CN116107251A - 一种微波无极紫外消毒智能控制系统、方法、设备及终端 - Google Patents

一种微波无极紫外消毒智能控制系统、方法、设备及终端 Download PDF

Info

Publication number
CN116107251A
CN116107251A CN202310109457.5A CN202310109457A CN116107251A CN 116107251 A CN116107251 A CN 116107251A CN 202310109457 A CN202310109457 A CN 202310109457A CN 116107251 A CN116107251 A CN 116107251A
Authority
CN
China
Prior art keywords
subsystem
circuit
remote terminal
ultraviolet disinfection
electrodeless ultraviolet
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
Application number
CN202310109457.5A
Other languages
English (en)
Other versions
CN116107251B (zh
Inventor
王远
李中志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu University of Information Technology
Original Assignee
Chengdu University of Information Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu University of Information Technology filed Critical Chengdu University of Information Technology
Priority to CN202310109457.5A priority Critical patent/CN116107251B/zh
Publication of CN116107251A publication Critical patent/CN116107251A/zh
Application granted granted Critical
Publication of CN116107251B publication Critical patent/CN116107251B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • C02F1/30—Treatment of water, waste water, or sewage by irradiation
    • C02F1/32—Treatment of water, waste water, or sewage by irradiation with ultraviolet light
    • 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
    • C02F1/30—Treatment of water, waste water, or sewage by irradiation
    • C02F1/302—Treatment of water, waste water, or sewage by irradiation with microwaves
    • 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
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • 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
    • G05B2219/20—Pc systems
    • G05B2219/25—Pc structure of the system
    • G05B2219/25257—Microcontroller
    • 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)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Toxicology (AREA)
  • Environmental & Geological Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Physical Water Treatments (AREA)

Abstract

本发明属于智能控制技术领域，公开了一种微波无极紫外消毒智能控制系统、方法、设备及终端，微波无极紫外消毒智能控制系统包括受控子系统、人机交互子系统、感知节点子系统、远程终端控制子系统和云服务器；其中，受控子系统包括电源模块和受控设备；远程终端控制子系统包括采集模块、控制模块和通信模块；人机交互子系统为LCD触摸液晶屏；感知节点子系统包括若干感知节点；云服务器上部署AI算法，通过4G模块与远程终端控制子系统无线连接。本发明通过感知节点子系统获取水体水质的相关记录数据，通过在云服务器上部署AI算法，并根据进水水质实时地、动态地对控制参数进行优化，使得设备功耗最低，间接延长设备寿命。

Description

一种微波无极紫外消毒智能控制系统、方法、设备及终端
技术领域
本发明属于智能控制技术领域，尤其涉及一种微波无极紫外消毒智能控制系统、方法、设备及终端。
背景技术
目前，在污水处理领域，因传统的化学消毒方法会造成二次污染，微波无极紫外消毒技术孕育而生。然而，该技术的消毒效果受水体水质和设备状态影响；其中，水体水质包括进水温度和水体浊度因素；设备状态包括微波功率、紫外辐照强度和水力停留时间因素，这些因素间呈现复杂的非线性关系，分析困难，传统的离线分析法难以对其进行精准地、实时地控制；同时，由于微波无极紫外消毒技术刚刚兴起，与其配套的系统控制研究相对滞后，据调查研究，目前多采用通过量化实验或实际工作所得经验值进行人工控制，控制精度和实时性无法保障。因此，如何根据实际工况动态地、实时地调整设备状态的微波无极紫外消毒智能控制系统成为研究的重点。
近年来，随着中国低碳建设的推进，各行各业积极响应政策号召，发展低碳经济。在微波无极紫外消毒技术中，水泵功率和微波功率不仅影响着微波无极紫外消毒的效果，也是功耗的主要影响因素，传统的控制方法只通过简单启闭操作控制，无法根据实际工况对微波无极紫外消毒设备进行智能调整，势必造成能源的浪费；因此，如何在出水水质达到国家标准的前提下，节能降耗成为一个迫切需要解决的问题。
另外，在微波无极紫外消毒控制领域，目前多采用传统PLC(可编程逻辑控制器)作为控制终端，通过拓展各种功能模块实现对生产过程的控制和与外部的通信，因其价格昂贵，维修复杂，造成建造和运营成本较高；同时，其体型庞大，需要部署大体积控制箱，使其在某些有空间限制的生产环境下，施工困难。
因此，亟需涉及一种新的、体型小、集成化程度高、具备远程终端控制功能的控制器作为微波无极紫外消毒智能控制系统的控制终端。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有微波无极紫外消毒技术的消毒效果受水体水质和设备状态多因素影响，这些因素呈现复杂的非线性关系，分析困难；现有的基于离线分析法的人工控制无法实现对非线性问题进行调节，无法满足微波无极紫外消毒系统控制的精准性和实时性。
(2)现有微波无极紫外消毒技术的系统控制只是进行简单的启闭操作控制，无法根据实际工况对微波无极紫外消毒设备进行智能调整，造成不必要的能源浪费。
(3)传统PLC控制器价格昂贵，维修复杂，造成建造和运营成本较高；体型庞大，需要部署大体积控制箱，导致在某些有空间限制的生产环境下施工困难，不适合作为微波无极紫外消毒控制系统的终端控制器。
发明内容
针对现有技术存在的问题，本发明提供了一种微波无极紫外消毒智能控制系统、方法、设备及终端，尤其涉及一种基于AI算法的微波无极紫外消毒智能控制系统、方法、介质、设备及终端。
本发明是这样实现的，一种微波无极紫外消毒智能控制系统，所述微波无极紫外消毒智能控制系统包括感知节点子系统、远程终端控制子系统、云服务器、人机交互子系统和受控子系统。
其中，感知节点子系统包括若干感知节点，所述感知节点包括温度传感器、紫外辐射照度计、浊度计和流量计；感知节点子系统实时采集实际工况中水体水质的参数，并通过远程终端控制子系统提供的相应接口将数据信息传输给远程终端控制子系统；
远程终端控制子系统包括MCU芯片、多路传感器采集电路、多路控制信号输出电路、触摸屏电路、通信电路和电源电路；所述电源电路为远程终端控制子系统各电路供电；所述多路传感器采集电路接收感知节点子系统传输的数据信息，通过MCU芯片处理，分别通过触摸屏电路将数据信息在人机交互子系统中展示，通过通信电路将数据信息传输给云服务器；所述触摸屏电路实现远程终端控制子系统和人机交互子系统的双向通信；所述通信电路实现远程终端控制子系统与上位机和云服务器的双向通信；所述多路控制信号输出电路与受控子系统连接，向受控子系统发送控制信号；
云服务器通过远程终端控制子系统的通信电路实现与远程终端控制子系统无线通信；同时，云服务器上部署AI算法，远程终端控制子系统将感知节点子系统采集的水体水质信息数据处理后上传给云服务器，AI算法将这些数据信息作为模型的输入，输出优化控制参数，并发送给远程终端控制子系统；
人机交互子系统包括LCD触摸液晶屏，与远程终端控制子系统有线连接，用于实现设备状态的界面化展示和人工操作调整设备工作参数；
受控子系统包括电源模块和受控设备；电源模块为微波无极紫外消毒设备的微波发生单元供电，电源模块的功率输出由控制信号控制；受控设备包括进水水泵，进水水泵的流量大小由控制信号控制；受控子系统与远程终端控制子系统的多路控制信号输出电路连接，接收远程终端控制子系统发送的控制信号。
进一步，远程终端控制子系统的MCU芯片连接有多路传感器采集电路、多路控制信号输出电路、触摸屏电路、通信电路和电源电路。
其中，多路传感器采集电路包括模拟电压信号采集电路、模拟电流信号采集电路和RS485差分信号采集电路；
多路控制信号输出电路包括模拟控制信号输出电路和开关量控制信号输出电路；
触摸屏电路设置有LCD触摸屏接口电路，LCD触摸屏接口电路外接串口触摸屏；
通信电路设置有RS485通信电路和4G通信模块，4G通信模块通过串口与MCU芯片连接，并搭配物联网卡实现网络通信，通过射频天线与云服务器实现无线通信；其中，RS485通信电路通过串口与MCU芯片连接，通过接线端子实现与上位机的有线通信；
电源电路外接直流24V电源，为远程终端控制子系统内各个电路供电；进一步所述电源电路中，包括三级浪涌保护电路，并将24V直流电源通过DC/DC电路转换成12V、5V和3.3V，为不同电路提供相应的电位；
进一步，云服务器上部署的AI算法包括改进GA-BP非线性回归模型和改进多目标优化GA算法模型。
本发明的另一目的在于提供一种应用所述的微波无极紫外消毒智能控制系统的微波无极紫外消毒智能控制方法，所述微波无极紫外消毒智能控制方法包括以下步骤：
步骤一，感知节点子系统通过传感器构成的若干节点，实时地采集水体水质相关数据和设备状态数据，将数据信息传输给远程终端控制子系统；远程终端控制子系统接收到数据信息后，由MCU芯片处理后，通过通信电路发送至云服务器，同时通过触摸屏电路在人机交互子系统中显示；
步骤二，云服务器端接收数据，并送入训练好的AI算法模型中，所述AI算法模型包括改进GA-BP非线性回归模型和改进多目标优化GA算法模型，其中训练好的改进GA-BP非线性回归模型拟合出水体水质和设备状态参数与消毒效果和能耗的映射关系；
步骤三，将步骤二中所得映射关系函数作为改进多目标优化GA算法的适应度函数，将控制量参数作为算法模型的输入，消毒效果作为约束条件，能耗作为优化目标，得到消毒效果达到国家标准情况下，能耗最低的控制量参数最优解，将控制指令打包发送至远程终端控制子系统；
步骤四，远程终端控制子系统接收控制指令，通过多路控制信号输出电路发送控制信号给受控子系统，控制受控子系统根据控制信号做出相应动作，同时在人机交互子系统中显示。
进一步，步骤一中的水体水质相关数据包括水体温度、浊度和污水流量；设备状态数据包括紫外辐照强度和水力停留时间。
进一步，步骤二中的云服务器的改进GA-BP非线性回归模型包括以下步骤：
(1)数据归一化处理。使用使用转换函数
Figure BDA0004076334560000051
将样本数据变换到[-1,1]区间；其中，xmax为最大值和xmin为最小值，
Figure BDA0004076334560000052
为数据的均值；
(2)确定神经网络结构。在BP神经网络模型中，由输入层al、隐含层hi、输出层youtput构成，输入层将水体水质和设备状态作为的输入，其中l∈[1,...,D]，D为输入样本个数；隐含层hi使用sigmoid函数作为激活函数，输出为hi＝sigmoid(wial+bi)，其中wi为权重，bi为阈值，i∈[1,...,Q]，Q为隐含层层数；输出层youtput使用sigmoid函数作为激活函数，输出为
Figure BDA0004076334560000053
Figure BDA0004076334560000054
(3)改进GA算法优化初始权重和阈值。利用改进GA算法对BP神经网络的输入层al、隐含层hi、输出层youtput之间的初始权重wi和阈值bi参数进行优化，改进GA算法的适应度函数minF(x＝f(x1,x2,...,xM))，s.t.x∈Ω，其中x＝(x1,...,xn)为n维决策向量；在选择操作中，将每次迭代后适应度F(xn)，s.t.x∈Ω，n∈[1,...,M]最优的个体保留，不参与后续的交叉和变异过程，防止最优个体的丢失，避免后期搜索迟钝问题；在交叉操作中，选取最优个体作为母序列X0＝{X0(k)|k＝1,2,...,n}＝(X0(1),X0(2),...,X0(n))，其它个体作为比较序列Xi＝{Xi(k)|k＝1,2,...,n}＝(Xi(1),Xi(2),...,Xi(n))，i＝1,2,...,m，通过灰色关联分析计算各比较序列的关联度
Figure BDA0004076334560000055
Figure BDA0004076334560000056
将关联度高于阈值rsta的个体进行单点交叉，低于阈值的个体进行多点交叉，以此保证种群的多样性，避免早熟问题；多次迭代进化后，输出最优解N；
(4)权重和阈值的赋值与更新。将步骤(3)中改进GA算法模型的输出最优解N作为步骤(2)中BP神经网络的输入层al、隐含层hi、输出层youtput之间的初始权重wi和阈值bi，BP神经网络通过多次训练，使用均方误差评价机制
Figure BDA0004076334560000061
来评估权重wi和阈值bi是否满足要求，并使用误差反向传播法更新权重wi和阈值bi，直到达到迭代次数或误差达标；
(5)非线性回归模型生成。固定步骤(4)训练所得的权重wi和阈值bi，生成非线性回归模型，得出出水体水质和设备状态与消毒效果和能耗的映射关系函数Y。
进一步，步骤三中的云服务器的改进多目标优化GA算法模型包括：
(1)生成控制量初始种群。随机生成水泵功率Q和微波功率U的初始值，并将其作为种群群落输入算法模型；
(2)计算适应度函数。适应度函数f＝1/Y，其中，Y为将上述改进GA-BP非线性回归模型得到的映射关系函数，计算每个个体[Qi,Wi]的适应度值fi，其中，i∈[1,...,n]，n为种群群落规模；其中，适应度值越小，适应度越好；
(3)最优个体保留选择操作。将适应度最大的个体
Figure BDA0004076334560000062
保留，不参与后续的交叉和变异过程；
(4)混合交叉操作。选取最优个体
Figure BDA0004076334560000063
作为母序列X0＝{X0(k)|k＝1,2,...,n}＝(X0(1),X0(2),...,X0(n))，其它个体作为比较序列Xi＝{Xi(k)|k＝1,2,...,n}＝(Xi(1),Xi(2),...,Xi(n))，i＝1,2,...,m，通过灰色关联分析计算各比较序列的关联度
Figure BDA0004076334560000064
Figure BDA0004076334560000065
将关联度高于阈值rsta的个体进行单点交叉，低于阈值的个体进行多点交叉；
(5)变异操作。生成子代中，一部分个体以变异概率pm发生变异，生成新的个体；
(6)循环迭代和生成最优解。重复(2)～(5)步骤，直到达到停止条件时，得到消毒效果满足国家标准的条件下，能耗最低的水泵功率Q和微波功率U的最优解；并将控制量作为控制指令发出。
本发明的另一目的在于提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的微波无极紫外消毒智能控制方法的步骤。
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的微波无极紫外消毒智能控制方法的步骤。
本发明的另一目的在于提供一种信息数据处理终端，信息数据处理终端用于实现所述的微波无极紫外消毒智能控制系统。
结合上述的技术方案和解决的技术问题，本发明所要保护的技术方案所具备的优点及积极效果为：
第一，针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
本发明提供了一种基于AI算法的微波无极紫外消毒智能控制系统，实现了对微波无极紫外消毒设备的智能控制。本发明通过感知节点子系统获取水体水质的相关记录数据，通过在云服务器上部署AI算法，根据进水水质实时地、动态地对控制参数进行优化；使得在保证出水水质达标地条件下，设备功耗最低，间接延长设备寿命；对于例如医院、游泳场所等污水处理周期性强的场所十分适用。本发明的远程终端控制子系统以MCU芯片作为主控单元，通过其片上外设引脚控制整个设备的工作过程；LCD触摸屏接口外接串口触摸屏，实现数据和相关参数的界面化展示和人工调参操作；RS485通信电路，使用RS485标准的差分通信网络能在远距离条件下以及电子噪声大的环境下有效传输信号。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明提供的远程终端控制子系统，可根据不同类型的传感器和通信环境，适应性的选择接口接入和使用；远程终端控制子系统的兼容性高，集成化程度高，体积小，可以更好地在不同生产环境中部署，同时也易于维护，降低运营成本；并且，本发明提供的远程终端控制子系统可通过LCD触摸屏、上位机有线通信和云服务器无线通信的三种方式，可实现对微波无极紫外消毒设备的工作状态和参数进行人工控制、有线控制和远程无线控制，提高了对微波无极紫外消毒设备控制的实时性和精准性。
本发明提供的AI算法，所述AI算法包括改进GA-BP非线性回归模型和改进多目标优化GA算法模型；进一步，所述改进GA-BP非线性回归模型通过大量水体水质和设备状态的历史数据构成的数据集进行训练，得到消毒效果和能耗与水体水质和设备状态多因素间的非线性映射关系；将上述映射关系作为改进多目标优化GA算法模型的适应度函数，以水泵功率和微波功率作为优化目标，得到控制量的最优解；AI算法具有优良的多维函数映射能力，可以充分逼近复杂的非线性关系，同时具有全局搜索能力，很好地解决了功耗和消毒效果的多目标优化问题；提高了微波无极紫外消毒智能控制系统精准性和智能化。
第三，作为本发明的权利要求的创造性辅助证据，还体现在以下几个重要方面：
(1)本发明的技术方案转化后的预期收益和商业价值为：
本发明提供了一种基于AI算法的微波无极紫外消毒智能控制系统，通过云服务器上的AI算法拟合出水体水质和设备状态参数与消毒效果和能耗的映射关系，并以消毒效果为约束条件，能耗为优化目标，生成水泵功率和微波功率控制量的最优解；实现微波无极紫外消毒设备在消毒效果达到国家标准情况下，整体能耗最低，不仅支持了国家的低碳建设，而且降低了微波无极紫外消毒设备的运营成本；
本发明提供了一种远程终端控制子系统，不仅实现了对微波无极紫外消毒设备的启停，实现了对微波无极紫外消毒设备微波源的控制，实现了对环境变量的数据采集，以及与上位机或服务器的数据通信。而且，具有体积小、能耗低、易维护的特点，同时，其设计自由度高，可根据不同的生产环境需求进行设计，降低了设计和运营成本。
(2)本发明的技术方案填补了国内外业内技术空白：
本发明提供了一种基于AI算法的微波无极紫外消毒智能控制系统，包括感知节点子系统、远程终端控制子系统、云服务器、人机交互子系统和受控子系统，通过感知节点子系统、远程终端控制子系统和人机交互子系统的配合工作，实现了对微波无极紫外消毒设备的实时监控；通过云服务器上部署的AI算法实现了对微波无极紫外消毒设备精准地、智能地控制；与传统的通过量化实验或实际工作所得经验值的基于离线分析法的人工控制相比较，本发明提高了对微波无极紫外消毒设备控制地实时性和精准性，填补了微波无极紫外控制系统的研究空白；
本发明提供了一种部署在云服务器上的AI算法，所述AI算法包括改进GA-BP非线性回归模型和改进多目标优化GA算法模型；其中，改进GA-BP非线性回归模型针对微波无极紫外消毒效果和设备功耗受多因素影响，回归拟合出水体水质和设备状态与消毒效果和能耗的映射关系函数；改进多目标优化GA算法模型以消毒效果为约束条件，功耗最低为优化目标，解决对微波功率和水泵功率的多目标优化问题；云服务器上部署的AI算法，实现了人工智能和微波无极紫外消毒技术的结合，填补了微波无极紫外消毒控制领域智能控制的研究空白；
进一步，AI算法的改进GA-BP非线性回归模型和改进多目标优化GA算法模型，针对BP神经网络易局部收敛的缺点，结合改进GA算法对网络的初始权重和阈值进行优化；同时针对GA算法存在早熟和后期搜索慢的问题，提出基于混合交叉算子和最优个体保留策略的改进多目标优化GA算法。在选择操作中，将每次迭代后适应度最优的个体保留，不参与后续的交叉和变异过程，防止最优个体的丢失，避免后期搜索迟钝问题。在交叉操作中，选取最优个体作为母序列，通过灰色关联分析计算与其它个体间的关联度，将关联度高于阈值的个体进行单点交叉，低于阈值的个体进行多点交叉，以此保证种群的多样性，避免早熟问题；丰富了BP神经网络和多目标优化算法的研究。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述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他的附图。
图1是本发明实施例提供的微波无极紫外消毒智能控制方法流程图；
图2是本发明实施例提供的微波无极紫外消毒智能控制方法原理图；
图3是本发明实施例提供的微波无极紫外消毒智能控制系统结构框图；
图4是本发明实施例提供的远程终端控制子系统的结构原理图；
图5是本发明实施例提供的电源电路原理示意图；
图6是本发明实施例提供的MCU芯片原理示意图；
图7是本发明实施例提供的模拟式传感器采集电路示意图；
图8是本发明实施例提供的RS485式传感器采集电路示意图；
图9是本发明实施例提供的数字式控制输出电路示意图；
图10是本发明实施例提供的模拟式控制输出电路示意图；
图11是本发明实施例提供的LCD触摸屏接口电路示意图；
图12是本发明实施例提供的RS485通信电路示意图；
图13是本发明实施例提供的4G通信模块电路示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种微波无极紫外消毒智能控制系统、方法、设备及终端，下面结合附图对本发明作详细的描述。
为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示，本发明实施例提供的微波无极紫外消毒智能控制方法包括以下步骤：
S101，感知节点子系统通过传感器构成的若干节点，实时地采集水体水质相关数据和设备状态数据，将数据信息传输给远程终端控制子系统；远程终端控制子系统接收到数据信息后，由MCU芯片处理后，通过通信电路发送至云服务器，同时通过触摸屏电路在人机交互子系统中显示；
S102，云服务器端接收数据，并送入训练好的AI算法模型中，所述AI算法模型包括改进GA-BP非线性回归模型和改进多目标优化GA算法模型，其中训练好的改进GA-BP非线性回归模型拟合出水体水质和设备状态参数与消毒效果和能耗的映射关系；
S103，将S102中所得映射关系函数作为改进多目标优化GA算法的适应度函数，将控制量参数作为算法模型的输入，消毒效果作为约束条件，能耗作为优化目标，得到消毒效果达到国家标准情况下，能耗最低的控制量参数最优解，将控制指令打包发送至远程终端控制子系统；
S104，远程终端控制子系统接收控制指令，通过多路控制信号输出电路发送控制信号给受控子系统，控制受控子系统根据控制信号做出相应动作，同时在人机交互子系统中显示。
本发明实施例提供的步骤S101中的水体水质相关数据包括水体温度、浊度和污水流量；设备状态数据包括紫外辐照强度和水力停留时间。
本发明实施例提供的步骤S102中的云服务器的改进GA-BP非线性回归模型包括以下步骤：
(1)数据归一化处理。使用使用转换函数
Figure BDA0004076334560000121
将样本数据变换到[-1,1]区间；其中，xmax为最大值和xmin为最小值，
Figure BDA0004076334560000122
为数据的均值；
(2)确定神经网络结构。在BP神经网络模型中，由输入层al、隐含层hi、输出层youtput构成，输入层将水体水质和设备状态作为的输入，其中l∈[1,...,D]，D为输入样本个数；隐含层hi使用sigmoid函数作为激活函数，输出为hi＝sigmoid(wial+bi)，其中wi为权重，bi为阈值，i∈[1,...,Q]，Q为隐含层层数；输出层youtput使用sigmoid函数作为激活函数，输出为
Figure BDA0004076334560000123
Figure BDA0004076334560000124
(3)改进GA算法优化初始权重和阈值。利用改进GA算法对BP神经网络的输入层al、隐含层hi、输出层youtput之间的初始权重wi和阈值bi参数进行优化，改进GA算法的适应度函数minF(x＝f(x1,x2,...,xM))，s.t.x∈Ω，其中x＝(x1,...,xn)为n维决策向量；在选择操作中，将每次迭代后适应度F(xn)，s.t.x∈Ω，n∈[1,...,M]最优的个体保留，不参与后续的交叉和变异过程，防止最优个体的丢失，避免后期搜索迟钝问题；在交叉操作中，选取最优个体作为母序列X0＝{X0(k)|k＝1,2,...,n}＝(X0(1),X0(2),...,X0(n))，其它个体作为比较序列Xi＝{Xi(k)|k＝1,2,...,n}＝(Xi(1),Xi(2),...,Xi(n))，i＝1,2,...,m，通过灰色关联分析计算各比较序列的关联度
Figure BDA0004076334560000125
Figure BDA0004076334560000126
将关联度高于阈值rsta的个体进行单点交叉，低于阈值的个体进行多点交叉，以此保证种群的多样性，避免早熟问题；多次迭代进化后，输出最优解N；
(4)权重和阈值的赋值与更新。将步骤(3)中改进GA算法模型的输出最优解N作为步骤(2)中BP神经网络的输入层al、隐含层hi、输出层youtput之间的初始权重wi和阈值bi，BP神经网络通过多次训练，使用均方误差评价机制
Figure BDA0004076334560000127
来评估权重wi和阈值bi是否满足要求，并使用误差反向传播法更新权重wi和阈值bi，直到达到迭代次数或误差达标；
(5)非线性回归模型生成。固定步骤(4)训练所得的权重wi和阈值bi，生成非线性回归模型，得出出水体水质和设备状态与消毒效果和能耗的映射关系函数Y。
本发明实施例提供的步骤S103中的云服务器的改进多目标优化GA算法模型包括以下步骤：
(1)生成控制量初始种群。随机生成水泵功率Q和微波功率U的初始值，并将其作为种群群落输入算法模型；
(2)计算适应度函数。适应度函数f＝1/Y，其中，Y为将上述改进GA-BP非线性回归模型得到的映射关系函数，计算每个个体[Qi,Wi]的适应度值fi，其中，i∈[1,...,n]，n为种群群落规模；其中，适应度值越小，适应度越好；
(3)最优个体保留选择操作。将适应度最大的个体
Figure BDA0004076334560000131
保留，不参与后续的交叉和变异过程；
(4)混合交叉操作。选取最优个体
Figure BDA0004076334560000132
作为母序列X0＝{X0(k)|k＝1,2,...,n}＝(X0(1),X0(2),...,X0(n))，其它个体作为比较序列Xi＝{Xi(k)|k＝1,2,...,n}＝(Xi(1),Xi(2),...,Xi(n))，i＝1,2,...,m，通过灰色关联分析计算各比较序列的关联度
Figure BDA0004076334560000133
Figure BDA0004076334560000134
将关联度高于阈值rsta的个体进行单点交叉，低于阈值的个体进行多点交叉；
(5)变异操作。生成子代中，一部分个体以变异概率pm发生变异，生成新的个体；
(6)循环迭代和生成最优解。重复(2)～(5)步骤，直到达到停止条件时，得到消毒效果满足国家标准的条件下，能耗最低的水泵功率Q和微波功率U的最优解；并将控制量作为控制指令发出。
本发明实施例提供的微波无极紫外消毒智能控制方法原理图如图2所示。
如图3所示，本发明实施例提供的微波无极紫外消毒智能控制系统包括感知节点子系统、远程终端控制子系统、云服务器、人机交互子系统和受控子系统。
其中，感知节点子系统包括若干感知节点，所述感知节点包括温度传感器、紫外辐射照度计、浊度计和流量计；感知节点子系统实时采集实际工况中水体水质的参数，并通过远程终端控制子系统提供的相应接口将数据信息传输给远程终端控制子系统；
远程终端控制子系统包括MCU芯片、多路传感器采集电路、多路控制信号输出电路、触摸屏电路、通信电路和电源电路；所述电源电路为远程终端控制子系统各电路供电；所述多路传感器采集电路接收感知节点子系统传输的数据信息，通过MCU芯片处理，分别通过触摸屏电路将数据信息在人机交互子系统中展示，通过通信电路将数据信息传输给云服务器；所述触摸屏电路实现远程终端控制子系统和人机交互子系统的双向通信；所述通信电路实现远程终端控制子系统与上位机和云服务器的双向通信；所述多路控制信号输出电路与受控子系统连接，向受控子系统发送控制信号；
云服务器通过远程终端控制子系统的通信电路实现与远程终端控制子系统无线通信；同时，云服务器上部署AI算法，远程终端控制子系统将感知节点子系统采集的水体水质信息数据处理后上传给云服务器，AI算法将这些数据信息作为模型的输入，输出优化控制参数，并发送给远程终端控制子系统；
人机交互子系统包括LCD触摸液晶屏，与远程终端控制子系统有线连接，用于实现设备状态的界面化展示和人工操作调整设备工作参数；
受控子系统包括电源模块和受控设备；电源模块为微波无极紫外消毒设备的微波发生单元供电，电源模块的功率输出由控制信号控制；受控设备包括进水水泵，进水水泵的流量大小由控制信号控制；受控子系统与远程终端控制子系统的多路控制信号输出电路连接，接收远程终端控制子系统发送的控制信号。
如图4所示，本发明实施例提供的远程终端控制子系统以MCU芯片作为主控单元，还包括模拟式传感器采集电路、RS485式传感器采集电路、数字式控制输出电路、模拟式控制输出电路、LCD触摸屏、4G通信模块和RS485通信电路；其中，本发明实施例提供的电源电路原理示意图如图5所示。
MCU芯片采用型号为STM32F407VET6的芯片，MCU芯片的引脚及连接端口的示意图如图6所示，MCU芯片的第23号和24号引脚为模拟式传感器信号输入引脚；MCU芯片的第47号和48号引脚为RS485式传感器信号输入引脚；MCU芯片的第55号、56号、57号和58号引脚为数字控制信号输出引脚；MCU芯片的第66号引脚为模拟控制信号输出引脚；MCU芯片的第25号和26号引脚为LCD触摸屏通信引脚；MCU芯片的第63号和64号引脚为4G通信模块通信引脚；MCU芯片的第78号和第79号引脚为RS485通信引脚。
如图7所示，模拟式传感器采集电路包括一路0～5V电压信号输入电路和一路4～20mA电流信号输入电路。其中，电压采集电路包括电阻R71、电阻R69、电容C72和二极管D23，0～5V的模拟量从AIN_V引脚输入，经电阻R69和电阻R71分压，将0～5V映射到MCU芯片AD检测口的采样范围，即0～3.3V；电流采集电路包括电阻R73、TVS管TVS5和保险丝F2。同时，为防止因传感器线路接线问题引起的器件虽坏和数据异常等问题，本发明实施例中增设TVS管TVS5作为防反接器件，确保系统的稳定性，另外设置了接线端子P10。
如图8所示，本发明实施例提供的RS485式传感器采集电路包括数字隔离器U10和RS485收发器IC3构成。从MCU芯片串口传输的模拟信号通过数字隔离器进入RS485收发器，转换成符合RS485标准的差分信号。
如图9所示，本发明实施例提供的数字式控制输出电路由MCU芯片输出的开关量，通过光耦U15/U17/U19/U20，传输到NMOS管Q4和Q5，最终通过Xn_OUTPUT引脚连接接线端子输出。当MCU芯片输出高电平时，光耦处于截止状态，NMOS管处于截止状态，Xn_OUTPUT拉高至24V，即高电平；当MCU芯片输出低电平时，光耦处于导通状态，NMOS管处于导通状态，Xn_OUTPUT拉低至地，即低电平，以此实现数字控制信号的输出。
如图10所示，本发明实施例提供的模拟式控制输出电路由MCU芯片输出PWM信号，通过控制PWM信号的占空比，再由运算放大器U24将PWM信号转换成0～10V电压信号的输出。
如图11所示，本发明实施例提供的LCD触摸屏接口电路包括电容C70、电容C71、隔离器U26、电阻R66和接线端子P8。通过接线端子P8外接触摸串口屏，通过USART串口与MCU芯片交互，方便工作人员完成监控设备运行状态，记录传感器数据和修改技术参数等操作。
如图12所示，本发明实施例提供的RS485通信电路包括数字隔离器U11、RS485收发器IC4和接线端子P5构成。从MCU芯片串口传输的模拟信号通过数字隔离器进入RS485收发器，转换成符合RS485标准的差分信号，并通过接线端子P5与外部进行通信；本远程终端控制设备作为从机，与上位机进行通信。
如图13所示，本发明实施例提供的4G通信模块电路主要包括4G芯片LTE1和射频天线RF1，4G芯片采用型号为Air724UG的芯片，搭配物联网卡实现网络通信，通过串口与MCU芯片进行数据交互，并通过射频天线与外部通信。
本发明实施例提供的远程终端控制设备，可根据不同类型的传感器和通信环境，适应性的选择接口接入和使用；远程终端控制设备的兼容性高，集成化程度高，体积小，便于不同工况下的部署和使用。
本发明实施例提供的远程终端控制子系统的控制方法，包括如下步骤：
启动本远程终端控制设备，将信号类型为4～20mA的传感器接入4～20mA电流采集端口，将信号类型为0～5V的传感器接入0～5V电压采集端口，将信号类型为RS485的传感器接入RS485端口，将LCD串口触摸屏接入LCD屏端口，插入SIM卡，4G模块连接到远程服务器，亦可通过RS485端口连接上位机。
各传感器采集水体水质相关数据和设备状态数据，所述水体水质相关数据包括水体温度、浊度、污水流量；所述设备状态数据包括紫外辐照强度和水力停留时间；MCU芯片将数据打包，通过通信模块发送至云服务器；同时在LCD触摸屏上显示；LCD触摸屏将数据以界面化形式展示，4G模块通过MQTT协议将数据打包上传远程服务器；RS485端口通过MODBUS协议将数据打包上传给上位机，以实现现场和远程的实时监测。
同时，也可进行现场和远程的控制。通过LCD触摸屏界面化的操作，调整本远程终端控制设备的输出信号；通过远程服务器下发控制指令，调整本远程终端控制设备的输出信号；亦可通过上位机发出控制指令，调整本远程终端控制设备的输出信号。经MCU芯片处理，控制输出端口进行相应的信号输出。本远程终端控制设备的实时状态，也将以日志的形式上传给远程服务器和上位机。
为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
应用实施例1
本发明实施例提供一种微波无极紫外消毒智能控制系统，所述微波无极紫外消毒智能控制系统包括感知节点子系统、远程终端控制子系统、云服务器、人机交互子系统和受控子系统。进一步，所述感知节点子系统包括温度传感器、紫外辐射照度计、浊度计和流量计；所述远程终端控制子系统包括MCU芯片、多路传感器采集电路、多路控制信号输出电路、触摸屏电路、通信电路和电源电路；所述云服务器上部署AI算法；所述人机交互子系统包括LCD触摸液晶屏，与远程终端控制子系统有线连接；所述受控子系统包括电源模块和受控设备。
应用实施例2
本发明实施例提供一种微波无极紫外消毒智能控制方法，所述微波无极紫外消毒智能控制方法包括以下步骤：步骤一，感知节点子系统的传感器实时地采集水体水质相关数据和设备状态数据，将数据信息传输给远程终端控制子系统；远程终端控制子系统接收到数据信息后，由MCU芯片处理后，通过通信电路发送至云服务器，同时通过触摸屏电路在人机交互子系统中显示；步骤二，云服务器端接收数据，并送入训练好的AI算法模型中，所述AI算法模型包括改进GA-BP非线性回归模型和改进多目标优化GA算法模型，其中训练好的改进GA-BP非线性回归模型拟合出水体水质和设备状态参数与消毒效果和能耗的映射关系；步骤三，将步骤二中所得映射关系函数作为改进多目标优化GA算法的适应度函数，将控制量参数作为算法模型的输入，消毒效果作为约束条件，能耗作为优化目标，得到消毒效果达到国家标准情况下，能耗最低的控制量参数最优解，将控制指令打包发送至远程终端控制子系统；
步骤四，远程终端控制子系统接收控制指令，通过多路控制信号输出电路发送控制信号给受控子系统，控制受控子系统根据控制信号做出相应动作，同时在人机交互子系统中显示。
应用实施例3
本发明实施例提供一种计算可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的微波无极紫外消毒智能控制方法的步骤。
应用实施例4
本发明实施例提供一种信息数据处理终端，信息数据处理终端用于实现所述的微波无极紫外消毒智能控制系统。
应用实施例5
本发明实施例提供一种计算机设备，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行所述的微波无极紫外消毒智能控制方法的步骤。
本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
本发明提出的基于AI算法的微波无极紫外消毒智能控制系统相较于传统的通过量化实验或实际工作所得经验值的基于离线分析法的人工控制，本发明可以通过远程终端子系统实现对微波无极紫外消毒设备的工作状态和参数进行人工控制、有线控制和远程无线控制，同时通过云服务器上的AI算法分析计算，提高了对微波无极紫外消毒设备控制的实时性、精准性和智能化，同时也使微波无极紫外消毒设备在消毒效果达到国家标准的条件下，能耗最低，降低了设备的运营成本。
本发明提供的远程终端控制子系统实现了微波无极紫外消毒设备远程终端控制器的小型化、集成化，相比于当前的PLC(可编程逻辑控制器)控制装置，具有体积小、能耗低、易维护的特点，同时，其设计自由度高，可根据不同的生产环境需求进行设计，更好地在不同生产环境中部署，同时也易于维护，降低运营成本。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种微波无极紫外消毒智能控制系统，其特征在于，微波无极紫外消毒智能控制系统包括：
感知节点子系统包括若干感知节点，所述感知节点包括温度传感器、紫外辐射照度计、浊度计和流量计；感知节点子系统实时采集实际工况中水体水质的参数，并通过远程终端控制子系统提供的相应接口将数据信息传输给远程终端控制子系统；
远程终端控制子系统包括MCU芯片、多路传感器采集电路、多路控制信号输出电路、触摸屏电路、通信电路和电源电路；所述电源电路为远程终端控制子系统各电路供电；所述多路传感器采集电路接收感知节点子系统传输的数据信息，通过MCU芯片处理，分别通过触摸屏电路将数据信息在人机交互子系统中展示，通过通信电路将数据信息传输给云服务器；所述触摸屏电路实现远程终端控制子系统和人机交互子系统的双向通信；所述通信电路实现远程终端控制子系统与上位机和云服务器的双向通信；所述多路控制信号输出电路与受控子系统连接，向受控子系统发送控制信号；
云服务器通过远程终端控制子系统的通信电路实现与远程终端控制子系统无线通信；同时，云服务器上部署AI算法，远程终端控制子系统将感知节点子系统采集的水体水质信息数据处理后上传给云服务器，AI算法将这些数据信息作为模型的输入，输出优化控制参数，并发送给远程终端控制子系统；
人机交互子系统包括LCD触摸液晶屏，与远程终端控制子系统有线连接，用于实现设备状态的界面化展示和人工操作调整设备工作参数；
受控子系统包括电源模块和受控设备；电源模块为微波无极紫外消毒设备的微波发生单元供电，电源模块的功率输出由控制信号控制；受控设备包括进水水泵，进水水泵的流量大小由控制信号控制；受控子系统与远程终端控制子系统的多路控制信号输出电路连接，接收远程终端控制子系统发送的控制信号。
2.如权利要求1所述微波无极紫外消毒智能控制系统，其特征在于，远程终端控制子系统的MCU芯片连接有多路传感器采集电路、多路控制信号输出电路、触摸屏电路、通信电路和电源电路；
其中，多路传感器采集电路包括模拟电压信号采集电路、模拟电流信号采集电路和RS485差分信号采集电路；
多路控制信号输出电路包括模拟控制信号输出电路和开关量控制信号输出电路；
触摸屏电路设置有LCD触摸屏接口电路，LCD触摸屏接口电路外接串口触摸屏；
通信电路设置有RS485通信电路和4G通信模块，4G通信模块通过串口与MCU芯片连接，并搭配物联网卡实现网络通信，通过射频天线与云服务器实现无线通信；其中，RS485通信电路通过串口与MCU芯片连接，通过接线端子实现与上位机的有线通信；
电源电路外接直流24V电源，为远程终端控制子系统内各个电路供电；进一步所述电源电路中，包括三级浪涌保护电路，并将24V直流电源通过DC/DC电路转换成12V、5V和3.3V，为不同电路提供相应的电位。
3.如权利要求2所述微波无极紫外消毒智能控制系统，其特征在于，模拟电压信号采集电路包括电阻R71、电阻R69、电容C72和二极管D23，电阻R71一端与输入引脚AIN_V连接，电阻R71另一端分别与电阻R69和二极管D23的一端连接，电容C72的两端与电阻R69的两端连接；
模拟电流信号采集电路包括电阻R73、TVS管TVS5和保险丝F2，保险丝F2的一端分别与电阻R73、TVS管TVS5连接，电阻R73和TVS管TVS5并联；
RS485差分信号采集电路包括数字隔离器U10和RS485收发器IC3，数字隔离器U10一端与MCU芯片的串口连接，数字隔离器U10另一端与RS485收发器IC3连接；
模拟控制信号输出电路设置有运算放大器U24；
开关量控制信号输出电路包括光耦U15、U17、U19、U20，NMOS管Q4和NMOS管Q5。
4.如权利要求1所述微波无极紫外消毒智能控制系统，其特征在于，云服务器上部署的AI算法包括改进GA-BP非线性回归模型和改进多目标优化GA算法模型。
5.一种应用如权利要求1～4任意一项所述微波无极紫外消毒智能控制系统的微波无极紫外消毒智能控制方法，其特征在于，微波无极紫外消毒智能控制方法包括以下步骤：
步骤一，感知节点子系统通过传感器构成的若干节点，实时地采集水体水质相关数据和设备状态数据，将数据信息传输给远程终端控制子系统；远程终端控制子系统接收到数据信息后，由MCU芯片处理后，通过通信电路发送至云服务器，同时通过触摸屏电路在人机交互子系统中显示；
步骤二，云服务器端接收数据，并送入训练好的AI算法模型中，所述AI算法模型包括改进GA-BP非线性回归模型和改进多目标优化GA算法模型，其中训练好的改进GA-BP非线性回归模型拟合出水体水质和设备状态参数与消毒效果和能耗的映射关系；
步骤三，将步骤二中所得映射关系函数作为改进多目标优化GA算法的适应度函数，将控制量参数作为算法模型的输入，消毒效果作为约束条件，能耗作为优化目标，得到消毒效果达到国家标准情况下，能耗最低的控制量参数最优解，将控制指令打包发送至远程终端控制子系统；
步骤四，远程终端控制子系统接收控制指令，通过多路控制信号输出电路发送控制信号给受控子系统，控制受控子系统根据控制信号做出相应动作，同时在人机交互子系统中显示。
6.如权利要求5所述微波无极紫外消毒智能控制方法，其特征在于，步骤一中的水体水质相关数据包括水体温度、浊度和污水流量；设备状态数据包括紫外辐照强度和水力停留时间；
步骤二中的云服务器的改进GA-BP非线性回归模型包括以下步骤：
(1)数据归一化处理，使用使转换函数
Figure FDA0004076334540000031
将样本数据变换到[-1,1]区间；其中，xmax为最大值和xmin为最小值，
Figure FDA0004076334540000041
为数据的均值；
(2)确定神经网络结构，在BP神经网络模型中，由输入层al、隐含层hi、输出层youtput构成，输入层将水体水质和设备状态作为的输入，其中l∈[1,...,D]，D为输入样本个数；隐含层hi使用sigmoid函数作为激活函数，输出为hi＝sigmoid(wial+bi)，其中wi为权重，bi为阈值，i∈[1,...,Q]，Q为隐含层层数；输出层youtput使用sigmoid函数作为激活函数，输出为
Figure FDA0004076334540000042
Figure FDA0004076334540000043
(3)改进GA算法优化初始权重和阈值，利用改进GA算法对BP神经网络的输入层al、隐含层hi、输出层youtput之间的初始权重wi和阈值bi参数进行优化，改进GA算法的适应度函数minF(x＝f(x1,x2,...,xM))，s.t.x∈Ω，其中x＝(x1,...,xn)为n维决策向量；在选择操作中，将每次迭代后适应度F(xn)，s.t.x∈Ω，n∈[1,...,M]最优的个体保留；在交叉操作中，选取最优个体作为母序列X0＝{X0(k)|k＝1,2,...,n}＝(X0(1),X0(2),...,X0(n))，其它个体作为比较序列Xi＝{Xi(k)|k＝1,2,...,n}＝(Xi(1),Xi(2),...,Xi(n))，i＝1,2,...,m，通过灰色关联分析计算各比较序列的关联度
Figure FDA0004076334540000044
Figure FDA0004076334540000045
将关联度高于阈值rsta的个体进行单点交叉，低于阈值的个体进行多点交叉，以此保证种群的多样性，避免早熟问题；多次迭代进化后，输出最优解N；
(4)权重和阈值的赋值与更新，将步骤(3)中改进GA算法模型的输出最优解N作为步骤(2)中BP神经网络的输入层al、隐含层hi、输出层youtput之间的初始权重wi和阈值bi，BP神经网络通过多次训练，使用均方误差评价机制
Figure FDA0004076334540000046
来评估权重wi和阈值bi是否满足要求，并使用误差反向传播法更新权重wi和阈值bi，直到达到迭代次数或误差达标；
(5)非线性回归模型生成，固定步骤(4)训练所得的权重wi和阈值bi，生成非线性回归模型，得出出水体水质和设备状态与消毒效果和能耗的映射关系函数Y。
7.如权利要求5所述微波无极紫外消毒智能控制方法，其特征在于，步骤二中的云服务器的改进多目标优化GA算法模型包括：
(1)生成控制量初始种群，随机生成水泵功率Q和微波功率U的初始值，并将其作为种群群落输入算法模型；
(2)计算适应度函数，适应度函数f＝1/Y，其中，Y为将上述改进GA-BP非线性回归模型得到的映射关系函数，计算每个个体[Qi,Wi]的适应度值fi，其中，i∈[1,...,n]，n为种群群落规模；其中，适应度值越小，适应度越好；
(3)最优个体保留选择操作，将适应度最大的个体[Qi,Wi]fmin保留，不参与后续的交叉和变异过程；
(4)混合交叉操作，选取最优个体[Qi,Wi]fmin作为母序列X0＝{X0(k)|k＝1,2,...,n}＝(X0(1),X0(2),...,X0(n))，其它个体作为比较序列Xi＝{Xi(k)|k＝1,2,...,n}＝(Xi(1),Xi(2),...,Xi(n))，i＝1,2,...,m，通过灰色关联分析计算各比较序列的关联度
Figure FDA0004076334540000051
Figure FDA0004076334540000052
将关联度高于阈值rsta的个体进行单点交叉，低于阈值的个体进行多点交叉；
(5)变异操作，生成子代中，一部分个体以变异概率pm发生变异，生成新的个体；
(6)循环迭代和生成最优解，重复(2)～(5)步骤，直到达到停止条件时，得到消毒效果满足国家标准的条件下，能耗最低的水泵功率Q和微波功率U的最优解；并将控制量作为控制指令发出。
8.一种信息数据处理终端，其特征在于，信息数据处理终端用于实现如权利要求1～4任意一项所述微波无极紫外消毒智能控制系统。
9.一种计算机设备，其特征在于，计算机设备包括存储器和处理器，存储器存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求5～7任意一项所述微波无极紫外消毒智能控制方法的步骤。
10.一种计算机可读存储介质，存储有计算机程序，计算机程序被处理器执行时，使得处理器执行如权利要求5～7任意一项所述微波无极紫外消毒智能控制方法的步骤。
CN202310109457.5A 2023-02-14 2023-02-14 一种微波无极紫外消毒智能控制系统、方法、设备及终端 Active CN116107251B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310109457.5A CN116107251B (zh) 2023-02-14 2023-02-14 一种微波无极紫外消毒智能控制系统、方法、设备及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310109457.5A CN116107251B (zh) 2023-02-14 2023-02-14 一种微波无极紫外消毒智能控制系统、方法、设备及终端

Publications (2)

Publication Number Publication Date
CN116107251A true CN116107251A (zh) 2023-05-12
CN116107251B CN116107251B (zh) 2023-10-13

Family

ID=86265209

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310109457.5A Active CN116107251B (zh) 2023-02-14 2023-02-14 一种微波无极紫外消毒智能控制系统、方法、设备及终端

Country Status (1)

Country Link
CN (1) CN116107251B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130024029A1 (en) * 2007-05-24 2013-01-24 Bao Tran System for reducing energy consumption in a building
CN203021337U (zh) * 2012-11-25 2013-06-26 云南昆钢水净化科技有限公司 连续调节工业废水微波处理功率的控制装置
CN207751987U (zh) * 2018-01-04 2018-08-21 东莞理工学院 一种智能感知水质检测系统
CN111285483A (zh) * 2020-03-30 2020-06-16 金华航大北斗应用技术有限公司 一种水质监测治理智能控制系统及控制方法
CN211946492U (zh) * 2020-03-30 2020-11-17 金华航大北斗应用技术有限公司 一种水质监测治理智能控制系统
CN112099354A (zh) * 2020-09-14 2020-12-18 江南大学 一种面向污水处理过程的智能多目标优化控制方法
CN114115057A (zh) * 2021-11-30 2022-03-01 迪优未来科技(清远)有限公司 一种基于物联网的深紫外智能消杀系统及消杀方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130024029A1 (en) * 2007-05-24 2013-01-24 Bao Tran System for reducing energy consumption in a building
CN203021337U (zh) * 2012-11-25 2013-06-26 云南昆钢水净化科技有限公司 连续调节工业废水微波处理功率的控制装置
CN207751987U (zh) * 2018-01-04 2018-08-21 东莞理工学院 一种智能感知水质检测系统
CN111285483A (zh) * 2020-03-30 2020-06-16 金华航大北斗应用技术有限公司 一种水质监测治理智能控制系统及控制方法
CN211946492U (zh) * 2020-03-30 2020-11-17 金华航大北斗应用技术有限公司 一种水质监测治理智能控制系统
CN112099354A (zh) * 2020-09-14 2020-12-18 江南大学 一种面向污水处理过程的智能多目标优化控制方法
CN114115057A (zh) * 2021-11-30 2022-03-01 迪优未来科技(清远)有限公司 一种基于物联网的深紫外智能消杀系统及消杀方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
DESIGNWEI YUA ET AL.: "Application of multi-objective genetic algorithm to optimize energyefficiency and thermal comfort in building design", 《ENERGY AND BUILDINGS》, pages 135 - 143 *
吴滨;黄庆展;毛力;杨弘;肖炜;: "基于物联网的水产养殖水质监控系统设计", 传感器与微系统, no. 11, pages 113 - 115 *
郑丰收;常松;潘良波;胡杰;: "基于物联网的污水处理智能监控系统", 办公自动化, no. 1, pages 274 - 277 *

Also Published As

Publication number Publication date
CN116107251B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
KR100456413B1 (ko) 신경회로망 및 역전파 알고리즘에 의한 하폐수처리인공지능제어 시스템 및 방법
CN108171259A (zh) 一种基于NB-IoT的智慧末梢水质监测系统及方法
Niu et al. Uncertainty modeling for chaotic time series based on optimal multi-input multi-output architecture: Application to offshore wind speed
CN206835259U (zh) 基于4g与物联网技术的水产养殖远程监控系统
CN201681071U (zh) 多参数模块化养殖水环境无线监测系统
CN104399682A (zh) 一种光伏电站组件清扫智能决策预警系统
CN103267832A (zh) 地表水在线水质监测系统
CN110045771B (zh) 一种鱼塘水质智能监测系统
CN201450514U (zh) 一种智能与节能住宅的无线家庭网关系统
CN104636800A (zh) 基于最小二乘加权的冷冻站系统神经网络优化单元及其方法
CN109934422A (zh) 一种基于时间序列数据分析的神经网络风速预测方法
CN110119767A (zh) 一种基于lvq神经网络的黄瓜温室温度智能化检测装置
CN110848896A (zh) 基于神经网络的空调冷却系统智能节能控制系统及方法
CN201732089U (zh) 基于无线传感网络技术的污水处理监控装置
CN116107251B (zh) 一种微波无极紫外消毒智能控制系统、方法、设备及终端
CN114997508A (zh) 基于多能互补的大棚用电优化方法及系统
CN102778884A (zh) 一种污水处理厂用智能控制方法及智能控制系统
CN107018207A (zh) 一种温室环境云控制系统及其控制方法
CN108596779A (zh) 一种融合向量机模型的嵌入式设施二氧化碳优化调控方法与系统
CN117150778A (zh) 一种用于植物工厂多环境变量映射的数字孪生建模方法
CN104463683B (zh) 一种含多源电网中长期负荷预测方法
CN106656224A (zh) 通信节点以及物联网通信系统
CN114149076B (zh) 一种厌氧氨氧化污水处理系统的智能调试系统
CN116243645A (zh) 一种碳汇型农村生活污水资源化智能控制与决策方法
CN113138584A (zh) 一种生物反应器数据管理和远程控制系统及方法

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