CN117680026B - 一种垃圾渗滤液膜浓缩液的处理设备 - Google Patents

Abstract

本发明涉及污水处理技术领域，具体涉及一种垃圾渗滤液膜浓缩液的处理设备，包括压力传感器模块、搅拌控制机构和膜浓缩液监测分析控制器。膜浓缩液监测分析控制器通过对搅拌设备中不同位置处的压力传感器的压力数据进行预测，并进行相似性分析，确定压力传感器的稳定周期一致性，并进一步的确定搅拌时长；根据搅拌时长向搅拌控制机构输出控制指令，用于控制搅拌部件动作，以调整膜浓缩液的均匀状态，实现更好的均匀搅拌膜浓缩液，避免因为使用固定时间对垃圾渗滤液膜浓缩液进行搅拌而出现导致欠搅拌或者过搅拌的问题。

Description

一种垃圾渗滤液膜浓缩液的处理设备

技术领域

本发明涉及污水处理技术领域，具体涉及一种垃圾渗滤液膜浓缩液的处理设备。

背景技术

垃圾渗滤液是垃圾堆放和填埋过程中，由于压实、生物降解和发酵等过程，再加上雨水渗透、微生物代谢或垃圾自身含水量释放而形成的，一种高浓度的包含有机和无机物质，以及可能对环境产生不良影响的化学物质的液体。为了有效处理这样的废水，膜处理技术成为一种重要的处理方法，膜处理是一种通过半透膜实现废水中物质选择性分离的技术，该技术可以有效保证水质处理达标，但同时产生膜浓缩液。以垃圾渗滤液膜浓缩液为例，膜浓缩液污染物浓度更高，盐分高，碳氮比失衡，膜浓缩液处理是行业的一大技术难题。膜浓缩液的处理首先要经过均和调节，稳定进水水质、水量的冲击变化，为后续的处理环节提供稳定的条件。因此需要对膜浓缩液进行充分搅拌，使废物中的有害成分更均匀地分散在溶液中。同时在膜浓缩液的后续处理过程中，搅拌过程同样重要，适宜的搅拌可以确保反应物料的充分混合，提高反应效率；絮凝时也可保证形成的絮体尺寸合适，便于后续的沉淀和固液分离，且合理设计搅拌过程可以有效控制能耗，确保在提高效果的同时不过度消耗能源。

目前，常见的搅拌过程中是使用固定时间，完成对垃圾渗滤液膜浓缩液搅拌，但由于每次搅拌所针对的垃圾渗滤液膜浓缩液的情况不同，因此使用固定时间对垃圾渗滤液膜浓缩液进行搅拌往往容易导致欠搅拌或者过搅拌的问题，欠搅拌是指搅拌时长不够，会导致各种杂质没有均匀混合，出现局部浓度过高或者过低的问题，会影响后续处理步骤中的稳定性和效果；过搅拌是指搅拌时长过长，会使得废水中的悬浮物和沉淀物再次悬浮。

发明内容

为了解决因为使用固定时间对垃圾渗滤液膜浓缩液进行搅拌而出现导致欠搅拌或者过搅拌的技术问题，本发明的目的在于提供一种垃圾渗滤液膜浓缩液的处理设备，所采用的技术方案具体如下：

本发明提出了一种垃圾渗滤液膜浓缩液的处理设备，包括浓缩液的处理设备本体，所述浓缩液的处理设备本体包括膜浓缩液监测器，所述膜浓缩液监测器还包括膜浓缩液监测模块，所述膜浓缩液监测模块安装在所述膜浓缩液的处理设备本体上，所述膜浓缩液监测模块包括：压力传感器模块、搅拌控制机构和膜浓缩液监测分析控制器；

压力传感器模块的信号输出端连接所述膜浓缩液监测分析控制器的信号输入端，所述膜浓缩液监测分析控制器的信号输出端连接所述搅拌控制机构的信号输入端，所述搅拌控制机构用于与处于膜浓缩液中的搅拌部件装配连接，用于调整所述膜浓缩液的均匀状态；

所述压力传感器模块用于分别获取不同位置处的压力数据，并将其输出至所述浓缩液监测分析控制器中；所述浓缩液监测分析控制器对压力数据构成的压力数据序列进行分解，得到压力周期项；对所述压力周期项进行周期性分析，得到压力周期项中的周期段；结合压力周期项所对应的周期段中同一位置处的出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据；对不同位置处的预测压力数据进行相似性分析，确定压力传感器的稳定周期一致性；根据所述稳定周期一致性，确定搅拌时长；根据所述搅拌时长向所述搅拌控制机构输出控制指令，用于控制搅拌部件动作，以调整所述膜浓缩液的均匀状态。

优选的，所述对压力数据构成的压力数据序列进行分解，得到压力周期项，包括：

利用时间序列分解法，对按照时序排列的压力数据所构成的压力数据序列进行分解，得到压力数据序列的周期项，记为压力数据序列的压力周期项。

优选的，所述对所述压力周期项进行周期性分析，得到压力周期项中的周期段，包括：

通过傅里叶变换，将压力周期项转换到频域空间，将最大幅值对应频率的倒数，作为压力周期项的周期值；以所述周期值为压力周期项对应的周期段的长度，从当前时刻对应的元素开始向前对所述压力周期项进行分割，得到压力周期项对应的周期段。

优选的，所述结合压力周期项所对应的周期段中同一位置处的出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据，包括：

以预测压力数据作为最新的周期段的第一个压力数据，获取其他周期段中第一个压力数据，记为预测压力数据对应的参考历史数据；结合所述参考历史数据中出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据。

优选的，所述结合所述参考历史数据中出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据，包括：

所述预测压力数据的计算公式为：；其 中， 为预测压力数据； 为周期性的权重； 为预测压力数据对应的参考历史数 据中出现次数最多的压力数据； 为当前时刻的压力数据； 为压力数据序列的趋势 项的预测值。

优选的，所述周期性的权重的获取方法为：

当预测压力数据对应的参考历史数据均为同一数值时，对应的周期性的权重设置为预设最大权重；

否则，统计预测压力数据对应的每个参考历史数据的出现次数，得到统计直方图，并通过最小二乘曲线的拟合，得到与统计直方图最相近的正态分布曲线；获取预测压力数据对应的出现次数最多的参考历史数据在所述正态分布曲线上的峰度；

当预测压力数据对应的出现次数最多的参考历史数据所对应的峰度小于或等于预设峰度阈值时，对应的周期性的权重设置为预设最小权重；

当预测压力数据对应的出现次数最多的参考历史数据所对应的峰度大于预设峰度阈值时，计算峰度与所述预设峰度阈值的差值，将所述差值和所述峰度的比值，作为对应的周期性的权重。

优选的，所述对不同位置处的预测压力数据进行相似性分析，确定压力传感器的稳定周期一致性，包括：

所述压力传感器的稳定周期一致性的计算公式为：；其中， 为稳定周期一致 性； 为压力传感器的数量； 为第i个压力传感器的预测压力数据的周期模式的稳 定性； 为第j个压力传感器的预测压力数据的周期模式的稳定性；为自然常数；为第i个压力传感器和第j个压力传感器的预测压力数据的相似度。

优选的，所述压力传感器的预测压力数据的周期模式的稳定性的获取方法为：

计算压力传感器对应的压力周期项中，每相邻两个压力周期项的余弦相似度，将压力传感器对应的每相邻两个压力周期项的余弦相似度的均值，作为压力传感器的预测压力数据的周期模式的稳定性。

优选的，两个压力传感器之间的预测压力数据的相似度的获取方法为：

计算两个压力传感器的未来预设时间范围内预测压力数据的余弦相似度，作为两个压力传感器之间的预测压力数据的相似度。

优选的，所述根据所述稳定周期一致性，确定搅拌时长，包括：

当稳定周期一致性大于预设稳定阈值时，设定搅拌时长为预设降速时长；

当稳定周期一致性小于或等于预设稳定阈值时，继续搅拌，直至稳定周期一致性大于预设稳定阈值时，设定搅拌时长为预设降速时长。

本发明实施例至少具有如下有益效果：

本发明实施例中通过在搅拌设备的多个位置处安装压力传感器，得到不同区域的压力数据，针对传统方法中采用加权移动平均法对压力数据进行预测时，根据最近邻原则得到每个数据点的权重，但实际上搅拌过程中，随着搅拌的进行，均匀度会增大，即对于每个位置的压力数据而言，该位置的离子浓度的变化会越来越小，则压力数据的周期性会逐渐增强的问题。本实施例中通过对压力数据进行周期性分析和相似性分析，并通过加权计算得到更准确的，适用于当前场景的预测数据；进而根据不同区域的压力数据的一致情况，预测搅拌程度的变化，得到稳定周期一致性，通过是否快达到搅拌均匀的程度，进而调整搅拌时长，得到较均匀的搅拌结果。

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为本发明一个实施例所提供的一种垃圾渗滤液膜浓缩液的处理设备中膜浓缩液监测分析控制器对压力数据进行分析处理的步骤流程图。

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一种垃圾渗滤液膜浓缩液的处理设备，其具体实施方式、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”指的不一定是同一实施例。此外，一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。

压力传感器模组的信号输出端连接所述膜浓缩液监测分析控制器的信号输入端，所述膜浓缩液监测分析控制器的信号输出端连接所述搅拌控制机构的信号输入端，所述搅拌控制机构用于与处于膜浓缩液中的搅拌部件装配连接，用于调整所述膜浓缩液的均匀状态。压力传感器模组用于分别获取搅拌设备内多个不同位置处的压力数据。在本发明实施例中压力传感器模组中包含多个压力传感器，分别安装于搅拌设备内多个不同位置处。由压力传感器模组、搅拌控制机构和膜浓缩液监测分析控制器构成膜浓缩液监测模块。

根据公开号为CN208022826U，名称为一种垃圾填埋场渗透液膜浓缩液蒸发设备的预处理装置的实用新型专利所公开的，渗透液膜浓缩液从入液口进入罐体，先进入一级处理室进行一级处理，除去内部的重金属物质等，然后进入二级处理室进行二级处理，为氧化处理，在三级处理室中，从混凝剂添加口添加混凝剂，并运行搅拌部件，将不溶或者难溶性杂质与渗透液膜浓缩液混合，并经过三级出口进入沉淀室，经过沉淀、消毒等操作，渗透液膜浓缩液从出液口排出，杂质从排杂口排出。而本发明实施例具体是针对搅拌部件的运行过程进行改进。压力传感器均安装在搅拌部件所处的搅拌设备内。

膜浓缩液监测分析控制器通过对不同位置处的压力数据的分析，确定搅拌部件的搅拌时长；进而根据搅拌时长向所述搅拌控制机构输出控制指令，用于控制搅拌部件工作，以调整所述膜浓缩液的均匀状态。避免欠搅拌或者过搅拌的问题出现。

下面结合附图具体的说明本发明所提供的一种垃圾渗滤液膜浓缩液的处理设备中膜浓缩液监测分析控制器的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种垃圾渗滤液膜浓缩液的处理设备中膜浓缩液监测分析控制器对压力数据进行分析处理的步骤流程图，该方法包括以下步骤：

步骤S100，对压力数据构成的压力数据序列进行分解，得到压力周期项；对所述压力周期项进行周期性分析，得到压力周期项中的周期段。

对于搅拌设备中的每个压力传感器，获取每个压力传感器10分钟内的压力数据。在本发明实施例中每间隔5秒钟采集一次压力数据，在其他实施例中还可以由实施者根据实际情况调整该采集间隔时长。

本实施例中需要根据每个位置处压力数据的预测，得到预测数据的最大一致性时间段，进而根据该时间段与当前时间段的时间间隔，对搅拌速度和搅拌时长进行调控，同时，实时进行预测，即将达到预测的搅拌阶段时，搅拌速度越慢。

目前常见的是，采用加权移动平均法，实现对每个位置的压力数据进行预测。预测压力数据的常规逻辑为：距离越近的，对当前压力数据的影响越大，即对应的预测权重越大。但实际上，在搅拌过程中，随着搅拌的进行，均匀度会增大，即对于每个位置的压力数据而言，该位置的离子浓度的变化会越来越小，则压力数据的周期性会逐渐增强，即对于每个压力传感器所采集到的压力数据来说：预测数据越来越趋近于稳定的周期模式。

因此本发明实施例中通过周期性和近邻性对每个位置的压力数据进行预测权重的计算。周期模式越稳定的数据对当前数据的预测权重越大，当前压力数据所处的周期性模式的位置，根据前面相同周期位置的压力数据和当前数据点的邻近压力数据的加权。

故首先对压力数据的周期性进行分析，对压力数据构成的压力数据序列进行分解，得到压力周期项，具体的：利用时间序列分解法，对按照时序排列的压力数据所构成的压力数据序列进行分解，得到压力数据序列的周期项，记为压力数据序列的压力周期项。需要说明的是，利用时间序列分解法，可以得到压力数据序列的趋势项、周期项和残差项，每个项的数据长度与压力数据的长度均相同，趋势项表示的是压力数据的变化趋势，周期项表示的是压力数据中相近的周期模式，残差项表示的是随机噪声，由于本发明实施例需要对压力数据进行周期性分析，故获取到了利用时间序列分解法分解后的周期项。

进一步的，对压力周期项进行周期性分析，得到压力周期项中的周期段，具体的：通过傅里叶变换，将压力周期项转换到频域空间，将最大幅值对应频率的倒数，作为压力周期项的周期性；基于所述周期值对所述压力周期项进行分割，得到压力周期项对应的周期段。

基于所述周期值对所述压力周期项进行分割，得到压力周期项对应的周期段，更具体的：以所述周期值为压力周期项对应的周期段的长度，从当前时刻对应的元素开始向前对所述压力周期项进行分割，得到压力周期项对应的周期段。需要说明的是，按照从当前时刻往前的顺序，获取压力周期项所对应的周期段。

需要说明的是，当压力周期项不能正好被分割成整数个周期段时，将最后一个长度不足为周期值的段，也作为周期段。例如，周期项长度为100，周期值为20，则将周期项分为5个周期段，每个周期段的长度为20；而当周期项长度为110，周期值为20，则将周期项分为6个周期段，前5个周期段的长度均为20，最后一个周期段的长度为10。例如当周期项为{8,1,2,5,6,7,8,1,2,5,6,7,8,1,2,5,6,7,8}，周期值的长度为6时，该周期项对应的周期段为{8}，{1,2,5,6,7,8}，{1,2,5,6,7,8}，{1,2,5,6,7,8}。

步骤S200，结合压力周期项所对应的周期段中同一位置处的出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据。

当对某个时间点的压力数据进行预测时，需要根据周期性和近邻性进行预测，周期性是指前面的周期中该位置的元素值的出现规律性，近邻性是指离预测数据最近的数据点的值的参考性，周期性越强，需要越多参考前一个周期段中与预测数据相同位置的值的信息。

通过当前的压力数据，预测得到下一刻的压力数据，这里的下一刻要根据当前时刻之前的10分钟内实际的压力数据的采样间隔来确定预测压力数据。

故结合压力周期项所对应的周期段中同一位置处的出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据。

首先，以预测压力数据作为最新的周期段的第一个压力数据，获取其他周期段中第一个压力数据，记为预测压力数据对应的参考历史数据；结合所述参考历史数据中出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据。需要说明的是，这里获取其他周期段中第一个压力数据，作为预测压力数据对应的参考历史数据，是因为预测压力数据为最新的周期段中的第一个压力数据，故需要通过与预测压力数据次序相同压力数据，实现对预测压力数据的预测，以周期进行分析，会提高对预测压力数据预测的准确性。

结合所述参考历史数据中出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据，具体的：

该预测压力数据的计算公式为：；其中， 为预测压力数据； 为周期性的权重； 为预测压力数据对应的参考历史数据 中出现次数最多的压力数据； 为当前时刻的压力数据； 为压力数据序列的趋势项 的预测值。

预测压力数据的计算公式是将预测压力数据分为了两个部分周期性的预测值和趋势性的预测值，两部分预测值的和值即为完整的预测值。周期性权重和次序位置的周期性值的乘积值，反映了预测压力数据的周期性值，并通过周期性的权重，实现对出现次数最多的压力数据进行调节。然后得到的压力数据序列的趋势项的预测值，在本发明实施例中趋势项的预测值的计算方法为：将移动平均法的窗口大小记为g，通过移动平均法，计算得到趋势项的预测值之前的g个数值的均值作为趋势项的预测值，需要说明是的，通过移动平均法确定预测值的方法为本领域技术人员的公知技术，在此不再进行赘述，且得到预测值的现有方法有很多种，在其他实施例中还可以使用其他获取预测值的方法，来确定趋势项的预测值。

其中预测压力数据的计算公式中的周期性的权重的获取方法为：

当预测压力数据对应的参考历史数据均为同一数值时，对应的周期性的权重设置为预设最大权重。在本发明实施例中预设最大权重的取值为1，在其他实施例中还可以由实施者根据实际情况对该取值进行调整。其将周期性的权重设置为预设最大权重是因为此时参考历史数据呈现了非常稳定的周期性，不存在波动，故将其对应的权重为预设最大权重。

否则，统计预测压力数据对应的每个参考历史数据的出现次数，得到统计直方图，并通过最小二乘曲线的拟合，得到与统计直方图最相近的正态分布曲线；获取预测压力数据对应的出现次数最多的参考历史数据在所述正态分布曲线上的峰度。

当预测压力数据对应的出现次数最多的参考历史数据所对应的峰度小于或等于预设峰度阈值时，对应的周期性的权重设置为预设最小权重。在本发明实施例中预设峰度阈值的取值为3，因为3是标准正态分布的峰度，在其他实施例中还可以由实施者根据实际情况对该取值进行调整；预设最小权重的取值为0，在其他实施例中还可以由实施者根据实际情况对该取值进行调整。在当前时刻所对应的周期段中出现次数最多的压力数据所对应的峰度小于或等于预设峰度阈值时，则反映次序值处的值在前面的周期中的随机性较大，因此根据周期性来确定该处的值的参考性较小，因此将权重设置为预设最小权重。

当预测压力数据对应的出现次数最多的参考历史数据所对应的峰度大于预设峰度阈值时，计算峰度与所述预设峰度阈值的差值，将所述差值和所述峰度的比值，作为对应的周期性的权重。因为峰度越大，则反映与统计直方图最相近的正态分布曲线较陡，即当前时刻所对应的周期段中出现次数最多的压力数据x1的出现次数相较于其它值的出现次数越大。

步骤S300，对不同位置处的预测压力数据进行相似性分析，确定压力传感器的稳定周期一致性；根据所述稳定周期一致性，确定搅拌时长。

通过计算可以得到下一刻的预测压力数据，记为预测压力数据h1，将之前的10min的压力数据记为集合H，得到预测压力数据h1后，将集合{H，h1}作为新的H，完成集合H的更新；然后计算预测压力数据h1之后的下一时刻的预测压力数据，得到预测压力数据h2，得到预测压力数据h2后，用集合{H，h1，h2}记为新的H，完成H的更新；然后计算预测压力数据h2之后的下一时刻的预测压力数据，得到预测压力数据h3，得到预测压力数据h3后，用集合{H，h1，h2，h3}记为新的H，完成H的更新，……，直到得到接下来的3min内的所有预测压力数据。

需要说明的是，对每个压力传感器处的数据进行预测的同时，计算稳定周期一致性；对于不同的压力数据来说，不同处的稳定周期模式的一致性越强，稳定周期一致性越大。

该稳定周期一致性的计算公式为： ；其中，为稳定周期一致 性；为压力传感器的数量； 为第i个压力传感器的预测压力数据的周期模式的稳定 性； 为第j个压力传感器的预测压力数据的周期模式的稳定性；为自然常数； 为第i个压力传感器和第j个压力传感器的预测压力数据的相似度。

任意两个压力传感器的预测数据的相似度越大，且周期模式的稳定性越大，稳定性的差异越小，则一致性越大，这里将相似度作为周期模式稳定性的权重。

其中，压力传感器的预测压力数据的周期模式的稳定性的获取方法为：计算压力传感器对应的压力周期项中，每相邻两个压力周期项的余弦相似度，将压力传感器对应的每相邻两个压力周期项的余弦相似度的均值，作为压力传感器的预测压力数据的周期模式的稳定性。

其中，两个压力传感器之间的预测压力数据的相似度的获取方法为：计算两个压 力传感器的未来预设时间范围内预测压力数据的余弦相似度，作为两个压力传感器之间的 预测压力数据的相似度。在本发明实施例中预设时间范围的取值为3分钟，在其他实施例中 可由实施者根据实际情况设置该范围。两个压力传感器对应的预测压力数据的余弦相似 度。其中， 表示的是第i个压力传感器和第j个压力传感器的预测数据的周期 模式的稳定性的一致性，稳定性的一致性越大，预测一致性越大。

进而通过比较不同压力传感器对应的压力数据之间的相似情况，确定不同位置处的传感器数据的稳定周期一致性。

最后通过对10分钟内的历史压力数据进行预测，可以得到未来预设时间范围内，不同位置处压力传感器的稳定周期一致性，当稳定周期一致性大于预设稳定阈值时，设定搅拌时长为预设降速时长，也即为从当前时刻开始，逐渐减小搅拌速度，当达到预设降速时长时，停止搅拌。在本发明实施例中预设降速时长和预设时间范围的取值相同，也即在本发明实施例中预设降速时长同样的为3分钟，在其他实施例中由实施者根据实际情况调整该取值。

当稳定周期一致性小于或等于预设稳定阈值时，继续搅拌，直至稳定周期一致性大于预设稳定阈值时，设定搅拌时长为预设降速时长。

根据膜浓缩液监测分析控制器所得到的搅拌时长，向所述搅拌控制机构输出控制指令，用于控制搅拌部件动作，也即控制搅拌部件的搅拌时间，以调整膜浓缩液的均匀状态。

综上所述，本发明涉及污水处理技术领域。本发明实施例提供了一种垃圾渗滤液膜浓缩液的处理设备，包括压力传感器模块、搅拌控制机构和膜浓缩液监测分析控制器。膜浓缩液监测分析控制器通过分析不同位置处的压力传感器的压力数据进行预测，并进行相似性分析，确定压力传感器的稳定周期一致性，并进一步的确定搅拌时长；根据搅拌时长向搅拌控制机构输出控制指令，用于控制搅拌部件动作，以调整膜浓缩液的均匀状态。实现更好的均匀搅拌膜浓缩液，避免因为使用固定时间对垃圾渗滤液膜浓缩液进行搅拌而出现导致欠搅拌或者过搅拌的问题。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (1)

1.一种垃圾渗滤液膜浓缩液的处理设备，包括浓缩液的处理设备本体，所述浓缩液的处理设备本体包括膜浓缩液监测器，其特征在于，所述膜浓缩液监测器包括膜浓缩液监测模块，所述膜浓缩液监测模块安装在所述膜浓缩液的处理设备本体上，所述膜浓缩液监测模块包括：压力传感器模块、搅拌控制机构和膜浓缩液监测分析控制器；

压力传感器模块的信号输出端连接所述膜浓缩液监测分析控制器的信号输入端，所述膜浓缩液监测分析控制器的信号输出端连接所述搅拌控制机构的信号输入端，所述搅拌控制机构用于与处于膜浓缩液中的搅拌部件装配连接，用于调整所述膜浓缩液的均匀状态；

所述压力传感器模块用于分别获取不同位置处的压力数据，并将其输出至所述浓缩液监测分析控制器中；所述浓缩液监测分析控制器对压力数据构成的压力数据序列进行分解，得到压力周期项；对所述压力周期项进行周期性分析，得到压力周期项中的周期段；结合压力周期项所对应的周期段中同一位置处的出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据；对不同位置处的预测压力数据进行相似性分析，确定压力传感器的稳定周期一致性；根据所述稳定周期一致性，确定搅拌时长；根据所述搅拌时长向所述搅拌控制机构输出控制指令，用于控制搅拌部件动作，以调整所述膜浓缩液的均匀状态；

其中，所述对压力数据构成的压力数据序列进行分解，得到压力周期项，包括：

利用时间序列分解法，对按照时序排列的压力数据所构成的压力数据序列进行分解，得到压力数据序列的周期项，记为压力数据序列的压力周期项；

其中，所述对所述压力周期项进行周期性分析，得到压力周期项中的周期段，包括：

通过傅里叶变换，将压力周期项转换到频域空间，将最大幅值对应频率的倒数，作为压力周期项的周期值；以所述周期值为压力周期项对应的周期段的长度，从当前时刻对应的元素开始向前对所述压力周期项进行分割，得到压力周期项对应的周期段；

其中，所述结合压力周期项所对应的周期段中同一位置处的出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据，包括：

以预测压力数据作为最新的周期段的第一个压力数据，获取其他周期段中第一个压力数据，记为预测压力数据对应的参考历史数据；结合所述参考历史数据中出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据；

其中，所述结合所述参考历史数据中出现次数最多的压力数据，对下一时刻的压力数据进行预测，得到预测压力数据，包括：

所述预测压力数据的计算公式为：；其中，为预测压力数据；为周期性的权重；为预测压力数据对应的参考历史数据中出 现次数最多的压力数据；为当前时刻的压力数据；为压力数据序列的趋势项的预测 值；

其中，压力数据序列的趋势项的预测值的获取方法为：将移动平均法的窗口大小记为g，通过移动平均法，计算得到趋势项的预测值之前的g个数值的均值作为趋势项的预测值；

其中，所述周期性的权重的获取方法为：

当预测压力数据对应的参考历史数据均为同一数值时，对应的周期性的权重设置为预设最大权重；

否则，统计预测压力数据对应的每个参考历史数据的出现次数，得到统计直方图，并通过最小二乘曲线的拟合，得到与统计直方图最相近的正态分布曲线；获取预测压力数据对应的出现次数最多的参考历史数据在所述正态分布曲线上的峰度；

当预测压力数据对应的出现次数最多的参考历史数据所对应的峰度小于或等于预设峰度阈值时，对应的周期性的权重设置为预设最小权重；

当预测压力数据对应的出现次数最多的参考历史数据所对应的峰度大于预设峰度阈值时，计算峰度与所述预设峰度阈值的差值，将所述差值和所述峰度的比值，作为对应的周期性的权重；

其中，所述对不同位置处的预测压力数据进行相似性分析，确定压力传感器的稳定周期一致性，包括：

所述压力传感器的稳定周期一致性的计算公式为：；其中，为稳定周期一致 性；为压力传感器的数量；为第i个压力传感器的预测压力数据的周期模式的稳定 性；为第j个压力传感器的预测压力数据的周期模式的稳定性；e为自然常数；为 第i个压力传感器和第j个压力传感器的预测压力数据的相似度；

其中，所述压力传感器的预测压力数据的周期模式的稳定性的获取方法为：

计算压力传感器对应的压力周期项中，每相邻两个压力周期项的余弦相似度，将压力传感器对应的每相邻两个压力周期项的余弦相似度的均值，作为压力传感器的预测压力数据的周期模式的稳定性；

其中，两个压力传感器之间的预测压力数据的相似度的获取方法为：

计算两个压力传感器的未来预设时间范围内预测压力数据的余弦相似度，作为两个压力传感器之间的预测压力数据的相似度；

其中所述根据所述稳定周期一致性，确定搅拌时长，包括：

当稳定周期一致性大于预设稳定阈值时，设定搅拌时长为预设降速时长；

当稳定周期一致性小于或等于预设稳定阈值时，继续搅拌，直至稳定周期一致性大于预设稳定阈值时，设定搅拌时长为预设降速时长。