CN116693075B - 一种活性炭生物滤池的曝气装置 - Google Patents
一种活性炭生物滤池的曝气装置 Download PDFInfo
- Publication number
- CN116693075B CN116693075B CN202310929392.9A CN202310929392A CN116693075B CN 116693075 B CN116693075 B CN 116693075B CN 202310929392 A CN202310929392 A CN 202310929392A CN 116693075 B CN116693075 B CN 116693075B
- Authority
- CN
- China
- Prior art keywords
- aeration
- layer
- image
- bubble
- dissolved oxygen
- 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
- 238000005273 aeration Methods 0.000 title claims abstract description 237
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 59
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 66
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 66
- 239000001301 oxygen Substances 0.000 claims abstract description 66
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 28
- 239000010865 sewage Substances 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 25
- 230000005856 abnormality Effects 0.000 claims abstract description 21
- 238000010191 image analysis Methods 0.000 claims abstract description 18
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000009826 distribution Methods 0.000 claims description 42
- 239000000725 suspension Substances 0.000 claims description 33
- 230000008859 change Effects 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 230000003068 static effect Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 7
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 6
- 239000007788 liquid Substances 0.000 abstract description 3
- 239000010410 layer Substances 0.000 description 120
- 238000000034 method Methods 0.000 description 8
- 244000005700 microbiome Species 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000000945 filler Substances 0.000 description 4
- 238000006213 oxygenation reaction Methods 0.000 description 4
- 230000001502 supplementing effect Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 244000144992 flock Species 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 210000002435 tendon Anatomy 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000005842 biochemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229920000742 Cotton Polymers 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000000571 coke Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 239000004519 grease Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001546 nitrifying effect Effects 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F7/00—Aeration of stretches of water
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Aeration Devices For Treatment Of Activated Polluted Sludge (AREA)
Abstract
一种活性炭生物滤池的曝气装置包括多个曝气终端、图像采集单元、图像分析单元、溶解氧测量单元、控制单元,曝气终端连接控制单元,控制单元包括异常判断模块、模板选择模块和曝气量计算模块,模板选择模块用于控制曝气终端定位杆在水中的位置,曝气量计算模块用于控制曝气终端释放气泡的直径和气泡层波形。本发明活性炭生物滤池的曝气装置中曝气终端根据排布架构分布在污水容置空间的不同位置,能够将压缩空气均匀分布在水体中,形成许多微小的气泡,可大大增加气液接触面积,提高氧释放效率和处理效果,并且会产生大小合理的气泡,可以有效解决过度产生气泡的问题。
Description
技术领域
本发明涉及污水处理领域,特别涉及一种对污水处理的曝气装置的改进。
背景技术
污水处理是指为使污水达到排水或者再次使用的水质要求对其净化的过程。污水处理被广泛应用于建筑、农业、交通、能源、石化、环保、城市景观、医疗、餐饮等各个工业生产领域和市政百姓生活。水处理一般包括过滤、曝气、沉淀等步骤,曝气是指将空气中的氧强制向液体中转移的过程,其目的是使得污水获得溶解氧,从而保证污水中的微生物在分解有机质时具有充足的溶解氧。曝气生物滤池是污水处理的主要工艺之一,该工艺具有去除SS、COD、BOD、硝化、脱氮、除磷、去除AOX(有害物质)的作用。曝气生物滤池是集生物氧化和截留悬浮固体一体的新工艺。
第一种是常规敞口运行的各种曝气生物滤池(BAF),包括自下而上依次设置的配水区,承托层,生物填料层,清水区,配水区内设置有进水分布管和曝气分布管,提供了滤池异养菌和硝化菌交界区的溶解氧浓度和传质效率,根据溶解氧沿生物填料层高度的进行分布。但是这种方式的曝气效率低下,可调性差;污水量大时,曝气装置容易浮起,曝气效果变差,严重影响污水处理的整体工作效率;曝气装置为一个整体,使用的范围很有局限性,不能通用于不同尺寸的生化池,制作、安装以及后期的维修都较为不便。
第二种是压力式曝气生物滤罐(PBF),采用模块化压力罐外壳,微压运行(罐顶表压0.5-0.8bar),布水曝气独特,供氧充足,全封闭运行,无臭味,无泡沫,周围环境好;同时,罐顶尾气接管定点排放或引入其它单元曝气节能环保。滤池供气系统分两套管路,置于填料层内的工艺空气管用于工艺曝气,并将填料层分为上下两个区:上部为好氧区,下部为缺氧区。根据不同的原水水质、处理目的和要求,填料层的高度不同,好氧区、厌氧区所占比例也相应变化;滤池底部的空气管路是反冲洗空气管。但是这种滤罐无法实现不同区域多点位溶解氧的精确控制;同时其曝气速率可调性差。
因此,现有技术存在的问题,有待于进一步改进和发展。
发明内容
(一)发明目的:为解决上述现有技术中存在的问题,本发明的目的是提供一种以精准方式控制活性炭生物滤池中曝气池的加氧量和加氧的方式。
(二)技术方案:为了解决上述技术问题,一种活性炭生物滤池的曝气装置,包括多个曝气终端,其中,所述曝气终端具有上下垂直移动的定位杆,所述曝气装置还包括图像采集单元、对所述图像采集单元的曝气图像做分析的图像分析单元、溶解氧测量单元、控制单元,所述溶解氧测量单元包括多个溶解氧传感器;
所述曝气终端连接所述控制单元,所述控制单元包括异常判断模块、模板选择模块和曝气量计算模块,所述模板选择模块用于控制曝气终端定位杆在水中的位置,所述曝气量计算模块用于控制曝气终端释放气泡的直径和气泡层波形。
所述一种活性炭生物滤池的曝气装置,其中,所述图像采集单元实时采集所述曝气装置中污水容置空间的曝气图像,所述曝气图像包括水、悬浮絮和气泡;所述图像分析单元对每帧曝气图像用格线进行分层,将和水底对应的一层曝气图像层称为第一曝气图层;从底层到水面,依次是第一曝气图层、第二曝气图层、第三曝气图层;每个曝气图层对应一个或多个溶解氧传感器,所述曝气图层的溶解氧值由多个溶解氧传感器计算得到。
所述一种活性炭生物滤池的曝气装置,其中,所述图像分析单元采用卷积网络模型来获取,通过第一卷积网络模型获取每层的曝气图像层中静态特征,包括悬浮絮的浅层特征、气泡图像的浅层特征;通过第二卷积网络模型计算悬浮絮和气泡的动态特征,包括每层悬浮絮上浮的第一速度特征、每层气泡上浮的第二速度特征、曝气图像层的溶解氧值变化速率、溶解氧值变化幅度、悬浮絮的面积分布律的变化值、气泡直径的变化率。
所述一种活性炭生物滤池的曝气装置,其中,所述图像分析单元将第二卷积网络模型生成的多个曝气图像层的溶解氧值变化速率、溶解氧值变化幅度作为第二输入信息,将所述第二卷积网络模型计算出的悬浮絮的面积分布律的变化值、气泡直径的变化率作为第三输入信息,将每层悬浮絮上浮的第一速度特征、每层气泡上浮的第二速度特征作为第四输入信息发送到控制单元的异常判断模块。
所述一种活性炭生物滤池的曝气装置,其中,所述异常判断模块包括训练过的异常图像库,通过异常判断卷积网络模型,将输入图像通过卷积核的特征提取和全连接层的分类,将每层的曝气图像层中浅层特征和训练过异常图像库比对。
所述一种活性炭生物滤池的曝气装置,其中,所述异常判断模块输出的正常数据进入模板选择模块;所述模板选择模块存储多个训练过的曝气模板,所述曝气模板包括多个曝气终端的排布模板,所述排布模板包括补充溶解氧数量区间和曝气终端排布结构的对应图。
所述一种活性炭生物滤池的曝气装置,其中,所述模板选择模块通过循环神经网络模型接收与所述第一输入信息匹配的悬浮絮和气泡对应的动态特征作为输入层;所述循环神经网络在输入层后连接隐藏层,所述隐藏层连接存储模块,所述存储模块存储多个训练过的曝气终端的排布模板;所述循环神经网络的隐藏层将计算结果和存储的训练过的曝气终端的排布模块进行比对,确定曝气终端的排布结构。
所述一种活性炭生物滤池的曝气装置,其中,所述曝气终端包括气泡释放管道,所述气泡释放管道具有柔性筋骨,所述柔性筋骨包括由柔性扭矩单元连接的铰链杆,通过控制柔性扭矩单元的角度,控制气泡释放管道做波浪形浮动。
所述一种活性炭生物滤池的曝气装置,其中,所述曝气量计算模块根据模板选择模块选定的曝气终端的排布结构,以及排布结构对应的补充溶解氧数量区间,确定曝气终端的气泡扩散器的直径。
所述一种活性炭生物滤池的曝气装置,其中,所述曝气量计算模块还包括波形控制函数,波形控制气泡释放管道的形状,从而控制气泡层形状,相邻曝气图层之间波形控制函数的方向相反。
(三)有益效果:本发明一种活性炭生物滤池的曝气装置,能够精准控制下一时段的气泡层的波动幅度,精准控制生化反应需要溶解氧效果解决现有技术中大部分曝气装置曝气速率不可调,不同时间下的微生物需要的气体量不一样,不可调的曝气速率会影响微生物的生长的问题,使气泡能均匀的在污水中分布,提高了微生物分解有机质的速率。
附图说明
图1是本发明一种活性炭生物滤池的曝气装置的结构示意图;
图2是本发明图像分析单元的结构示意图;
图3是本发明控制单元的结构示意图;
图4是本发明曝气终端的结构示意图。
具体实施方式
下面结合优选的实施例对本发明做进一步详细说明,在以下的描述中阐述了更多的细节以便于充分理解本发明,但是,本发明显然能够以多种不同于此描述的其他方式来实施,本领域技术人员可以在不违背本发明内涵的情况下根据实际应用情况作类似推广、演绎,因此不应以此具体实施例的内容限制本发明的保护范围。
附图是本发明的实施例的示意图,需要注意的是,此附图仅作为示例,并非是按照等比例的条件绘制的,并且不应该以此作为对本发明的实际要求保护范围构成限制。
本发明提供的一种活性炭生物滤池的曝气装置,通过控制单元对曝气装置的多个曝气终端自动控制,所述曝气终端为竖轴设置,可以自上而下伸入水中,也可以上下调节在水中位置,以精准的方式控制曝气池的加氧量和加氧方式,用解决曝气池内溶解氧值过低,曝气池内缺氧;或者曝气池内溶解氧过高,浪费能耗等问题。本发明在所述曝气池底部铺设活性滤料,所述滤料为活性炭、活性焦,具体形式不做限制。
本发明所述活性炭生物滤池的曝气装置,所述曝气池的面积较大,深度为1.5m-6m,包括多个竖轴设计的自上而下深入水中的曝气终端,所述多个曝气终端分别连接控制单元,如图1所示,所述控制单元包括异常判断模块、模板选模块和曝气量计算模块,如图3所示。本发明所述异常判断模块、模板选模块和可以通过神经网络实现,所述神经网络可以包括卷积网络、循环神经网络,本发明不做限制。所述曝气终端具有可以上下垂直移动的定位杆,同时所述曝气终端的气泡释放孔可以根据控制单元的控制指令进行不同大小的调节。
所述曝气装置的曝气池包括图像采集单元、对图像采集单元的曝气图像做分析的图像分析单元、控制单元、溶解氧测量单元,所述溶解氧测量单元包括多个溶解氧传感器。所述曝气装置的污水容置空间深度为1.5m-6m,深度较深,为了对容置空间的污水监控更加精细,本发明由水底层至水面层,从下至上分布多个溶解氧传感器,以测量不同深度污水的溶解氧值。
本发明所述活性炭生物滤池的曝气装置还包括基于神经网络的控制单元,,曝气终端连接所述控制单元,所述控制单元根据异常判断模块、模板选择模块和曝气量计算模块计算的数据,控制曝气终端在水中的位置,以及曝气终端释放气泡的大小,以及释放气泡的位置、直径和形状。
所述图像采集单元实时采集所述曝气装置中污水容置空间的曝气图像,所述曝气图像包括水、悬浮絮和气泡等对象,所述曝气图像包括可见光图像、红外图像,以及根据红外图像得到像素温度图像。所述图像采集单元包括可见光摄像头和红外摄像仪。所述图像分析单元对每帧曝气图像用格线进行分层,对每层的曝气图像做动态监控。
由于曝气池较深,深度从1.5m-6m不等,为了对不同深度污水的溶解氧进行精准监控,本发明图像分析单元将曝气图像用格线进行分层,水底对应的一层曝气图像层称为第一曝气图层;从底层到水面,依次是第一曝气图层、第二曝气图层、第三曝气图层、第四曝气图层等等。所述曝气图像层的分层数量可以提前设置,优选的每层为50cm,这里不做限制。每个曝气图层对应一个或多个溶解氧传感器,曝气图层的溶解氧值由多个溶解氧传感器用平均值或者其他方式计算得到,这里不做限制。
本发明所述图像分析单元可以采用卷积网络模型来获取,所述卷积网络模型包括输入层,将每层的曝气图层的图像像素、图像像素对应的温度数值和对应的溶解氧值发送到所述卷积网络模型的输入层。
所述卷积网络模型的输入数据作为图像特征序列f,图像特征序列包括每帧图像的像素数据、像素对应的温度数值、和对应的溶解氧值。
f=[f1,...,ft,...,ft],其中,t为图像帧的个数,
其中,f1=(X1、X2,X3,Xn),n为图层个数;
X1=(L1、L2、Lp、Y),p为每个图层中像素的个数,每个像素包括R、G、B三通道的像素数据以及用Alpha通道存储的红外热像仪探测的温度数值,Y为每个图层中的溶解氧值。
将所述图像特征序列发送到卷积网络模型的输入层。所述输入层连接对象识别单元、动态计算单元和输出层。所述对象识别单元训练,用于识别悬浮絮图像和气泡图像,并计算悬浮絮图像的浅层特征和气泡图像的浅层特征,也就是悬浮絮和气泡的静态特征;所述悬浮絮的浅层特征包括悬浮絮的大小、密度和分布位置,所述气泡图像的浅层特征包括气泡的大小、密度和分布位置。
所述对象识别单元包括输入层、初级特征提取模块、特征融合模块、对象分类模块和输出层,如图2所示。所述初级特征提取模块根据输入特征序列,利用一个3*3的卷积做浅层特征提取获得粗粒度特征。本发明所述输入低分辨率红外图像用x表示,所述粗粒度特征用F0表示,所述粗粒度特征用F0的数学公式为:
F0=fcgc(x)
其中fcgc表示两个连续卷积运算(3×3卷积和1×1卷积)),F0提取出的结构性特征也就是粗粒度特征输入特征融合模块进行细粒度特征的计算。
所述特征融合模块将初级特征提取模块的粗粒度特征用F0进行卷积层迭代计算,粗粒度特征的迭代计算用Ft表示,Ft和第t-1迭代的隐藏状态Mt-1,通过通道连接层进行逐通道拼接作为输入进行迭代细化提取。假设在第t轮的隐藏状态是Mt,那么
Mt=ffgc([F0·Mt-1)
对象分类卷积层对拼接后的连接层结果进行两个通道的分别是3×3卷积,进行对象的分类和识别,所述分类卷积层中的卷积核两通道的卷积核,通过两通道分别得到悬浮絮图像的图像特征序列和气泡图像的图像特征序列。
所述对象识别单元将图像的分类数据的图像特征序列发送到,动态计算单元。所述动态结算单元接收所述对象识别单元两通道输出的:悬浮絮图像的图像特征序列和气泡图像的图像特征序列,并对两组图像特征序列分别进行动态特征的计算。
所述动态计算单元包括:位置计算模块、密度计算模块和体积计算模块,所述位置计算模块、密度计算模块和体积计算模块,依次用卷积层计算得到,具体算法为现有技术,具体形式不做限制。
本发明所述卷积网络模型可以VGG16为基础进行改进。
所述对象识别单元用所述第一卷积层实现,所述第一卷积层用两个卷积核计算分别得到悬浮絮图像的静态特征,也就是浅层特征,包括悬浮絮的浅层特征、气泡图像的浅层特征;所述浮污絮的浅层特征包括悬浮絮的大小、密度和分布位置,所述气泡图像的浅层特征包括气泡的大小、密度和分布位置。
所述动态计算单元用第二卷积网络模型实现悬浮絮和气泡动态特征的计算,所述第二卷积网络模型根据第一卷积网络模型的输出层,以及不同连续两帧图像计算出的速度浅层特征对应的速度值,作为第二卷积网络的输入层,所述第二卷积网络包括训练过的速度场,用于计算悬浮絮和气泡的动态特征。
通过第一卷积网络模型计算每层的曝气图像层中浅层特征,包括悬浮絮的浅层特征、气泡图像的浅层特征;静态特征作为第二卷积网络模型的输入层,通过第二卷积网络通过速度场回归算法或速度梯度张量场回归算法,计算获取每层悬浮絮上浮的第一速度特征、每层气泡上浮的第二速度特征、曝气图像层的溶解氧值变化速率、溶解氧值变化幅度、悬浮絮的面积分布律的变化值、气泡直径的变化率。
所述图像分析单元将每层的曝气图像层中的浅层特征,包括悬浮絮的浅层特征、气泡图像的浅层特征也就是静态特征,作为第一输入信息发送控制单元的异常判断模块。
所述异常判断模块的输入信息为通过第一卷积网络模型获取的每层的曝气图像层中静态特征,也就是浅层特征,包括悬浮絮的浅层特征、气泡图像的浅层特征,根据输入信息对浅层特征,也就是第一卷积网络模型的第一输入信息进行异常判断。所述异常判断模块包括训练过的异常图像库,通过异常判断卷积网络模型,将输入图像通过卷积核的特征提取和全连接层的分类,将每层的曝气图像层中浅层特征和训练过异常图像库比对。本发明将异常判断模块的卷积网络模型称为异常判断卷积网络模型。
如果所述浅层特征包括出现和异常图像库中相近的图像,所述神经网络发出曝气异常警报。所述异常图像库包括气泡聚积的浮渣厚度超过阈值的图像,曝气池气泡图像密度超过阈值的图像、悬浮絮的面积分布律超过阈值的图像等等,这里不再赘述。
所述异常判断模块输出的正常数据和进入模板选择模块,所述模板选择模块存储多个训练过的曝气模板,所述曝气模板包括多个曝气终端的排布模板,所述排布模板包括补充溶解氧数量区间和曝气终端排布结构的对应图。
所述排布模板包括曝气终端在曝气图层中的分布个数和位置,由于曝气终端所在曝气图层的位置不同,曝气终端产生的气泡对污水容置空间的补氧数量不同。所述模板选择模块设置多个训练过的曝气终端的排布模板。所述排布模板主要是一个目标曝气终端和相邻曝气终端在曝气图层中的位置分布,例如一个目标曝气终端具有四个相邻曝气终端,这四个相邻曝气终端和目标曝气终端在4个曝气图层的分布是(2、1、3、4、2)、(2、1、3、4、4)、(2、1、4、4、4)等,所述分布的第一个值代表目标曝气终端在曝气图层中的层数,后面是四个相邻曝气终端在曝气图层中的层数。由于曝气终端的上下排布不同,对不同曝气图层的补氧供给不同,所述不同排布模板具有不同的补氧数量区间。
所述模板选择模块通过循环神经网络模型接收与所述输入信息匹配的悬浮絮和气泡对应的动态特征,所述动态特征包括第二输入信息、第三输入信息和第四输入信息。所述第二输入信息是所述图像分析单元利用第二卷积网络模型生成的多个曝气图像层的溶解氧值变化速率、溶解氧值变化幅度;所述第三信息是所述第二卷积网络模型计算出的悬浮絮的面积分布律的变化值、气泡直径的变化率,所述第四信息是图像分析单元计算出的悬浮絮上浮的第一速度特征、每层气泡上浮的第二速度特征。所述循环神经网络根据悬浮絮和气泡的静态信息以及动态信息,进行曝气终端排布结构的预测。
所述循环神经网络的在输入层后连接隐藏层,所述隐藏层连接存储模块,所述存储模块存储多个训练过的曝气终端的排布模板。在循环神经网络的隐藏层将计算结果和存储的训练过的曝气终端的排布模块进行比对确定曝气终端的排布结构,可以加快循环神经网络的计算速度。所述排布模板对应添加溶解氧的不同范围区间。
所述隐藏层的表达式为H(t)=σ(WZ′t+u⊙ht-1+b),
其中,t为时刻,Z′t是t时刻的输入,即上述的第一输入信息、第二输入信息、第三输入信息和第四输入信息,W是隐藏层之间的权重,σ是神经元的激活函数;u是输入层和隐藏层之间的权重。本发明激活函数优先选择Sigmoid函数。
所述循环神经网络中,t时刻,所述第一输入信息、第二输入信息、第三输入信息和第四输入信息作为z(t)在t时刻的训练样本输入。同样的z(t-1)和z(t+1)代表在t-1时刻和t+1时刻的训练样本的输入。
本发明所述循环神经网络中的h(t)代表在t时刻模型的隐藏状态,所述隐藏状态h(t)由z(t)和h(t-1)共同决定,本发所述隐藏状态包括输入信息权重设置单元,用于预置第二输入信息、第三输入信息和第四输入信息在隐藏状态中权重,所述权重根据不同的污水场景进行设置,比如:去除油脂的污水场景中,所述第二输入信息的权重系数为0.6、所述第三信息的权重系数为0.3、所述第三信息的权重系数为0.1。所述权重系数用于隐藏层中输入变量在预测输出重要性的计算。
本发明模板选择模块在t时刻每个隐藏层神经元,接收当前时刻的输入以及t-1时刻自身的输出作为输入。所述模板选择模块通过对悬浮絮和气泡的静态特征第一输入信息,以及动态特征包括第二输入信息、第三输入信息、第四输入信息,通过隐藏层进行下一时刻的溶解氧需求预测,从而存储单元训练好的排布模板中选择下一时刻所需求的溶解氧量,从而选择下一时刻的曝气终端的排布结构,所述排布结构决定了不同曝气终端在不同曝气图层中的位置,水平位置不变,只是调整上下位置,也就是调整所述定位杆的上下位置。
本发明所述异常判断模块是实时计算与输出,所述模版选择模块和曝气量计算模块的计算输出频率需要进行提前设置,比如每5分钟调整一次,或者每10分钟调整一次,具体调整时间需要提前设置。所述模板选择模块和曝气量计算模块可以实时计算,最后对输出频率内的数据做统计平均,选择统计值最大的模版作为所述循环神经网络模型的输出数据,控制爆气终端定位杆的位置,和曝气气泡大小,以及曝气气泡波形的选择。
所述模版选择模块的输出层连接所述曝气调整模块,所述曝气量计算模块,用于对生成的气泡图像进行限制,以保证不同曝气图层之间气泡直径具有迭代的差异化,计算排布结构下曝气终端气泡释放大小和波形,利用差异化的气泡对不同曝气图层的溶解氧值进行调整。
本发明活性炭生物滤池的曝气装置中曝气终端根据排布架构分布在污水容置空间的不同位置,能够将压缩空气均匀分布在水体不同深处中,形成许多微小的气泡,可大大增加气液接触面积,提高氧释放效率和处理效果,并且会产生大小合理的气泡,可以有效解决产生气泡过大和产生大量气泡的问题。
所述曝气终端的气泡扩散器按产生气泡直径的不同包括以下集中直径的气泡扩散器,气泡直径在100μm左右的微气泡扩散器,气泡直径小于1.5mm的小气泡扩散器,气泡直径在2至6mm之间的中气泡扩散器,气泡直径在15mm左右的大气泡扩散器。
本发明所述活性炭生物滤池的曝气装置的第二个优选实施例,所述曝气装置的曝气终端包括可以上下移动的定位杆,所述曝气终端连接神经网络,如图4所示,所述曝气终端包括气泡释放管道300,所述气泡释放管道300具有柔性筋骨310,所述柔性筋骨310包括由柔性扭矩单元311连接的铰链杆312,可以通过控制柔性扭矩单元311的角度,根据控制气泡释放管道做波浪形浮动。所述柔性筋骨可以根据控制做波浪形浮动,所述气泡释放模块连接神经网络或者控制单元,间隔固定时段生成不同形状的波浪形,使相邻时刻所述气泡释放模块生成的气泡波浪上下相反,对气泡之间的压力进行扰动,以提升气泡和悬浮絮的接触率。所述气泡生成模块可以位于所述气泡释放管道的上表面,图3中没有显示。
所述曝气量计算模块根据模板选择模块选定的曝气终端的排布结构,确定气终端的气泡扩散器的直径,详细的根据模板选择模块输出曝气终端的排布结构对应的补充溶解氧数量区间,选择供氧量最接近的气泡扩散器的直径。
所述曝气量计算模块还包括波形控制函数,波形控制气泡释放管道的形状,从而控制气泡层形状,所述波形控制函数包括正弦函数或者高斯扰动函数,相邻曝气图层之间波形控制函数的方向相反。本发明所述曝气调整模块可以对充氧气泡层的释放弧度和气泡大小进行精准控制,通过相邻气泡层之间的气泡波浪上下相反,以局部增加或减少气泡层之间的压力,通过局部气泡的增压或者加压,减少气泡的破碎度,最大程度的提高气泡的合理含氧量。
例如,本发明高斯扰动函数的数学表达式为:
f(x)=x+N(0,σ)
其中,x是输入数据,N(0,σ)表示均值为0,标准差为σ的正态分布随机数。通过调整σ的大小,可以控制添加的波形的振动幅度。
本发明提供的一种活性炭生物滤池的曝气装置,能够精准控制下一时段的气泡层的波动幅度,精准控制生化反应需要溶解氧效果解决现有技术中大部分曝气装置曝气速率不可调,不同时间下的微生物需要的气体量不一样,不可调的曝气速率会影响微生物的生长的问题,使气泡能均匀的在污水中分布,提高了微生物分解有机质的速率。
本发明基于神经网络的活性炭生物滤池的曝气装置,通过循环神经网络可以精准计算出曝气终端在污水池中的位置,使精确计算位置的多个曝气终端产生的气泡能对污水的搅拌得到最好的溶解氧分布。同时,本发明神经网络对曝气终端的精准控制,可以起到节能和增效的效果。
以上内容是对本发明创造的优选的实施例的说明,可以帮助本领域技术人员更充分地理解本发明创造的技术方案。但是,这些实施例仅仅是举例说明,不能认定本发明创造的具体实施方式仅限于这些实施例的说明。对本发明创造所属技术领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干简单推演和变换,都应当视为属于本发明创造的保护范围。
Claims (6)
1.一种活性炭生物滤池的曝气装置,包括多个曝气终端,其特征在于,所述曝气终端具有上下垂直移动的定位杆,所述曝气装置还包括图像采集单元、对所述图像采集单元的曝气图像做分析的图像分析单元、溶解氧测量单元、控制单元,所述溶解氧测量单元包括多个溶解氧传感器;
所述曝气终端连接所述控制单元,所述控制单元包括异常判断模块、模板选择模块和曝气量计算模块,所述模板选择模块用于控制曝气终端定位杆在水中的位置,所述曝气量计算模块用于控制曝气终端释放气泡的直径和气泡层波形;
所述图像分析单元对每帧曝气图像用格线进行分层,将和水底对应的一层曝气图像层称为第一曝气图层;从底层到水面,依次是第一曝气图层、第二曝气图层、第三曝气图层;
所述图像分析单元采用卷积网络模型来获取,通过第一卷积网络模型获取每层的曝气图像层中静态特征,包括悬浮絮的浅层特征、气泡图像的浅层特征;通过第二卷积网络模型计算悬浮絮和气泡的动态特征,包括每层悬浮絮上浮的第一速度特征、每层气泡上浮的第二速度特征、曝气图像层的溶解氧值变化速率、溶解氧值变化幅度、悬浮絮的面积分布律的变化值、气泡直径的变化率;
所述图像分析单元将第二卷积网络模型生成的多个曝气图像层的溶解氧值变化速率、溶解氧值变化幅度作为第二输入信息,将所述第二卷积网络模型计算出的悬浮絮的面积分布律的变化值、气泡直径的变化率作为第三输入信息,将每层悬浮絮上浮的第一速度特征、每层气泡上浮的第二速度特征作为第四输入信息发送到控制单元的异常判断模块;
所述异常判断模块包括训练过的异常图像库,通过异常判断卷积网络模型,将输入图像通过卷积核的特征提取和全连接层的分类,将每层的曝气图像层中浅层特征和训练过异常图像库比对;
所述曝气终端包括气泡释放管道,所述气泡释放管道具有柔性筋骨,所述柔性筋骨包括由柔性扭矩单元连接的铰链杆,通过控制柔性扭矩单元的角度,控制气泡释放管道做波浪形浮动。
2.根据权利要求1所述一种活性炭生物滤池的曝气装置,其特征在于,所述图像采集单元实时采集所述曝气装置中污水容置空间的曝气图像,所述曝气图像包括水、悬浮絮和气泡;每个曝气图层对应一个或多个溶解氧传感器,所述曝气图层的溶解氧值由多个溶解氧传感器计算得到。
3.根据权利要求2所述一种活性炭生物滤池的曝气装置,其特征在于,所述异常判断模块输出的正常数据进入模板选择模块;所述模板选择模块存储多个训练过的曝气模板,所述曝气模板包括多个曝气终端的排布模板,所述排布模板包括补充溶解氧数量区间和曝气终端排布结构的对应图。
4.根据权利要求3所述一种活性炭生物滤池的曝气装置,其特征在于,所述模板选择模块通过循环神经网络模型接收与所述第一输入信息匹配的悬浮絮和气泡对应的动态特征作为输入层;所述循环神经网络在输入层后连接隐藏层,所述隐藏层连接存储模块,所述存储模块存储多个训练过的曝气终端的排布模板;所述循环神经网络的隐藏层将计算结果和存储的训练过的曝气终端的排布模块进行比对,确定曝气终端的排布结构。
5.根据权利要求4所述一种活性炭生物滤池的曝气装置,其特征在于,所述曝气量计算模块根据模板选择模块选定的曝气终端的排布结构,以及排布结构对应的补充溶解氧数量区间,确定曝气终端的气泡扩散器的直径。
6.根据权利要求5所述一种活性炭生物滤池的曝气装置,其特征在于,所述曝气量计算模块还包括波形控制函数,波形控制气泡释放管道的形状,从而控制气泡层形状,相邻曝气图层之间波形控制函数的方向相反。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310929392.9A CN116693075B (zh) | 2023-07-27 | 2023-07-27 | 一种活性炭生物滤池的曝气装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310929392.9A CN116693075B (zh) | 2023-07-27 | 2023-07-27 | 一种活性炭生物滤池的曝气装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116693075A CN116693075A (zh) | 2023-09-05 |
CN116693075B true CN116693075B (zh) | 2023-11-21 |
Family
ID=87824180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310929392.9A Active CN116693075B (zh) | 2023-07-27 | 2023-07-27 | 一种活性炭生物滤池的曝气装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116693075B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117466501B (zh) * | 2023-12-28 | 2024-03-29 | 山东公用环保科技集团有限公司 | 一种具有除臭功能的污水曝气方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102134344A (zh) * | 2010-12-22 | 2011-07-27 | 朱同德 | 一种双亲性高分子聚合物聚结除油材料及制备和应用 |
KR101375875B1 (ko) * | 2012-09-26 | 2014-03-17 | 숭실대학교산학협력단 | 포밍 플레이트를 이용한 상하수 및 오폐수처리용 교반시스템 |
JP5879641B1 (ja) * | 2015-04-21 | 2016-03-08 | 株式会社サンエイ | 海底水域への酸素補給装置 |
CN106430662A (zh) * | 2016-11-30 | 2017-02-22 | 尚川(北京)水务有限公司 | 一种曝气控制系统及方法 |
CN113087288A (zh) * | 2021-03-22 | 2021-07-09 | 上海工程技术大学 | 一种制造企业能源中心水处理控制系统及方法 |
CN113428971A (zh) * | 2021-07-22 | 2021-09-24 | 程春龙 | 一种水域漂浮曝气装置 |
CN113603242A (zh) * | 2021-07-12 | 2021-11-05 | 安徽复盛信息科技有限公司 | 一种基于das技术对曝气中区域曝气效果监测的方法 |
CN114180733A (zh) * | 2021-11-02 | 2022-03-15 | 合肥中盛水务发展有限公司 | 基于视频分析算法的污水曝气量检测及曝气控制系统 |
CN114943917A (zh) * | 2022-05-13 | 2022-08-26 | 合肥中盛水务发展有限公司 | 一种视觉识别污水厂好氧池曝气量的算法 |
CN116402817A (zh) * | 2023-06-08 | 2023-07-07 | 青岛国源中创电气自动化工程有限公司 | 基于视频分析的污水曝气量的检测方法 |
CN116416555A (zh) * | 2023-03-31 | 2023-07-11 | 北京埃睿迪硬科技有限公司 | 一种基于图像分析的信息处理方法、装置及设备 |
CN219409587U (zh) * | 2022-10-13 | 2023-07-25 | 扬州润江生态农业有限公司 | 发酵物料用网式曝气装置 |
-
2023
- 2023-07-27 CN CN202310929392.9A patent/CN116693075B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102134344A (zh) * | 2010-12-22 | 2011-07-27 | 朱同德 | 一种双亲性高分子聚合物聚结除油材料及制备和应用 |
KR101375875B1 (ko) * | 2012-09-26 | 2014-03-17 | 숭실대학교산학협력단 | 포밍 플레이트를 이용한 상하수 및 오폐수처리용 교반시스템 |
JP5879641B1 (ja) * | 2015-04-21 | 2016-03-08 | 株式会社サンエイ | 海底水域への酸素補給装置 |
CN106430662A (zh) * | 2016-11-30 | 2017-02-22 | 尚川(北京)水务有限公司 | 一种曝气控制系统及方法 |
CN113087288A (zh) * | 2021-03-22 | 2021-07-09 | 上海工程技术大学 | 一种制造企业能源中心水处理控制系统及方法 |
CN113603242A (zh) * | 2021-07-12 | 2021-11-05 | 安徽复盛信息科技有限公司 | 一种基于das技术对曝气中区域曝气效果监测的方法 |
CN113428971A (zh) * | 2021-07-22 | 2021-09-24 | 程春龙 | 一种水域漂浮曝气装置 |
CN114180733A (zh) * | 2021-11-02 | 2022-03-15 | 合肥中盛水务发展有限公司 | 基于视频分析算法的污水曝气量检测及曝气控制系统 |
CN114943917A (zh) * | 2022-05-13 | 2022-08-26 | 合肥中盛水务发展有限公司 | 一种视觉识别污水厂好氧池曝气量的算法 |
CN219409587U (zh) * | 2022-10-13 | 2023-07-25 | 扬州润江生态农业有限公司 | 发酵物料用网式曝气装置 |
CN116416555A (zh) * | 2023-03-31 | 2023-07-11 | 北京埃睿迪硬科技有限公司 | 一种基于图像分析的信息处理方法、装置及设备 |
CN116402817A (zh) * | 2023-06-08 | 2023-07-07 | 青岛国源中创电气自动化工程有限公司 | 基于视频分析的污水曝气量的检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116693075A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109470831B (zh) | 一种水生态监测与修复水面机器人及水生态修复控制方法 | |
CN116693075B (zh) | 一种活性炭生物滤池的曝气装置 | |
US6171480B1 (en) | Automated closed recirculating aquaculture filtration system | |
US5556536A (en) | Bacterial bed | |
Rao et al. | Influence of magnetic field on the performance of bubble columns and airlift bioreactor with submersed microorganisms | |
CN105776524B (zh) | 好氧颗粒污泥强化启动及稳定运行方法 | |
CN102122134A (zh) | 基于模糊神经网络的溶解氧控制的废水处理方法及系统 | |
AU2021100130A4 (en) | Intelligent control method and system for sewage treatment aeration based on deep learning | |
CN204779060U (zh) | 一种固定化菌藻共生污水处理装置 | |
JPH0627014A (ja) | 水質汚染監視装置及びその方法 | |
KR20070020064A (ko) | 연속적으로 주입가능한 공기의 속도를 조절할 수 있는생물학적 반응기에 의한 수처리 방법 및 이에 상응하는장치 | |
CN108319150A (zh) | 沼气系统全运行状态信息感知与最优控制系统及方法 | |
Chanona et al. | Optimum design and operation of primary sludge fermentation schemes for volatile fatty acids production | |
CN1631817A (zh) | 一体化厌氧-湿地废水处理装置与方法 | |
CN112811595A (zh) | 一种河道水文生态修复系统及方法 | |
CN1821123A (zh) | 废水厌氧处理装置与方法及常温下繁殖活性颗粒菌种方法 | |
CN107619104A (zh) | 一种水产养殖生物水质净化装置 | |
CN207845269U (zh) | 基于实时our的恒do控制系统 | |
CN115594293A (zh) | 一种城市污水处理用曝气系统及控制方法 | |
CN113885463A (zh) | 一种畜禽生物菌肥好氧发酵罐工艺参数调控系统和方法 | |
Brandt et al. | Two parameters account for the flocculated growth of microbes in biodegradation assays | |
CN107728479A (zh) | 一种基于rbf神经网络的生物除磷精确控制方法 | |
CN207986787U (zh) | 一种水产养殖生物水质净化装置 | |
Zima et al. | Sequencing batch reactor (SBR) as optimal method for production of granular activated sludge (GAS)–fluid dynamic investigations | |
CN208562089U (zh) | 河道原位修复装置 |
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 |