫机械(集团)有限公司 | 一种pac溶液智能投加控制方法 |
-
2021
- 2021-06-17 CN CN202110673951.5A patent/CN113562824A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE2648733A1 (de) * | 1975-11-06 | 1977-05-18 | Degremont | Verfahren zum automatischen regulieren des schlammabzuges aus einer anordnung zur behandlung von waessern und vorrichtung zur durchfuehrung des verfahrens |
| CN101020128A (zh) * | 2006-11-29 | 2007-08-22 | 东南大学 | 自来水厂混凝系统投药量的多模型综合动态矩阵控制方法 |
| JP2008274582A (ja) * | 2007-04-26 | 2008-11-13 | Hitachi Ltd | 取水・送水計画立案装置、取水・送水計画立案システムおよび取水・送水計画立案方法 |
| CN101607151A (zh) * | 2009-01-09 | 2009-12-23 | 湖南华博科技开发有限公司 | 嵌入式智能加药控制器及其控制方法 |
| 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 |
| CN104238527A (zh) * | 2014-09-24 | 2014-12-24 | 天津创业环保集团股份有限公司 | 污水处理厂曝气总量的精确控制方法 |
| CN105301960A (zh) * | 2015-10-10 | 2016-02-03 | 杨晓林 | 一种自来水凝絮剂投加量的控制方法 |
| CN109143864A (zh) * | 2018-09-17 | 2019-01-04 | 浙江工业大学 | 一种中药饮片中药材自动清洗过程水浊度预测控制方法 |
| CN109678231A (zh) * | 2018-11-15 | 2019-04-26 | 西安建筑科技大学 | 一种基于增量式pid控制的水箱加氯消毒方法及系统 |
| CN112099455A (zh) * | 2020-09-30 | 2020-12-18 | 龙宽伟 | 一种水厂加药控制方法及系统 |
| CN112759048A (zh) * | 2020-12-21 | 2021-05-07 | 上海熊猫机械(集团)有限公司 | 一种pac溶液智能投加控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Briat et al. | Antithetic proportional-integral feedback for reduced variance and improved control performance of stochastic reaction networks | |
| Condamin et al. | First-passage times for random walks in bounded domains | |
| US9176569B2 (en) | Apparatus and method for dynamically adjusting frequency of central processing unit | |
| Shi et al. | Dynamic causal effects evaluation in a/b testing with a reinforcement learning framework | |
| US11435798B2 (en) | Adaptive on-chip digital power estimator | |
| GB2479635A (en) | Staggered self refresh method | |
| CN109451155B (zh) | 终端温度动态控制方法、终端、系统及存储介质 | |
| CN114020067B (zh) | 一种反应釜的温度控制方法、装置及计算机可读存储介质 | |
| CN109409559B (zh) | 油田产量递减率的确定方法及装置 | |
| Schaller et al. | Robust PBPK/PD-based model predictive control of blood glucose | |
| Boyd et al. | Estimation of treatment effect under non‐proportional hazards and conditionally independent censoring | |
| WO2008095803A1 (en) | Instruction dependent dynamic voltage compensation | |
| CN116931738B (zh) | 一种基于脑电波动态调节电流强度的干预刺激方法 | |
| Jose et al. | Beta half logistic distribution–a new probability model for lifetime data | |
| CN113562824A (zh) | 水净化的加药控制方法、装置、计算机设备和存储介质 | |
| Zhou et al. | Theoretical analyses of dispersed-drug release from planar matrices with a boundary layer in a finite medium | |
| Aradóttir et al. | Model predictive control for dose guidance in long acting insulin treatment of type 2 diabetes | |
| Lafuerza et al. | Role of delay in the stochastic creation process | |
| Scheidegger et al. | The weighted generalised covariance measure | |
| Palma-Flores et al. | Integration of design and NMPC-based control for chemical processes under uncertainty: An MPCC-based framework | |
| CN114676795A (zh) | 一种深度学习模型的训练方法、装置、设备及存储介质 | |
| Sepasi et al. | An adaptive back-stepping control for blood glucose regulation in type 1 diabetes | |
| Xiao et al. | Sensitivity-based adaptive mesh refinement collocation method for dynamic optimization of chemical and biochemical processes | |
| Nath et al. | Robust guaranteed‐cost output feedback control of blood glucose in type 1 diabetes patient with intrapatient variability | |
| Wang et al. | Forward–backward stochastic differential games for optimal investment and dividend problem of an insurer under model uncertainty |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211029 |
|
| RJ01 | Rejection of invention patent application after publication |