CN116768346B - 一种基于泵抽絮凝过滤的污水处理过程控制方法 - Google Patents
一种基于泵抽絮凝过滤的污水处理过程控制方法 Download PDFInfo
- Publication number
- CN116768346B CN116768346B CN202311065721.6A CN202311065721A CN116768346B CN 116768346 B CN116768346 B CN 116768346B CN 202311065721 A CN202311065721 A CN 202311065721A CN 116768346 B CN116768346 B CN 116768346B
- Authority
- CN
- China
- Prior art keywords
- water
- flocculation
- flocculant
- particles
- condition
- 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
- 238000005189 flocculation Methods 0.000 title claims abstract description 71
- 230000016615 flocculation Effects 0.000 title claims abstract description 71
- 239000010865 sewage Substances 0.000 title claims abstract description 43
- 238000001914 filtration Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000005086 pumping Methods 0.000 title claims abstract description 17
- 238000004886 process control Methods 0.000 title claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 130
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 239000002245 particle Substances 0.000 claims description 43
- 230000015271 coagulation Effects 0.000 claims description 23
- 238000005345 coagulation Methods 0.000 claims description 23
- 238000003809 water extraction Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 8
- 238000010586 diagram Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000000392 somatic effect Effects 0.000 claims 1
- 238000000746 purification Methods 0.000 abstract description 11
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000006116 polymerization reaction Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 239000002699 waste material Substances 0.000 abstract description 4
- 239000008394 flocculating agent Substances 0.000 description 16
- 230000008859 change Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000004065 wastewater treatment Methods 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Landscapes
- Separation Of Suspended Particles By Flocculating Agents (AREA)
Abstract
本发明公开了一种基于泵抽絮凝过滤的污水处理过程控制方法，涉及控制领域，包括：构建泵抽絮凝过滤可调污水处理系统；获取絮凝状态信息和水约化浊度值，并通过递归特征提取网络处理絮凝状态信息，得到絮凝动力特征向量；通过自适应水剂联合环路控制模型，控制泵抽絮凝过滤可调污水处理系统处理污水。本发明自适应联合调节原水抽取泵的功率和絮凝剂投放装置的阀门开度，对污水和絮凝剂均进行严格和恰当的流量控制，充分发挥絮凝剂的聚合性质，既保障污水的净化效果，又提升净化效益，避免资源浪费，降低净化成本。
Description
技术领域
本发明涉及控制领域，具体涉及一种基于泵抽絮凝过滤的污水处理过程控制方法。
背景技术
随着全球经济化和城市化进程的加快，水污染日益严重，进一步加剧了水资源短缺危机。因此污水处理被广泛应用于建筑、农业、交通、城市景观、医疗、餐饮等各个领域。
城市污水处理技术经过迭代和发展，已有了成熟的范式，通常为三级处理：第一级，利用粗细格栅过滤污水中较大颗粒和固体悬浊物，并通过初次沉淀池进一步过滤；第二级，利用微生物种群构建生化反应池，去除污水中可溶性的可生物降解有机物，并在二沉池中通过沉淀澄清去除污水中的不可沉悬浮物；第三级，基于物理化学的深度处理，进一步清除杂质，最终将清水送入河道。
目前，上述的二级处理工艺已经相当成熟，能够通过微生物有效去除污水中的可溶性有机物，大大降低氮、磷等污染成分，但三级处理仍存在不足。现有三级处理系统对污水处理不精细，未对污水进行严格和恰当的流量检测和控制，未合理投放絮凝剂，使得被投放的絮凝剂未充分发挥聚合性质，造成了净化效益低下，资源浪费的问题。
发明内容
针对现有技术中的上述不足，本发明提供的一种基于泵抽絮凝过滤的污水处理过程控制方法解决了现有城市污水处理技术第三级未对污水进行严格和恰当的流量检测和控制，未合理投放絮凝剂，使得被投放的絮凝剂未充分发挥聚合性质，造成了净化效益低下，资源浪费的问题。
为了达到上述发明目的，本发明采用的技术方案为：
一种基于泵抽絮凝过滤的污水处理过程控制方法，包括以下步骤：
S1、构建泵抽絮凝过滤可调污水处理系统，其包括：
带显微摄像仪的混凝管道，用于混合原水和絮凝剂，并通过显微摄像仪实时采集絮凝状态信息和水约化浊度值；
原水抽取泵，用于调节原水注入混凝管道的速率；
阀门开度可调的絮凝剂投放装置，用于调节絮凝剂注入混凝管道的速率；
活性砂过滤池，用于对通过混凝管道并絮凝后的水进行过滤，输出清水；
S2、获取絮凝状态信息和水约化浊度值，并通过递归特征提取网络处理絮凝状态信息，得到絮凝动力特征向量；
S3、通过自适应水剂联合环路控制模型，根据水约化浊度值和絮凝动力特征向量，计算原水抽取泵的功率和絮凝剂投放装置的阀门开度，控制泵抽絮凝过滤可调污水处理系统处理污水。
本发明的有益效果为：通过图像处理技术获取污水絮凝状态变化情况和水的浑浊状态，以此作为反馈，自适应联合调节原水抽取泵的功率和絮凝剂投放装置的阀门开度，对污水和絮凝剂均进行严格和恰当的流量控制，充分发挥絮凝剂的聚合性质，既保障污水的净化效果，又提升净化效益，避免资源浪费，降低净化成本。
进一步地，所述显微摄像仪采集水约化浊度值的方法包括以下步骤：
A1、通过显微摄像仪摄取混凝管道内的水况图像；
A2、计算水况图像的全局平均值，并通过下式计算水约化浊度值：
，
其中，为/>时刻的水约化浊度值，/>为/>时刻的水况图像的全局平均值，/>为显微摄像仪在混凝管道内充满清水时摄取的图像的全局平均值。
上述进一步方案的有益效果为：不同浊度的水透光效果不同，根据该特性，设置了水约化浊度值这一物理量表征水的相对浑浊情况，并设置该物理量在水清澈时的值为0，使该物理量能作为反馈的误差指标对泵抽絮凝过滤可调污水处理系统进行自适应调节。
进一步地，所述絮凝状态信息包括：絮体颗粒数量和絮体颗粒约化总大小。
进一步地，所述显微摄像仪采集絮凝状态信息的方法包括以下步骤：
B1、通过显微摄像仪摄取混凝管道内的水况图像；
B2、将水况图像转化为水况灰度图；
B3、从水况灰度图中获取所有封闭连通的絮体颗粒边缘线；
B4、计算所有絮体颗粒边缘线围成的封闭区域数量，作为絮体颗粒数量，并计算所有絮体颗粒边缘线围成的封闭区域总面积，作为絮体颗粒约化总大小。
进一步地，所述B3包括以下分步骤：
B3-1、通过以下各式，根据水况灰度图，得到第一水况二值图和第二水况二值图：
，
，
，
，
其中，为第一水况二值图/>行/>列像素值，/>为第二水况二值图/>行/>列像素值，/>为水况灰度图，/>为水况灰度图/>行/>列像素值，/>为第一灰度阈值，/>为第二灰度阈值，/>为求最小值的函数，/>为求取最大值的函数；
B3-2、将第二水况二值图中的各亮色线条作为各候选絮体颗粒边缘线；
B3-3、在第一水况二值图中遍历所有亮色像素点使第二水况二值图中的各候选絮体颗粒边缘线尽可能构成封闭连通曲线；
B3-4、将封闭连通的各候选絮体颗粒边缘线作为各絮体颗粒边缘线。
上述进一步方案的有益效果为：絮体颗粒作为水中异物，相对于其他纹理，有明显的封闭曲线形态的轮廓，本发明基于该特性，构建了仅使用简单的高低阈值的二值化处理进行图像内异物边缘提取的方法，相对于现有用于提取图像特征的深度神经网络，大大减少了运算量，且本发明对于絮体颗粒的识别更为精确。同时，由于絮体凝结情况在作为反馈信息时，并不需要绝对的数值，而本发明设置的絮体颗粒约化总大小物理量，恰能反应絮体凝结的相对情况，因此，大大地降低了算力空耗，提高了运算效益，并且不降低过程控制的精度。
进一步地，所述S2中递归特征提取网络的表达式为：
，
，
，
其中，为/>时刻的絮凝动力特征向量，/>为sigmod函数，/>为/>时刻的中间层输出向量，/>为输出层参数矩阵，/>为输出层偏置向量，/>为/>时刻的中间层输出向量，/>为中间层更新矩阵，/>为中间层记忆矩阵，/>为中间层偏置矩阵，/>为絮凝状态向量，/>为/>时刻的絮体颗粒数量，/>为/>时刻的絮体颗粒约化总大小。
上述进一步方案的有益效果为：通过时间上的记忆递归，获取了絮凝状况的时间变化情况，有效提取到了絮凝动力特征。
进一步地，所述S3中自适应水剂联合环路控制模型计算原水抽取泵功率的表达式为：
，
其中，为/>时刻的原水抽取泵功率，/>为比例系数，/>为累加系数，/>为/>时刻的水约化浊度值，/>为差分系数，/>为/>时刻的水约化浊度值。
进一步地，所述S3中自适应水剂联合环路控制模型计算絮凝剂投放装置阀门开度的表达式为：
，
其中，为/>时刻的絮凝剂投放装置阀门开度，/>为/>时刻的絮凝剂投放装置阀门开度，/>为第/>状态记忆系数，/>为记忆阶数，/>为/>时刻的原水抽取泵功率，/>为第/>加权系数，/>为加权阶数，/>为絮凝动力特征影响因子，/>为/>时刻的絮凝动力特征向量的模长。
上述进一步方案的有益效果为：以水约化浊度值作为系统误差，使用PID（Proportional Integral Derivative，比例积分微分）控制算法对原水抽取泵功率进行调节，使得水约化浊度值为0作为调节目标；同时，由于絮凝剂的投放有历史叠加效应，且原水的流动情况也会对水中絮凝剂情况造成改变，本发明设置了具有多阶状记忆和多阶更新的由原水抽取泵功率调节絮凝剂投放装置阀门开度的模型，并以当前的絮凝动力特征作为微调因子参与絮凝剂投放的自适应控制运算，充分发挥絮凝剂的聚合性质。
附图说明
图1为本发明实施例提供的一种基于泵抽絮凝过滤的污水处理过程控制方法的流程图；
图2为本发明实施例的泵抽絮凝过滤可调污水处理系统的结构图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，在本发明的一个实施例中，一种基于泵抽絮凝过滤的污水处理过程控制方法，包括以下步骤：
S1、构建泵抽絮凝过滤可调污水处理系统，如图2所示，其包括：
带显微摄像仪的混凝管道，用于混合原水和絮凝剂，并通过显微摄像仪实时采集絮凝状态信息和水约化浊度值，其中絮凝状态信息包括：絮体颗粒数量和絮体颗粒约化总大小；
原水抽取泵，用于调节原水注入混凝管道的速率；
阀门开度可调的絮凝剂投放装置，用于调节絮凝剂注入混凝管道的速率；
活性砂过滤池，用于对通过混凝管道并絮凝后的水进行过滤，输出清水。
显微摄像仪采集水约化浊度值的方法包括以下步骤：
A1、通过显微摄像仪摄取混凝管道内的水况图像；
A2、计算水况图像的全局平均值，并通过下式计算水约化浊度值：
，
其中，为/>时刻的水约化浊度值，/>为/>时刻的水况图像的全局平均值，/>为显微摄像仪在混凝管道内充满清水时摄取的图像的全局平均值。
不同浊度的水透光效果不同，根据该特性，设置了水约化浊度值这一物理量表征水的相对浑浊情况，并设置该物理量在水清澈时的值为0，使该物理量能作为反馈的误差指标对泵抽絮凝过滤可调污水处理系统进行自适应调节。
显微摄像仪采集絮凝状态信息的方法包括以下步骤：
B1、通过显微摄像仪摄取混凝管道内的水况图像。
B2、将水况图像转化为水况灰度图。
B3、从水况灰度图中获取所有封闭连通的絮体颗粒边缘线，包括以下分步骤：
B3-1、通过以下各式，根据水况灰度图，得到第一水况二值图和第二水况二值图：
，
，
，
，
其中，为第一水况二值图/>行/>列像素值，/>为第二水况二值图/>行/>列像素值，/>为水况灰度图，/>为水况灰度图/>行/>列像素值，/>为第一灰度阈值，/>为第二灰度阈值，/>为求最小值的函数，/>为求取最大值的函数；
B3-2、将第二水况二值图中的各亮色线条作为各候选絮体颗粒边缘线；
B3-3、在第一水况二值图中遍历所有亮色像素点使第二水况二值图中的各候选絮体颗粒边缘线尽可能构成封闭连通曲线；
B3-4、将封闭连通的各候选絮体颗粒边缘线作为各絮体颗粒边缘线。
B4、计算所有絮体颗粒边缘线围成的封闭区域数量，作为絮体颗粒数量，并计算所有絮体颗粒边缘线围成的封闭区域总面积，作为絮体颗粒约化总大小。
絮体颗粒作为水中异物，相对于其他纹理，有明显的封闭曲线形态的轮廓，本发明基于该特性，构建了仅使用简单的高低阈值的二值化处理进行图像内异物边缘提取的方法，相对于现有用于提取图像特征的深度神经网络，大大减少了运算量，且本发明对于絮体颗粒的识别更为精确。同时，由于絮体凝结情况在作为反馈信息时，并不需要绝对的数值，而本发明设置的絮体颗粒约化总大小物理量，恰能反应絮体凝结的相对情况，因此，大大地降低了算力空耗，提高了运算效益，并且不降低过程控制的精度。
S2、获取絮凝状态信息和水约化浊度值，并通过递归特征提取网络处理絮凝状态信息，得到絮凝动力特征向量。
递归特征提取网络的表达式为：
，
，
，
其中，为/>时刻的絮凝动力特征向量，/>为sigmod函数，/>为/>时刻的中间层输出向量，/>为输出层参数矩阵，/>为输出层偏置向量，/>为/>时刻的中间层输出向量，/>为中间层更新矩阵，/>为中间层记忆矩阵，/>为中间层偏置矩阵，/>为絮凝状态向量，/>为/>时刻的絮体颗粒数量，/>为/>时刻的絮体颗粒约化总大小。
本发明通过时间上的记忆递归，获取了絮凝状况的时间变化情况，有效提取到了絮凝动力特征。
S3、通过自适应水剂联合环路控制模型，根据水约化浊度值和絮凝动力特征向量，计算原水抽取泵的功率和絮凝剂投放装置的阀门开度，控制泵抽絮凝过滤可调污水处理系统处理污水。
自适应水剂联合环路控制模型计算原水抽取泵功率的表达式为：
，
其中，为/>时刻的原水抽取泵功率，/>为比例系数，/>为累加系数，/>为/>时刻的水约化浊度值，/>为差分系数，/>为/>时刻的水约化浊度值。
自适应水剂联合环路控制模型计算絮凝剂投放装置阀门开度的表达式为：
，
其中，为/>时刻的絮凝剂投放装置阀门开度，/>为/>时刻的絮凝剂投放装置阀门开度，/>为第/>状态记忆系数，/>为记忆阶数，/>为/>时刻的原水抽取泵功率，/>为第/>加权系数，/>为加权阶数，/>为絮凝动力特征影响因子，/>为/>时刻的絮凝动力特征向量的模长。
上述过程以水约化浊度值作为系统误差，使用PID（Proportional IntegralDerivative，比例积分微分）控制算法对原水抽取泵功率进行调节，使得水约化浊度值为0作为调节目标；同时，由于絮凝剂的投放有历史叠加效应，且原水的流动情况也会对水中絮凝剂情况造成改变，本发明设置了具有多阶状记忆和多阶更新的由原水抽取泵功率调节絮凝剂投放装置阀门开度的模型，并以当前的絮凝动力特征作为微调因子参与絮凝剂投放的自适应控制运算，充分发挥絮凝剂的聚合性质。
综上，本发明通过图像处理技术获取污水絮凝状态变化情况和水的浑浊状态，以此作为反馈，自适应联合调节原水抽取泵的功率和絮凝剂投放装置的阀门开度，对污水和絮凝剂均进行严格和恰当的流量控制，充分发挥絮凝剂的聚合性质，既保障污水的净化效果，又提升净化效益，避免资源浪费，降低净化成本。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (1)
1.一种基于泵抽絮凝过滤的污水处理过程控制方法，其特征在于，包括以下步骤：
S1、构建泵抽絮凝过滤可调污水处理系统，其包括：
带显微摄像仪的混凝管道，用于混合原水和絮凝剂，并通过显微摄像仪实时采集絮凝状态信息和水约化浊度值；
原水抽取泵，用于调节原水注入混凝管道的速率；
阀门开度可调的絮凝剂投放装置，用于调节絮凝剂注入混凝管道的速率；
活性砂过滤池，用于对通过混凝管道并絮凝后的水进行过滤，输出清水；
S2、获取絮凝状态信息和水约化浊度值，并通过递归特征提取网络处理絮凝状态信息，得到絮凝动力特征向量；
S3、通过自适应水剂联合环路控制模型，根据水约化浊度值和絮凝动力特征向量，计算原水抽取泵的功率和絮凝剂投放装置的阀门开度，控制泵抽絮凝过滤可调污水处理系统处理污水；
所述显微摄像仪采集水约化浊度值的方法包括以下步骤：
A1、通过显微摄像仪摄取混凝管道内的水况图像；
A2、计算水况图像的全局平均值，并通过下式计算水约化浊度值：
，
其中，为/>时刻的水约化浊度值，/>为/>时刻的水况图像的全局平均值，/>为显微摄像仪在混凝管道内充满清水时摄取的图像的全局平均值；
所述絮凝状态信息包括：絮体颗粒数量和絮体颗粒约化总大小；
所述显微摄像仪采集絮凝状态信息的方法包括以下步骤：
B1、通过显微摄像仪摄取混凝管道内的水况图像；
B2、将水况图像转化为水况灰度图；
B3、从水况灰度图中获取所有封闭连通的絮体颗粒边缘线；
B4、计算所有絮体颗粒边缘线围成的封闭区域数量，作为絮体颗粒数量，并计算所有絮体颗粒边缘线围成的封闭区域总面积，作为絮体颗粒约化总大小；
所述B3包括以下分步骤：
B3-1、通过以下各式，根据水况灰度图，得到第一水况二值图和第二水况二值图：
，
，
，
，
其中，为第一水况二值图/>行/>列像素值，/>为第二水况二值图/>行列像素值，/>为水况灰度图，/>为水况灰度图/>行/>列像素值，/>为第一灰度阈值，/>为第二灰度阈值，/>为求最小值的函数，/>为求取最大值的函数；
B3-2、将第二水况二值图中的各亮色线条作为各候选絮体颗粒边缘线；
B3-3、在第一水况二值图中遍历所有亮色像素点使第二水况二值图中的各候选絮体颗粒边缘线尽可能构成封闭连通曲线；
B3-4、将封闭连通的各候选絮体颗粒边缘线作为各絮体颗粒边缘线；
所述S2中递归特征提取网络的表达式为：
，
，
，
其中，为/>时刻的絮凝动力特征向量，/>为sigmod函数，/>为/>时刻的中间层输出向量，/>为输出层参数矩阵，/>为输出层偏置向量，/>为/>时刻的中间层输出向量，/>为中间层更新矩阵，/>为中间层记忆矩阵，/>为中间层偏置矩阵，/>为絮凝状态向量，/>为/>时刻的絮体颗粒数量，/>为/>时刻的絮体颗粒约化总大小；
所述S3中自适应水剂联合环路控制模型计算原水抽取泵功率的表达式为：
，
其中，为/>时刻的原水抽取泵功率，/>为比例系数，/>为累加系数，/>为/>时刻的水约化浊度值，/>为差分系数，/>为/>时刻的水约化浊度值，/>为/>时刻的水约化浊度值；
所述S3中自适应水剂联合环路控制模型计算絮凝剂投放装置阀门开度的表达式为：
，
其中，为/>时刻的絮凝剂投放装置阀门开度，/>为/>时刻的絮凝剂投放装置阀门开度，/>为第/>状态记忆系数，/>为记忆阶数，/>为/>时刻的原水抽取泵功率，为第/>加权系数，/>为加权阶数，/>为絮凝动力特征影响因子，/>为/>时刻的絮凝动力特征向量的模长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311065721.6A CN116768346B (zh) | 2023-08-23 | 2023-08-23 | 一种基于泵抽絮凝过滤的污水处理过程控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311065721.6A CN116768346B (zh) | 2023-08-23 | 2023-08-23 | 一种基于泵抽絮凝过滤的污水处理过程控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116768346A CN116768346A (zh) | 2023-09-19 |
| CN116768346B true CN116768346B (zh) | 2023-12-12 |
Family
ID=87993463
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311065721.6A Active CN116768346B (zh) | 2023-08-23 | 2023-08-23 | 一种基于泵抽絮凝过滤的污水处理过程控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116768346B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62214331A (ja) * | 1986-03-17 | 1987-09-21 | Hitachi Ltd | 浄水場の凝集剤注入制御装置 |
| JPS63252512A (ja) * | 1987-04-10 | 1988-10-19 | Hitachi Ltd | 凝集剤の注入制御装置 |
| JPS6415107A (en) * | 1987-07-08 | 1989-01-19 | Hitachi Ltd | Device for controlling formation of flock |
| CN103708592A (zh) * | 2013-12-23 | 2014-04-09 | 华东交通大学 | 一种基于机器视觉的新型水处理方法及其装置 |
| CN104573689A (zh) * | 2013-10-11 | 2015-04-29 | 江南大学 | 基于迭代阈值的毛豆高光谱图像感兴趣区域自动提取方法 |
| CN114240989A (zh) * | 2021-11-30 | 2022-03-25 | 中国工商银行股份有限公司 | 图像分割方法、装置、电子设备及计算机存储介质 |
| CN114463211A (zh) * | 2022-01-28 | 2022-05-10 | 华中科技大学 | 一种基于浑浊度分级的水下图像增强方法 |
| CN115108617A (zh) * | 2022-07-06 | 2022-09-27 | 中冶南方城市建设工程技术有限公司 | 混凝加药方法及系统 |
| JP2022161216A (ja) * | 2021-04-08 | 2022-10-21 | 株式会社クボタ | 凝集剤注入方法 |
| CN115546720A (zh) * | 2022-10-08 | 2022-12-30 | 西安建筑科技大学 | 一种絮凝工况的图像型解析调控方法及装置 |
| CN116012701A (zh) * | 2023-01-10 | 2023-04-25 | 河海大学 | 一种基于矾花检测的水处理加药控制方法及装置 |
-
2023
- 2023-08-23 CN CN202311065721.6A patent/CN116768346B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62214331A (ja) * | 1986-03-17 | 1987-09-21 | Hitachi Ltd | 浄水場の凝集剤注入制御装置 |
| JPS63252512A (ja) * | 1987-04-10 | 1988-10-19 | Hitachi Ltd | 凝集剤の注入制御装置 |
| JPS6415107A (en) * | 1987-07-08 | 1989-01-19 | Hitachi Ltd | Device for controlling formation of flock |
| CN104573689A (zh) * | 2013-10-11 | 2015-04-29 | 江南大学 | 基于迭代阈值的毛豆高光谱图像感兴趣区域自动提取方法 |
| CN103708592A (zh) * | 2013-12-23 | 2014-04-09 | 华东交通大学 | 一种基于机器视觉的新型水处理方法及其装置 |
| JP2022161216A (ja) * | 2021-04-08 | 2022-10-21 | 株式会社クボタ | 凝集剤注入方法 |
| CN114240989A (zh) * | 2021-11-30 | 2022-03-25 | 中国工商银行股份有限公司 | 图像分割方法、装置、电子设备及计算机存储介质 |
| CN114463211A (zh) * | 2022-01-28 | 2022-05-10 | 华中科技大学 | 一种基于浑浊度分级的水下图像增强方法 |
| CN115108617A (zh) * | 2022-07-06 | 2022-09-27 | 中冶南方城市建设工程技术有限公司 | 混凝加药方法及系统 |
| CN115546720A (zh) * | 2022-10-08 | 2022-12-30 | 西安建筑科技大学 | 一种絮凝工况的图像型解析调控方法及装置 |
| CN116012701A (zh) * | 2023-01-10 | 2023-04-25 | 河海大学 | 一种基于矾花检测的水处理加药控制方法及装置 |
Non-Patent Citations (10)
| Title |
|---|
| Optimal Calculation Method of Mean Equivalent Diameter of Floc Particles Based on MCC;Jun Liu等;Complexity;全文 * |
| Visibility Restoration of Diverse Turbid Underwater Images- Two Step Approach;S. Mary Cecilia等;2021 National Conference on Communications (NCC);全文 * |
| 基于Opencv的絮体颗粒跟踪与沉速测量系统研究;翟士才;陆明刚;;计量与测试技术(第01期);全文 * |
| 基于机器视觉的水处理絮凝过程中絮体检测与絮体性能研究;高超;中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅱ辑(第11期);全文 * |
| 基于机器视觉的混凝剂投加控制系统研究;翟士才;陆明刚;;工业控制计算机(第09期);全文 * |
| 嵌入式视频采集与处理系统在混凝剂加注控制中的应用;马伟亮;宋启敏;宋晓峰;;中国测试技术(第04期);全文 * |
| 水处理絮体性状实时图像检测系统的开发与应用;冯江等;环境污染与防治(第10期);全文 * |
| 水处理过程中图像识别方法的应用与实现;王嵩林;中国优秀博硕士学位论文全文数据库(硕士) 工程科技Ⅰ辑(第3期);全文 * |
| 混凝剂加注自动控制方法的研究;马伟亮;万方数据;全文 * |
| 混凝剂加注量的自动控制新方法;宋启敏等;中国给水排水(第4期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116768346A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114663405B (zh) | 用于农药生产企业的废水处理控制方法 | |
| CN103499982A (zh) | 一种污水处理过程自组织控制方法 | |
| CN106354019B (zh) | 一种基于rbf神经网络的溶解氧精确控制方法 | |
| CN116768346B (zh) | 一种基于泵抽絮凝过滤的污水处理过程控制方法 | |
| CN108975641A (zh) | 一种垃圾沥滤液的处理方法 | |
| JPH0483504A (ja) | 凝集剤注入制御方法 | |
| CN116375143A (zh) | 垃圾渗滤液处理系统及方法 | |
| CN116679026B (zh) | 自适应无偏有限脉冲响应滤波的污水溶解氧浓度估计方法 | |
| CN104326620A (zh) | 制革废水的处理方法 | |
| CN113896356A (zh) | 一种建筑施工用废水处理系统及方法 | |
| CN113359880A (zh) | V型滤池恒水位过滤的控制方法、计算机装置及计算机可读存储介质 | |
| CN103613190B (zh) | 含盐污水处理方法 | |
| CN108563118A (zh) | 一种基于自适应模糊神经网络的溶解氧模型预测控制方法 | |
| JP2007098287A (ja) | 浄水プロセスの運転管理方法 | |
| CN107728479A (zh) | 一种基于rbf神经网络的生物除磷精确控制方法 | |
| CN114580220A (zh) | 一种河流多级坝系统关键参数获取方法 | |
| Nyholm et al. | Restoration of Lake Nakskov Indrefjord, Denmark, using algal ponds to remove nutrients from inflowing river water | |
| CN102580365A (zh) | 一体化沉淀澄清池 | |
| CN210656567U (zh) | 一种河道泥沙处理装置 | |
| CN210528702U (zh) | 电镀废水再生回用集成化处理装置 | |
| CN116161824B (zh) | 一种清淤尾水处理装置、系统及处理方法 | |
| CN110510818A (zh) | 一种基于物联网技术的智能污水处理系统 | |
| CN207079071U (zh) | 一种缓流水体污染的生态修复装置 | |
| CN205973975U (zh) | 垃圾焚烧发电厂渗沥液的处理设备 | |
| CN112487697B (zh) | 一种基于改进粒子群算法的污水处理优化控制方法 |
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 |