CN117742226A - 基于多参数微生物传感的智能粪便处理控制方法及系统 - Google Patents
基于多参数微生物传感的智能粪便处理控制方法及系统 Download PDFInfo
- Publication number
- CN117742226A CN117742226A CN202410192034.9A CN202410192034A CN117742226A CN 117742226 A CN117742226 A CN 117742226A CN 202410192034 A CN202410192034 A CN 202410192034A CN 117742226 A CN117742226 A CN 117742226A
- Authority
- CN
- China
- Prior art keywords
- fermentation barrel
- microbial
- intelligent
- microorganism
- fecal treatment
- 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
Links
- 230000000813 microbial effect Effects 0.000 title claims abstract description 94
- 230000002550 fecal effect Effects 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000000855 fermentation Methods 0.000 claims abstract description 119
- 230000004151 fermentation Effects 0.000 claims abstract description 119
- 244000005700 microbiome Species 0.000 claims abstract description 65
- 230000007613 environmental effect Effects 0.000 claims abstract description 29
- 238000000547 structure data Methods 0.000 claims abstract description 27
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 230000002068 genetic effect Effects 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 239000012855 volatile organic compound Substances 0.000 claims description 20
- 239000007789 gas Substances 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 230000036284 oxygen consumption Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000000611 regression analysis Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 241000736262 Microbiota Species 0.000 claims description 3
- 238000007792 addition Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 239000000126 substance Substances 0.000 description 3
- 238000011010 flushing procedure Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 238000005273 aeration Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008512 biological response Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000008213 purified water Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Abstract
本发明公开了基于多参数微生物传感的智能粪便处理控制方法及系统,涉及智能粪便处理技术领域,该方法包括:建立第一微生物群落结构数据集,包括不同温度区间下标准发酵桶内第一微生物参数和第一环境参数;获取当前发酵桶内第二微生物参数和第二环境参数录入第二微生物群落结构数据集;通过温度传感器获取当前发酵桶内温度数据,调取第一微生物群落结构数据集内对应温度区间标准发酵桶内第一微生物参数和第一环境参数;构建智能粪便遗传控制算法优化PID控制参数实现智能粪便处理控制。本发明解决了在智能粪便处理控制过程中温度适应性的问题,同时考虑微生物数量的影响,提高了计算精度,确保粪便处理的智能控制过程中的可靠性和高效性。
Description
技术领域
本发明涉及智能粪便处理技术领域,具体为基于多参数微生物传感的智能粪便处理控制方法及系统。
背景技术
粪便处理是卫生和环保领域的一个重要课题。传统的粪便处理方法通常面临着能耗高、排放物处理不彻底、对环境的不友好等问题。因此,研究如何通过智能化技术改进粪便处理的效率和环境友好性显得尤为重要。
微生物在粪便处理中发挥着关键作用,它们可以分解有机物质,降解废水中的有害物质,提高处理效果。智能粪便处理系统通过监测微生物活性等多参数,有望实现更为精准的处理过程,减少废水中的有害物质排放,从而降低对环境的污染,符合可持续发展的理念;通过精准监测微生物活性等参数,系统可以更有效地利用生物能量,减少能源浪费,提高能源利用效率;传统的粪便处理方法可能存在处理效率低、处理时间长等问题,而智能控制系统可以根据实时监测的参数调整处理条件,提高处理效率,降低处理成本。智能控制系统可以根据不同的温度环境下和粪便特性进行调整,提高系统的适应性,使其在不同地区和条件下都能发挥优越的处理效果。因此,通过监测微生物活性和其他相关参数,可以更好地了解粪便处理过程中的生物学反应,从而实现更精确、高效的粪便处理。
例如,现有的公开号为CN100340935C的专利公开了微生物环保厕所数字智能控制系统,采用可编程控制器(PLC)或单片机为核心,液位传感器、温度传感器、红外传感器的信号分别输入PLC或单片机,经运算、比较后,PLC或单片机发出操作命令,分别驱动相应继电器组件,控制水循环系统的提水设备、曝气设备、加热器、系统净化水杀菌消毒设备、厕所门开闭电机、冲水设备、洗手设备、照明设备,以实现粪便生物处理的自动化管理、冲洗水的自动控制运行以及厕所间的非接触式自动化操作,从而节省了大量繁琐的人力操作,并使微生物环保厕所稳定和高效运行,进一步完善服务功能。但这种设计没有考虑环境因素对微生物活性等参数造成的影响,因此,本发明提供基于多参数微生物传感的智能粪便处理控制方法及系统。
发明内容
本发明的目的在于提供基于多参数微生物传感的智能粪便处理控制方法及系统,以解决上述背景技术中提出的现有的问题。
为实现上述目的,本发明提供如下技术方案:基于多参数微生物传感的智能粪便处理控制方法及系统,包括以下步骤:
S1、建立第一微生物群落结构数据集,所述第一微生物群落结构数据集包括不同温度区间下标准发酵桶内第一微生物参数和第一环境参数;
S2、获取当前发酵桶内第二微生物参数和第二环境参数录入第二微生物群落结构数据集;
S3、通过温度传感器获取当前发酵桶内温度数据,调取所述第一微生物群落结构数据集内对应温度区间标准发酵桶内第一微生物参数和第一环境参数;
S4、构建智能粪便遗传控制算法优化PID控制参数实现智能粪便处理控制。
本发明进一步改进在于,所述S1具体步骤包括:
S11、设置温度区间序列,将预设的温度区间按照从低到高列入所述温度区间序列,其中/>表示第/>个温度区间,/>表示温度区间的数量;
S12、获取所述温度区间序列对应的所述第一微生物参数,包括标准发酵桶内微生物活性序列,/>表示第/>个温度区间内的第一微生物活性,和标准发酵桶内第一微生物含量序列,/>表示第/>个温度区间内的第一微生物含量;获取所述温度区间序列对应的所述第一环境参数,包括标准发酵桶内第一湿度区间序列/>,/>表示第/>个温度区间内的标准发酵桶内第一湿度区间。
本发明进一步改进在于,所述S2具体步骤包括:
S21、通过生物阻抗传感器获取当前发酵桶内第二微生物含量;
S22、通过超声波传感器间接获取当前发酵桶内第二微生物活性;
S23、通过气体传感器获取当前发酵桶内挥发性有机化合物浓度威胁值;
S24、通过红外传感器获取当前发酵桶内第二湿度状态值;
S25、将所述当前发酵桶内第二微生物含量和第二微生物活性/>作为第二微生物参数,将所述当前发酵桶内挥发性有机化合物浓度威胁值/>和第二湿度状态值/>作为第二环境参数,一同录入所述第二微生物群落结构数据集。
本发明进一步改进在于,所述当前发酵桶内微第二生物含量基于微生物在生物阻抗传感器电极表面的生物阻抗变化来检测,生物阻抗传感器实时输出数字信号,设置生物阻抗变化阈值,当检测到所述生物阻抗传感器内生物阻抗变化大于生物阻抗变化阈值/>时,生物阻抗传感器再次输出数字信号,更新当前发酵桶内第二微生物含量/>。
本发明进一步改进在于,所述S22具体步骤包括:
S221、检测时间内当前发酵桶内微生物活性,令超声波传感器在时间/>内每隔时间/>发送一次信号,提取超声波传感器发射信号与接收信号时间间隔序列,其中/>表示第/>次超声波传感器发射信号与接收信号时间间隔,/>表示向下取整;
S222、记录超声波传感器与粪便间距离,计算时间/>内氧气消耗速率;
S223、结合当前发酵桶内第二微生物含量计算当前发酵桶内第二微生物活性,所述当前发酵桶内第二微生物活性计算公式为:
;
其中表示氧气消耗速率权重,/>表示当前发酵桶内第二微生物含量权重。
本发明进一步改进在于,所述S23具体步骤包括:
S231、将气体传感器均匀安置在发酵桶内部上方,所述气体传感器输出模拟电压信号集合,其中/>表示第/>个气体传感器的模拟电压信号,/>表示气体传感器数量;
S232、对所述模拟电压信号集合进行回归分析,建立模拟电压信号和挥发性有机化合物浓度之间的关系,其中,/>表示挥发性有机化合物浓度集合,/>表示斜率,/>表示截距,所述斜率和截距均是从回归分析中得到;
S233、依据步骤S232获得发酵桶内挥发性有机化合物浓度集合,计算得到发酵桶内挥发性有机化合物浓度威胁值/>,其中,/>为设定的标准气体浓度。
本发明进一步改进在于,所述当前发酵桶内第二湿度状态值通过在当前发酵桶上方均匀安装红外湿度传感器得到,获取所述红外湿度传感器的介电常数集合,其中/>表示第/>个红外湿度传感器的介电常数,/>表示红外湿度传感器数量,得到第二湿度状态值/>。
本发明进一步改进在于,所述S3具体步骤包括:
S31、通过温度传感器获取当前发酵桶内温度数据,提取所述温度区间序列中对应温度区间序号/>,其中函数/>表示序号提取操作;
S32、依据步骤S31提取相应标准发酵桶内第一微生物活性和标准发酵桶内第一湿度区间/>,及其对应的第一微生物含量/>。
本发明进一步改进在于,所述智能粪便遗传控制算法包括以下步骤:
S41、构建适应度函数:
;
S42、设置发酵桶内PID控制器,并对所述发酵桶内PID控制器进行实数编码,所述发酵桶内PID控制器的操作包括控制湿度、加入碳源、翻搅和通风;
S43、随机生成一组发酵桶内PID控制器参数,定义初始化种群,所述初始化种群/>包括/>个随机生成的发酵桶内PID控制器参数个体;
S44、依据所述适应度函数评价每个个体的适应度,对所述个体的适应度按照从高到低排序,基于适应度排名生成发酵桶内PID控制器操作适应度序列,/>表示第/>个操作的适应度,得到种群/>作为第一父代;
S45、在所述发酵桶内PID控制器参数适应度序列中选取操作直接复制到下一代子代中,将/>进行个体交叉操作,产生新的子代种群/>替换父代种群作为第二父代;
S46、设置粪便处理适应度阈值,当当前状态下/>,则停止算法并输出发酵桶内PID控制器参数,当当前状态下/>,则重复步骤S45,生成新的子代种群/>替换父代种群作为第三父代,直到满足/>时,停止迭代。
另一方面,本发明提供基于多参数微生物传感的智能粪便处理控制系统,包括:
第一微生物群落结构数据集构建模块,用于建立温度区间序列,获取所述温度区间序列对应的所述第一微生物参数和第一环境参数;
第二微生物群落结构数据集构建模块,用于获取当前发酵桶内第二微生物参数和第二环境参数;
微生物参数和环境参数对比模块,用于通过温度传感器获取当前发酵桶内温度数据,调取所述第一微生物群落结构数据集内对应温度区间标准发酵桶内第一微生物参数和第一环境参数;
智能化控制算法模块,用于构建智能粪便遗传控制算法优化PID控制参数实现智能粪便处理控制;
实时监测与反馈模块,包括即时系统异常响应机制,用于监测处理过程中的异常情况,实时响应,防止问题扩大;
远程监控与管理模块,用于网络连接与数据传输和远程操作与优化,实时监控智能粪便处理控制系统运行状况;
用户交互界面模块,用于为用户提供实时数据可视化展示。
一种电子设备,包括:处理器和存储器,其中,所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,执行上述基于多参数微生物传感的智能粪便处理控制。
一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行上述基于多参数微生物传感的智能粪便处理控制。
与现有技术相比,本发明的有益效果是:
1、本发明首先通过在第一微生物群落结构数据集构建模块将环境温度分为不同区间,并通过建立第二微生物群落结构数据集构建模块与第一微生物群落结构数据集进行对比,结合发酵桶内环境参数和微生物参数共同参与智能粪便遗传控制算法,实现对粪便发酵桶内粪便处理的智能控制的同时兼顾了温度适应性;
2、通过利用超声波传感器计算得到发酵桶内氧气消耗速率的同时,考虑微生物数量的影响计算发酵桶内微生物活性,提高了计算精度,确保粪便处理的智能控制过程中的可靠性和高效性。
附图说明
图1为本发明基于多参数微生物传感的智能粪便处理控制方法流程图;
图2为本发明基于多参数微生物传感的智能粪便处理控制系统框架图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细地说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,字符"/",一般表示前后关联对象是一种“或”的关系。
实施例1
图1和图2分别展示了本实施例公开的基于多参数微生物传感的智能粪便处理控制方法的流程示意图,步骤如下:
S1、建立第一微生物群落结构数据集,所述第一微生物群落结构数据集包括不同温度区间下标准发酵桶内第一微生物参数和第一环境参数;
S11、在本实施例中,由于发酵桶内不同温度状况对发酵桶内环境和微生物状况的要求也不同,为了解决粪便处理的温度适应性,设置温度区间序列,将预设的温度区间按照从低到高列入所述温度区间序列,其中表示第/>个温度区间,/>表示温度区间的数量;
S12、获取所述温度区间序列对应的所述第一微生物参数,包括标准发酵桶内微生物活性序列,/>表示第/>个温度区间内的第一微生物活性,和标准发酵桶内第一微生物含量序列,/>表示第/>个温度区间内的第一微生物含量;获取所述温度区间序列对应的所述第一环境参数,包括标准发酵桶内第一湿度区间序列/>,/>表示第/>个温度区间内的标准发酵桶内第一湿度区间。
S2、获取当前发酵桶内第二微生物参数和第二环境参数录入第二微生物群落结构数据集;
S21、通过生物阻抗传感器获取当前发酵桶内第二微生物含量;所述当前发酵桶内第二微生物含量基于微生物在生物阻抗传感器电极表面的生物阻抗变化来检测,生物阻抗传感器实时输出数字信号,设置生物阻抗变化阈值/>,当检测到所述生物阻抗传感器内生物阻抗变化大于生物阻抗变化阈值/>时,生物阻抗传感器再次输出数字信号,更新当前发酵桶内第二微生物含量/>;
S22、通过超声波传感器间接获取当前发酵桶内第二微生物活性;通过判断一定时间间隔内氧气消耗的速率,结合微生物的数量,判断微生物活性;
S221、检测时间内当前发酵桶内微生物活性,令超声波传感器在时间/>内每隔时间/>发送一次信号,提取超声波传感器发射信号与接收信号时间间隔序列,其中/>表示第/>次超声波传感器发射信号与接收信号时间间隔,/>表示向下取整;
S222、记录超声波传感器与粪便间距离,计算时间/>内氧气消耗速率;
S223、由于发酵桶内微生物数量也会对超声波速度产生一定影响,因此结合当前发酵桶内第二微生物含量计算当前发酵桶内第二微生物活性,所述当前发酵桶内第二微生物活性计算公式为:
;
其中表示氧气消耗速率权重,/>表示当前发酵桶内第二微生物含量权重,,权重由本领域技术人员根据具体应用需求确定。
S23、通过气体传感器获取当前发酵桶内挥发性有机化合物浓度威胁值;
S231、将气体传感器均匀安置在发酵桶内部上方,气体传感器通常输出的是电信号,而不是直接的气味数值,这个电信号的变化与传感器对特定气体或挥发性有机化合物(VOCs)的敏感程度有关,传感器的输出可以是模拟电压、电流,也可以是数字信号,在本发明中,所述气体传感器输出模拟电压信号集合,其中/>表示第/>个气体传感器的模拟电压信号,/>表示气体传感器数量;
S232、对所述模拟电压信号集合进行回归分析,建立模拟电压信号和挥发性有机化合物浓度之间的关系,其中,/>表示挥发性有机化合物浓度集合,/>表示斜率,/>表示截距,所述斜率和截距均是从回归分析中得到;
S233、依据步骤S232获得发酵桶内挥发性有机化合物浓度集合,计算得到发酵桶内挥发性有机化合物浓度威胁值/>,其中,/>为设定的标准气体浓度。
S24、通过红外传感器获取当前发酵桶内第二湿度状态值;电容型湿度传感器基于介电常数(Dielectric Constant)与湿度之间的关系计算湿度状态。当空气中的水分增加时,介电常数也会增加。传感器的电容与介电常数成正比,因此可以通过测量电容变化来推断当前发酵桶内湿度状况,当前发酵桶内第二湿度状态值通过在当前发酵桶上方均匀安装红外湿度传感器得到,获取所述红外湿度传感器的介电常数集合,其中/>表示第/>个红外湿度传感器的介电常数,/>表示红外湿度传感器数量,得到第二湿度状态值/>。
S25、将所述当前发酵桶内第二微生物含量和第二微生物活性/>作为第二微生物参数,将所述当前发酵桶内挥发性有机化合物浓度威胁值/>和第二湿度状态值/>作为第二环境参数,一同录入所述第二微生物群落结构数据集。
S3、通过温度传感器获取当前发酵桶内温度数据,调取所述第一微生物群落结构数据集内对应温度区间标准发酵桶内第一微生物参数和第一环境参数;
S31、通过温度传感器获取当前发酵桶内温度数据,提取所述温度区间序列中对应温度区间序号/>,其中函数/>表示序号提取操作;
S32、依据步骤S31提取相应标准发酵桶内第一微生物活性和标准发酵桶内第一湿度区间/>,及其对应的第一微生物含量/>。
S4、构建智能粪便遗传控制算法优化PID控制参数实现智能粪便处理控制,所述智能粪便遗传控制算法包括以下步骤:
S41、构建适应度函数:
;
S42、设置发酵桶内PID控制器,并对所述发酵桶内PID控制器进行实数编码,所述发酵桶内PID控制器的操作包括控制湿度、加入碳源、翻搅和通风;
S43、随机生成一组发酵桶内PID控制器参数,定义初始化种群,所述初始化种群/>包括/>个随机生成的发酵桶内PID控制器参数个体;
S44、依据所述适应度函数评价每个个体的适应度,对所述个体的适应度按照从高到低排序,基于适应度排名生成发酵桶内PID控制器操作适应度序列,/>表示第/>个操作的适应度,得到种群/>作为第一父代;
S45、在所述发酵桶内PID控制器参数适应度序列中选取操作直接复制到下一代子代中,将/>进行个体交叉操作,产生新的子代种群/>替换父代种群作为第二父代;
S46、设置粪便处理适应度阈值,当当前状态下/>,则停止算法并输出发酵桶内PID控制器参数,当当前状态下/>,则重复步骤S45,生成新的子代种群/>替换父代种群作为第三父代,直到满足/>时,停止迭代。
所述阈值及权重的设定由本领域技术人员根据具体应用需求确定。
实施例2
图2展示了本发明基于多参数微生物传感的智能粪便处理控制系统框架图,与实施例1基于相同的发明构思,本发明提供基于多参数微生物传感的智能粪便处理控制系统,包括:
第一微生物群落结构数据集构建模块,用于建立温度区间序列,获取所述温度区间序列对应的所述第一微生物参数和第一环境参数;
第二微生物群落结构数据集构建模块,用于获取当前发酵桶内第二微生物参数和第二环境参数;
微生物参数和环境参数对比模块,用于通过温度传感器获取当前发酵桶内温度数据,调取所述第一微生物群落结构数据集内对应温度区间标准发酵桶内第一微生物参数和第一环境参数;
智能化控制算法模块,用于构建智能粪便遗传控制算法优化PID控制参数实现智能粪便处理控制;
实时监测与反馈模块,包括即时系统异常响应机制,用于监测处理过程中的异常情况,实时响应,防止问题扩大;
远程监控与管理模块,用于网络连接与数据传输和远程操作与优化,实时监控智能粪便处理控制系统运行状况;
用户交互界面模块,用于为用户提供实时数据可视化展示。
实施例3
本实施例提供一种电子设备,包括:处理器和存储器,其中,存储器中存储有可供处理器调用的计算机程序;
处理器通过调用存储器中存储的计算机程序,执行上述的基于多参数微生物传感的智能粪便处理控制方法。
该电子设备可因配置或性能不同而产生比较大的差异,能够包括一个或一个以上的处理器(Central Processing Units,CPU)和一个或一个以上的存储器,其中,该存储器中存储有至少一条计算机程序,该计算机程序由该处理器加载并执行以实现上述方法实施例提供的基于多参数微生物传感的智能粪便处理控制方法。该电子设备还能够包括其他用于实现设备功能的部件,例如,该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件,以便进行数据的输入输出。本实施例在此不做赘述。
实施例4
本实施例提出一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当计算机程序在计算机设备上运行时,使得计算机设备执行上述基于多参数微生物传感的智能粪便处理控制方法。
例如,计算机可读存储介质能够是只读存储器(Read-Only Memory,简称:ROM)、随机存取存储器(Random Access Memory,简称:RAM)、只读光盘(Compact Disc Read-OnlyMemory,简称:CD-ROM)、磁带、软盘和光数据存储设备等。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (12)
1.基于多参数微生物传感的智能粪便处理控制方法,其特征在于:包括以下步骤:
S1、建立第一微生物群落结构数据集,所述第一微生物群落结构数据集包括不同温度区间下标准发酵桶内第一微生物参数和第一环境参数;
S2、获取当前发酵桶内第二微生物参数和第二环境参数录入第二微生物群落结构数据集;
S3、通过温度传感器获取当前发酵桶内温度数据,调取所述第一微生物群落结构数据集内对应温度区间标准发酵桶内第一微生物参数和第一环境参数;
S4、构建智能粪便遗传控制算法优化PID控制参数实现智能粪便处理控制。
2.根据权利要求1所述的基于多参数微生物传感的智能粪便处理控制方法,其特征在于:所述S1具体步骤包括:
S11、设置温度区间序列,将预设的温度区间按照从低到高列入所述温度区间序列,其中/>表示第/>个温度区间,/>表示温度区间的数量;
S12、获取所述温度区间序列对应的所述第一微生物参数,包括标准发酵桶内微生物活性序列,/>表示第/>个温度区间内的第一微生物活性,和标准发酵桶内第一微生物含量序列,/>表示第/>个温度区间内的第一微生物含量;获取所述温度区间序列对应的所述第一环境参数,包括标准发酵桶内第一湿度区间序列/>,/>表示第/>个温度区间内的标准发酵桶内第一湿度区间。
3.根据权利要求2所述的基于多参数微生物传感的智能粪便处理控制方法,其特征在于:所述S2具体步骤包括:
S21、通过生物阻抗传感器获取当前发酵桶内第二微生物含量;
S22、通过超声波传感器间接获取当前发酵桶内第二微生物活性;
S23、通过气体传感器获取当前发酵桶内挥发性有机化合物浓度威胁值;
S24、通过红外传感器获取当前发酵桶内第二湿度状态值;
S25、将所述当前发酵桶内第二微生物含量和第二微生物活性/>作为第二微生物参数,将所述当前发酵桶内挥发性有机化合物浓度威胁值/>和第二湿度状态值作为第二环境参数,一同录入所述第二微生物群落结构数据集。
4.根据权利要求3所述的基于多参数微生物传感的智能粪便处理控制方法,其特征在于:所述当前发酵桶内第二微生物含量基于微生物在生物阻抗传感器电极表面的生物阻抗变化来检测,生物阻抗传感器实时输出数字信号,设置生物阻抗变化阈值,当检测到所述生物阻抗传感器内生物阻抗变化大于生物阻抗变化阈值/>时,生物阻抗传感器再次输出数字信号,更新当前发酵桶内第二微生物含量/>。
5.根据权利要求4所述的基于多参数微生物传感的智能粪便处理控制方法,其特征在于:所述S22具体步骤包括:
S221、检测时间内当前发酵桶内微生物活性,令超声波传感器在时间/>内每隔时间发送一次信号,提取超声波传感器发射信号与接收信号时间间隔序列,其中/>表示第/>次超声波传感器发射信号与接收信号时间间隔,/>表示向下取整;
S222、记录超声波传感器与粪便间距离,计算时间/>内氧气消耗速率;
S223、结合当前发酵桶内第二微生物含量计算当前发酵桶内第二微生物活性,所述当前发酵桶内第二微生物活性计算公式为:
;
其中表示氧气消耗速率权重,/>表示当前发酵桶内第二微生物含量权重。
6.根据权利要求5所述的基于多参数微生物传感的智能粪便处理控制方法,其特征在于:所述S23具体步骤包括:
S231、将气体传感器均匀安置在发酵桶内部上方,所述气体传感器输出模拟电压信号集合,其中/>表示第/>个气体传感器的模拟电压信号,/>表示气体传感器数量;
S232、对所述模拟电压信号集合进行回归分析,建立模拟电压信号和挥发性有机化合物浓度之间的关系,其中,/>表示挥发性有机化合物浓度集合,/>表示斜率,/>表示截距,所述斜率和截距均是从回归分析中得到;
S233、依据步骤S232获得发酵桶内挥发性有机化合物浓度集合,计算得到发酵桶内挥发性有机化合物浓度威胁值/>,其中,/>为设定的标准气体浓度。
7.根据权利要求6所述的基于多参数微生物传感的智能粪便处理控制方法,其特征在于:所述当前发酵桶内第二湿度状态值通过在当前发酵桶上方均匀安装红外湿度传感器得到,获取所述红外湿度传感器的介电常数集合,其中/>表示第/>个红外湿度传感器的介电常数,/>表示红外湿度传感器数量,得到第二湿度状态值。
8.根据权利要求7所述的基于多参数微生物传感的智能粪便处理控制方法,其特征在于:所述S3具体步骤包括:
S31、通过温度传感器获取当前发酵桶内温度数据,提取所述温度区间序列中对应温度区间序号/>,其中函数/>表示序号提取操作;
S32、依据步骤S31提取相应标准发酵桶内第一微生物活性和标准发酵桶内第一湿度区间/>,及其对应的第一微生物含量/>。
9.根据权利要求8所述的基于多参数微生物传感的智能粪便处理控制方法,其特征在于:所述智能粪便遗传控制算法包括以下步骤:
S41、构建适应度函数:
;
S42、设置发酵桶内PID控制器,并对所述发酵桶内PID控制器进行实数编码,所述发酵桶内PID控制器的操作包括控制湿度、加入碳源、翻搅和通风;
S43、随机生成一组发酵桶内PID控制器参数,定义初始化种群,所述初始化种群包括/>个随机生成的发酵桶内PID控制器参数个体;
S44、依据所述适应度函数评价每个个体的适应度,对所述个体的适应度按照从高到低排序,基于适应度排名生成发酵桶内PID控制器操作适应度序列/>,表示第/>个操作的适应度,得到种群/>作为第一父代;
S45、在所述发酵桶内PID控制器参数适应度序列中选取操作直接复制到下一代子代中,将/>进行个体交叉操作,产生新的子代种群/>替换父代种群作为第二父代;
S46、设置粪便处理适应度阈值,当当前状态下/>,则停止算法并输出发酵桶内PID控制器参数,当当前状态下/>,则重复步骤S45,生成新的子代种群/>替换父代种群作为第三父代,直到满足/>时,停止迭代。
10.基于多参数微生物传感的智能粪便处理控制系统,用于执行如权利要求1-9任意一项所述的基于多参数微生物传感的智能粪便处理控制方法,其特征在于:包括:
第一微生物群落结构数据集构建模块,用于建立温度区间序列,获取所述温度区间序列对应的所述第一微生物参数和第一环境参数;
第二微生物群落结构数据集构建模块,用于获取当前发酵桶内第二微生物参数和第二环境参数;
微生物参数和环境参数对比模块,用于通过温度传感器获取当前发酵桶内温度数据,调取所述第一微生物群落结构数据集内对应温度区间标准发酵桶内第一微生物参数和第一环境参数;
智能化控制算法模块,用于构建智能粪便遗传控制算法优化PID控制参数实现智能粪便处理控制;
实时监测与反馈模块,包括即时系统异常响应机制,用于监测处理过程中的异常情况,实时响应,防止问题扩大;
远程监控与管理模块,用于网络连接与数据传输和远程操作与优化,实时监控智能粪便处理控制系统运行状况;
用户交互界面模块,用于为用户提供实时数据可视化展示。
11.一种电子设备,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现权利要求1-9任一项的基于多参数微生物传感的智能粪便处理控制方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-9任一项的基于多参数微生物传感的智能粪便处理控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410192034.9A CN117742226B (zh) | 2024-02-21 | 基于多参数微生物传感的智能粪便处理控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410192034.9A CN117742226B (zh) | 2024-02-21 | 基于多参数微生物传感的智能粪便处理控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117742226A true CN117742226A (zh) | 2024-03-22 |
CN117742226B CN117742226B (zh) | 2024-05-14 |
Family
ID=
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630376A (zh) * | 2009-08-12 | 2010-01-20 | 江苏大学 | 多模型神经网络的生物发酵过程软测量建模方法及软仪表 |
CN104616072A (zh) * | 2015-01-23 | 2015-05-13 | 东北大学 | 一种基于区间优化的提高谷氨酸发酵产物浓度的方法 |
CN105069323A (zh) * | 2015-08-04 | 2015-11-18 | 莆田学院 | 基于Memetic算法的微生物发酵控制优化方法 |
CN115259357A (zh) * | 2022-07-25 | 2022-11-01 | 河南大学 | 基于人工智能的微生物降解控制方法及系统 |
CN116682494A (zh) * | 2023-05-30 | 2023-09-01 | 中国科学院微生物研究所 | 一种监测发酵过程中微生物群落结构的方法 |
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630376A (zh) * | 2009-08-12 | 2010-01-20 | 江苏大学 | 多模型神经网络的生物发酵过程软测量建模方法及软仪表 |
CN104616072A (zh) * | 2015-01-23 | 2015-05-13 | 东北大学 | 一种基于区间优化的提高谷氨酸发酵产物浓度的方法 |
CN105069323A (zh) * | 2015-08-04 | 2015-11-18 | 莆田学院 | 基于Memetic算法的微生物发酵控制优化方法 |
CN115259357A (zh) * | 2022-07-25 | 2022-11-01 | 河南大学 | 基于人工智能的微生物降解控制方法及系统 |
CN116682494A (zh) * | 2023-05-30 | 2023-09-01 | 中国科学院微生物研究所 | 一种监测发酵过程中微生物群落结构的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ozkaya et al. | Neural network prediction model for the methane fraction in biogas from field-scale landfill bioreactors | |
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 | |
Johnson et al. | Inference of population genetic parameters in metagenomics: a clean look at messy data | |
CN111011247A (zh) | 一种可持续性和智能化养猪方法 | |
CN117742226B (zh) | 基于多参数微生物传感的智能粪便处理控制方法及系统 | |
Qin et al. | A fuzzy composting process model | |
Wang et al. | A full-view management method based on artificial neural networks for energy and material-savings in wastewater treatment plants | |
Kocijan et al. | Sequencing batch-reactor control using Gaussian-process models | |
CN117742226A (zh) | 基于多参数微生物传感的智能粪便处理控制方法及系统 | |
Long et al. | Predicting the performance of medium-chain carboxylic acid (MCCA) production using machine learning algorithms and microbial community data | |
CN103336045B (zh) | 有毒物质在线检测及自动报警装置及有毒物质的检测方法 | |
Tan et al. | Phenotypic signatures arising from unbalanced bacterial growth | |
CN112132334A (zh) | 一种用于城市生活垃圾产量的预测方法 | |
CN116300441A (zh) | 针对污水出水水质目标寻优分析方法、系统、装置及介质 | |
CN114358450B (zh) | 一种基于数据处理的麻薯面包加工用发酵质量预测系统 | |
CN203053955U (zh) | 一种污水生物毒性在线监测系统 | |
Jong et al. | A distributed learning algorithm for communication development | |
CN113838542B (zh) | 化学需氧量智能预测方法和系统 | |
Cao et al. | Adaptive elman model of gene regulation network based on time series data | |
CN116413318B (zh) | 一种基于井盖的有毒气体联合检测方法及系统 | |
WO2023071653A1 (zh) | 污水处理方法、装置及清洁设备 | |
CN109607768A (zh) | 序批式生物膜反应器装置 | |
Ye et al. | Prediction of the effluent chemical oxygen demand and volatile fatty acids for anaerobic treatment based on different feature selections machine-learning methods from lab-scale to pilot-scale | |
Huong et al. | Bioengineering Analysis of Incomplete Data from Large-Scale Anaerobic Bioreactor for Waste Water Treatment by Fuzzy Expert System | |
CN116675564A (zh) | 基于数字孪生的畜禽粪污发酵监控方法、系统及存储介质 |
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 |