CN114471170A - 一种基于物联网的陶瓷膜自动加药清洗系统及方法 - Google Patents
一种基于物联网的陶瓷膜自动加药清洗系统及方法 Download PDFInfo
- Publication number
- CN114471170A CN114471170A CN202111672424.9A CN202111672424A CN114471170A CN 114471170 A CN114471170 A CN 114471170A CN 202111672424 A CN202111672424 A CN 202111672424A CN 114471170 A CN114471170 A CN 114471170A
- Authority
- CN
- China
- Prior art keywords
- strategy
- dosing
- acquiring
- internet
- information
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D65/00—Accessories or auxiliary operations, in general, for separation processes or apparatus using semi-permeable membranes
- B01D65/02—Membrane cleaning or sterilisation ; Membrane regeneration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/14—Session management
- H04L67/141—Setup of application sessions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于物联网的陶瓷膜自动加药清洗系统及方法，其中，系统包括：物联网云平台、至少一个第一加药清洗装置和多个客户端；所述物联网云平台获取所述第一加药清洗装置的工作参数，基于所述工作参数，制定适宜的第一加药清洗策略，基于所述第一加药清洗策略，远程对所述第一加药清洗装置进行加药清洗控制，对陶瓷膜进行清洗。所述物联网云平台还将所述工作参数发送至所述客户端。本发明的基于物联网的陶瓷膜自动加药清洗系统及方法，无需人工监测加药清洗装置采集的工作参数，基于工作参数，设定加药量和清洗次数，提升了便捷性，更降低了人力成本。
Description
技术领域
本发明涉及自动化控制技术领域，特别涉及一种基于物联网的陶瓷膜自动加药清洗系统及方法。
背景技术
目前，由于陶瓷膜具有耐高温、使用寿命长等优点，广泛应用于水处理系统中；但是，随着陶瓷膜投入使用的时间增长，陶瓷膜的膜通量会降低，压力会增大，造成水处理成本增加，因此，需要采用加药清洗的方式对陶瓷膜进行清洗，但是，传统加药清洗方式均是由人工监测加药清洗装置采集的工作参数，基于工作参数，设定加药量和清洗次数等，便捷性较低，人力成本较大；
因此，亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种基于物联网的陶瓷膜自动加药清洗系统及方法，。
本发明实施例提供的一种基于物联网的陶瓷膜自动加药清洗系统，包括：物联网云平台、至少一个第一加药清洗装置和多个客户端；
所述物联网云平台获取所述第一加药清洗装置的工作参数，基于所述工作参数，制定适宜的第一加药清洗策略，基于所述第一加药清洗策略，远程对所述第一加药清洗装置进行加药清洗控制，对陶瓷膜进行清洗；
所述物联网云平台还将所述工作参数发送至所述客户端。
优选的，所述物联网云平台还对所述工作参数进行异常分析，将异常分析结果发送至所述客户端。
优选的，所述物联网云平台、第一加药清洗装置和客户端之间通过以太网或4G进行通信连接。
优选的，所述物联网云平台还将所述工作参数存储至预设的历史数据库中。
优选的，所述物联网云平台基于所述工作参数，制定适宜的第一加药清洗策略，具体执行如下操作：
从所述工作参数中提取多个必要参数；
查询预设的加药清洗策略库，确定所述必要参数共同对应的第一加药清洗策略，完成制定。
优选的，所述物联网云平台基于所述工作参数，制定适宜的第一加药清洗策略，还可以具体执行如下操作：
训练策略制定模型，将所述工作参数输入至所述策略制定模型，获得适宜的第一加药清洗策略，完成制定。
优选的，训练策略制定模型，包括：
获取预设的训练节点集，所述训练节点集包括：多个第一训练节点；
获取所述第一训练节点的来源类型，所述来源类型包括：本地和分享；
当所述第一训练节点的来源类型为本地时，通过对应所述第一训练节点获取多个第一策略制定事件；
获取所述第一策略制定事件对应的采集人员信息，所述采集人员信息包括：多个第一采集人；
获取所述第一采集人的经验值，若所述经验值大于等于预设的经验阈值，将对应所述第一采集人作为第二采集人，同时，将其余所述第一采集人作为第三采集人；
获取预设的监督数据库，基于所述监督数据库，确定所述第一策略制定事件对应的监督数据；
基于所述监督数据，获取所述第二采集人对任一所述第三采集人的监督值，并将所述监督值标记于所述第三采集人；
若存在所述第三采集人被标记的所述监督值均小于等于预设的监督阈值和/或存在所述第三采集人未被标记所述监督值，剔除对应所述第一策略制定事件；
当需要剔除的所述第一策略制定事件均剔除后，将剔除剩余的所述第一策略制定事件作为第二策略制定事件；
当所述第一训练节点的来源类型为分享时，通过对应所述第一训练节点获取多个第三策略制定事件；
获取所述第三策略制定事件对应的第二加药清洗装置；
获取所述第一加药清洗装置的第一装置信息，同时，获取所述第二加药清洗装置的第二装置信息；
对所述第一装置信息进行信息拆分，获得多个第一信息项；
对所述第二装置信息进行信息拆分，获得多个第二信息项；
将所述第一信息项和所述第二信息项进行随机信息匹配，若匹配符合，将匹配符合的所述第一信息项或所述第二信息项作为第三信息项；
获取所述第三信息项对应的第一信息类型；
构建信息类型-贡献度库，基于所述信息类型-贡献度库，确定所述第一信息类型对应的第一贡献度；
当随机信息匹配结束后，累加计算所述第一贡献度，获得贡献度和；
若所述贡献度和大于等于预设的最大贡献度和阈值，将对应所述第三策略制定事件作为第四策略制定事件；
若所述贡献度和小于等于预设的最小贡献度和阈值，剔除对应所述第三策略制定事件；
否则，将对应所述第三策略制定事件作为第五策略制定事件，同时，获取所述贡献度和对应的缺陷值和阈值；
获取对应于所述第一加药清洗装置的装置三维模型；
将所述第一属性信息映射于所述装置三维模型中；
从所述第五策略制定事件中提取应对场景，同时，从所述应对场景中提取多个场景要素；
将所述场景要素映射于所述装置初始三维模型中；
从所述第五策略制定事件中提取第二加药清洗策略；
获取预设的执行模拟模型，基于所述执行模拟模型，在所述装置三维模型中模拟执行所述第二加药清洗策略；
在所述执行模拟模型模拟执行所述第二加药清洗策略的过程中，获取预设的缺陷识别模型，基于所述缺陷识别模型，尝试识别模拟执行过程中的多个缺陷项；
若识别成功，获取所述缺陷项对应的缺陷值；
当所述执行模拟模型模拟执行所述第二加药清洗策略结束后，累加计算所述缺陷值，获得缺陷值和；
若所述缺陷值和大于等于所述缺陷值和阈值，剔除对应所述第五策略制定事件；
当所述第三策略制定事件中需要剔除的所述第三策略制定事件和所述第五策略制定事件均剔除后，将剔除剩余的所述第三策略制定事件作为第六策略制定事件；
获取预设的神经网络模型，将所述第二策略制定事件和所述第六策略制定事件全部输入至所述神经网络模型中，进行模型训练，获得策略制定模型。
优选的，基于所述监督数据，获取所述第二采集人对任一所述第三采集人的监督值，包括：
基于所述监督数据，构建对应所述第一策略制定事件的制定现场的现场三维模型；
识别所述现场三维模型中对应于所述第二采集人的第一人体模型；
获取所述第一人体模型产生的多个第一行为；
基于行为分析技术，对所述第一行为进行分析，尝试分析确定所述第一行为中表征所述第一人体模型对至少一个第二人体模型进行监督的第二行为；
若分析确定成功，尝试确定所述第二人体模型中对应于所述第三采集人的第三人体模型；
若尝试确定成功，所述第二采集人对所述第三采集人进行监督，基于注意力检测技术，对相应所述第二行为进行分析，获得监督值，完成获取。
优选的，构建信息类型-贡献度库，包括：
获取预设的信息类型集，所述信息类型集包括：多个第二信息类型；
获取所述第二信息类型对应的预设的测试节点集，所述测试节点集包括：多个测试节点；
通过所述测试节点获取多个测试贡献度，同时，获取所述测试节点的信用度和担保值；
获取预设的贡献度计算模型，将所述测试贡献度、信用度和担保值输入至所述贡献度计算模型中，获得第二贡献度；
将所述第二贡献度和对应所述第二信息类型进行配对，获得配对组；
获取预设的基础数据库，将所述配对组输入至所述基础数据库；
当需要输入所述基础数据库的所述配对组均输入后，将所述基础数据库作为信息类型-贡献度库，完成构建。
本发明实施例提供的一种基于物联网的陶瓷膜自动加药清洗方法，步骤S1：获取第一加药清洗装置的工作参数；
步骤S2：基于所述工作参数，制定适宜的第一加药清洗策略；
步骤S3：基于所述第一加药清洗策略，远程对所述第一加药清洗装置进行加药清洗控制，对陶瓷膜进行清洗；
步骤S4：将所述工作参数发送至客户端。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种基于物联网的陶瓷膜自动加药清洗系统的示意图；
图2为本发明实施例中加药装置的示意图；
图3为本发明实施例中物联网的具体应用的示意图；
图4为本发明实施例中一种基于物联网的陶瓷膜自动加药清洗方法的流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗系统，如图1所示，包括：物联网云平台、至少一个第一加药清洗装置和多个客户端；
所述物联网云平台获取所述第一加药清洗装置的工作参数，基于所述工作参数，制定适宜的第一加药清洗策略，基于所述第一加药清洗策略，远程对所述第一加药清洗装置进行加药清洗控制，对陶瓷膜进行清洗；
所述物联网云平台还将所述工作参数发送至所述客户端。
上述技术方案的工作原理及有益效果为：
物联网云平台获取第一加药清洗装置的工作参数(上一次清洗时间、上一次加药量、现场温度、陶瓷膜的跨膜压差、进出水条件、水处理的量等)，基于工作参数，制定适宜的第一加药清洗策略(例如：基于水处理的量、进出水条件预测加药量，基于现场温度，确定适宜的清洗温度)；基于第一加药清洗策略，对第一加药清洗装置进行加药清洗控制，对陶瓷膜进行清洗；物联网云平台还将工作参数发送至工作人员的客户端(例如：平板、电脑、手机等)；
另外，本申请的加药清洗装置如图2所示，物联网的具体应用如图3所示；
本发明实施例的物联网平台获取加药清洗装置的工作参数，基于工作参数，制定适宜的加药清洗策略，基于其对加药清洗装置进行远程控制，无需人工监测加药清洗装置采集的工作参数，基于工作参数，设定加药量和清洗次数，提升了便捷性，更降低了人力成本。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗系统，所述物联网云平台还对所述工作参数进行异常分析，将异常分析结果发送至所述客户端。
上述技术方案的工作原理及有益效果为：
物联网云平台还对工作参数进行异常分析，当发生异常时，及时发送至客户端，实现异常报警。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗系统，所述物联网云平台、第一加药清洗装置和客户端之间通过以太网或4G进行通信连接。
上述技术方案的工作原理及有益效果为：
物联网云平台、第一加药清洗装置和客户端之间通过以太网或4G进行通信连接。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗系统，所述物联网云平台还将所述工作参数存储至预设的历史数据库中。
上述技术方案的工作原理及有益效果为：
物联网云平台设置历史数据库，将采集的工作参数存储至该历史数据库中。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗方法，所述物联网云平台基于所述工作参数，制定适宜的第一加药清洗策略，具体执行如下操作：
从所述工作参数中提取多个必要参数；
查询预设的加药清洗策略库，确定所述必要参数共同对应的第一加药清洗策略，完成制定。
上述技术方案的工作原理及有益效果为：
从工作参数中提取多个必要参数，例如：水处理量等；基于预设的加药清洗策略库(工作人员事先根据人工策略制定经验构建的数据，内存储有不同必要参数对应的加药清洗策略)，确定第一加药清洗策略即可；工作人员一般根据现场运行工况，结合进出水条件计算加药量，加药量进行动态调整，实现精准加药；根据压差进行精准控制膜清洗次数，在清洗时调整温度，尽可能减少膜清洗次数；根据现有情况，建议在陶瓷膜前设混凝剂固体聚合氯化铝PAC加药点并保证接触时间和投加装置，此原水加药点和原水加药装置的设计是为了应对原水水质波动及预处理效果波动，因此为必备配置；CIP水箱内须设加热装置使清洗药液在CIP清洗时达到～45℃；维护性化学清洗需要设计符合陶瓷膜清洗水水质规范外源化学处理水(或至少为自来水)；CEB使用RO产水作为水源，或使用mCIP作为维护性清洗方式。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗系统，所述物联网云平台基于所述工作参数，制定适宜的第一加药清洗策略，还可以具体执行如下操作：
训练策略制定模型，将所述工作参数输入至所述策略制定模型，获得适宜的第一加药清洗策略，完成制定。
上述技术方案的工作原理及有益效果为：
制定适宜的第一加药清洗策略还可以训练策略制定模型(将大量人工基于工作参数制定加药清洗策略的记录输入至神经网络模型中进行训练获得的模型)，由策略制定模型进行完成。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗系统，训练策略制定模型，包括：
获取预设的训练节点集，所述训练节点集包括：多个第一训练节点；
获取所述第一训练节点的来源类型，所述来源类型包括：本地和分享；
当所述第一训练节点的来源类型为本地时，通过对应所述第一训练节点获取多个第一策略制定事件；
获取所述第一策略制定事件对应的采集人员信息，所述采集人员信息包括：多个第一采集人；
获取所述第一采集人的经验值，若所述经验值大于等于预设的经验阈值，将对应所述第一采集人作为第二采集人，同时，将其余所述第一采集人作为第三采集人；
获取预设的监督数据库，基于所述监督数据库，确定所述第一策略制定事件对应的监督数据；
基于所述监督数据，获取所述第二采集人对任一所述第三采集人的监督值，并将所述监督值标记于所述第三采集人；
若存在所述第三采集人被标记的所述监督值均小于等于预设的监督阈值和/或存在所述第三采集人未被标记所述监督值，剔除对应所述第一策略制定事件；
当需要剔除的所述第一策略制定事件均剔除后，将剔除剩余的所述第一策略制定事件作为第二策略制定事件；
当所述第一训练节点的来源类型为分享时，通过对应所述第一训练节点获取多个第三策略制定事件；
获取所述第三策略制定事件对应的第二加药清洗装置；
获取所述第一加药清洗装置的第一装置信息，同时，获取所述第二加药清洗装置的第二装置信息；
对所述第一装置信息进行信息拆分，获得多个第一信息项；
对所述第二装置信息进行信息拆分，获得多个第二信息项；
将所述第一信息项和所述第二信息项进行随机信息匹配，若匹配符合，将匹配符合的所述第一信息项或所述第二信息项作为第三信息项；
获取所述第三信息项对应的第一信息类型；
构建信息类型-贡献度库，基于所述信息类型-贡献度库，确定所述第一信息类型对应的第一贡献度；
当随机信息匹配结束后，累加计算所述第一贡献度，获得贡献度和；
若所述贡献度和大于等于预设的最大贡献度和阈值，将对应所述第三策略制定事件作为第四策略制定事件；
若所述贡献度和小于等于预设的最小贡献度和阈值，剔除对应所述第三策略制定事件；
否则，将对应所述第三策略制定事件作为第五策略制定事件，同时，获取所述贡献度和对应的缺陷值和阈值；
获取对应于所述第一加药清洗装置的装置三维模型；
将所述第一属性信息映射于所述装置三维模型中；
从所述第五策略制定事件中提取应对场景，同时，从所述应对场景中提取多个场景要素；
将所述场景要素映射于所述装置初始三维模型中；
从所述第五策略制定事件中提取第二加药清洗策略；
获取预设的执行模拟模型，基于所述执行模拟模型，在所述装置三维模型中模拟执行所述第二加药清洗策略；
在所述执行模拟模型模拟执行所述第二加药清洗策略的过程中，获取预设的缺陷识别模型，基于所述缺陷识别模型，尝试识别模拟执行过程中的多个缺陷项；
若识别成功，获取所述缺陷项对应的缺陷值；
当所述执行模拟模型模拟执行所述第二加药清洗策略结束后，累加计算所述缺陷值，获得缺陷值和；
若所述缺陷值和大于等于所述缺陷值和阈值，剔除对应所述第五策略制定事件；
当所述第三策略制定事件中需要剔除的所述第三策略制定事件和所述第五策略制定事件均剔除后，将剔除剩余的所述第三策略制定事件作为第六策略制定事件；
获取预设的神经网络模型，将所述第二策略制定事件和所述第六策略制定事件全部输入至所述神经网络模型中，进行模型训练，获得策略制定模型。
上述技术方案的工作原理及有益效果为：
训练策略制定模型时，获取多个第一训练节点(对应一个提供方，提供方提供人工基于工作参数制定加药清洗策略的记录)，第一训练的来源类型分为本地(公司内提供)和分享(其他水处理公司提供)；当来源类型为本地时，获取对应第一策略制定事件(人工基于工作参数制定加药清洗策略的记录)，其一般由多人共同进行协作制定，获取对应多个第一采集人，若第一采集人的经验值大于等于预设的经验阈值(常数)，说明其制定经验足够，作为第二采集人，否则，经验不足，作为第三采集人；在制定时，第三采集人需要在第二采集人的监督下完成，基于预设的监督数据库，确定监督数据(制定现场的三维信息，可由深度相机完成采集)，基于监督数据，获取监督值，并标记于对应第三采集人，监督值越大，说明第二采集人对第三采集人监督越认真；若存在第三采集人被标记的监督值均小于等于预设的监督阈值(常数)和/或存在第三采集人没有被标记监督值，说明，存在监督不到位情况，剔除对应第一策略事件；当来源类型为分享时，获取对应第三策略制定事件，但是，由于第三策略制定事件与公司内的第一加药清洗装置不一定适配，需要进行适配验证；因此，获取第一加药清洗装置的第一装置信息(例如：清洗记录、运行记录、型号、构件组成、值班人员类型等)，第三策略制定事件对应的第二加药清洗装置的第二装置信息(与第一装置信息同理)，分别拆分成第一信息项和第二信息项，并进行随机信息匹配，若匹配符合，确定匹配符合的第三信息项，获取其第一信息类型(例如：型号、清洗记录等)，构建信息类型-贡献度库，基于其确定第一信息类型对应的第一贡献度，第一贡献度越大，说明该第一信息类型的第三信息项匹配，对应第三策略制定事件用于训练适配于公司内的第一加药清洗装置的策略制定模型的作用价值越大(例如：型号匹配、清洗记录匹配，贡献度较大，值班人员类型匹配，贡献度较低)，当第一信息项和第二信息项随机信息匹配结束后，累加计算(求和)产生的全部第一贡献度，获得贡献度和；若贡献度和大于等于预设的最大贡献度和阈值(常数)，说明总体作用价值极高，可以用于测量制定模型训练，作为第四策略制定事件；若贡献度和小于等于预设的最小贡献度和阈值(常数)，说明总体作用价值极低，应予剔除；否则(在最大贡献度和阈值和最小贡献度和阈值之间)，说明总体作用价值一般，需要进一步验证，作为第五策略制定事件；进一步验证时，进行事件模拟验证；获取第一加药清洗装置对应的装置三维模型，将第一属性信息映射于装置三维模型内(配置装置三维模型的属性)，提取对应应对场景(事件内制定加药清洗策略基于的工作参数)内的场景要素(各参数)，并映射于装置三维模型内(配置场景)，提取出第二加药清洗策略，获取预设的执行模拟模型(利用机器学习算法对大量人工进行执行模拟的记录进行学习后生成的模型)，在装置三维模型中模拟进行第二加药清洗策略，在模拟过程中，获取预设的缺陷识别模型(与执行模拟模型同理，学习的记录是缺陷识别记录)，识别模拟过程中的缺陷项(例如：第二加药清洗策略中没有将清洗温度调至适宜，装置三维模型中的加热装置没有被使用)，获取缺陷项对应的缺陷值，缺陷值越大，对应第五策略制定事件参考意义不大；模拟结束后，累加计算(求和)缺陷值，获得缺陷值和；若缺陷值和大于等于对应贡献度和对应的缺陷值和阈值(贡献度和越大，缺陷值和阈值越低)，说明总体参考意义较低，应予剔除；将剔除剩余的第二策略制定事件和第六策略制定事件输入至预设的神经网络模型中进行训练即可获得策略制定模型；
本发明实施例在训练策略制定模型时，获取策略制定事件，其来源分为本地和分享两类，没有仅从本地获取，在数据共享的趋势下，更具备适用性，另外，基于其来源类型分别进行严格验证，充分保证了策略制定模型的训练构建质量，提升了其基于工作参数制定合理加药清洗策略的能力；同时，当来源类型为本地时，基于人员组成，制定现场监督情况，细致化验证，当来源类型为分享时，考虑到对应策略制定事件不适配公司内的加药清洗装置的特殊情况，但是，没有直接进行剔除，而是分别进行信息匹配贡献度验证和模拟验证，在应用初期训练样本不足的情况下，更具备适用性。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗系统，基于所述监督数据，获取所述第二采集人对任一所述第三采集人的监督值，包括：
基于所述监督数据，构建对应所述第一策略制定事件的制定现场的现场三维模型；
识别所述现场三维模型中对应于所述第二采集人的第一人体模型；
获取所述第一人体模型产生的多个第一行为；
基于行为分析技术，对所述第一行为进行分析，尝试分析确定所述第一行为中表征所述第一人体模型对至少一个第二人体模型进行监督的第二行为；
若分析确定成功，尝试确定所述第二人体模型中对应于所述第三采集人的第三人体模型；
若尝试确定成功，所述第二采集人对所述第三采集人进行监督，基于注意力检测技术，对相应所述第二行为进行分析，获得监督值，完成获取。
上述技术方案的工作原理及有益效果为：
在获取监督值时，基于监督数据，构建现场三维模型(动态)，还原制定现场；基于人体模型识别技术，识别现场三维模型中第二采集人的第一人体模型，并基于行为识别技术，获取其产生的第一行为；基于行为分析技术，分析第一行为是否表征其对第二人体模型进行监督和对应第二行为(例如：站在其身后，注视其操作电脑界面)，基于注意力检测技术，对相应第二行为(对应于被监督的第三人体模型)进行检测分析，获得监督值，监督值越大，说明注意力越集中；
本发明实施例在获取监督值时，基于监督数据，还原制定现场，使得监督值获取更加精准，提升了策略制定事件的筛选能力。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗系统，构建信息类型-贡献度库，包括：
获取预设的信息类型集，所述信息类型集包括：多个第二信息类型；
获取所述第二信息类型对应的预设的测试节点集，所述测试节点集包括：多个测试节点；
通过所述测试节点获取多个测试贡献度，同时，获取所述测试节点的信用度和担保值；
获取预设的贡献度计算模型，将所述测试贡献度、信用度和担保值输入至所述贡献度计算模型中，获得第二贡献度；
将所述第二贡献度和对应所述第二信息类型进行配对，获得配对组；
获取预设的基础数据库，将所述配对组输入至所述基础数据库；
当需要输入所述基础数据库的所述配对组均输入后，将所述基础数据库作为信息类型-贡献度库，完成构建。
上述技术方案的工作原理及有益效果为：
构建信息类型-贡献度库时，获取多个第二信息类型(装置信息的全部信息类型)，获取其对应的多个测试节点(对应测试小组，测试小组测试某信息类型的信息项匹配，对应策略制定事件用于训练适配于公司内的加药清洗装置的策略制定模型的作用价值大小)，获取多个测试贡献度，同时，获取测试节点的信用度(基于其历史提供的测试贡献度的总体真实性确定，信用度越高，总体真实性越大)和担保值(基于对其进行担保的担保人员的担保力度、担保能力确定，担保人员一般为小组总负责)；将测试贡献度、信用度和担保值输入至预设的贡献度计算模型中，计算第二贡献度，将其与对应第二信息类型进行配对后输入基础数据库即可；
其中，所述贡献度计算模型计算所述第二贡献度的公式如下：
其中，D为所述第二贡献度，σi为中间变量，Gi，t为通过所述第二信息类型对应的第i个所述测试节点获取的第t个测试贡献度，Ji为通过所述第二信息类型对应的第i个所述测试节点获取的所述测试贡献度的总数目，n为所述第二信息类型对应的所述测试节点的总数目，αi为通过所述第二信息类型对应的第i个所述测试节点的信用度，βi为通过所述第二信息类型对应的第i个所述测试节点的担保值，αmax为预设的最大信用度阈值，αmin为预设的最小信用度阈值，βmax为预设的最大担保值阈值，βmin为预设的最小担保值阈值，ρup，max为预设的最大上调幅度值，ρdown，max为预设的最小上调幅度值，μ1和μ2为预设的权重值，and为且，else为其它情况。
公式中，信用度越大，担保值越大，其对应测试贡献度的真实性越大，计算的第二贡献度应略微上调，设置合理；另外，若信用度和担保值均较大(αi≥αmaxandβi≥βmax)，加大上调幅度(设置ρup，max)，若信用度和担保值均较小，加大下调幅度(设置ρdown，max)，设置也合理。
本发明实施例构建信息类型-贡献度库，便于查询第一贡献度，提升了系统的工作效率；另外，在构建时，获取测试贡献度，整合了测试小组的记录，设置合理；另外，通过上述公式快速获取第二贡献度，进一步提升了的系统的工作效率。
本发明实施例提供了一种基于物联网的陶瓷膜自动加药清洗方法，包括：
步骤S1：获取第一加药清洗装置的工作参数；
步骤S2：基于所述工作参数，制定适宜的第一加药清洗策略；
步骤S3：基于所述第一加药清洗策略，远程对所述第一加药清洗装置进行加药清洗控制，对陶瓷膜进行清洗；
步骤S4：将所述工作参数发送至客户端。
上述技术方案的工作原理及有益效果在系统权利要求中已经说明，不再赘述。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于物联网的陶瓷膜自动加药清洗系统，其特征在于，包括：物联网云平台、至少一个第一加药清洗装置和多个客户端；
所述物联网云平台获取所述第一加药清洗装置的工作参数，基于所述工作参数，制定适宜的第一加药清洗策略，基于所述第一加药清洗策略，远程对所述第一加药清洗装置进行加药清洗控制，对陶瓷膜进行清洗；
所述物联网云平台还将所述工作参数发送至所述客户端。
2.如权利要求1所述的一种基于物联网的陶瓷膜自动加药清洗系统，其特征在于，所述物联网云平台还对所述工作参数进行异常分析，将异常分析结果发送至所述客户端。
3.如权利要求1所述的一种基于物联网的陶瓷膜自动加药清洗系统，其特征在于，所述物联网云平台、第一加药清洗装置和客户端之间通过以太网或4G进行通信连接。
4.如权利要求1所述的一种基于物联网的陶瓷膜自动加药清洗系统，其特征在于，所述物联网云平台还将所述工作参数存储至预设的历史数据库中。
5.如权利要求1所述的一种基于物联网的陶瓷膜自动加药清洗系统，其特征在于，所述物联网云平台基于所述工作参数，制定适宜的第一加药清洗策略，具体执行如下操作：
从所述工作参数中提取多个必要参数；
查询预设的加药清洗策略库，确定所述必要参数共同对应的第一加药清洗策略，完成制定。
6.如权利要求1所述的一种基于物联网的陶瓷膜自动加药清洗系统，其特征在于，所述物联网云平台基于所述工作参数，制定适宜的第一加药清洗策略，还可以具体执行如下操作：
训练策略制定模型，将所述工作参数输入至所述策略制定模型，获得适宜的第一加药清洗策略，完成制定。
7.如权利要求6所述的一种基于物联网的陶瓷膜自动加药清洗系统，其特征在于，训练策略制定模型，包括：
获取预设的训练节点集，所述训练节点集包括：多个第一训练节点；
获取所述第一训练节点的来源类型，所述来源类型包括：本地和分享；
当所述第一训练节点的来源类型为本地时，通过对应所述第一训练节点获取多个第一策略制定事件；
获取所述第一策略制定事件对应的采集人员信息，所述采集人员信息包括：多个第一采集人；
获取所述第一采集人的经验值，若所述经验值大于等于预设的经验阈值，将对应所述第一采集人作为第二采集人，同时，将其余所述第一采集人作为第三采集人；
获取预设的监督数据库，基于所述监督数据库，确定所述第一策略制定事件对应的监督数据；
基于所述监督数据，获取所述第二采集人对任一所述第三采集人的监督值，并将所述监督值标记于所述第三采集人；
若存在所述第三采集人被标记的所述监督值均小于等于预设的监督阈值和/或存在所述第三采集人未被标记所述监督值，剔除对应所述第一策略制定事件；
当需要剔除的所述第一策略制定事件均剔除后，将剔除剩余的所述第一策略制定事件作为第二策略制定事件；
当所述第一训练节点的来源类型为分享时，通过对应所述第一训练节点获取多个第三策略制定事件；
获取所述第三策略制定事件对应的第二加药清洗装置；
获取所述第一加药清洗装置的第一装置信息，同时，获取所述第二加药清洗装置的第二装置信息；
对所述第一装置信息进行信息拆分，获得多个第一信息项；
对所述第二装置信息进行信息拆分，获得多个第二信息项；
将所述第一信息项和所述第二信息项进行随机信息匹配，若匹配符合，将匹配符合的所述第一信息项或所述第二信息项作为第三信息项；
获取所述第三信息项对应的第一信息类型；
构建信息类型-贡献度库，基于所述信息类型-贡献度库，确定所述第一信息类型对应的第一贡献度；
当随机信息匹配结束后，累加计算所述第一贡献度，获得贡献度和；
若所述贡献度和大于等于预设的最大贡献度和阈值，将对应所述第三策略制定事件作为第四策略制定事件；
若所述贡献度和小于等于预设的最小贡献度和阈值，剔除对应所述第三策略制定事件；
否则，将对应所述第三策略制定事件作为第五策略制定事件，同时，获取所述贡献度和对应的缺陷值和阈值；
获取对应于所述第一加药清洗装置的装置三维模型；
将所述第一属性信息映射于所述装置三维模型中；
从所述第五策略制定事件中提取应对场景，同时，从所述应对场景中提取多个场景要素；
将所述场景要素映射于所述装置初始三维模型中；
从所述第五策略制定事件中提取第二加药清洗策略；
获取预设的执行模拟模型，基于所述执行模拟模型，在所述装置三维模型中模拟执行所述第二加药清洗策略；
在所述执行模拟模型模拟执行所述第二加药清洗策略的过程中，获取预设的缺陷识别模型，基于所述缺陷识别模型，尝试识别模拟执行过程中的多个缺陷项；
若识别成功，获取所述缺陷项对应的缺陷值；
当所述执行模拟模型模拟执行所述第二加药清洗策略结束后，累加计算所述缺陷值，获得缺陷值和；
若所述缺陷值和大于等于所述缺陷值和阈值，剔除对应所述第五策略制定事件；
当所述第三策略制定事件中需要剔除的所述第三策略制定事件和所述第五策略制定事件均剔除后，将剔除剩余的所述第三策略制定事件作为第六策略制定事件；
获取预设的神经网络模型，将所述第二策略制定事件和所述第六策略制定事件全部输入至所述神经网络模型中，进行模型训练，获得策略制定模型。
8.如权利要求7所述的一种基于物联网的陶瓷膜自动加药清洗系统，其特征在于，基于所述监督数据，获取所述第二采集人对任一所述第三采集人的监督值，包括：
基于所述监督数据，构建对应所述第一策略制定事件的制定现场的现场三维模型；
识别所述现场三维模型中对应于所述第二采集人的第一人体模型；
获取所述第一人体模型产生的多个第一行为；
基于行为分析技术，对所述第一行为进行分析，尝试分析确定所述第一行为中表征所述第一人体模型对至少一个第二人体模型进行监督的第二行为；
若分析确定成功，尝试确定所述第二人体模型中对应于所述第三采集人的第三人体模型；
若尝试确定成功，所述第二采集人对所述第三采集人进行监督，基于注意力检测技术，对相应所述第二行为进行分析，获得监督值，完成获取。
9.如权利要求7所述的一种基于物联网的陶瓷膜自动加药清洗系统，其特征在于，构建信息类型-贡献度库，包括：
获取预设的信息类型集，所述信息类型集包括：多个第二信息类型；
获取所述第二信息类型对应的预设的测试节点集，所述测试节点集包括：多个测试节点；
通过所述测试节点获取多个测试贡献度，同时，获取所述测试节点的信用度和担保值；
获取预设的贡献度计算模型，将所述测试贡献度、信用度和担保值输入至所述贡献度计算模型中，获得第二贡献度；
将所述第二贡献度和对应所述第二信息类型进行配对，获得配对组；
获取预设的基础数据库，将所述配对组输入至所述基础数据库；
当需要输入所述基础数据库的所述配对组均输入后，将所述基础数据库作为信息类型-贡献度库，完成构建。
10.一种基于物联网的陶瓷膜自动加药清洗方法，其特征在于，包括：
步骤S1：获取第一加药清洗装置的工作参数；
步骤S2：基于所述工作参数，制定适宜的第一加药清洗策略；
步骤S3：基于所述第一加药清洗策略，远程对所述第一加药清洗装置进行加药清洗控制，对陶瓷膜进行清洗；
步骤S4：将所述工作参数发送至客户端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111672424.9A CN114471170B (zh) | 2021-12-31 | 2021-12-31 | 一种基于物联网的陶瓷膜自动加药清洗系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111672424.9A CN114471170B (zh) | 2021-12-31 | 2021-12-31 | 一种基于物联网的陶瓷膜自动加药清洗系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114471170A true CN114471170A (zh) | 2022-05-13 |
| CN114471170B CN114471170B (zh) | 2023-04-07 |
Family
ID=81507763
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111672424.9A Active CN114471170B (zh) | 2021-12-31 | 2021-12-31 | 一种基于物联网的陶瓷膜自动加药清洗系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114471170B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115745323A (zh) * | 2022-12-12 | 2023-03-07 | 浙江浙能技术研究院有限公司 | 一种火电厂循环冷却水微生物控制系统及运行方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107219779A (zh) * | 2016-03-22 | 2017-09-29 | 周楠 | 一种水处理药剂的投加方法及装置 |
-
2021
- 2021-12-31 CN CN202111672424.9A patent/CN114471170B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107219779A (zh) * | 2016-03-22 | 2017-09-29 | 周楠 | 一种水处理药剂的投加方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115745323A (zh) * | 2022-12-12 | 2023-03-07 | 浙江浙能技术研究院有限公司 | 一种火电厂循环冷却水微生物控制系统及运行方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114471170B (zh) | 2023-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104866632B (zh) | 家电设备的故障数据获取方法、装置及终端 | |
| CN110210508A (zh) | 模型生成方法、异常流量检测方法、装置、电子设备、计算机可读存储介质 | |
| CN107169426A (zh) | 一种基于深度神经网络的人群情绪异常检测和定位方法 | |
| CN107949812A (zh) | 用于检测配水系统中的异常的组合方法 | |
| CN104573850A (zh) | 一种火电厂设备状态评估方法 | |
| CN107273924A (zh) | 基于模糊聚类分析的多数据融合的电厂故障诊断方法 | |
| CN107862338A (zh) | 基于双检验法的海洋环境监测数据质量管理方法及系统 | |
| CN111091884B (zh) | 一种医院信息集成平台的患者主索引匹配系统及方法 | |
| CN108319649A (zh) | 一种提高水情水调数据质量的系统和方法 | |
| CN114471170B (zh) | 一种基于物联网的陶瓷膜自动加药清洗系统及方法 | |
| CN117370919A (zh) | 污水处理设备远程监控系统 | |
| CN106569030A (zh) | 一种电能计量异常诊断中的告警阈值寻优方法及装置 | |
| CN113610381A (zh) | 一种基于5g网络的水质远程实时监测系统 | |
| CN112906738A (zh) | 一种水质检测及处理方法 | |
| CN112884197A (zh) | 一种基于双模型的水华预测方法和装置 | |
| CN115689320A (zh) | 基站运行的健康管理方法、装置及计算机可读存储介质 | |
| CN109740890A (zh) | 一种质量影响因素相关性分析方法 | |
| CN114331114A (zh) | 一种管道安全风险智能化监管方法及系统 | |
| CN113868948A (zh) | 一种面向用户的动态阈值模型训练系统及方法 | |
| CN108664696B (zh) | 一种冷水机组运行状态的测评方法及装置 | |
| CN110956308A (zh) | 基于时间序列的化工设备健康状态预测方法 | |
| CN115860609A (zh) | 一种通过区块链控制的商品派送追溯系统及方法 | |
| CN113408764B (zh) | 基于数字孪生的产品在线技术状态管控系统 | |
| CN115641014A (zh) | 基于定位的人员轨迹数据处理方法、装置以及电子设备 | |
| CN114048439A (zh) | 一种基于ai的安全行为分析系统及方法 |
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 |