CN115607719B - 一种压载水紫外线反应器的智能控制方法 - Google Patents
一种压载水紫外线反应器的智能控制方法 Download PDFInfo
- Publication number
- CN115607719B CN115607719B CN202211616416.7A CN202211616416A CN115607719B CN 115607719 B CN115607719 B CN 115607719B CN 202211616416 A CN202211616416 A CN 202211616416A CN 115607719 B CN115607719 B CN 115607719B
- Authority
- CN
- China
- Prior art keywords
- flow rate
- ballast water
- sequence
- water flow
- segmentation
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
- A61L2/00—Methods or apparatus for disinfecting or sterilising materials or objects other than foodstuffs or contact lenses; Accessories therefor
- A61L2/24—Apparatus using programmed or automatic operation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61L—METHODS OR APPARATUS FOR STERILISING MATERIALS OR OBJECTS IN GENERAL; DISINFECTION, STERILISATION OR DEODORISATION OF AIR; CHEMICAL ASPECTS OF BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES; MATERIALS FOR BANDAGES, DRESSINGS, ABSORBENT PADS OR SURGICAL ARTICLES
- A61L2/00—Methods or apparatus for disinfecting or sterilising materials or objects other than foodstuffs or contact lenses; Accessories therefor
- A61L2/02—Methods or apparatus for disinfecting or sterilising materials or objects other than foodstuffs or contact lenses; Accessories therefor using physical phenomena
- A61L2/08—Radiation
- A61L2/10—Ultra-violet radiation
Abstract
本发明涉及智能控制技术领域,具体涉及一种压载水紫外线反应器的智能控制方法,该方法包括:获取目标船舶的当前压载水流速和历史压载水流速集合;根据当前压载水流速、历史压载水流速集合和流速预测网络,预测目标时刻下的目标预测流速;确定目标时刻下的目标流速;确定目标时刻下灭活压载水中微生物所需要的紫外线灯管功率;控制紫外线反应器,使紫外线反应器内的紫外线灯管的功率在目标时刻下调节至目标功率。本发明利用当前压载水流速和历史压载水流速集合,能够实现对压载水紫外线反应器进行控制,解决了对紫外线反应器控制的精确度低下的技术问题,提高了对紫外线反应器控制的精确度,主要应用于对紫外线反应器进行控制。
Description
技术领域
本发明涉及智能控制技术领域,具体涉及一种压载水紫外线反应器的智能控制方法。
背景技术
压载水往往是导入压载舱内的海水,将海水导入船舶的压载舱往往可以增强船舶的稳定性与抗风浪能力。但海水中往往富含大量的微生物,船舶航行时往往会到达不同的海域。由于,在不同海域时,船舶的航行状态往往不同,所以往往需要改变压载舱中压载水的量,若压载水不经过处理直接排放至海洋中,往往会将海域的海水排放到除了该海域之外的海域,从而将该海域包含的微生物带入除了该海域之外的海域,进而往往会导致生物入侵,破坏生态平衡,因此,对排放前的压载水进行杀菌处理至关重要。对压载水过滤后采用紫外线杀菌的方法是目前较为广泛的压载水杀菌处理方法。由于,紫外线杀菌往往是通过控制调节紫外线单元功率实现的,所以对紫外线单元功率进行控制至关重要。其中,紫外线单元可以是紫外线灯管。紫外线灯管往往分布在紫外线反应器内。
目前,通过控制紫外线单元功率,对压载水进行紫外线杀菌时,通常采用的方法为:控制紫外线单元功率,将紫外线单元功率调至最大后对压载水进行紫外线杀菌。由于,并不是每个时刻都需要将紫外线单元的功率调至最大,才可以将压载水中的微生物灭活完成,并且紫外线单元的功率越大,对应的功耗往往越大,所以固定的将紫外线单元功率调至最大,往往为船舶电力系统带来很大压力,而且造成资源的浪费,其次,固定的将紫外线单元功率调至最大,往往导致调节的功率不是对应时刻所需要的功率,从而可能导致不能精确的控制紫外线单元功率的调节,由于紫外线单元往往分布在紫外线反应器内,因此,往往导致对紫外线反应器的控制的精确度低下。
发明内容
本发明的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
为了解决对紫外线反应器控制的精确度低下的技术问题,本发明提出了一种压载水紫外线反应器的智能控制方法。
本发明提供了一种压载水紫外线反应器的智能控制方法,该方法包括:
获取目标船舶当前时刻下的当前压载水流速和历史时间段内的历史压载水流速集合;
根据当前压载水流速、历史压载水流速集合和预先训练完成的流速预测网络,预测目标时刻下的目标预测流速;
根据所述目标预测流速和所述当前压载水流速,确定所述目标时刻下的目标流速;
根据所述目标流速,确定所述目标时刻下灭活压载水中微生物所需要的紫外线灯管功率,作为目标功率;
控制紫外线反应器,使紫外线反应器内的紫外线灯管的功率在所述目标时刻下调节至所述目标功率。
进一步的,所述流速预测网络训练过程,包括:
构建流速预测网络;
获取预设时间段内的所述目标船舶的压载水流速压缩文件;
将所述压载水流速压缩文件,解压缩为压载水流速序列;
对所述压载水流速序列进行分段处理,得到压载水流速组集合;
对于所述压载水流速组集合中的每个压载水流速组,将所述压载水流速组中的最后一个压载水流速,确定为所述压载水流速组对应的训练标签,将所述压载水流速组中除了最后一个压载水流速之外的压载水流速,确定为所述压载水流速组对应的训练样本;
根据所述压载水流速组集合中的各个压载水流速组对应的训练样本和训练标签,对构建的流速预测网络进行训练,得到训练完成的流速预测网络。
进一步的,所述获取预设时间段内的所述目标船舶的压载水流速压缩文件,包括:
获取预设时间段内的压载水流速集合;
对所述压载水流速集合中的压载水流速进行排序,得到压载水流速序列;
将压载水流速序列中的每个压载水流速转换为二进制数据,作为所述压载水流速对应的二进制数据;
根据压载水流速序列中的各个压载水流速对应的二进制数据的编码位数,对压载水流速序列进行第一自适应分段,得到第一分段序列集合,其中,第一分段序列中的各个压载水流速对应的二进制数据的编码位数相同;
对于所述第一分段序列集合中的每个第一分段序列,根据所述第一分段序列中的各个压载水流速,对所述第一分段序列进行第二自适应分段,得到所述第一分段序列对应的第二分段序列集合;
采用游程编码,对所述第一分段序列集合中的每个第一分段序列对应的第二分段序列集合中的每个第二分段序列进行压缩,得到所述压载水流速压缩文件。
进一步的,所述根据所述第一分段序列中的各个压载水流速,对所述第一分段序列进行第二自适应分段,得到所述第一分段序列对应的第二分段序列集合,包括:
从所述第一分段序列中的压载水流速中筛选出最小的压载水流速,作为所述第一分段序列对应的小流速;
将所述第一分段序列中的每个压载水流速与所述第一分段序列对应的小流速的差值的绝对值,确定为所述压载水流速对应的流速差值,得到所述第一分段序列对应的流速差值序列;
将所述第一分段序列对应的流速差值序列中的每个流速差值,转换为二进制数据,得到所述流速差值对应的二进制数据;
根据所述第一分段序列对应的流速差值序列中的各个流速差值对应的二进制数据的编码位数,对所述第一分段序列进行预自适应分段,得到所述第一分段序列对应的临时分段序列集合,其中,临时分段序列中的各个压载水流速对应的流速差值对应的二进制数据的编码位数相同;
对所述第一分段序列对应的临时分段序列集合中的临时分段序列进行自适应合并,得到所述第一分段序列对应的第二分段序列集合。
进一步的,所述对所述第一分段序列对应的临时分段序列集合中的临时分段序列进行自适应合并,得到所述第一分段序列对应的第二分段序列集合,包括:
将临时分段序列中的压载水流速对应的流速差值对应的二进制数据的编码位数,确定为该临时分段序列对应的临时编码位数;
当临时分段序列集合中相邻的两个临时分段序列对应的临时编码位数的差值的绝对值小于或等于预先设置的合并位数阈值时,将第一数量与第二数量的比值,确定为这两个临时分段序列对应的占比指标,其中,第一数量等于这两个临时分段序列中对应的临时编码位数较少的临时分段序列中压载水流速的数量,第二数量等于这两个临时分段序列中对应的临时编码位数较多的临时分段序列中压载水流速的数量;
对临时分段序列集合中相邻的两个临时分段序列对应的占比指标进行负相关映射并归一化,得到这两个临时分段序列对应的合并必要性;
根据临时分段序列集合中相邻的两个临时分段序列对应的合并必要性,确定第二分段序列;
当临时分段序列集合中相邻的两个临时分段序列对应的临时编码位数的差值的绝对值大于合并位数阈值时,将这两个临时分段序列中的每个临时分段序列,确定为第二分段序列,得到两个第二分段序列。
进一步的,所述根据临时分段序列集合中相邻的两个临时分段序列对应的合并必要性,确定第二分段序列,包括:
当临时分段序列集合中相邻的两个临时分段序列对应的合并必要性大于或等于预先设置的分段合并阈值时,将这两个临时分段序列合并为第二分段序列;
当临时分段序列集合中相邻的两个临时分段序列对应的合并必要性小于分段合并阈值时,将这两个临时分段序列中的每个临时分段序列,确定为第二分段序列,得到两个第二分段序列。
进一步的,所述采用游程编码,对所述第一分段序列集合中的每个第一分段序列对应的第二分段序列集合中的每个第二分段序列进行压缩,得到所述压载水流速压缩文件,包括:
对于由临时分段序列集合中相邻的两个临时分段序列合并得到的第二分段序列,将这两个临时分段序列对应的临时编码位数中较大的临时编码位数,确定为合并得到的第二分段序列对应的目标编码位数;
对于由临时分段序列确定的第二分段序列,将该临时分段序列对应的临时编码位数,确定为该第二分段序列对应的目标编码位数;
根据第二分段序列对应的目标编码位数,对该第二分段序列中的各个压载水流速对应的二进制数据进行分层,得到该第二分段序列对应的高位层数据序列和低位层数据序列;
对每个第二分段序列对应的高位层数据序列和低位层数据序列进行编码处理,确定所述第二分段序列对应的游程编码,得到所述压载水流速压缩文件。
进一步的,所述根据第二分段序列对应的目标编码位数,对该第二分段序列中的各个压载水流速对应的二进制数据进行分层,得到该第二分段序列对应的高位层数据序列和低位层数据序列,包括:
当第二分段序列中的各个压载水流速对应的二进制数据中的前第一预设数目位编码相同时,将该第二分段序列中的各个压载水流速对应的二进制数据中的后第二预设数目位编码,确定为该第二分段序列对应的低位层数据序列,将该第二分段序列中的压载水流速对应的二进制数据中的前第一预设数目位编码,确定为该第二分段序列对应的高位层数据序列,其中,第二预设数目等于该第二分段序列对应的目标编码位数,第一预设数目与第二预设数目的和等于该第二分段序列中的压载水流速对应的二进制数据的编码位数;
当第二分段序列中的各个压载水流速对应的二进制数据中的前第一预设数目位编码不同时,将第一预设数目更新为修正数目,重复本步骤,直至第二分段序列中的各个压载水流速对应的二进制数据中的前第一预设数目位编码相同,或者第一预设数目为预先设置的目标数目时,将该第二分段序列中的各个压载水流速对应的二进制数据中的后第二预设数目位编码,确定为该第二分段序列对应的低位层数据序列,将该第二分段序列中的压载水流速对应的二进制数据中的前第一预设数目位编码,确定为该第二分段序列对应的高位层数据序列,其中,修正数目等于第一预设数目减预先设置的参考数量。
进一步的,所述确定所述目标时刻下的目标流速对应的公式为:
本发明具有如下有益效果:
本发明的一种压载水紫外线反应器的智能控制方法,利用当前压载水流速和历史压载水流速集合,能够实现对压载水紫外线反应器进行控制,解决了对紫外线反应器控制的精确度低下的技术问题,提高了对紫外线反应器控制的精确度。首先,获取目标船舶当前时刻下的当前压载水流速和历史时间段内的历史压载水流速集合。实际情况中,紫外线的辐照剂量是影响紫外线杀菌效果的主要因素,微生物所接收到的紫外辐照剂量往往决定了微生物被灭活的概率,当辐照剂量越大时,灭活微生物往往越迅速,灭活效果往往越好。因此,现有存在一种紫外线杀菌为:控制紫外线单元功率,将紫外线单元功率调至最大后对压载水进行紫外线杀菌。其中,紫外线单元可以是紫外线灯管。紫外线灯管往往分布在紫外线反应器。然而,紫外线单元的功率越大,对应的功耗往往越大,所以固定的将紫外线单元功率调至最大,往往为船舶电力系统带来很大压力,而且造成资源的浪费。由于,对不同流速的压载水进行紫外线杀菌时所需的紫外线单元功率往往不同,因此,获取当前压载水流速和历史压载水流速集合,可以便于后续通过压载水流速,对紫外线单元功率进行精确控制,可以减少资源浪费。接着,根据当前压载水流速、历史压载水流速集合和预先训练完成的流速预测网络,预测目标时刻下的目标预测流速。实际情况中,采集瞬时压载水流速的时刻往往与紫外线灯管功率调节完成时刻之间存在一定的时间差,如果直接采用当前压载水流速对紫外线灯管功率进行控制调节,可能存在紫外线灯管功率调节完成时的瞬时压载水流速,不再等于计算紫外线灯管功率时的瞬时压载水流速,此时,调节完成的紫外线灯管功率不再是紫外线灯管功率调节完成时刻对应的压载水流速所需要的紫外线灯管功率,从而可能导致不能精确的控制紫外线灯管功率的调节。因此,通过当前压载水流速、历史压载水流速集合和流速预测网络,预测目标时刻下的目标预测流速,考虑了采集压载水流速的时刻与紫外线灯管功率调节完成时刻之间的时间差,可以使后续对紫外线灯管功率的调节更加精确。其次,通过当前压载水流速、历史压载水流速集合和流速预测网络,预测目标时刻下的目标预测流速,提高了目标预测流速预测的准确度。然后,根据上述目标预测流速和上述当前压载水流速,确定上述目标时刻下的目标流速。综合考虑目标时刻下的目标预测流速与当前时刻下的当前压载水流速,可以使预测的目标时刻下的压载水流速更加准确,即可以使预测的目标流速更加准确。之后,根据上述目标流速,确定上述目标时刻下灭活压载水中微生物所需要的紫外线灯管功率,作为目标功率。最后,控制紫外线反应器,使紫外线反应器内的紫外线灯管的功率在上述目标时刻下调节至上述目标功率。因此,本发明利用当前压载水流速和历史压载水流速集合,能够实现对压载水紫外线反应器进行控制,解决了对紫外线反应器控制的精确度低下的技术问题,提高了对紫外线反应器控制的精确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为根据本发明的一种压载水紫外线反应器的智能控制方法的流程图;
图2为根据本发明的对第一分段序列进行第二自适应分段的流程图;
图3为根据本发明的对临时分段序列进行自适应合并的流程图;
图4为根据本发明的对第二分段序列进行游程编码的流程图;
图5为根据本发明的对高位层数据序列和低位层数据序列进行编码处理的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本发明提供了一种压载水紫外线反应器的智能控制方法,该方法包括以下步骤:
获取目标船舶当前时刻下的当前压载水流速和历史时间段内的历史压载水流速集合;
根据当前压载水流速、历史压载水流速集合和预先训练完成的流速预测网络,预测目标时刻下的目标预测流速;
根据目标预测流速和当前压载水流速,确定目标时刻下的目标流速;
根据目标流速,确定目标时刻下灭活压载水中微生物所需要的紫外线灯管功率,作为目标功率;
控制紫外线反应器,使紫外线反应器内的紫外线灯管的功率在目标时刻下调节至目标功率。
下面对上述各个步骤进行详细展开:
参考图1,示出了根据本发明的一种压载水紫外线反应器的智能控制方法的一些实施例的流程。该压载水紫外线反应器的智能控制方法,包括以下步骤:
步骤S1,获取目标船舶当前时刻下的当前压载水流速和历史时间段内的历史压载水流速集合。
在一些实施例中,可以获取目标船舶当前时刻下的当前压载水流速和历史时间段内的历史压载水流速集合。
其中,目标船舶可以是安装有压载舱和紫外线反应器的船舶。紫外线反应器内分布着紫外线灯管。紫外线反应器可以用于对需要排出的压载水进行微生物灭活。当前压载水流速可以是目标船舶当前时刻下的压载水的流速。历史压载水流速集合中的历史压载水流速可以是历史时间段内的压载水的流速。历史时间段是当前时刻之前的时间段。当前时刻与历史时间段的结束时间之间的时长可以等于历史时间段内相邻时刻之间的时长。历史时间段内各个相邻时刻之间的时长可以相等。历史时间段对应的时长可以是预先设置的时长。例如,历史时间段对应的时长可以是30秒。
需要说明的是,紫外线反应器可以位于细滤环节与压载舱之间。当船舶需要增强稳定性与抗风浪能力时,泵机开始工作并抽取海水,海水经管道流入粗滤环节,通过粗过滤后往往可以过滤掉海水中大于50微米的微生物与颗粒,此时浑浊的海水往往变得清澈,并且粗过滤后的海水进入洗滤环节,可以在管道中安置紫外线灯管,紫外线灯管呈均匀分布,紫外线灯管的功率可调节,管道中安装用于检测进水口流速的流量计,可以用于检测管道中压载水的流速,其中,该管道和紫外线灯管的组合可以是紫外线反应器。可以调节控制紫外线灯管功率的旋转开关,可以根据流量计采集到的流速对紫外线灯管功率进行调节,改变下一时刻紫外线灯管的功率,实现对需要排出的压载水进行微生物灭活。采集的压载水流速可以是十进制数据。
步骤S2,根据当前压载水流速、历史压载水流速集合和预先训练完成的流速预测网络,预测目标时刻下的目标预测流速。
在一些实施例中,可以根据当前压载水流速、历史压载水流速集合和预先训练完成的流速预测网络,预测目标时刻下的目标预测流速。
其中,流速预测网络可以是预测流速的神经网络。目标预测流速是预测的目标时刻下的压载水流速。目标时刻可以是当前时刻之后的目标时长后的时刻。目标时长可以是预先设置的时长。目标时长可以等于采集当前压载水流速至紫外线灯管功率调节完成一次所需的时长。例如,目标时长可以包括:通过压载水流速确定紫外线灯管功率、调节控制紫外线灯管功率的旋转开关和功率调节完毕的总时间。
作为示例,首先,可以将当前压载水流速和历史压载水流速集合中的每个历史压载水流速,分别作为第一压载水流速,得到第一压载水流速集合。接着,可以按照第一压载水流速的采集时间,对第一压载水流速集合中的第一压载水流速进行排序,得到第一压载水流速序列。最后,可以将第一压载水流速序列输入流速预测网络,通过流速预测网络,输出目标预测流速。
可选地,流速预测网络训练过程可以包括以下步骤:
第一步,构建流速预测网络。
其中,流速预测网络可以是用于预测的神经网络。例如,流速预测网络可以是TCN(Temporal Convolutional Network,时间卷积神经网络)。
流速预测网络的构建可以参考TCN的构建,在此不再赘述。
第二步,获取预设时间段内的上述目标船舶的压载水流速压缩文件。
其中,预设时间段可以是预先设置的时间段。预设时间段内的时间可以是在当前时刻之前的时间。压载水流速压缩文件可以是包含压载水流速的压缩文件。
实际情况中,预设时间段对应的时长越长,流速预测网络训练的效果往往越好。
例如,本步骤可以包括以下子步骤:
第一子步骤,获取预设时间段内的压载水流速集合。
其中,压载水流速集合中的压载水流速可以是样本船舶的压载水流速。样本船舶的型号规格可以与目标船舶的型号规格相同。样本船舶可以是用于测试船舶在多个海域,以不同状态航行时的压载水流速的船舶。
第二子步骤,对上述压载水流速集合中的压载水流速进行排序,得到压载水流速序列。
比如,可以根据按照压载水流速的采集时间,对压载水流速集合中的压载水流速进行排序,得到压载水流速序列。
第三子步骤,将压载水流速序列中的每个压载水流速转换为二进制数据,作为上述压载水流速对应的二进制数据。
比如,由于压载水流速往往是十进制数据。所以将压载水流速转换为二进制数据,即为将十进制数据转换为二进制数据,可以通过现有技术实现,在此不再赘述。
第四子步骤,根据压载水流速序列中的各个压载水流速对应的二进制数据的编码位数,对压载水流速序列进行第一自适应分段,得到第一分段序列集合。
其中,第一分段序列中的各个压载水流速对应的二进制数据的编码位数相同。
比如,可以截取压载水流速序列中对应的二进制数据的编码位数相同的连续的压载水流速,作为第一分段序列。
如,压载水流速序列中的连续5个压载水流速对应的二进制数据的编码位数可以分别为:6、6、7、7、6。可以截取这连续5个压载水流速中的前两个压载水流速,作为一个第一分段序列。可以截取这连续5个压载水流速中的第三和第四个压载水流速,作为一个第一分段序列。可以截取这连续5个压载水流速中的最后一个压载水流速,作为一个第一分段序列。
又如,二进制数据可以为:110101。该二进制数据可以有1、1、0、1、0、1,共6位编码,该二进制数据的编码位数可以为6。
实际情况中,船舶行驶过程中面临不同的气候所需的压载水的量是不同的,通常流速传感器采集到的数据分为三种类型,当船舶行驶在较为平稳的海域时,船舶对压缩水的需求较小,因此在水泵抽取海水的过程中,近似于均匀抽取,即流速传感器采集到的压载水流速相似性较大,不同时刻流量计采集到的数据基本相同;当船舶即将驶入较为颠簸的海域时,船舶需要较为快速的补充压载水的量,因此水泵在抽取海水的过程中,抽取功率是逐步增大的,即流速传感器采集到的压载水流速近似呈现线性增长,即当前时刻传感器采集到的数据基本大于上一时刻流量计采集到的数据;当船舶突然面临风暴气候时,水面颠簸,水泵在抽取海水的过程中极大概率会混入空气,即流量计采集的压载水流速波动程度较大,当管道中无空气时,压载水的流速正常,当有空气时,会导致压载水流速突变,即流量计采集的时序压载水流速变化程度较大。不同的气候会导致不同的压载水流速,通常情况下数据的规律性较差,因此,传统游程编码在对压载水流速进行压缩时难以达到较好的效果。
实际情况中,压载水流速传感器采集的数据存在局部相似性,局部时间采集的压载水流速差异在一定范围内波动,其中,压载水流速传感器可以是用于采集压载水流速的传感器。压载水流速传感器可以是流量计。当压载水流速是十进制数据时,即使压载水流速相似,十进制数据之间往往也存在差异,导致游程编码的压缩率低。例如,采用游程编码对十进制数据序列{63、61、62、60、61、63、62、60}进行压缩时往往难以进行压缩。由于该十进制数据序列中的十进制数据之间的差异值在一定范围内,差异较小。所以将该十进制数据序列中的各个十进制数据转换为二进制数据时,往往会存在多位相同的二进制编码,此时进行异或运算后运算结果的冗余程度往往达到最大,在进行压缩时压缩率与解压速度均会很大。比如,63、61和62的二进制编码分别为:111111、111101和111110,由于流量计采集的压载水流速为十进制数据,十进制数据63、61和62不存在冗余,游程编码无法进行压缩,但转换为二进制数后,二进制数111111、111101和111110的前4位均是相同的,若将二进制数据进行拆分,将相同的部分放置在一起,则相同部分组成的二进制序列的冗余程度非常大,此时采用游程编码进行压缩时,即可达到较好的压缩效果。
压载水流速压缩的可能性往往取决于二进制数的相似性,当二进制数的编码长度相同且对应的十进制数的差异较小时,将其分为一组时可以达到较好的压缩效果。若仅仅只考虑十进制数的差异较小时往往会存在下列情况:63、64的十进制数差异仅仅为1,但对应的二进制数为:111111、1000000,63的二进制数据的编码位数为6位,64的二进制数据的编码位数为7位,二者的二进制数据差异很大,故首先根据二进制数据的编码长度进行第一次分段,即:十进制数0-1对应的二进制数据为1位编码,十进制数据2-3对应的二进制数据为2位编码,十进制数据4-7对应的二进制数据为3位编码,十进制数据8-15对应的二进制数据为4位编码,十进制数据16-31对应的二进制数据为5位编码十进制数据32-63对应的二进制数据为6位编码,十进制数据64-127对应的二进制数据为7位编码,十进制数据128-255对应的二进制数据为8位编码,以此类推,十进制数据的大小往往与二进制数据的编码位数有关。因此,根据压载水流速序列中的各个压载水流速对应的二进制数据的编码位数,对压载水流速序列进行第一自适应分段,得到第一分段序列集合,可以对压载水流速序列中相似的压载水流速进行初步的分段。
第五子步骤,对于上述第一分段序列集合中的每个第一分段序列,根据上述第一分段序列中的各个压载水流速,对上述第一分段序列进行第二自适应分段,得到上述第一分段序列对应的第二分段序列集合。
如图2所示,本子步骤可以包括以下步骤:
步骤201,从上述第一分段序列中的压载水流速中筛选出最小的压载水流速,作为上述第一分段序列对应的小流速。
步骤202,将上述第一分段序列中的每个压载水流速与上述第一分段序列对应的小流速的差值的绝对值,确定为上述压载水流速对应的流速差值,得到上述第一分段序列对应的流速差值序列。
比如,确定压载水流速对应的流速差值对应的公式可以为:
其次,第二次分段的目的是为了将相似的二进制数据对应的十进制数尽可能放置
在一起,在后续进行压缩时可以达到较高的压缩率。十进制数据之间的差异大小往往与十
进制数据对应的二进制数据的编码位数有关,十进制数据之间的差异越小,十进制数据对
应的二进制之间的相似度往往越大,则最终的压缩率往往越大。例如,64、65和127对应的二
进制数分别为1000000、1000001和1111111,其中,64与65之间的差值的绝对值为1,1的二进
制数据的编码的位数为1,代表二者的二进制数据的编码仅仅只有1位不同,且这一位不同
的编码位于低位。同理65与127之间的差值的绝对值为62,62的二进制数据的编码的位数为
6位,代表二者的二进制数据的编码有6位不同,若将65与127置于一组临时分段序列,往往
会导致对应的临时分段序列中的压载水流速的相似性较小,难以进行有效的压缩。因此为
了保证后续的压缩率,在进行第二次分段时,需要尽量把二进制编码不同位数少的分为一
个临时分段序列。因此,通过可以确定第一分段序列中的各个压载水流速与最小
的压载水流速之间的差值。
步骤203,将上述第一分段序列对应的流速差值序列中的每个流速差值,转换为二进制数据,得到上述流速差值对应的二进制数据。
由于,流速差值可以为十进制数据。所以将流速差值转换为二进制数据,即为将十进制数据转换为二进制数据,可以通过现有技术实现,在此不再赘述。
步骤204,根据上述第一分段序列对应的流速差值序列中的各个流速差值对应的二进制数据的编码位数,对上述第一分段序列进行预自适应分段,得到上述第一分段序列对应的临时分段序列集合。
其中,临时分段序列中的各个压载水流速对应的流速差值对应的二进制数据的编码位数相同。
如,可以截取第一分段序列中对应的流速差值对应的二进制数据的编码位数相同的连续的压载水流速,作为临时分段序列。
实际情况中,根据上述第一分段序列对应的流速差值序列中的各个流速差值对应的二进制数据的编码位数,对上述第一分段序列进行预自适应分段,可以提高临时分段序列中各个压载水流速之间的相似性。例如,流速差值序列可以为{0、1、2、3、2、3、2、2}。由于,十进制数据0-1对应的二进制数据为1位编码,十进制数据2-3对应的二进制数据为2位编码。所以,该流速差值序列中前两个流速差值对应的二进制数据的编码位数为1位。该流速差值序列中后六个流速差值对应的二进制数据的编码位数为2位。所以可以将该流速差值序列对应的第一分段序列中的前两个压载水流速划分为一个临时分段序列,将该流速差值序列对应的第一分段序列中的后六个压载水流速划分为另一个临时分段序列,共得到两个临时分段序列,这种分段方式可以将第一分段序列中更加相似的压载水流速,划分为临时分段序列,可以使临时分段序列中的各个压载水流速对应的二进制数据更加相似,可以便于后续对压载水流速集合进行游程编码压缩。
步骤205,对上述第一分段序列对应的临时分段序列集合中的临时分段序列进行自适应合并,得到上述第一分段序列对应的第二分段序列集合。
如图3所示,步骤205可以包括以下步骤:
步骤301,将临时分段序列中的压载水流速对应的流速差值对应的二进制数据的编码位数,确定为该临时分段序列对应的临时编码位数。
步骤302,当临时分段序列集合中相邻的两个临时分段序列对应的临时编码位数的差值的绝对值小于或等于预先设置的合并位数阈值时,将第一数量与第二数量的比值,确定为这两个临时分段序列对应的占比指标。
其中,第一数量可以等于这两个临时分段序列中对应的临时编码位数较少的临时分段序列中压载水流速的数量。第二数量可以等于这两个临时分段序列中对应的临时编码位数较多的临时分段序列中压载水流速的数量。合并位数阈值可以是预先设置的数值。如,合并位数阈值可以是1。
步骤303,对临时分段序列集合中相邻的两个临时分段序列对应的占比指标进行负相关映射并归一化,得到这两个临时分段序列对应的合并必要性。
如,确定临时分段序列集合中相邻的两个临时分段序列对应的合并必要性对应的公式可以为:
其中,p是临时分段序列集合中相邻的两个临时分段序列对应的合并必要性。是
临时分段序列集合中相邻的两个临时分段序列中对应的临时编码位数较少的临时分段序
列中压载水流速的数量。是临时分段序列集合中相邻的两个临时分段序列中对应的临时
编码位数较多的临时分段序列中压载水流速的数量。
实际情况中,当越大时,往往说明相邻的两个临时分段序列中对应的临时编码
位数较少的临时分段序列中压载水流速的数量,相对于临时编码位数较多的临时分段序列
中压载水流速的数量越多,相邻的两个临时分段序列对应的合并必要性p越小,往往越不需
要将这两个临时分段序列进行合并。
步骤304,根据临时分段序列集合中相邻的两个临时分段序列对应的合并必要性,确定第二分段序列。
如,步骤304可以包括以下步骤:
首先,当临时分段序列集合中相邻的两个临时分段序列对应的合并必要性大于或等于预先设置的分段合并阈值时,将这两个临时分段序列合并为第二分段序列。
其中,分段合并阈值可以是预先设置的数值。分段合并阈值的取值范围可以为(0,1)。比如,分段合并阈值可以是0.75。
接着,当临时分段序列集合中相邻的两个临时分段序列对应的合并必要性小于分段合并阈值时,将这两个临时分段序列中的每个临时分段序列,确定为第二分段序列,得到两个第二分段序列。
步骤305,当临时分段序列集合中相邻的两个临时分段序列对应的临时编码位数的差值的绝对值大于合并位数阈值时,将这两个临时分段序列中的每个临时分段序列,确定为第二分段序列,得到两个第二分段序列。
第六子步骤,采用游程编码,对上述第一分段序列集合中的每个第一分段序列对应的第二分段序列集合中的每个第二分段序列进行压缩,得到上述压载水流速压缩文件。
如图4所示,本子步骤可以包括以下步骤:
步骤401,对于由临时分段序列集合中相邻的两个临时分段序列合并得到的第二分段序列,将这两个临时分段序列对应的临时编码位数中较大的临时编码位数,确定为合并得到的第二分段序列对应的目标编码位数。
步骤402,对于由临时分段序列确定的第二分段序列,将该临时分段序列对应的临时编码位数,确定为该第二分段序列对应的目标编码位数。
步骤403,根据第二分段序列对应的目标编码位数,对该第二分段序列中的各个压载水流速对应的二进制数据进行分层,得到该第二分段序列对应的高位层数据序列和低位层数据序列。
如,步骤403可以包括以下步骤:
首先,当第二分段序列中的各个压载水流速对应的二进制数据中的前第一预设数目位编码相同时,将该第二分段序列中的各个压载水流速对应的二进制数据中的后第二预设数目位编码,确定为该第二分段序列对应的低位层数据序列,将该第二分段序列中的压载水流速对应的二进制数据中的前第一预设数目位编码,确定为该第二分段序列对应的高位层数据序列。
其中,第二预设数目可以等于该第二分段序列对应的目标编码位数。第一预设数目与第二预设数目的和可以等于该第二分段序列中的压载水流速对应的二进制数据的编码位数。
接着,当第二分段序列中的各个压载水流速对应的二进制数据中的前第一预设数目位编码不同时,将第一预设数目更新为修正数目,重复本步骤,直至第二分段序列中的各个压载水流速对应的二进制数据中的前第一预设数目位编码相同,或者第一预设数目为预先设置的目标数目时,将该第二分段序列中的各个压载水流速对应的二进制数据中的后第二预设数目位编码,确定为该第二分段序列对应的低位层数据序列,将该第二分段序列中的前第一预设数目位编码,确定为该第二分段序列对应的高位层数据序列。
其中,修正数目可以等于第一预设数目减预先设置的参考数量。比如,参考数量可以等于1。目标数目可以等于0。
步骤404,对每个第二分段序列对应的高位层数据序列和低位层数据序列进行编码处理,确定上述第二分段序列对应的游程编码,得到上述压载水流速压缩文件。
比如,可以将第二分段序列对应的高位层数据序列中的数据,确定为高位层数据序列的码头,并根据高位层数据序列的码头对高位层数据序列中的数据进行异或计算,将低位层数据序列中出现最多的数据,确定为低位层数据序列的码头,并根据低位层数据序列的码头对低位层数据序列中的数据进行异或计算,将两次异或计算,表示为该第二分段序列对应的游程编码。
如图5所示,图5的第一行数据35、34、35、34、35和35可以是第二分段序列中的压载
水流速。图5的第二行数据100011、100010、100011、100010、100011和100011可以分别是该
第二分段序列中的各个压载水流速对应的二进制数据。图5的第三行数据10001、10001、
10001、10001、10001和10001可以是第二分段序列中的各个压载水流速对应的二进制数据
中相同的编码,则该第二分段序列对应的高位层数据序列可以是{10001、10001、10001、
10001、10001、10001}。图5的第四行数据1、0、1、0、1和1可以是第二分段序列中的各个压载
水流速对应的二进制数据中不同的编码,则该第二分段序列对应的低位层数据序列可以是
{1、0、1、0、1、1}。图5的第五行数据中的10001可以表示高位层数据的码头,采用码头10001,
与该第二分段序列对应的高位层数据序列中的各个数据进行异或运算,得到该第二分段序
列对应的高位层数据序列中的各个数据的异或值为00000、00000、00000、00000、00000和
00000。将低位层数据序列中出现最多的数据1,作为低位层数据的码头,采用码头1,可以对
图5第六行包括的低位层数据序列中的各个数据进行异或运算,可以得到0、1、0、1、0、0。该
第二分段序列对应的游程编码可以为{、}。
实际情况中,由于第二分段序列中的各个压载水流速对应的二进制数据的编码位数相同,所以可以进行定长编码,不需要再进行补0,从而避免补0带来的额外的存储量。
第三步,将上述压载水流速压缩文件,解压缩为压载水流速序列。
对压缩文件进行解压缩可以通过现有技术实现,在此不再赘述。
第四步,对上述压载水流速序列进行分段处理,得到压载水流速组集合。
其中,压载水流速组对应的时长可以等于当前时刻、历史时间段与目标时刻的总时长。压载水流速组中最后两个压载水流速之间的时间差可以等于目标时长。压载水流速组集合中的各个压载水流速组对应的时长可以相等。
例如,可以对压载水流速序列进行等时长分段,得到压载水流速组集合。
第五步,对于上述压载水流速组集合中的每个压载水流速组,将上述压载水流速组中的最后一个压载水流速,确定为上述压载水流速组对应的训练标签,将上述压载水流速组中除了最后一个压载水流速之外的压载水流速,确定为上述压载水流速组对应的训练样本。
第六步,根据上述压载水流速组集合中的各个压载水流速组对应的训练样本和训练标签,对构建的流速预测网络进行训练,得到训练完成的流速预测网络。
例如,可以将压载水流速组对应的训练样本输入到流速预测网络,通过流速预测网络可以预测出压载水流速组对应的预测流速。可以对流速预测网络预测出的压载水流速组对应的预测值与压载水流速组对应的训练标签进行对比,以实现对流速预测网络的训练。其中,流速预测网络预测出的压载水流速组对应的预测值与压载水流速组对应的训练标签之间的交叉熵可以作为流速预测网络的损失函数。
步骤S3,根据目标预测流速和当前压载水流速,确定目标时刻下的目标流速。
在一些实施例中,可以根据上述目标预测流速和上述当前压载水流速,确定上述目标时刻下的目标流速。
其中,目标流速可以是目标时刻下的压载水流速。
作为示例,确定目标时刻下的目标流速对应的公式可以为:
可选地,确定目标时刻下的目标流速对应的公式可以为:
实际情况中,若当前压载水流速v越大,并且目标预测流速越大,则目标流速越
大。可以表征当前压载水流速v和目标预测流速之间的关系,当前压载水流速v越
小,并且目标预测流速越大时,往往越大,往往越小,因此,可
以用于对目标预测流速进行修正,可以使确定的目标流速更加准确。即,当时,
目标预测流速往往比实际情况略偏大,所以采用进行减小修正,可以使目标流
速更加符合实际情况。当时,目标预测流速往往比实际情况略偏小,所以采用进行放大修正,可以使目标流速更加符合实际情况。
步骤S4,根据目标流速,确定目标时刻下灭活压载水中微生物所需要的紫外线灯管功率,作为目标功率。
在一些实施例中,可以根据上述目标流速,确定上述目标时刻下灭活压载水中微生物所需要的紫外线灯管功率,作为目标功率。
作为示例,首先,可以采集多个压载水流速对应的样本功率。其中,压载水流速对应的样本功率可以是该压载水流速下灭活压载水微生物所需要的功率。压载水流速对应的样本功率的获取方法可以包括:在该压载水流速下,调节多个不同的紫外线灯管功率,将灭活压载水微生物满足杀菌要求的最小的紫外线灯管功率,确定为该压载水流速对应的样本功率。
实际情况中,已知样本功率的压载水流速越多,后续确定的流速功率函数往往越精确。
接着,以压载水流速为自变量、压载水流速对应的样本功率为因变量,可以采用数学建模的方式,确定压载水流速和该压载水流速下灭活压载水微生物所需要的功率之间的流速功率函数。其中,数学建模的方式可以包括但不限于:拟合和插值。
最后,将目标流速作为自变量,利用流速功率函数,确定的该目标流速下灭活压载水微生物所需要的功率,即为目标功率。
由于,紫外线杀菌往往与紫外线剂量有关,紫外线剂量往往与接触时间和光强度相关,其中光强度可以根据紫外线功率(如,紫外线灯管功率)进行调节。在接触时间相同的情况下,紫外线功率越大,光强越强,对应的紫外线剂量往往越大。接触时间往往与压载水的流速有关,压载水流速越快,与紫外线灯管的接触时间往往越短。在相同的光强度下,接触时间越短,紫外线杀菌效果往往越差。为了保证紫外线的杀菌效果,往往需要保证在压载水接触紫外线灯管的时间内压载水接触的紫外线剂量满足杀菌要求。当流速快时,压载水与紫外线灯管的接触时间往往较短,所以往往需要增加紫外线灯管功率以增大光强度,从而令紫外线剂量满足杀菌要求。当流速慢时,压载水与紫外线灯管接触时间长,所以往往需要降低紫外线灯管功率以降低光强,从而令紫外线剂量在满足杀菌要求的同时节约能源。因此,通过目标流速,确定目标功率,后续将目标时刻的紫外线灯管功率调节至目标功率,可以使目标时刻下满足杀菌要求的同时节约能源。
步骤S5,控制紫外线反应器,使紫外线反应器内的紫外线灯管的功率在目标时刻下调节至目标功率。
在一些实施例中,可以控制紫外线反应器,使紫外线反应器内的紫外线灯管的功率在上述目标时刻下调节至上述目标功率。
其中,目标功率的取值范围可以是[a,b]。其中,a是紫外线灯管所允许的最小的功率。b是紫外线灯管所允许的最大的功率。
作为示例,可以调节控制紫外线灯管功率的旋转开关,使紫外线反应器内的紫外线灯管的功率在上述目标时刻时调节至上述目标功率。当目标功率大于b时,可以调节控制紫外线灯管功率的旋转开关,使紫外线反应器内的紫外线灯管的功率在上述目标时刻下调节至b。
因此,本发明考虑了采集瞬时压载水流速的时刻往往与紫外线灯管功率调节完成时刻之间存在一定的时间差,可以避免直接采用当前压载水流速,对紫外线反应器内的紫外线灯管的功率进行调节,导致的紫外线灯管功率调节的不准确性的问题。并且,通过当前压载水流速、历史压载水流速集合和流速预测网络,预测目标时刻下的目标预测流速,提高了目标预测流速预测的准确度。实际情况中,训练流速预测网络往往需要收集大量的历史的压载水流速,其中,历史的压载水流速越多,训练完成的流速预测网络预测的压载水流速往往越准确。因此为了便于后续对流速预测网络进行训练,往往需要将大量的历史的压载水流速进行压缩存储。由于需要经常使用历史的压载水流速,所以在保证压缩率的同时往往需要保证解压速度,因此,本发明通过根据压载水流速对应的二进制数据进行编码位数分析、压载水流速与对应最小的压载水流速之间的差值对应的二进制数据进行编码位数分析、对合并性进行分析,可以将冗余程度高的压载水流速划分到一起,可以提高游程编码对压载水流速的压缩效果,并且可以提高解压速度。
以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (7)
1.一种压载水紫外线反应器的智能控制方法,其特征在于,包括以下步骤:
获取目标船舶当前时刻下的当前压载水流速和历史时间段内的历史压载水流速集合;
根据当前压载水流速、历史压载水流速集合和预先训练完成的流速预测网络,预测目标时刻下的目标预测流速;
根据所述目标预测流速和所述当前压载水流速,确定所述目标时刻下的目标流速;
根据所述目标流速,确定所述目标时刻下灭活压载水中微生物所需要的紫外线灯管功率,作为目标功率;
控制紫外线反应器,使紫外线反应器内的紫外线灯管的功率在所述目标时刻下调节至所述目标功率;
所述流速预测网络训练过程,包括:
构建流速预测网络;
获取预设时间段内的所述目标船舶的压载水流速压缩文件;
将所述压载水流速压缩文件,解压缩为压载水流速序列;
对所述压载水流速序列进行分段处理,得到压载水流速组集合;
对于所述压载水流速组集合中的每个压载水流速组,将所述压载水流速组中的最后一个压载水流速,确定为所述压载水流速组对应的训练标签,将所述压载水流速组中除了最后一个压载水流速之外的压载水流速,确定为所述压载水流速组对应的训练样本;
根据所述压载水流速组集合中的各个压载水流速组对应的训练样本和训练标签,对构建的流速预测网络进行训练,得到训练完成的流速预测网络;
所述获取预设时间段内的所述目标船舶的压载水流速压缩文件,包括:
获取预设时间段内的压载水流速集合;
对所述压载水流速集合中的压载水流速进行排序,得到压载水流速序列;
将压载水流速序列中的每个压载水流速转换为二进制数据,作为所述压载水流速对应的二进制数据;
根据压载水流速序列中的各个压载水流速对应的二进制数据的编码位数,对压载水流速序列进行第一自适应分段,得到第一分段序列集合,其中,第一分段序列中的各个压载水流速对应的二进制数据的编码位数相同;
对于所述第一分段序列集合中的每个第一分段序列,根据所述第一分段序列中的各个压载水流速,对所述第一分段序列进行第二自适应分段,得到所述第一分段序列对应的第二分段序列集合;
采用游程编码,对所述第一分段序列集合中的每个第一分段序列对应的第二分段序列集合中的每个第二分段序列进行压缩,得到所述压载水流速压缩文件。
2.根据权利要求1所述的一种压载水紫外线反应器的智能控制方法,其特征在于,所述根据所述第一分段序列中的各个压载水流速,对所述第一分段序列进行第二自适应分段,得到所述第一分段序列对应的第二分段序列集合,包括:
从所述第一分段序列中的压载水流速中筛选出最小的压载水流速,作为所述第一分段序列对应的小流速;
将所述第一分段序列中的每个压载水流速与所述第一分段序列对应的小流速的差值的绝对值,确定为所述压载水流速对应的流速差值,得到所述第一分段序列对应的流速差值序列;
将所述第一分段序列对应的流速差值序列中的每个流速差值,转换为二进制数据,得到所述流速差值对应的二进制数据;
根据所述第一分段序列对应的流速差值序列中的各个流速差值对应的二进制数据的编码位数,对所述第一分段序列进行预自适应分段,得到所述第一分段序列对应的临时分段序列集合,其中,临时分段序列中的各个压载水流速对应的流速差值对应的二进制数据的编码位数相同;
对所述第一分段序列对应的临时分段序列集合中的临时分段序列进行自适应合并,得到所述第一分段序列对应的第二分段序列集合。
3.根据权利要求2所述的一种压载水紫外线反应器的智能控制方法,其特征在于,所述对所述第一分段序列对应的临时分段序列集合中的临时分段序列进行自适应合并,得到所述第一分段序列对应的第二分段序列集合,包括:
将临时分段序列中的压载水流速对应的流速差值对应的二进制数据的编码位数,确定为该临时分段序列对应的临时编码位数;
当临时分段序列集合中相邻的两个临时分段序列对应的临时编码位数的差值的绝对值小于或等于预先设置的合并位数阈值时,将第一数量与第二数量的比值,确定为这两个临时分段序列对应的占比指标,其中,第一数量等于这两个临时分段序列中对应的临时编码位数较少的临时分段序列中压载水流速的数量,第二数量等于这两个临时分段序列中对应的临时编码位数较多的临时分段序列中压载水流速的数量;
对临时分段序列集合中相邻的两个临时分段序列对应的占比指标进行负相关映射并归一化,得到这两个临时分段序列对应的合并必要性;
根据临时分段序列集合中相邻的两个临时分段序列对应的合并必要性,确定第二分段序列;
当临时分段序列集合中相邻的两个临时分段序列对应的临时编码位数的差值的绝对值大于合并位数阈值时,将这两个临时分段序列中的每个临时分段序列,确定为第二分段序列,得到两个第二分段序列。
4.根据权利要求3所述的一种压载水紫外线反应器的智能控制方法,其特征在于,所述根据临时分段序列集合中相邻的两个临时分段序列对应的合并必要性,确定第二分段序列,包括:
当临时分段序列集合中相邻的两个临时分段序列对应的合并必要性大于或等于预先设置的分段合并阈值时,将这两个临时分段序列合并为第二分段序列;
当临时分段序列集合中相邻的两个临时分段序列对应的合并必要性小于分段合并阈值时,将这两个临时分段序列中的每个临时分段序列,确定为第二分段序列,得到两个第二分段序列。
5.根据权利要求4所述的一种压载水紫外线反应器的智能控制方法,其特征在于,所述采用游程编码,对所述第一分段序列集合中的每个第一分段序列对应的第二分段序列集合中的每个第二分段序列进行压缩,得到所述压载水流速压缩文件,包括:
对于由临时分段序列集合中相邻的两个临时分段序列合并得到的第二分段序列,将这两个临时分段序列对应的临时编码位数中较大的临时编码位数,确定为合并得到的第二分段序列对应的目标编码位数;
对于由临时分段序列确定的第二分段序列,将该临时分段序列对应的临时编码位数,确定为该第二分段序列对应的目标编码位数;
根据第二分段序列对应的目标编码位数,对该第二分段序列中的各个压载水流速对应的二进制数据进行分层,得到该第二分段序列对应的高位层数据序列和低位层数据序列;
对每个第二分段序列对应的高位层数据序列和低位层数据序列进行编码处理,确定所述第二分段序列对应的游程编码,得到所述压载水流速压缩文件。
6.根据权利要求5所述的一种压载水紫外线反应器的智能控制方法,其特征在于,所述根据第二分段序列对应的目标编码位数,对该第二分段序列中的各个压载水流速对应的二进制数据进行分层,得到该第二分段序列对应的高位层数据序列和低位层数据序列,包括:
当第二分段序列中的各个压载水流速对应的二进制数据中的前第一预设数目位编码相同时,将该第二分段序列中的各个压载水流速对应的二进制数据中的后第二预设数目位编码,确定为该第二分段序列对应的低位层数据序列,将该第二分段序列中的压载水流速对应的二进制数据中的前第一预设数目位编码,确定为该第二分段序列对应的高位层数据序列,其中,第二预设数目等于该第二分段序列对应的目标编码位数,第一预设数目与第二预设数目的和等于该第二分段序列中的压载水流速对应的二进制数据的编码位数;
当第二分段序列中的各个压载水流速对应的二进制数据中的前第一预设数目位编码不同时,将第一预设数目更新为修正数目,重复本步骤,直至第二分段序列中的各个压载水流速对应的二进制数据中的前第一预设数目位编码相同,或者第一预设数目为预先设置的目标数目时,将该第二分段序列中的各个压载水流速对应的二进制数据中的后第二预设数目位编码,确定为该第二分段序列对应的低位层数据序列,将该第二分段序列中的压载水流速对应的二进制数据中的前第一预设数目位编码,确定为该第二分段序列对应的高位层数据序列,其中,修正数目等于第一预设数目减预先设置的参考数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211616416.7A CN115607719B (zh) | 2022-12-16 | 2022-12-16 | 一种压载水紫外线反应器的智能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211616416.7A CN115607719B (zh) | 2022-12-16 | 2022-12-16 | 一种压载水紫外线反应器的智能控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115607719A CN115607719A (zh) | 2023-01-17 |
CN115607719B true CN115607719B (zh) | 2023-03-10 |
Family
ID=84880556
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211616416.7A Active CN115607719B (zh) | 2022-12-16 | 2022-12-16 | 一种压载水紫外线反应器的智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115607719B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115848558B (zh) * | 2023-02-13 | 2023-05-02 | 威海中远海运重工科技有限公司 | 一种船舶压载水智能调控系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664006A (zh) * | 2018-07-02 | 2018-10-16 | 大唐环境产业集团股份有限公司 | 一种基于分区控制和先进控制的scr脱硝智能喷氨优化方法及系统 |
CN115278777A (zh) * | 2022-09-26 | 2022-11-01 | 江苏骏利精密制造科技有限公司 | 一种车载净化器数据传输方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2782375B1 (fr) * | 1998-08-13 | 2000-10-06 | Suisse Electronique Microtech | Systeme de regulation du chauffage d'un immeuble |
JP2006092058A (ja) * | 2004-09-22 | 2006-04-06 | Fuji Electric Systems Co Ltd | 流量予測装置 |
CN105417623A (zh) * | 2014-07-31 | 2016-03-23 | 江苏豪迈照明科技有限公司 | 一种紫外线灭活装置及净水器 |
US10498793B2 (en) * | 2017-07-31 | 2019-12-03 | Microsoft Technology Licensing, Llc | System and method for digital compression for streaming data |
EP3666735A1 (en) * | 2018-12-14 | 2020-06-17 | ABB Schweiz AG | Dielectric barrier discharge for ballast water treatment using optimized voltage shape control |
CN111320232B (zh) * | 2020-02-28 | 2021-07-06 | 上海交通大学 | 可调功率的压载水处理系统的紫外线灭活装置及控制方法 |
CN111582472A (zh) * | 2020-04-17 | 2020-08-25 | 广西电网有限责任公司电力科学研究院 | 一种基于神经网络模型的喷水减温器喷水调整方法及装置 |
WO2021216655A1 (en) * | 2020-04-22 | 2021-10-28 | Opti-Harvest, Inc. | Agricultural data integration and analysis platform |
CN114677617A (zh) * | 2022-02-24 | 2022-06-28 | 广东省电信规划设计院有限公司 | 一种基于智能照明的路灯智能控制方法及装置 |
CN114804288A (zh) * | 2022-04-27 | 2022-07-29 | 浙江钻邦水处理设备有限公司 | 一种紫外线杀菌智能控制装置 |
CN115272032A (zh) * | 2022-07-28 | 2022-11-01 | 上宸工程设计集团有限公司 | 一种城市污水收集排放系统 |
-
2022
- 2022-12-16 CN CN202211616416.7A patent/CN115607719B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664006A (zh) * | 2018-07-02 | 2018-10-16 | 大唐环境产业集团股份有限公司 | 一种基于分区控制和先进控制的scr脱硝智能喷氨优化方法及系统 |
CN115278777A (zh) * | 2022-09-26 | 2022-11-01 | 江苏骏利精密制造科技有限公司 | 一种车载净化器数据传输方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115607719A (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115607719B (zh) | 一种压载水紫外线反应器的智能控制方法 | |
CN101320559B (zh) | 一种声音激活检测装置及方法 | |
CN101833314B (zh) | 污水处理控制系统及污水处理控制方法 | |
CN109921803B (zh) | 基于神经网络的高密度线性分组码译码方法 | |
US5692012A (en) | Method for image compression coding in an image transmission system | |
CN115361027B (zh) | 一种污水处理效果识别方法 | |
CN101466040B (zh) | 一种用于视频编码模式决策的码率估计方法 | |
CN101149921A (zh) | 一种静音检测方法和装置 | |
CN110889085A (zh) | 基于复杂网络多元在线回归的废水智能监控方法及系统 | |
CN114704247B (zh) | 油气井液面智能监测方法及装置 | |
CN116016606A (zh) | 一种基于智慧云的污水处理运维数据高效管理系统 | |
CN111325947A (zh) | 一种基于长短期记忆网络的风暴潮洪涝预警方法和系统 | |
WO2021046970A1 (zh) | 一种基于算术编码的神经网络模型压缩加密方法及系统 | |
CN116910285B (zh) | 基于物联网的智慧交通数据优化存储方法 | |
US6226607B1 (en) | Method and apparatus for eighth-rate random number generation for speech coders | |
EP2251981A1 (en) | Method and apparatus for coding and decoding | |
CN110019773A (zh) | 一种垃圾短信检测方法、终端及计算机可读存储介质 | |
CN201749343U (zh) | 污水处理控制系统 | |
CN112116061A (zh) | 一种面向长短期记忆网络的权值和激活值的量化方法 | |
CN112132261A (zh) | 一种运行在arm上的卷积神经网络字符识别方法 | |
CN114358667B (zh) | 一种基于rbf网络学习的景区风险预测模型构建方法 | |
CN115622571A (zh) | 一种基于数据处理的雷达目标识别方法 | |
CN112712855B (zh) | 一种基于联合训练的含缺失值基因微阵列的聚类方法 | |
CN117354645B (zh) | 净水厂进出水质的在线巡检方法 | |
EP1221162B1 (en) | G.723.1 audio encoder |
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 |