CN116225083A - 一种用于水产养殖的氨氮浓度调控方法与系统 - Google Patents
一种用于水产养殖的氨氮浓度调控方法与系统 Download PDFInfo
- Publication number
- CN116225083A CN116225083A CN202211593913.XA CN202211593913A CN116225083A CN 116225083 A CN116225083 A CN 116225083A CN 202211593913 A CN202211593913 A CN 202211593913A CN 116225083 A CN116225083 A CN 116225083A
- Authority
- CN
- China
- Prior art keywords
- ammonia nitrogen
- real
- nitrogen concentration
- control
- time
- 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
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 title claims abstract description 95
- 238000009360 aquaculture Methods 0.000 title claims abstract description 29
- 244000144974 aquaculture Species 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 46
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 230000001105 regulatory effect Effects 0.000 claims abstract description 15
- 238000013528 artificial neural network Methods 0.000 claims abstract description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 11
- 230000001276 controlling effect Effects 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 239000001301 oxygen Substances 0.000 claims abstract description 11
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 6
- 238000000691 measurement method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 6
- 241000251468 Actinopterygii Species 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000035772 mutation Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000006806 disease prevention Effects 0.000 description 1
- 208000010824 fish disease Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000002798 spectrophotometry method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D11/00—Control of flow ratio
- G05D11/02—Controlling ratio of two or more flows of fluid or fluent material
- G05D11/13—Controlling ratio of two or more flows of fluid or fluent material characterised by the use of electric means
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Farming Of Fish And Shellfish (AREA)
Abstract
本发明公开了一种用于水产养殖的氨氮浓度调控方法与系统，涉及水产养殖技术领域，包括步骤：通过传感器获取目标水体中氨氮影响物的实时参数信息；根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；根据实时氨氮浓度与安全阈值之间的差值进行模糊控制获得控制量；根据控制量进行循环水设备功率比例调控。本发明通过经由氨氮浓度与溶解氧浓度、温度、pH值之间特征关系训练的人工神经网络进行实时氨氮浓度的预测，从而无需昂贵的检测设备就能实现低浓度含量下氨氮浓度的快速准确预测，并实现对氨氮浓度的精准调控。
Description
技术领域
本发明涉及水产养殖技术领域，具体涉及一种用于水产养殖的氨氮浓度调控方法与系统。
背景技术
氨氮是养殖水体中经常存在的一种物质，氨氮含量过高会造成鱼类鳃部受损，影响鱼类的呼吸作用。一般情况下，氨氮含量在0.02mg/L以下为鱼类最适生长范围；当含量超过0.2mg/L时，鱼类生理活动会受到严重影响，甚至会造成鱼类大面积死亡。因此，养殖水体中的氨氮进行实时在线监测及调控对渔业生产管理十分重要。
养殖水体中氨氮极易变化且含量极低，使得水质氨氮在线检测一直是困扰水产养殖界的公认难题。目前，针对水质氨氮的测量方法多采用传统滴定法和分光光度计纳氏试剂法。但是此类方法由于时效性差，在发现水质氨氮超标问题时往往来不及采取有效的控制措施。软测量是应用计算机技术对难以测量或者暂时不能测量的重要变量，选择另外一些容易测量的变量，通过构成某种数学关系来推断或者估计一些重要变量。因此，通过容易在线测量的影响因子实现对水质氨氮的在线软测量预测，并结合一些经典的控制算法对其含量进行调控，对防范水质恶化、提高养殖产量具有十分重要的理论价值和现实意义。
发明内容
为了提高水产养殖过程中对于氨氮浓度的检测效率与质量，本发明提出了一种用于水产养殖的氨氮浓度调控方法，包括步骤：
S1：通过传感器获取目标水体中氨氮影响物的实时参数信息；
S2：根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；
S3：判断实时氨氮浓度是否超出安全阈值，若是，进入下一步骤，若否，返回S1步骤；
S4：根据实时氨氮浓度与安全阈值之间的差值进行模糊控制获得控制量；
S5：根据控制量进行循环水设备功率比例调控并返回S1步骤。
进一步地，所述S1步骤中，实时参数信息包括目标水体中的溶解氧浓度、温度、pH值。
进一步地，所述S2步骤中，软测量技术为经过实时参数信息与对应氨氮浓度之间拟合关系训练的人工神经网络。
进一步地，所述S4步骤中，模糊控制表示为如下公式：
式中，f(x)为差值x下的控制量，e为自然常数，a、c为控制系数。
本发明还提出了一种用于水产养殖的氨氮浓度调控系统，包括：
传感器，用于获取目标水体中氨氮影响物的实时参数信息；
软测量模块，用于根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；
阈值判定模块，用于在实时氨氮浓度超出安全阈值输出实时氨氮浓度与安全阈值之间差值的差值信号；
控制模块，用于根据差值进行模糊控制并输出相应的控制量；
循环水设备，用于在系统运行过程中根据控制量实时进行功率比例的调控。
进一步地，所述实时参数信息包括目标水体中的溶解氧浓度、温度、pH值。
进一步地，所述软测量模块中，软测量技术为经过实时参数信息与对应氨氮浓度之间拟合关系训练的人工神经网络。
进一步地，所述控制模块中，模糊控制表示为如下公式：
式中，f(x)为差值x下的控制量，e为自然常数，a、c为控制系数。
与现有技术相比，本发明至少含有以下有益效果：
(1)本发明所述的一种用于水产养殖的氨氮浓度调控方法与系统，通过经由氨氮浓度与溶解氧浓度、温度、pH值之间特征关系训练的人工神经网络进行实时氨氮浓度的预测，从而无需昂贵的检测设备就能实现低浓度含量下对氨氮浓度的快速准确预测；
(2)基于模糊控制法对循环水设备进行基于实时氨氮浓度的控制，从而保证目标水体中氨氮浓度能时刻保持在安全阈值范围内。
附图说明
图1为一种用于水产养殖的氨氮浓度调控方法的步骤图；
图2为一种用于水产养殖的氨氮浓度调控系统的模块图；
图3为模糊控制的功率比例变化示意图。
具体实施方式
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
在水产养殖过程中，为了使鱼类能够更好的生长，同时为了保持水体水质，难免要通过各类调节剂的使用来进行水质改善以及鱼类病害防控。而为了在水产养殖过程中避免由于氨氮浓度超标导致的鱼类死亡，如图1所示，本发明提出了一种用于水产养殖的氨氮浓度调控方法，包括步骤：
S1：通过传感器获取目标水体中氨氮影响物的实时参数信息；
S2：根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；
S3：判断实时氨氮浓度是否超出安全阈值，若是，进入下一步骤，若否，返回S1步骤；
S4：根据实时氨氮浓度与安全阈值之间的差值进行模糊控制获得控制量；
S5：根据控制量进行循环水设备功率比例调控并返回S1步骤。
考虑到水产养殖中水体氨氮含量较低，对其进行直接检测的话就需要高精度检测能力的传感器，这无疑加大了养殖成本。而采用实验室分析法对氨氮浓度进行检测又费时费力，无法起到实时调控的作用。因此，现有养殖技术中，通常是采用减少含氨氮化合物用料的使用，来降低水体中氨氮浓度超标的风险。
为了进一步对水体中的氨氮浓度进行把控，避免氨氮浓度意外超标带来的养殖风险，本发明提出利用软测量技术，也即是通过人工神经网络的使用，对水体中的溶解氧、温度、pH值等能够通过简单传感器(使用、运维成本低)获得的与氨氮浓度相关的实时参数信息，进行实时参数信息与氨氮浓度之间的特征关系研究。从而无需借助高精度传感器即可实现低浓度状态下目标水体中氨氮浓度的精确预测。需要注意的是，此处所指的人工神经网络可以为误差反向船舶神经网络、极限学习机等任何一种具有拟合、预测功能的网络模型。
在对人工神经网络进行前期训练后，后续只需通过较为常规的传感器获取目标水体中实时的溶解氧浓度、温度、pH值并输入至人工神经网络，即可得到目标水体当前的实时氨氮浓度。而后，将实时氨氮浓度与安全阈值相比较，并在超出阈值时，将两者的差值作为输入量输入至模糊控制器，即可得到循环水设备的控制量，根据控制量进行循环水设备的功率比例(运行功率/总功率)设置。如图3所示，为本发明中模糊控制表示式的功率比例变化示意图，表达式如下：
式中，f(x)为差值x下的控制量，e为自然常数，a、c为控制系数。
整体上，随着氨氮浓度的提高，功率比例逐步加大，在达到某一氨氮浓度节点时功率突变速度加大，并在达到一定值的时候，循环水设备的运行功率达到峰值(总功率)并保持，整体呈“S”形曲线变化。而通过对控制系数的调控，可调节功率突变点的氨氮浓度节点以及功率突变的程度，其具体系数值根据实际需求进行设定。
而本发明之所以选择模糊控制器作为循环水设备的功率控制基准，是因为模糊控制是一种基于规则的控制，它直接采用语言型控制规则，出发点是现场操作人员的控制经验或相关专家的知识，在设计中不需要建立被控对象的精确的数学模型，因而使得控制机理和策略易于接受与理解，设计简单，便于应用。
实施例二
为了更好的对本发明的技术内容进行理解，本实施例通过系统结构的形式来对本发明进行阐述，如图2所示，一种用于水产养殖的氨氮浓度调控系统，包括：
传感器，用于获取目标水体中氨氮影响物的实时参数信息；
软测量模块，用于根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；
阈值判定模块，用于在实时氨氮浓度超出安全阈值输出实时氨氮浓度与安全阈值之间差值的差值信号；
控制模块，用于根据差值进行模糊控制并输出相应的控制量；
循环水设备，用于在系统运行过程中根据控制量实时进行功率比例的调控。
进一步地，实时参数信息包括目标水体中的溶解氧浓度、温度、pH值。
进一步地，软测量模块中，软测量技术为经过实时参数信息与对应氨氮浓度之间拟合关系训练的人工神经网络。
进一步地，控制模块中，模糊控制表示为如下公式：
式中，f(x)为差值x下的控制量，e为自然常数，a、c为控制系数。
综上所述，本发明所述的一种用于水产养殖的氨氮浓度调控方法与系统，通过经由氨氮浓度与溶解氧浓度、温度、pH值之间特征关系训练的人工神经网络进行实时氨氮浓度的预测，从而无需昂贵的检测设备就能实现低浓度含量下对氨氮浓度的快速准确预测。
基于模糊控制法对循环水设备进行基于实时氨氮浓度的控制，从而保证目标水体中氨氮浓度能时刻保持在安全阈值范围内。
需要说明，本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在本发明中如涉及“第一”、“第二”、“一”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本发明中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
另外，本发明各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
Claims (8)
1.一种用于水产养殖的氨氮浓度调控方法，其特征在于，包括步骤：
S 1：通过传感器获取目标水体中氨氮影响物的实时参数信息；
S2：根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；
S3：判断实时氨氮浓度是否超出安全阈值，若是，进入下一步骤，若否，返回S1步骤；
S4：根据实时氨氮浓度与安全阈值之间的差值进行模糊控制获得控制量；
S5：根据控制量进行循环水设备功率比例调控并返回S1步骤。
2.如权利要求1所述的一种用于水产养殖的氨氮浓度调控方法，其特征在于，所述S1步骤中，实时参数信息包括目标水体中的溶解氧浓度、温度、pH值。
3.如权利要求1所述的一种用于水产养殖的氨氮浓度调控方法，其特征在于，所述S2步骤中，软测量技术为经过实时参数信息与对应氨氮浓度之间拟合关系训练的人工神经网络。
4.如权利要求1所述的一种用于水产养殖的氨氮浓度调控方法，其特征在于，所述S4步骤中，模糊控制表示为如下公式：
式中，f(x)为差值x下的控制量，e为自然常数，a、c为控制系数。
5.一种用于水产养殖的氨氮浓度调控系统，其特征在于，包括：
传感器，用于获取目标水体中氨氮影响物的实时参数信息；
软测量模块，用于根据实时参数信息利用软测量技术进行实时氨氮浓度的预测获取；
阈值判定模块，用于在实时氨氮浓度超出安全阈值输出实时氨氮浓度与安全阈值之间差值的差值信号；
控制模块，用于根据差值进行模糊控制并输出相应的控制量；
循环水设备，用于在系统运行过程中根据控制量实时进行功率比例的调控。
6.如权利要求5所述的一种用于水产养殖的氨氮浓度调控系统，其特征在于，所述实时参数信息包括目标水体中的溶解氧浓度、温度、pH值。
7.如权利要求5所述的一种用于水产养殖的氨氮浓度调控系统，其特征在于，所述软测量模块中，软测量技术为经过实时参数信息与对应氨氮浓度之间拟合关系训练的人工神经网络。
8.如权利要求5所述的一种用于水产养殖的氨氮浓度调控系统，其特征在于，所述控制模块中，模糊控制表示为如下公式：
式中，f(x)为差值x下的控制量，e为自然常数，a、c为控制系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211593913.XA CN116225083A (zh) | 2022-12-13 | 2022-12-13 | 一种用于水产养殖的氨氮浓度调控方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211593913.XA CN116225083A (zh) | 2022-12-13 | 2022-12-13 | 一种用于水产养殖的氨氮浓度调控方法与系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116225083A true CN116225083A (zh) | 2023-06-06 |
Family
ID=86590030
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211593913.XA Pending CN116225083A (zh) | 2022-12-13 | 2022-12-13 | 一种用于水产养殖的氨氮浓度调控方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116225083A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104965971A (zh) * | 2015-05-24 | 2015-10-07 | 北京工业大学 | 一种基于模糊神经网络的氨氮浓度软测量方法 |
| US20160140437A1 (en) * | 2014-11-17 | 2016-05-19 | Beijing University Of Technology | Method to predict the effluent ammonia-nitrogen concentration based on a recurrent self-organizing neural network |
| CN106651032A (zh) * | 2016-12-22 | 2017-05-10 | 北京工业大学 | Sbr法氨氧化过程神经网络智能控制的方法 |
-
2022
- 2022-12-13 CN CN202211593913.XA patent/CN116225083A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160140437A1 (en) * | 2014-11-17 | 2016-05-19 | Beijing University Of Technology | Method to predict the effluent ammonia-nitrogen concentration based on a recurrent self-organizing neural network |
| CN104965971A (zh) * | 2015-05-24 | 2015-10-07 | 北京工业大学 | 一种基于模糊神经网络的氨氮浓度软测量方法 |
| CN106651032A (zh) * | 2016-12-22 | 2017-05-10 | 北京工业大学 | Sbr法氨氧化过程神经网络智能控制的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 薛福霞, 刘载文, 王正祥, 杨斌: "模糊控制技术在污水处理系统的应用", 北京工商大学学报(自然科学版), no. 06 * |
| 谢生钢;周立芳;: "污水处理过程中模糊自适应广义预测控制方法", 华东理工大学学报(自然科学版), no. 06, pages 854 - 858 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10919791B2 (en) | Intelligent identification method of sludge bulking based on type-2 fuzzy neural network | |
| CN113126490B (zh) | 智能变频增氧控制方法及装置 | |
| CN110045771B (zh) | 一种鱼塘水质智能监测系统 | |
| CN116384743A (zh) | 一种基于生态数据分析的植物生长风险评估系统 | |
| CN114169638A (zh) | 一种水质预测方法及装置 | |
| CN113537639A (zh) | 一种养殖环境参数-鱼类生长预测模型建立方法及系统 | |
| CN109856973A (zh) | 一种基于模糊神经网络的温室环境控制方法及系统 | |
| CN115879771B (zh) | 一种养殖池塘溶解氧智能调控方法及系统 | |
| CN111210087A (zh) | 水产品无水保活运输品质动态预测及控制优化方法及装置 | |
| US10274975B2 (en) | Method and apparatus for controlling acid concentration for pickling in cold rolling | |
| CN118108350B (zh) | 生物控制精准曝气节能系统 | |
| CN116649233A (zh) | 一种母猪饲喂智能化控制系统 | |
| CN114442686B (zh) | 溶解氧浓度的控制方法、装置、电子设备及存储介质 | |
| CN101995891A (zh) | 一种芳香酸生产中母固料回收系统水分在线分析方法 | |
| CN115994692A (zh) | 基于5g和大数据的智慧河湖管理平台 | |
| CN116225083A (zh) | 一种用于水产养殖的氨氮浓度调控方法与系统 | |
| CN118033071A (zh) | 一种基于人工智能的水产养殖水质监测系统 | |
| CN117406593A (zh) | 一种应用于渔业管理的智能数据处理方法和系统 | |
| CN106599391B (zh) | 基于三角形角度值动态加权的关联向量机软测量建模方法 | |
| CN118393127B (zh) | 一种应用于试剂盒精准诊断方法及系统 | |
| CN117339980B (zh) | 一种聚乳酸酶海洋垃圾降解控制方法及系统 | |
| CN118092324B (zh) | 一种基于物联网的化工生产控制系统 | |
| CN118503877A (zh) | 一种用于海马养殖的水质检测分析方法 | |
| CN118363355B (zh) | 一种产品生产实时监控系统 | |
| CN116998453B (zh) | 一种用于水产养殖的智能低氧预警系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |