CN117861296A - 一种污水站固体杂质拦截过滤装置 - Google Patents
一种污水站固体杂质拦截过滤装置 Download PDFInfo
- Publication number
- CN117861296A CN117861296A CN202410281643.1A CN202410281643A CN117861296A CN 117861296 A CN117861296 A CN 117861296A CN 202410281643 A CN202410281643 A CN 202410281643A CN 117861296 A CN117861296 A CN 117861296A
- Authority
- CN
- China
- Prior art keywords
- pressure
- value
- direction value
- denoising
- section
- 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
- 238000001914 filtration Methods 0.000 title claims abstract description 72
- 239000012535 impurity Substances 0.000 title claims abstract description 41
- 239000007787 solid Substances 0.000 title claims abstract description 31
- 239000010865 sewage Substances 0.000 title claims abstract description 29
- 238000009288 screen filtration Methods 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims description 69
- 238000000034 method Methods 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 10
- 230000000903 blocking effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 36
- 238000004140 cleaning Methods 0.000 description 23
- 230000008859 change Effects 0.000 description 12
- 230000000694 effects Effects 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000010802 sludge Substances 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000009270 solid waste treatment Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D29/00—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor
- B01D29/60—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor integrally combined with devices for controlling the filtration
- B01D29/606—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor integrally combined with devices for controlling the filtration by pressure measuring
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D29/00—Filters with filtering elements stationary during filtration, e.g. pressure or suction filters, not covered by groups B01D24/00 - B01D27/00; Filtering elements therefor
- B01D29/62—Regenerating the filter material in the filter
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D35/00—Filtering devices having features not specifically covered by groups B01D24/00 - B01D33/00, or for applications not specifically covered by groups B01D24/00 - B01D33/00; Auxiliary devices for filtration; Filter housing constructions
- B01D35/14—Safety devices specially adapted for filtration; Devices for indicating clogging
- B01D35/143—Filter condition indicators
- B01D35/1435—Filter condition indicators with alarm means
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/001—Processes for the treatment of water whereby the filtration technique is of importance
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F11/00—Treatment of sludge; Devices therefor
- C02F11/12—Treatment of sludge; Devices therefor by de-watering, drying or thickening
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F11/00—Treatment of sludge; Devices therefor
- C02F11/12—Treatment of sludge; Devices therefor by de-watering, drying or thickening
- C02F11/121—Treatment of sludge; Devices therefor by de-watering, drying or thickening by mechanical de-watering
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Organic Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Mechanical Engineering (AREA)
- Measuring Fluid Pressure (AREA)
Abstract
本发明涉及控制过滤的拦截过滤装置技术领域,具体涉及一种污水站固体杂质拦截过滤装置。该装置包括拦截过滤装置本体和滤网过滤分析模块。滤网过滤分析模块包括:压力传感器模组、过滤分析器和报警装置。过滤分析器通过对不同位置处的压力数据进行分析,实现对压力数据的去噪处理,基于去噪后的去噪压力数据,得到不同位置处的压力差系数,根据压力差系数,判定滤网是否堵塞,当滤网出现堵塞时,由过滤分析器向报警装置输出报警信号,本发明提高了对滤网的堵塞状态检测的精确度。
Description
技术领域
本发明涉及控制过滤的拦截过滤装置技术领域,具体涉及一种污水站固体杂质拦截过滤装置。
背景技术
现有的污水站固体杂质拦截过滤装置中,往往使用滤网对杂质进行滤除,当滤网使用时间较长或者当污水中的大颗粒杂质较多时,滤网容易堵塞的现象。而堵塞过滤网会阻碍污水通过的流量,导致处理系统的流量减小。这可能导致管道内液体积聚、排水不畅,最终影响整个系统的性能;同时,过滤网的堵塞会影响系统的处理效率,因为阻塞会阻碍污水中的固体颗粒和杂质的去除,这可能导致水质处理效果下降,影响系统的整体性能。
目前常见的是在过滤装置内的滤网的两侧安装的压力传感器,获取滤网两侧的压差判断滤网的状态。由于在过滤装置中,水中的杂质在水流作用下会不断的运动,当杂质在过滤网上移动、碰撞或者落下时,会对水流的流动状态产生影响,从而导致水压曲线上出现波动,其属于水压数据的正常波动。但是水流速度的变化也会导致水压曲线的波动,水流遇到较大杂质,导致水流速度受到影响,进而导致水压的异常波动,导致得到的滤网两侧的压差存在其他影响,导致直接根据滤网两侧的压差实现对滤网的堵塞状态进行检测时,存在较大的误差。
发明内容
为了解决直接根据滤网两侧的压差实现对滤网的堵塞状态进行检测时,存在较大误差的技术问题,本发明的目的在于提供一种污水站固体杂质拦截过滤装置,所采用的技术方案具体如下:
本发明提出了一种污水站固体杂质拦截过滤装置,包括拦截过滤装置本体,所述拦截过滤装置本体包括过滤检测器,所述过滤检测器还包括滤网过滤分析模块,所述滤网过滤分析模块安装在滤网装置本体上,所述滤网过滤分析模块包括:压力传感器模组、过滤分析器和报警装置;
所述压力传感器模组的信号输出端连接所述过滤分析器的信号输入端,所述过滤分析器的信号输出端连接所述报警装置的信号输入端,所述报警装置用于对滤网的堵塞情况进行报警;
所述压力传感器模组用于采集滤网不同位置处的压力数据,并将所述压力数据输出至所述过滤分析器中;所述过滤分析器,对所述压力数据进行分解,得到压力趋势项;对所述压力趋势项进行周期性分析,将所述压力趋势项分割成压力段;对每个压力段进行方向分析,确定压力段的特征方向值;
对压力趋势项对应的每个压力段的特征方向值进行重构,得到重构方向值;根据所述重构方向值和所述特征方向值的差异,确定压力段的被影响概率;基于所述被影响概率确定异常压力段;对所述异常压力段进行去噪处理,得到去噪后的去噪压力数据;对不同位置处的去噪压力数据进行差异分析,得到压力差系数;根据所述压力差系数,判定滤网是否堵塞;当判定滤网出现堵塞时,向所述报警装置输出报警信号。
优选的,所述对每个压力段进行方向分析,确定压力段的特征方向值,包括:
对于任意压力段,将压力段中的压力数据在压力段中的次序值作为压力数据对应的数据点的横坐标,将压力数据的数据值作为压力数据对应的数据点的纵坐标,得到每个数据点的坐标;利用主成分分析算法,得到压力段中所有数据点对应的二维向量和对应的特征值,将最大特征值对应的二维向量作为压力段的特征向量;将压力段的特征向量中第二个元素与第一个元素的比值的反正切值,作为压力段的特征方向值。
优选的,所述对压力趋势项对应的每个压力段的特征方向值进行重构,得到重构方向值,包括:
将压力趋势项对应的所有压力段的特征方向值构成的序列,作为特征方向值序列;
将特征方向值序列中除了第一个特征方向值和最后一个特征方向值之外的其他特征方向值,作为目标特征方向值;
利用三次样条插值法,对每个目标特征方向值左右邻域内的特征方向值进行分析,得到每个目标特征方向值对应的插值函数,并根据目标特征方向值对应的插值函数确定目标特征方向值的插值数据,记为重构方向值。
优选的,所述根据所述重构方向值和所述特征方向值的差异,确定压力段的被影响概率,包括:
将任意目标特征方向值所对应的压力段记为目标压力段v0,该目标压力段v0的被影响概率的计算公式为:
;其中,/>为压力段的被影响概率;/>为目标压力段v0所对应的目标特征方向值和重构方向值的差异值;为目标压力段v0的左侧第一个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的左侧第二个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的右侧第一个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的右侧第二个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0对应的压力段所对应的目标特征方向值和重构方向值的差异值。
优选的,所述基于所述被影响概率确定异常压力段,包括:
将大于预设概率阈值的被影响概率对应的压力段,作为第一异常段;
将所述第一异常段后面距离最近的压力段,作为第二异常段;计算每个第二异常段的变异系数,将大于预设变异阈值的变异系数对应的第二异常段之前的第一异常段,作为异常压力段。
优选的,所述对所述异常压力段进行去噪处理,得到去噪后的去噪压力数据,包括:
将异常压力段的被影响概率与预设调节阈值的乘积,作为去噪平滑窗口的窗口长度;基于每个异常压力段的去噪平滑窗口的窗口长度,对每个异常压力段进行去噪处理,得到去噪后的去噪压力数据。
优选的,所述对所述压力数据进行分解,得到压力趋势项,包括:
利用时间序列分解算法,对每个位置处的压力数据构成的压力数据曲线进行分解,得到趋势项,记为压力趋势项。
优选的,所述对所述压力趋势项进行周期性分析,将所述压力趋势项分割成压力段,包括:
将所述压力趋势项进行傅里叶变换,将最大幅值对应周期的频率的倒数记为周期值,基于所述周期值对所述压力趋势项进行分段,得到压力段。
优选的,所述对不同位置处的去噪压力数据进行差异分析,得到压力差系数,包括:
对于不同位置处对应的去噪压力数据,将任意位置处的去噪压力数据构成的去噪压力数据曲线进行分解,得到去噪趋势项;对所述去噪趋势项进行方向分析,得到去噪趋势项的特征方向值,记为去噪方向值;
计算不同位置处的去噪压力数据的去噪趋势项所对应的去噪方向值之间的均值,记为特征均值;计算不同位置处的去噪压力数据的去噪趋势项所对应的去噪方向值之间的差值的绝对值,记为特征差值;将所述特征均值的归一化值和所述特征差值的反比例归一化值的乘积,作为压力差系数。
优选的,所述根据所述压力差系数,判定滤网是否堵塞,包括:
当所述压力差系数大于预设故障阈值时,判定滤网出现堵塞。
本发明实施例至少具有如下有益效果:
本发明实施例首先采集滤网不同位置处的压力数据,以便于后续不用位置处的压力数据的差异确定滤网的堵塞情况。对压力数据进行分解得到压力趋势项,是因为为了得到能够反映出压力数据的基础趋势的信息,去除掉不可预测的或者周期性波动之类的信息。由于水流速度的变化导致的异常波动在时间上是连续的,故首先对压力趋势项进行周期性分析,得到多个压力段,并确定压力段的特征方向值,该特征方向值反映了压力数据的波动趋势。进而对压力段的特征方向值进行重构,确定特征方向值在基于其他邻域的压力段的特征方向值的基础下的预测特征方向值,记为重构方向值。根据重构方向值和特征方向值的差异,确定压力段的被影响概率,该被影响概率反映了压力数据可以被水流速度的变化导致的异常波动所影响的概率。故最后通过被影响概率筛选出异常压力段,该异常压力段即为较大概率出现由水流速度的变化导致的异常波动时对应的压力数据所处的数据段,故对异常压力段进行去噪处理,实现对由水流速度的变化导致的异常波动进行平滑的目的。对去噪后的去噪压力数据进行差异分析,得到压力差系数,并通过压力差系数判断滤网是否出现堵塞,当滤网出现堵塞时及时的向报警装置输入报警信号。本发明消除了水流速度的变化导致的异常波动对压力数据的影响,通过去噪后的去噪压力数据进行分析并在异常时进行报警,提高了对滤网的堵塞状态检测的精确度。
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污水站固体杂质拦截过滤装置中过滤分析器对压力数据的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污水站固体杂质拦截过滤装置,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。
本发明实施例所提供的一种污水站固体杂质拦截过滤装置包括滤网装置本体,在滤网装置本体上还安装有滤网过滤分析模块,滤网过滤分析模块用于检测并分析压力数据的异常情况,因此滤网过滤分析模块包括压力传感器模组、过滤分析器和报警装置,其中,压力传感器模组连接于过滤分析器,该过滤分析器用于数据处理,芯片类型为FPGA,其接收压力传感器模组的信息,对压力数据的异常进行检测。
压力传感器模组的信号输出端连接所述过滤分析器的信号输入端,所述过滤分析器的信号输出端连接所述报警装置的信号输入端,所述压力传感器用于采集滤网不同位置处的压力数据,并将压力数据输出至过滤分析器中,其中,所述压力数据包括第一位置压力数据和第二压力数据;所述报警装置用于对滤网的堵塞情况进行报警,其中,过滤分析器与报警装置进行无线连接。
在本发明实施例中压力传感器模组中有两个压力传感器,分别安装于滤网装置的上下两侧,采集不同位置处的压力数据。由压力传感器模组和过滤分析器构成滤网过滤分析模块。所述过滤分析器最终得到压力差系数,并根据压力差系数,判断滤网是否堵塞。因为当滤网堵塞较为严重时,滤网上下侧形成较大压力差,因此本发明实施例中通过对压力差进行检测进而判断滤网的堵塞程度,即通过计算上下的水压差值,当压力差超过阈值时,发出报警,拆卸并清洗过滤板,或者还可以在装置内部安装自动清洗装置,使用装置内部的自动清洗装置进行及时清理。更进一步的,当使用装置内部的自动清洗装置进行清洗之后,通过下一次计算得到的压力差仍然超过阈值时,反映自动清洗装置对当前污水中的杂质的清洗能力不足,需要及时报警,提醒工作人员进行手动拆卸清洗,具体的:根据压力差系数,判定滤网是否堵塞,当判定滤网出现堵塞时,向报警装置输出报警信号。
需要说明的是,污水站固体杂质拦截过滤装置是用于在污水处理系统中拦截固体杂质和颗粒物的设备,其运行过程通常包括以下几个步骤:
(1)进水:污水从管道进入固体杂质拦截过滤装置;
(2)拦截过滤:污水中的固体杂质和颗粒物通过设备内部的滤网装置或过滤介质被拦截,大部分固体杂质会停留在滤网表面,而相对干净的水则通过滤网进入下一处理阶段;
(3)滤网清洗:随着时间的推移,滤网装置上会积聚较多的固体杂质,为了保持设备正常运行,需要定期对滤网进行清洗,将固体杂质清除;
(4)固体杂质处理:清洗过程中所清除的固体杂质需要进行适当的处理,可以采取固体废物处理方式,避免二次污染环境;
(5)污泥处理:除固体杂质外,还需要对污泥进行处理,可以考虑沉淀、脱水等方式,最终实现对污水和固体杂质的有效处理与清洁。
而本发明实施例中的过滤检测器,即针对于滤网清洗,实现对滤网清洗之间的过滤检测,实时判断是否需要对滤网进行清洗。
下面结合附图具体的说明本发明所提供的一种污水站固体杂质拦截过滤装置的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种污水站固体杂质拦截过滤装置中过滤分析器对压力数据的分析处理的步骤流程图,该方法包括以下步骤:
步骤S100,对所述压力数据进行分解,得到压力趋势项;对所述压力趋势项进行周期性分析,将所述压力趋势项分割成压力段;对每个压力段进行方向分析,确定压力段的特征方向值。
实际上水压是一条动态变化的曲线,仅通过均值表示该曲线存在较大的误差,在过滤装置中,水流的压力会随着时间和操作条件的变化而发生变化,因此本发明实施例中通过对压力数据进行分析,进而对水压变化进行表示,得到更精确的上下区域的水压差异,并进行预警,采取相应措施。
在过滤装置中,水中的杂质在水流作用下会不断地运动。当杂质在过滤网上移动、碰撞或落下时,会对水流的流动状态产生影响,从而导致水压曲线上出现波动,属于水压数据的正常波动。但是水流速度的变化也会导致水压曲线的波动,水流遇到较大杂质,导致水流速度受到影响,进而导致水压的异常波动。因此本实施例通过去除水压数据中的异常波动,进而通过更新后的水压数据进行压力差的计算,进而进行报警。
在对压力数据进行分析时,首先对压力数据进行分解,得到压力趋势项,具体的:利用时间序列分解算法(Seasonal-Trend decomposition using LOESS,STL),对每个位置处的压力数据构成的压力数据曲线进行分解,得到趋势项,记为压力趋势项。需要说明的是,利用时间序列分解算法是可以得到压力数据所构成的压力数据曲线的趋势项、周期项和残差项,其中周期项也即为季节项,这里仅使用到了分解得到的趋势项是因为趋势项能够反映压力数据曲线的基础趋势,而周期项则是周期波动,类似于每年的业务经常周期波动,夏天业务多,冬天业务少,而残差项是白噪声,随机游走不可预测,故这里仅保留分解得到的趋势项。需要说明的是,趋势项、周期项和残差项都是与原始的压力数据曲线的长度相同的曲线数据。
对压力趋势项进行周期性分析,将压力趋势项分割成压力段,具体的:将压力趋势项进行傅里叶变换,即将压力趋势项转换到频域空间,将最大幅值对应周期的频率的倒数记为周期值,基于周期值对压力趋势项进行分段,得到压力段。
对每个压力段进行方向分析,确定压力段的特征方向值,具体的:对于任意压力段,将压力段中的压力数据在压力段中的次序值作为压力数据对应的数据点的横坐标,将压力数据的数据值作为压力数据对应的数据点的纵坐标,得到每个数据点的坐标;利用主成分分析算法,得到压力段中所有数据点对应的二维向量和对应的特征值,将最大特征值对应的二维向量作为压力段的特征向量;将压力段的特征向量中第二个元素与第一个元素的比值的反正切值,作为压力段的特征方向值。
其中,利用主成分分析算法得到的最大特征值对应的二维向量,是最能代表压力段中压力数据的趋势方向的二维向量,故将其记为了压力段的特征向量,反映了该特征向量最能反映压力段的趋势特征。进一步的,将特征向量的方向作为对应压力段的特征方向,其在本发明实施例中通过特征向量中后一个元素与前一个元素的比值的反正切值来表征特征方向。
步骤S200,对压力趋势项对应的每个压力段的特征方向值进行重构,得到重构方向值;根据所述重构方向值和所述特征方向值的差异,确定压力段的被影响概率;基于所述被影响概率确定异常压力段。
对于任意位置处的压力数据,将该压力数据对应的压力趋势项的所有压力段的特征方向值,按照压力段的顺序构建特征方向值序列。也即按照压力段的顺序,将压力趋势项的所有压力段的特征方向值构成的序列,作为特征方向值序列。
如果特征方向值序列中某个特征方向值与周围方向的差异较大,则该压力段较大可能是由于水流速度影响导致的,因此本发明实施例中通过每个位置的插值结果与原始的特征方向值比较,来得到每个特征方向值对应压力段为水流速度影响的概率。即对压力趋势项对应的每个压力段的特征方向值进行重构,得到重构方向值,具体的:将特征方向值序列中除了第一个特征方向值和最后一个特征方向值之外的其他特征方向值,作为目标特征方向值。利用三次样条插值法,对每个目标特征方向值左右邻域内的特征方向值进行分析,得到每个目标特征方向值对应的插值函数,并根据目标特征方向值对应的插值函数确定目标特征方向值的插值数据,记为重构方向值。
在本发明实施例中除了特征方向值序列中的第一个目标特征方向值和最后一个目标特征方向值之外,对其他的目标特征方向值利用三次样条插值法进行分析时,均采取每个目标特征方向值的左侧最临近的两个目标特征方向值和每个目标特征方向值的右侧最临近的两个目标特征方向值,作为每个目标特征方向值左右邻域内的特征方向值;对特征方向值序列中的第一个目标特征方向值,采用第一个目标特征方向值的左侧最临近的一个特征方向值和右侧最临近的三个目标特征方向值,作为第一个目标特征方向值左右邻域内的特征方向值;对特征方向值序列中的最后一个目标特征方向值,采用最后一个目标特征方向值的右侧最临近的一个特征方向值和左侧最临近的三个目标特征方向值,作为最后一个目标特征方向值左右邻域内的特征方向值。
例如,对于压力段序列中,除了第一个目标特征方向值和最后一个目标特征方向值之外的五个目标特征方向值,将这五个目标特征方向值分别记为c1,c2,c3,c4,c5,其中,在计算c3的重构方向值时,通过c1、c2、c4、c5结合三次样条插值方法可以得到c3对应的插值函数,根据c3对应的插值函数确定c3的插值数据,依次类推,可以得到目标特征方向值c1、c2、c4、c5的插值数据,并将该插值数据记为重构方向值。需要说明的是三次样条插值法为本领域技术人员的公知技术,在此不再进行赘述。
进一步的,根据重构方向值和特征方向值的差异,确定重构方向值所对应的压力段被影响概率。
将任意目标特征方向值所对应的压力段记为目标压力段v0,该目标压力段v0的被影响概率的计算公式为:
;其中,/>为压力段的被影响概率;/>为目标压力段v0所对应的目标特征方向值和重构方向值的差异值;为目标压力段v0的左侧第一个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的左侧第二个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的右侧第一个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的右侧第二个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0对应的压力段所对应的目标特征方向值和重构方向值的差异值。其中i的取值为正整数,故/>分别可以为/>、/>、/>、/>,由于已经分别对/>、/>、/>、/>进行了解释,故可知/>的含义是清楚的。
重构方向值与目标特征方向值的差异越大,则重构方向值与目标特征方向值所对应压力段为速度影响压力段的概率越大。目标特征方向值与重构方向值的差异大于邻近的目标特征方向值与重构方向值的差异时,则对应的压力段为速度影响压力段的概率越大,对应的压力段的被影响概率p的值越大。在目标特征方向值i1的同一侧方向的邻近的目标特征方向值中,与目标特征方向值i1越远的目标特征方向值与重构方向值的差异,越大于与目标特征方向值i1越近的目标特征方向值与重构方向值的差异时,对应压力段为速度影响压力段的概率越大,其对应的压力段的被影响概率p的值越大。表示目标压力段v0的差异值/>与其他近邻的压力段的差异值之间的差异,将其/>记为二次差值。当目标特征方向值对应的压力段为速度影响压力段,则该目标压力段与邻近的压力段的差异较大,且大于邻近的压力段的二次差值,这是由于目标特征方向值的重构方向值在计算时,是根据与目标特征方向值邻近的特征方向值进行插值计算出来的,其不仅有目标特征方向值对应的压力段的异常信息,还有其它邻近的压力段的正常信息,因此二次差值相较于目标特征方向值的二次差值较小。/>表示的同一侧的压力段中,与目标特征方向值的位置越远的目标特征方向值的差异值大于位置较近的目标特征方向值的差异值的程度;/>表示左侧程度;/>表示右侧程度,逻辑为:以左侧的/>和为例进行叙述,由于/>对应目标特征方向值与/>对应的目标特征方向值的时间上的距离较近,因此在计算差异值/>时,参考的目标特征方向值的信息比计算差异值/>时,参考的目标特征方向值的信息更多,而目标特征方向值的信息与/>、/>的信息差异较大,因此的二次差值越大于/>的二次差值,对应压力段为速度影响压力段的概率越大;同理,右侧的逻辑也一样,右侧为/>对应目标特征方向值与/>对应的目标特征方向值的时间上的距离较近。
进而可以得到每个压力段所对应的被影响概率。
进一步的,基于压力段的被影响概率,确定异常压力段,具体的:将大于预设概率阈值的被影响概率对应的压力段,作为第一异常段。在本发明实施例中预设概率阈值的取值为0.7,在其他实施例中由实施者根据实际情况调整该取值。
水流速度快导致的水压的异常波动可以表示为,一个异常趋势后面跟着一段较为无序波动的压力数据,因此结合每个第一异常段的下一个段的波动无序性得到第二异常段,基于第二异常段,从第一异常段中筛选得到更大概率为速度影响的异常压力段。
具体的:将所述第一异常段后面距离最近的压力段,作为第二异常段;将每个第二异常段的变异系数,将大于预设变异阈值的变异系数对应的第二异常段之前的第一异常段,作为异常压力段。需要说明的是,变异系数的获取为本领域技术人员的公知技术,在此不再进行赘述。在本发明实施例中预设变异阈值的取值为0.7,在其他实施例中由实施者根据实际情况调整该取值。
步骤S300,对所述异常压力段进行去噪处理,得到去噪后的去噪压力数据;对不同位置处的去噪压力数据进行差异分析,得到压力差系数;根据所述压力差系数,判定滤网是否堵塞。
由于得到的异常段的波动受到的噪声的影响会比较大,因此对异常压力段进行平滑去噪操作。具体的:将异常压力段的被影响概率与预设调节阈值的乘积,作为去噪平滑窗口的窗口长度;基于每个异常压力段的去噪平滑窗口的窗口长度,对每个异常压力段进行去噪处理,得到去噪后的去噪压力数据。在本发明实施例中预设调节阈值的取值为11,在其他实施例中由实施者根据实际情况调整该取值。其中通过异常压力段的被影响概率,对窗口长度进行调节是因为,异常压力段的被影响概率越大,则该异常压力段需要平滑的概率越大,此时去噪平滑窗口的长度越大,则对应的去噪性能越好。其中利用窗口进行去噪平滑的现有技术有很多种,在本发明实施例中可以通过中值滤波法实现对异常压力段的去噪,在其他实施例中还可以采用其他的滤波算法实现对异常压力段的去噪。
进而可以得到去噪后的去噪压力数据。对于正常的滤网的上下侧位置的压力数据而言,滤网的上侧的压力数据的波动与下侧的压力数据的波动均较大,且压力差增大,则两者的变化趋势相反,上侧压力数据呈现压力减小趋势,而上侧的压力数据呈现压力增大趋势,且趋势程度相近。
故进一步的,对不同位置处的去噪压力数据进行差异分析,得到压力差系数,具体的:
对于不同位置处对应的去噪压力数据,将任意位置处的去噪压力数据构成的去噪压力数据曲线进行分解,得到去噪趋势项。其同样是利用时间序列分解算法实现对去噪压力数据所拟合而成的去噪压力数据曲线进行分解。将分解得到的趋势项记为去噪趋势项。对所述去噪趋势项进行方向分析,得到去噪趋势项的特征方向值,记为去噪方向值。去噪方向值的计算过程为:将趋势项中的每个去噪压力数据的次序作为该去噪压力数据对应的数据点的横坐标,将去噪压力数据对应的数据值,作为对应的数据点的纵坐标,将所有去噪压力数据对应的数据点输入PCA算法中,得到最大特征值对应的特征向量,将特征向量中的第二个元素和与第一个元素的比值的反正切值,作为去噪趋势项的特征方向值,记为去噪方向值。
计算不同位置处的去噪压力数据的去噪趋势项所对应的去噪方向值之间的均值,记为特征均值;计算不同位置处的去噪压力数据的去噪趋势项所对应的去噪方向值之间的差值的绝对值,记为特征差值;将所述特征均值的归一化值和所述特征差值的反比例归一化值的乘积,作为压力差系数。
该压力差系数的计算公式为:
;其中,/>为压力差系数;/>为特征均值;/>为特征差值; e 为自然常数。
在压力差系数的计算公式中,将特征均值比上90是为了实现对特征均值的归一化,同样的是为了实现特征差值的反比例归一化。特征均值越大,表示上下侧曲线波动性越大,压力差系数越。特征差值越小,表示滤网上下侧的压力变化趋势越相近,越可能产生了较大压力差;压力差系数越大。
在得到滤网所对应的压力差系数之后,根据压力差系数,判断滤网是否堵塞,具体的:当压力差系数大于预设故障阈值时,判定滤网出现堵塞。在本发明实施例中预设故障阈值的取值为0.7,在其他实施例中由实施者根据实际情况调整该取值。当判定滤网出现堵塞时,由过滤分析器向报警装置输出报警信号。在本发明实施例中预设故障阈值设置为0.7,即认为当压力差系数大于0.7的时候,滤网此时出现了堵塞较为严重的情况,此时需要及时的发出报警信号,提醒工作人员及时对滤网堵塞进行清理。
故更进一步的,将过滤分析器与报警装置进行无线连接,当过滤分析器得到的压力差值系数大于预设故障阈值时,输出报警信号至报警装置中。由报警装置提醒工作人员进行清理。还可以在装置内部安装自动清洗装置,使用装置内部的自动清洗装置进行及时清理。更进一步的,当使用装置内部的自动清洗装置进行清洗之后,通过下一次计算得到的压力差仍然超过阈值时,反映自动清洗装置对当前污水中的杂质的清洗能力不足,仍需要及时报警,提醒工作人员进行手动拆卸清洗。
综上所述,本发明涉及控制过滤的拦截过滤装置技术领域。本发明实施例提供了一种污水站固体杂质拦截过滤装置,包括拦截过滤装置本体和滤网过滤分析模块。滤网过滤分析模块包括:压力传感器模组、过滤分析器和报警装置。过滤分析器通过对不同位置处的压力数据进行分析,实现对压力数据的去噪处理,基于去噪后的去噪压力数据,得到不同位置处的压力差系数,根据压力差系数,判定滤网是否堵塞,当滤网出现堵塞时,由过滤分析器向报警装置输出报警信号,本发明提高了对滤网的堵塞状态检测的精确度。
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 (10)
1.一种污水站固体杂质拦截过滤装置,包括拦截过滤装置本体,所述拦截过滤装置本体包括过滤检测器,其特征在于,所述过滤检测器还包括滤网过滤分析模块,所述滤网过滤分析模块安装在滤网装置本体上,所述滤网过滤分析模块包括:压力传感器模组、过滤分析器和报警装置;
所述压力传感器模组的信号输出端连接所述过滤分析器的信号输入端,所述过滤分析器的信号输出端连接所述报警装置的信号输入端,所述报警装置用于对滤网的堵塞情况进行报警;
所述压力传感器模组用于采集滤网不同位置处的压力数据,并将所述压力数据输出至所述过滤分析器中;所述过滤分析器,对所述压力数据进行分解,得到压力趋势项;对所述压力趋势项进行周期性分析,将所述压力趋势项分割成压力段;对每个压力段进行方向分析,确定压力段的特征方向值;
对压力趋势项对应的每个压力段的特征方向值进行重构,得到重构方向值;根据所述重构方向值和所述特征方向值的差异,确定压力段的被影响概率;基于所述被影响概率确定异常压力段;对所述异常压力段进行去噪处理,得到去噪后的去噪压力数据;对不同位置处的去噪压力数据进行差异分析,得到压力差系数;根据所述压力差系数,判定滤网是否堵塞;当判定滤网出现堵塞时,向所述报警装置输出报警信号。
2.根据权利要求1所述的一种污水站固体杂质拦截过滤装置,其特征在于,所述对每个压力段进行方向分析,确定压力段的特征方向值,包括:
对于任意压力段,将压力段中的压力数据在压力段中的次序值作为压力数据对应的数据点的横坐标,将压力数据的数据值作为压力数据对应的数据点的纵坐标,得到每个数据点的坐标;利用主成分分析算法,得到压力段中所有数据点对应的二维向量和对应的特征值,将最大特征值对应的二维向量作为压力段的特征向量;将压力段的特征向量中第二个元素与第一个元素的比值的反正切值,作为压力段的特征方向值。
3.根据权利要求1所述的一种污水站固体杂质拦截过滤装置,其特征在于,所述对压力趋势项对应的每个压力段的特征方向值进行重构,得到重构方向值,包括:
将压力趋势项对应的所有压力段的特征方向值构成的序列,作为特征方向值序列;
将特征方向值序列中除了第一个特征方向值和最后一个特征方向值之外的其他特征方向值,作为目标特征方向值;
利用三次样条插值法,对每个目标特征方向值左右邻域内的特征方向值进行分析,得到每个目标特征方向值对应的插值函数,并根据目标特征方向值对应的插值函数确定目标特征方向值的插值数据,记为重构方向值。
4.根据权利要求1所述的一种污水站固体杂质拦截过滤装置,其特征在于,所述根据所述重构方向值和所述特征方向值的差异,确定压力段的被影响概率,包括:
将任意目标特征方向值所对应的压力段记为目标压力段v0,该目标压力段v0的被影响概率的计算公式为:
;其中,/>为压力段的被影响概率;/>为目标压力段v0所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的左侧第一个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的左侧第二个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的右侧第一个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0的右侧第二个压力段所对应的目标特征方向值和重构方向值的差异值;/>为目标压力段v0对应的压力段所对应的目标特征方向值和重构方向值的差异值。
5.根据权利要求1所述的一种污水站固体杂质拦截过滤装置,其特征在于,所述基于所述被影响概率确定异常压力段,包括:
将大于预设概率阈值的被影响概率对应的压力段,作为第一异常段;
将所述第一异常段后面距离最近的压力段,作为第二异常段;计算每个第二异常段的变异系数,将大于预设变异阈值的变异系数对应的第二异常段之前的第一异常段,作为异常压力段。
6.根据权利要求1所述的一种污水站固体杂质拦截过滤装置,其特征在于,所述对所述异常压力段进行去噪处理,得到去噪后的去噪压力数据,包括:
将异常压力段的被影响概率与预设调节阈值的乘积,作为去噪平滑窗口的窗口长度;基于每个异常压力段的去噪平滑窗口的窗口长度,对每个异常压力段进行去噪处理,得到去噪后的去噪压力数据。
7.根据权利要求1所述的一种污水站固体杂质拦截过滤装置,其特征在于,所述对所述压力数据进行分解,得到压力趋势项,包括:
利用时间序列分解算法,对每个位置处的压力数据构成的压力数据曲线进行分解,得到趋势项,记为压力趋势项。
8.根据权利要求1所述的一种污水站固体杂质拦截过滤装置,其特征在于,所述对所述压力趋势项进行周期性分析,将所述压力趋势项分割成压力段,包括:
将所述压力趋势项进行傅里叶变换,将最大幅值对应周期的频率的倒数记为周期值,基于所述周期值对所述压力趋势项进行分段,得到压力段。
9.根据权利要求1所述的一种污水站固体杂质拦截过滤装置,其特征在于,所述对不同位置处的去噪压力数据进行差异分析,得到压力差系数,包括:
对于不同位置处对应的去噪压力数据,将任意位置处的去噪压力数据构成的去噪压力数据曲线进行分解,得到去噪趋势项;对所述去噪趋势项进行方向分析,得到去噪趋势项的特征方向值,记为去噪方向值;
计算不同位置处的去噪压力数据的去噪趋势项所对应的去噪方向值之间的均值,记为特征均值;计算不同位置处的去噪压力数据的去噪趋势项所对应的去噪方向值之间的差值的绝对值,记为特征差值;将所述特征均值的归一化值和所述特征差值的反比例归一化值的乘积,作为压力差系数。
10.根据权利要求1所述的一种污水站固体杂质拦截过滤装置,其特征在于,所述根据所述压力差系数,判定滤网是否堵塞,包括:
当所述压力差系数大于预设故障阈值时,判定滤网出现堵塞。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281643.1A CN117861296B (zh) | 2024-03-13 | 2024-03-13 | 一种污水站固体杂质拦截过滤装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410281643.1A CN117861296B (zh) | 2024-03-13 | 2024-03-13 | 一种污水站固体杂质拦截过滤装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117861296A true CN117861296A (zh) | 2024-04-12 |
CN117861296B CN117861296B (zh) | 2024-06-04 |
Family
ID=90584935
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410281643.1A Active CN117861296B (zh) | 2024-03-13 | 2024-03-13 | 一种污水站固体杂质拦截过滤装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117861296B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2005246937A1 (en) * | 2005-12-20 | 2007-07-05 | University Of Technology, Sydney | A method and system for controlling duration of a backwash cycle of a filtration system |
US20110054811A1 (en) * | 2009-08-31 | 2011-03-03 | Snecma | Monitoring a filter used for filtering a fluid in an aircraft engine |
KR20180043747A (ko) * | 2016-10-20 | 2018-04-30 | 주식회사 포스코건설 | 신경망을 활용한 콘크리트 펌핑시 폐색 이상상태 검측 시스템 및 방법 |
US20210168019A1 (en) * | 2019-12-02 | 2021-06-03 | Alibaba Group Holding Limited | Time Series Decomposition |
CN113963514A (zh) * | 2021-11-05 | 2022-01-21 | 中国安全生产科学研究院 | 一种油气化管道一体化监测预警系统 |
JP2022100265A (ja) * | 2020-12-23 | 2022-07-05 | 株式会社クボタ | 浸漬型膜分離装置の異常検知方法 |
KR102562025B1 (ko) * | 2023-02-07 | 2023-08-01 | (주)해인시스템 | 자가진단이 가능한 ai 소규모 수도시설 소형 정수 시스템 및 방법 |
CN116832588A (zh) * | 2023-08-25 | 2023-10-03 | 湖北鼎信成套设备有限公司 | 酸再生烟气净化装置及其方法 |
CN117599519A (zh) * | 2024-01-24 | 2024-02-27 | 山东泽林农业科技有限公司 | 一种用于数字化反冲洗一体机的智能控制方法 |
-
2024
- 2024-03-13 CN CN202410281643.1A patent/CN117861296B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2005246937A1 (en) * | 2005-12-20 | 2007-07-05 | University Of Technology, Sydney | A method and system for controlling duration of a backwash cycle of a filtration system |
US20110054811A1 (en) * | 2009-08-31 | 2011-03-03 | Snecma | Monitoring a filter used for filtering a fluid in an aircraft engine |
KR20180043747A (ko) * | 2016-10-20 | 2018-04-30 | 주식회사 포스코건설 | 신경망을 활용한 콘크리트 펌핑시 폐색 이상상태 검측 시스템 및 방법 |
US20210168019A1 (en) * | 2019-12-02 | 2021-06-03 | Alibaba Group Holding Limited | Time Series Decomposition |
JP2022100265A (ja) * | 2020-12-23 | 2022-07-05 | 株式会社クボタ | 浸漬型膜分離装置の異常検知方法 |
CN113963514A (zh) * | 2021-11-05 | 2022-01-21 | 中国安全生产科学研究院 | 一种油气化管道一体化监测预警系统 |
KR102562025B1 (ko) * | 2023-02-07 | 2023-08-01 | (주)해인시스템 | 자가진단이 가능한 ai 소규모 수도시설 소형 정수 시스템 및 방법 |
CN116832588A (zh) * | 2023-08-25 | 2023-10-03 | 湖北鼎信成套设备有限公司 | 酸再生烟气净化装置及其方法 |
CN117599519A (zh) * | 2024-01-24 | 2024-02-27 | 山东泽林农业科技有限公司 | 一种用于数字化反冲洗一体机的智能控制方法 |
Non-Patent Citations (2)
Title |
---|
孙斌;周云龙;关跃波;洪文鹏;: "气液两相流压差波动信号小波去噪中阈值规则的确定", 信号处理, no. 01, 28 February 2006 (2006-02-28) * |
孙斌;周云龙;向新星;窦华荣;: "基于经验模式分解和概率神经网络的气液两相流识别", 中国电机工程学报, no. 17, 15 June 2007 (2007-06-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN117861296B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109783903B (zh) | 一种基于时间序列的工业用水管道故障诊断方法及系统 | |
CN114849316B (zh) | 一种智能化反冲洗过滤的自动控制系统 | |
CN112394152A (zh) | 一种基于大数据的水质实时智能监测分析管理系统 | |
CN117235447A (zh) | 一种建筑能源数据管理方法及系统 | |
CN116665137B (zh) | 一种基于机器视觉的畜牧养殖废水处理方法 | |
CN117861296B (zh) | 一种污水站固体杂质拦截过滤装置 | |
CN114580852B (zh) | 基于工业大数据的水泵挡水板清理实时提醒系统 | |
CN115013865A (zh) | 基于工业大数据的暖气供热异常识别方法 | |
CN114692723A (zh) | 一种反渗透膜污堵预警方法及系统 | |
CN116386280A (zh) | 一种用于城市地下空间关键区域的涝灾监测预警系统 | |
CN118258454B (zh) | 一种基于声层析断面检测的水流量检测系统 | |
CN114529226B (zh) | 基于工业物联网的地下水污染的监测方法与系统 | |
CN106533361A (zh) | 一种基于小波分析的光伏组件故障诊断方法 | |
CN117576104B (zh) | 一种提纯过程中超滤膜健康状态视觉检测方法 | |
CN117599519B (zh) | 一种用于数字化反冲洗一体机的智能控制方法 | |
CN117872900B (zh) | 基于物联网技术的无纺布生产设备远程监控系统 | |
CN116010857A (zh) | 一种用于港口原油的智慧管控系统 | |
Leihs et al. | Situational analysis in real-time traffic systems | |
CN102564569B (zh) | 基于深度优化粒子滤波器的桥梁振动频率检测方法 | |
CN116718160A (zh) | 一种基于排水管道监测数据的沉积层高度快速诊断的方法 | |
CN116432866A (zh) | 基于物联网的城市智慧排水管线安全管理方法及系统 | |
CN116645628A (zh) | 一种恶劣天气下排污检测方法及系统 | |
CN111780817B (zh) | 一种低频励磁电磁流量计噪声信号检测及处理的算法 | |
CN114821975A (zh) | 一种高边坡安全在线监测方法 | |
CN114757601A (zh) | 一种基于人工智能的水环境异常排放监测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |