KR102388959B1 - 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템 - Google Patents

다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템 Download PDF

Info

Publication number
KR102388959B1
KR102388959B1 KR1020190172682A KR20190172682A KR102388959B1 KR 102388959 B1 KR102388959 B1 KR 102388959B1 KR 1020190172682 A KR1020190172682 A KR 1020190172682A KR 20190172682 A KR20190172682 A KR 20190172682A KR 102388959 B1 KR102388959 B1 KR 102388959B1
Authority
KR
South Korea
Prior art keywords
water quality
quality improvement
simulation
improvement device
contaminated area
Prior art date
Application number
KR1020190172682A
Other languages
English (en)
Other versions
KR20210080773A (ko
Inventor
김일호
황환국
이재엽
Original Assignee
한국건설기술연구원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 한국건설기술연구원 filed Critical 한국건설기술연구원
Priority to KR1020190172682A priority Critical patent/KR102388959B1/ko
Publication of KR20210080773A publication Critical patent/KR20210080773A/ko
Application granted granted Critical
Publication of KR102388959B1 publication Critical patent/KR102388959B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
    • 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
    • C02F1/24—Treatment of water, waste water, or sewage by flotation
    • 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
    • C02F1/40—Devices for separating or removing fatty or oily substances or similar floating material
    • 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
    • C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
    • C02F1/5236—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities using inorganic agents
    • C02F1/5245—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities using inorganic agents using basic salts, e.g. of aluminium and iron
    • 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
    • C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
    • C02F1/54—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities using organic material
    • C02F1/56—Macromolecular compounds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/10—Interfaces, programming languages or software development kits, e.g. for simulating neural networks

Abstract

본 발명은 하천, 호수, 댐 등의 수계에서 발생하는 조류를 신속하면서도 효과적으로 제거할 수 있는 이동형 수질개선장치를 제어 및 운영하기 위한 딥러닝 시스템에 관한 것으로, 본 발명의 실시예에 따른 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템은, 조류가 포함된 유체에 복수로 부양되되, 유체의 오염영역을 탐색하여 오염영역을 향해 이동하며, 오염영역에 함유된 조류를 부상시키기 위한 나노버블과 오염영역의 유체를 응집시키기 위한 응집제를 분사하고, 응집제와 부상된 조류를 수집하여 오염영역을 정화하는 이동형 수질개선장치(10); 및 이동형 수질개선장치(10)의 이동경로, 가동지점 및 가동시간을 결정하기 위한 시뮬레이션을 제공하는 시뮬레이션부(22)와, 시뮬레이션에서의 이동형 수질개선장치(10)의 가동시간 및 가동시간 동안의 오염영역 정화율을 기반으로 오염영역의 수질이 정화 또는 악화된 것으로 판단하고, 오염영역의 수질이 정화되도록 하는 이동형 수질개선장치(10)의 이동경로, 가동지점 및 가동시간이 시뮬레이션에 반영되도록 하는 인공신경망부(24)가 마련되는 딥러닝 학습장치(20);를 포함한다.

Description

다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템{Deep learning system for control and operation of multiple mobile water quality improvement devices}
본 발명은 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템에 관한 것으로, 보다 상세하게는 하천, 호수, 댐 등의 수계에서 발생하는 조류를 신속하면서도 효과적으로 제거할 수 있는 이동형 수질개선장치를 제어 및 운영하기 위한 딥러닝 시스템에 관한 것이다.
물은 인류뿐만 아니라 모든 생명체에게 없어서는 안되는 중요한 자원이며, 특히 하천은 무더운 여름철 여가생활을 위한 아름답고 쾌적한 휴식공간으로서의 역할이 그 어느 때보다도 크다.
녹조는 주로 여름철에 녹색을 띠는 조류가 대량으로 증식하여 물 색깔이 청남색이나 녹색으로 변하는 현상이며, 조류는 하천과 호소 생태계의 1차 생산자로서 먹이사슬의 기반을 형성하고 생태계에서 에너지 순환의 중요한 역할을 한다. 우리나라와 같이 사계절이 뚜렷한 온대기후에 서식하는 식물플랑크톤은 크게 수온, 광도 등 계절적 변화에 따라 천이하며, 남조류의 경우 겨울에는 휴면세포 혹은 휴면포자의 형태로 퇴적층에 침전하여 수수온 높아질 때까지 휴지기 상태로 존재한다. 계절 변화로 수온이 상승하게 되면 퇴적층에 있던 조류세포들이 영양세포로 성장하면서 표층으로 부유하여 식물플랑크톤 군집을 형성하고, 조건에 따라 대발생을 일으키기도 한다.
이러한 조류들의 번식은 인위적으로 사용한 비료, 생활하수, 축산폐수 등에 포함되어 있는 질소, 인과 같은 영양염류들의 수계 유입에 크게 기인하는 것으로 알려져 있다.
발생한 조류의 대부분은 수계 표층 부근에 존재하기 때문에 햇빛이 수중으로 도달하기 어렵고, 이러한 현상으로 인해 수중 생물들의 광합성 저해와 수중 생물의 대량 폐사를 야기시키기도 한다. 또한 이렇게 조류가 대량으로 증식하게 되면, 이들 조류로부터 발생하는 독소로 인하여 물의 정화가 어려울 뿐만 아니라 정화비용이 크게 증가한다는 문제점이 있다.
이 외에도 이취미 발생으로 인한 인근 주민들의 불만과 정화처리 후에도 잔존할 수 있다는 불안감으로 인하여 먹는 물에 대한 신뢰도가 낮아지는 원인으로 작용할 수 있으므로, 조류의 발생을 사전적으로 예방하거나 발생한 조류를 신속하게 제거하여 이들 조류로 인한 각종 문제점을 해결할 수 있는 기술이 절실히 요구되고 있는 상황이다.
선행기술문헌 한국등록특허공보 제1436813호에는 본체, 본체의 하부에 설치되는 부체, 본체에 설치되어 호수 등의 오염된 원수를 흡입하기 위한가압펌프, 가압펌프에 연결되는 기포미세화장치, 기포미세화장치에 연결되며 부체의 선단 선방으로 설치되어 기포미세화장치에서 유출되는 미세기포가 포함된 오염수를 분사하기 위한 분사수단을 구비하며, 기포미세화장치는, 측부에 외부 공기를 유입하기 위한 공기 유입구가 설치되는 관 형태의 유동관, 유동관의 내부에 설치되며 미세기공이 형성된 미세필터로 이루어져 있어, 대용량의 공기탱크를 필요로 하지 않아 무게가 감소하여 이동성이 개선되고, 슬러지에 대한 탈수처리가 가능하다고 이점이 있다.
그러나, 상기 선행기술에 기재된 선박의 경우, 응집제 및 미세기포와 부착 혹은 결합한 조류 덩어리를 제거하는 망 형상의 컨베이어 벨트가 구획구분장치와 매우 근접하여 위치하기 때문에, 상당량의 조류가 망 형상의 컨베이어 벨트를 그대로 통과해 버리는 경우가 빈번히 발생할 수 있다. 또한 구획구분장치가 선박이 이동하는 전방에 위치하기 때문에 선박이 신속하게 이동할 수 없고, 선박의 이동이나 작업 중 한 쌍의 부채에만 의존하기 때문에 선박의 안전성이 떨어진다는 문제점도 있다.
더 나아가, 상기 선행기술에 기재된 선박의 경우, 광역의 수계의 수질을 개선하기 위해 1대 이상의 복수로 운영되는 것이 바람직할 것이나, 복수로 선박을 제어 및 운영하기 위한 제어 및 운영시스템이 구성되지 않아, 선박의 제어 및 운영의 안전성이 떨어지는 문제점도 있다.
한국등록특허공보 제1436813호
본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 하천, 호수, 댐 등의 수계에서 발생하는 조류를 신속하면서도 효과적으로 제거할 수 있는 이동형 수질개선장치를 제어 및 운영하기 위한 딥러닝 시스템을 제공하는데 목적이 있다.
그리고 본 발명은 인공신경망이 광역의 수계에서 복수로 운영되는 이동형 수질개선장치로부터 수집되는 데이터 기반의 시뮬레이션을 통해 딥러닝 학습을 하며, 이동형 수질개선장치가 인공신경망의 딥러닝 학습에 의한 이동경로, 가동지점 및 가동시간을 기반으로 제어 및 운영되도록 하는 이동형 수질개선장치를 제어 및 운영하기 위한 딥러닝 시스템을 제공하는데 목적이 있다.
한편, 본 발명에서 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기와 같은 목적을 달성하기 위한 기술적 수단으로서, 본 발명의 실시예에 따른 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템은, 조류가 포함된 유체에 복수로 부양되되, 유체의 오염영역을 탐색하여 오염영역을 향해 이동하며, 오염영역에 함유된 조류를 부상시키기 위한 나노버블과 오염영역의 유체를 응집시키기 위한 응집제를 분사하고, 응집제와 부상된 조류를 수집하여 오염영역을 정화하는 이동형 수질개선장치(10); 및 이동형 수질개선장치(10)의 이동경로, 가동지점 및 가동시간을 결정하기 위한 시뮬레이션을 제공하는 시뮬레이션부(22)와, 시뮬레이션에서의 이동형 수질개선장치(10)의 가동시간 및 가동시간 동안의 오염영역 정화율을 기반으로 오염영역의 수질이 정화 또는 악화된 것으로 판단하고, 오염영역의 수질이 정화되도록 하는 이동형 수질개선장치(10)의 이동경로, 가동지점 및 가동시간이 시뮬레이션에 반영되도록 하는 인공신경망부(24)가 마련되는 딥러닝 학습장치(20);를 포함한다.
그리고 딥러닝 학습장치(20)는, 네트워크를 통해 이동형 수질개선장치(10)로부터 수집 데이터를 수신하며, 시뮬레이션 데이터를 이동형 수질개선장치(10)로 송신하는 제어부(21); 및 시뮬레이션에서의 이동형 수질개선장치(10)의 가동시간 및 가동시간 동안의 오염영역 정화율을 정화 또는 악화로 라벨링하며, 인공신경망부(24)로 라벨링을 송신하는 라벨링부(23);를 포함한다.
또한, 수집 데이터는, 유체의 조류, 조류별 유속, 오염물질 항목, 오염영역, 온도 및 유체에 유입되는 유입물질 항목 중 하나를 포함하는 제1 변수 데이터와, 이동형 수질개선장치(10)의 속도 및 회전방향 중 하나를 포함하는 제2 변수 데이터 및 이동형 수질개선장치(10)에 의해 정화되는 오염물질 항목 및 오염물질의 정화율 중 하나를 포함하는 제3 변수 데이터를 포함한다.
그리고 시뮬레이션부(22)는, 제어부(21)로부터 수집 데이터를 수신하며, 수신한 수집 데이터에 포함된 제1, 2, 3 변수 데이터를 시뮬레이션에 반영하여 시뮬레이션을 보정한다.
또한, 시뮬레이션 데이터는, 오염영역의 수질을 정화하기 위한 이동형 수질개선장치(10)의 이동경로, 가동지점 및 가동시간에 대한 데이터를 포함한다.
그리고 인공신경망부(24)는, 라벨링부(23)로부터 수신하는 정화 라벨링 또는 악화 라벨링을 기반으로 딥러닝 학습을 수행하며, 정화 라벨링을 통해 오염영역의 수질이 정화된 것으로 판단하고, 악화 라벨링을 통해 오염영역의 수질이 악화된 것으로 판단한다.
또한, 인공신경망부(24)는, 정화 라벨링을 기반으로 오염영역의 수질이 정화된 것으로 판단하는 경우, 이동형 수질개선장치(10)의 이동경로, 가동지점 및 가동시간에 대한 데이터를 저장하며, 저장된 데이터를 시뮬레이션부(22)에 송신한다.
그리고 인공신경망부(24)는, 다른 이동형 수질개선장치의 이동경로, 가동지점 및 가동지점을 둘러싸는 주변반경을 회피하면서 오염영역을 정화하는 이동경로 및 가동지점을 이동형 수질개선장치(10)의 이동경로 및 가동지점으로 설정할 수 있다.
또한, 인공신경망부(24)는, 다른 이동형 수질개선장치의 이동경로의 일부를 한 번 이상 통과하되, 다른 이동형 수질개선장치의 가동지점 및 가동지점을 둘러싸는 주변반경을 회피하면서 오염영역을 정화하는 이동경로 및 가동지점을 이동형 수질개선장치(10)의 이동경로 및 가동지점으로 설정할 수 있다.
그리고 인공신경망부(24)는, 다른 이동형 수질개선장치의 가동지점 및 가동지점을 둘러싸는 주변반경을 한 번 이상 통과하면서 오염영역을 정화하는 이동경로 및 가동지점을 이동형 수질개선장치(10)의 이동경로 및 가동지점으로 설정할 수 있다.
또한, 인공신경망부(24)는, 악화 라벨링을 기반으로 오염영역의 수질이 악화된 것으로 판단하는 경우, 이동형 수질개선장치(10)의 이동경로, 가동지점 및 가동시간에 대한 데이터를 수정하며, 수정된 데이터를 시뮬레이션부(22)에 송신한다.
그리고 시뮬레이션부(22)는, 인공신경망부(24)로부터 수신하는 수정된 데이터 기반의 시뮬레이션에 반영하여 시뮬레이션을 보정한다.
또한, 라벨링은, 시뮬레이션에서의 오염영역 면적, 오염물질 항목, 유체의 조류, 조류별 유속에 대한 데이터를 포함한다.
그리고 인공신경망부(24)는, 라벨링부(23)로부터 수신하는 라벨링을 기반으로 딥러닝 학습을 수행하며, 딥러닝 학습을 통해 이동형 수질개선장치(10)가 오염영역을 탐색하기 위한 오염영역의 판단 기준을 저장하고, 저장된 오염영역의 판단 기준을 시뮬레이션부(22)로 송신한다.
또한, 시뮬레이션부(22)는, 인공신경망부(24)로부터 오염영역의 판단 기준을 수신하며, 수신한 오염영역의 판단 기준을 시뮬레이션에 반영하여 이동형 수질개선장치(10)의 오염영역 탐색에 대한 시뮬레이션을 제공한다.
본 발명의 실시예에 따르면, 인공신경망부가 이동형 수질개선장치의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준을 딥러닝 학습하고, 딥러닝 학습 결과를 이동형 수질개선장치에 반영함으로써, 이동형 수질개선장치가 오염영역의 수질을 효율적으로 정화할 수 있다.
그리고 본 발명의 실시예에 따르면, 인공신경망부가 복수의 이동형 수질개선장치를 제어 및 운영할 수 있도록 딥러닝 학습을 수행함으로써, 복수의 이동형 수질개선장치가 각각의 이동경로, 가동지점 및 가동시간에 따라 제어 및 운영될 수 있다.
한편, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
도 1은 본 발명의 실시예에 따른 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템의 개략적인 구성도이다.
도 2는 본 발명의 실시예에 따른 딥러닝 학습장치의 딥러닝 시뮬레이션 학습 과정을 나타내는 흐름도이다.
도 3 내지 도 5는 본 발명의 실시예에 따른 이동형 수질개선장치의 이동경로 및 가동지점 설정 과정을 나타내는 개략도이다.
도 6은 본 발명의 실시예에 따른 이동형 수질개선장치의 이동 중 모습을 상측에서 바라본 모식도이다.
도 7은 도 6에 도시된 이동형 수질개선장치를 측면에서 바라본 모식도이다.
도 8은 도 6에 도시된 이동형 수질개선장치를 정면에서 바라본 모식도이다.
도 9는 본 발명의 실시예에 따른 이동형 수질개선장치의 수질 개선 작업시의 모습을 상측에서 바라본 모식도이다.
도 10은 도 9의 A 부분을 확대한 도면이다.
이하에서는, 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시 예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시 예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시 예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 발명에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
이하에서는, 첨부된 도면들을 참조하여 본 발명의 실시예에 따른 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템을 자세히 설명하도록 하겠다.
도 1은 본 발명의 실시예에 따른 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템의 개략적인 구성도이고, 도 2는 본 발명의 실시예에 따른 딥러닝 학습장치의 딥러닝 시뮬레이션 학습 과정을 나타내는 흐름도이며, 도 3 내지 도 5는 본 발명의 실시예에 따른 이동형 수질개선장치의 이동경로 및 가동지점 설정 과정을 나타내는 개략도이고, 도 6은 본 발명의 실시예에 따른 이동형 수질개선장치의 이동 중 모습을 상측에서 바라본 모식도이며, 도 7은 도 6에 도시된 이동형 수질개선장치를 측면에서 바라본 모식도이고, 도 8은 도 6에 도시된 이동형 수질개선장치를 정면에서 바라본 모식도이며, 도 9는 본 발명의 실시예에 따른 이동형 수질개선장치의 수질 개선 작업시의 모습을 상측에서 바라본 모식도이고, 도 10은 도 9의 A 부분을 확대한 도면이다.
도 1을 참조하면, 본 발명의 실시예에 따른 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템은 이동형 수질개선장치(10) 및 딥러닝 학습장치(20)를 포함하도록 구성된다.
이동형 수질개선장치(10)는 수계로부터 수집하는 변수 데이터를 포함하는 수집 데이터를 딥러닝 학습장치(20)의 제어부(21)에 송신하며, 딥러닝 학습장치(20)의 제어부(21)로부터 수신하는 이동경로, 가동지점 및 가동시간에 대한 데이터를 기반으로 제어 및 운영된다.
여기서, 이동형 수질개선장치(10)는 네트워크를 통해 딥러닝 학습장치(20)와 데이터를 송수신할 수 있다. 다만, 이동형 수질개선장치(10)와 딥러닝 학습장치(20) 간의 데이터 송수신 수단은 네트워크로 한정되는 것은 아니며, 무선 수단(예: 와이파이, 블루투스, 지그비 등) 또는 이동형 수질개선장치(10)에 딥러닝 학습장치(20)가 탑재됨으로써 유선 수단(예: 케이블, 전기적 연결 회로 등)을 통해 데이터의 송수신이 가능할 수 있다.
또한, 이동형 수질개선장치(10)는 제어부(21)로 송신될 수집 데이터를 생성하기 위한 수집 수단(예: 센서 등, 미도시)이 구비되는 것이 바람직할 것이며, 수집 데이터는 유체의 조류, 조류별 유속, 오염물질 항목, 온도 및 유체에 유입되는 유입물질 항목을 포함하는 제1 변수 데이터와, 이동형 수질개선장치(10)의 속도 및 회전방향을 포함하는 제2 변수 데이터 및 이동형 수질개선장치(10)에 의해 정화되는 오염물질 항목 및 오염물질의 정화율을 포함하는 제3 변수 데이터를 포함할 수 있다.
그리고 이동형 수질개선장치(10)는 오염영역의 수질을 정화하기 위한 정화 수단(후술될 이동형 수질개선장치(10)의 구성)이 구비되는 것이 바람직할 것이다.
딥러닝 학습장치(20)는 제어부(21), 시뮬레이션부(22), 라벨링부(23) 및 인공신경망부(24)를 포함하도록 구성된다.
제어부(21)는 이동형 수질개선장치(10)로부터 수집 데이터를 수신하며, 수신한 수집 데이터를 시뮬레이션부(22)로 송신하여 시뮬레이션부(22)에서 수집 데이터가 반영된 시뮬레이션이 실행되도록 한다.
그리고 제어부(21)는 시뮬레이션부(22)가 실행한 시뮬레이션에 따른 결과 데이터인 시뮬레이션 데이터를 시뮬레이션부(22)로부터 수신하며, 수신한 시뮬레이션 데이터를 이동형 수질개선장치(10)로 송신하여 이동형 수질개선장치(10)가 시뮬레이션 데이터를 기반으로 제어 및 운영되도록 한다.
여기서, 시뮬레이션 데이터는 오염영역이 포함된 유체(수계)로부터 오염영역의 수질을 정화하기 위한 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준에 대한 데이터를 의미한다.
더 나아가, 이동경로는 이동형 수질개선장치(10)가 오염영역으로 이동하기 위한 경로, 가동지점은 오염영역의 수질을 정화하기 위해 이동형 수질개선장치(10)의 정화 수단이 가동되는 지점으로서 오염영역과 동일 면적의 영역 또는 오염영역에 포함되는 지점일 수 있고, 가동시간은 이동형 수질개선장치(10)의 정화 수단이 가동되는 시간(예: 1분~30분)을 의미한다.
시뮬레이션부(22)는 제어부(21)로부터 수신하는 제1, 2, 3 변수 데이터를 포함한 수집 데이터를 기반으로 이동형 수질개선장치(10)의 이동경로, 가동지점 및 가동시간을 결정하기 위한 시뮬레이션을 실행한다.
또한, 시뮬레이션부(22)는 제어부(21)로부터 수집 데이터를 수신할 때마다, 수신하는 수집 데이터를 시뮬레이션에 반영하여 시뮬레이션의 설정(환경)을 보정할 수 있다.
그리고 시뮬레이션부(22)는 도면에 미도시되었으나, GIS(Geographic Information System) 등의 지리정보 시스템을 기반으로 광역의 수계를 시뮬레이션 공간을 구현하고, 시뮬레이션 공간의 속성으로 유체의 조류, 조류별 유속, 오염물질 항목, 오염영역, 온도 및 유체에 유입되는 유입물질의 항목을 시뮬레이션 공간에 모사할 수 있다.
또한, 시뮬레이션부(22)는 이동형 수질개선장치(10)의 속도 및 회전방향과 이동형 수질개선장치(10)를 통해 정화되는 오염물질 항목 및 오염물질 정화율을 정량적으로 시뮬레이션 공간에 모사할 수 있다.
그리고 시뮬레이션부(22)는 1대 이상인 복수의 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준을 시뮬레이션 공간에 모사할 수 있다. 이는, 인공신경망부(24)가 복수의 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준을 딥러닝 학습하기 위함이다.
라벨링부(23)는 시뮬레이션에서 이동형 수질개선장치(10)의 가동시간 및 가동시간 동안의 오염영역 정화율을 수신하며, 수신한 가동시간 및 오염영역 정화율을 기반으로 정화 또는 악화로 라벨링하고, 정화 라벨링 또는 악화 라벨링을 인공신경망부(24)로 송신한다. 그리고 라벨링부(23)는 일례로, 정화 라벨링은 (1, 0), 악화 라벨링은 (0, 1)로 라벨링할 수 있다.
또한, 라벨링부(23)는 시뮬레이션에서의 오염영역 면적, 오염물질 항목, 유체의 조류, 조류별 유속에 대한 데이터를 포함하여 라벨링을 수행한다. 즉, 정화 라벨링과 악화 라벨링에는 시뮬레이션에서의 오염영역 면적, 오염물질 항목, 유체의 조류, 조류별 유속에 대한 데이터가 각각 포함된다.
이때, 인공신경망부(24)는 라벨링에 포함된 오염영역 면적, 오염물질 항목, 유체의 조류, 조류별 유속에 대한 데이터를 통해 오염영역의 탐색을 위한 오염영역 판단기준을 저장한 후, 이를 시뮬레이션부(22)에 송신한다. 또한, 시뮬레이션부(22)는 오염영역 판단기준을 통해 오염영역 탐색에 대한 시뮬레이션을 실행한다.
인공신경망부(24)는 라벨링부(23)로부터 수신하는 정화 라벨링 또는 악화 라 벨링을 통해 시뮬레이션에서의 이동형 수질개선장치(10)에 의해 오염영역의 수질을 정화하기 위한 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역의 판단 기준을 딥러닝 학습을 수행하고, 악화 라벨링을 통해 오염영역의 수질이 악화된 것으로 판단하는 경우에 오염영역의 수질이 악화되도록 하는 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역의 판단 기준에 대한 데이터를 오염영역의 수질이 정화되도록 하기 위해 수정하며, 수정된 데이터를 시뮬레이션부(22)로 송신한다.
이때, 시뮬레이션부(22)는 인공신경망부(24)로부터 수정된 데이터를 시뮬레이션에 반영하여 시뮬레이션의 설정을 보정한다.
상기 구성들을 포함하는 딥러닝 학습장치(20)가 딥러닝 시뮬레이션 학습을 수행하는 과정은 이하와 같다.
도 2를 참조하면, 시뮬레이션부(22)는 시뮬레이션을 실행하고, 시뮬레이션에서의 이동형 수질개선장치(10)는 오염영역을 탐색한 후 오염영역이 탐색되면, 탐색된 오염영역을 향해 이동한다(S10).
여기서, 시뮬레이션에서의 이동형 수질개선장치(10)는 인공신경망부(24)에 의해 학습되고, 시뮬레이션에 설정되는 이동경로를 따라 오염영역을 향해 이동하는 것이다.
그 후, 시뮬레이션에서의 이동형 수질개선장치(10)는 이동경로를 따라 이동하여 가동지점에 위치된 후 가동시간 동안 가동되고(S20), 오염영역의 수질을 정화한다(S30).
여기서, 시뮬레이션에서의 이동형 수질개선장치(10)의 가동지점은 오염영역에 포함되는 지점 또는 오염영역과 동일 면적의 영역을 의미한다.
이때 만약, 시뮬레이션에서의 이동형 수질개선장치(10)가 오염영역의 수질을 정화하는 경우(S30-YES), 라벨링부(23)는 오염영역의 수질을 정화한 가동시간 및 가동시간 동안의 오염영역 정화율을 정화 라벨링으로 라벨링한다(S40).
여기서, 이동형 수질개선장치(10)에 의해 오염영역의 수질이 정화 또는 악화되는지 판단하는 기준은 이동형 수질개선장치(10)에 의해 정화되는 오염물질 항목 및 오염영역 정화율일 수 있으며, 판단 주체는 시뮬레이션부(22) 또는 인공신경망부(24)일 수 있다.
더 나아가, 오염영역 정화율은 이동형 수질개선장치(10)가 가동지점으로부터 위치될 때의 오염영역의 오염물질 항목별 함유율의 총 함유율에서 정화되는 오염물질 항목별 총 함유율을 뺀 것을 의미하며, 측정 단위는 퍼센트(%)로 측정 및 판단될 수 있다.
그 후, 인공신경망부(24)는 정화 라벨링을 통해 오염영역의 수질이 정화된 것으로 판단하고(S50), 오염영역의 수질이 정화되도록 하는 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준에 대한 데이터를 저장하고(S60), 이를 시뮬레이션부(22)에 송신한다. 이때, 시뮬레이션부(22)는 인공신경망부(24)에 저장된 데이터를 시뮬레이션에 반영하여 시뮬레이션을 보정한다.
이와 달리 만약, 시뮬레이션에서의 이동형 수질개선장치(10)가 가동시간 동안 가동되어 오염영역의 수질이 악화되는 경우(S30-NO), 라벨링부(23)는 가동시간 및 가동시간 동안의 오염영역 정화율을 악화 라벨링으로 라벨링한다(S70).
그 후, 인공신경망부(24)는 악화 라벨링을 통해 오염영역의 수질이 악화된 것으로 판단하고(S80), 오염영역의 수질이 악화되도록 하는 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준에 대한 데이터를 오염영역의 수질이 정화되도록 하기 위해 수정하며(S90), 수정된 데이터를 시뮬레이션부(22)에 송신한다. 이때, 시뮬레이션부(22)는 인공신경망부(24)의 수정된 데이터를 시뮬레이션에 반영하여 시뮬레이션을 보정하고, 보정된 시뮬레이션을 실행한다.
여기서, 인공신경망부(24)는 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준에 대한 데이터를 수정할 때, 항목 중 적어도 하나의 데이터를 수정하는 것이 바람직할 것이다.
한편, 인공신경망부(24)에 의해 설정되어 시뮬레이션부(22)를 통해 제공되는 데이터 중 이동형 수질개선장치(10)의 이동경로 및 가동지점은 도 3 내지 도 5에 도시된 바와 같이 설정될 수 있다.
인공신경망부(24)는 도 3 내지 도 5에 도시된 바와 같이, 제1 이동형 수질개선장치(10a), 제2 이동형 수질개선장치(10b), 제3 이동형 수질개선장치(10c)의 이동경로(241) 및 가동지점(243)을 각각 설정할 수 있다. 다만, 인공신경망부(24)가 이동경로 및 가동지점을 설정하는 이동형 수질개선장치의 수는 상기보다 적거나 많을 수 있다.
이동형 수질개선장치(10)의 이동경로(241) 및 가동지점(243)을 설정하기 위한 제1 방식으로, 인공신경망부(24)는 도 3에 도시된 바와 같이, 제1 이동형 수질개선장치(10a)가 다른 이동형 수질개선장치(10b, 10c)의 이동경로(241b, 241c), 가동지점(243b, 243c) 및 상기 가동지점(243b, 243c)을 둘러싸는 주변반경(245b, 245c)을 회피하면서 오염영역의 수질을 정화하도록 제1 이동형 수질개선장치(10a)의 이동경로(241a) 및 가동지점(243c)을 설정할 수 있다.
여기서, 인공신경망부(24)는 상기 일례의 설정 방식과 같이 이동형 수질개선장치(10)의 이동경로(241) 및 가동지점(243)을 설정함으로써, 이동형 수질개선장치(10)의 이동경로(241)가 불필요하게 중복되는 것을 방지할 수 있다.
또한, 주변반경(245)은 가동지점(243)을 둘러싸되, 가동지점보다 상대적으로 큰 반경을 형성할 수 있으며, 일례로, 가동지점의 반경보다 1 m~10 m 큰 반경을 형성할 수 있다.
이동형 수질개선장치(10)의 이동경로(241) 및 가동지점(243)을 설정하기 위한 제2 방식으로, 인공신경망부(24)는 도 4에 도시된 바와 같이, 제1 이동형 수질개선장치(10a)가 다른 이동형 수질개선장치(10b, 10c)의 이동경로(241b, 241c)의 일부를 한 번 이상 통과하되, 다른 이동형 수질개선장치(10b, 10c)의 가동지점(243b, 243c) 및 주변반경(245b, 245c)을 회피하면서 오염영역의 수질을 정화하도록 제1 이동형 수질개선장치(10a)의 이동경로(241a) 및 가동지점(243c)을 설정할 수 있다.
여기서, 인공신경망부(24)는 상기 다른 예의 설정 방식과 같이 이동형 수질개선장치(10)의 이동경로(241) 및 가동지점(243)을 설정함으로써, 하나의 이동형 수질개선장치(10)가 다른 이동형 수질개선장치(10)가 이동하는 다른 이동형 수질개선장치(10)의 이동경로(241)의 일부를 점검할 수 있다.
이동형 수질개선장치(10)의 이동경로(241) 및 가동지점(243)을 설정하기 위한 제3 방식으로, 인공신경망부(24)는 도 5에 도시된 바와 같이, 제1 이동형 수질개선장치(10a)가 다른 이동형 수질개선장치(10b, 10c)의 가동지점(243b, 243c) 및 주변반경(245b, 245c)을 한 번 이상 통과하면서 오염영역의 수질을 정화하도록 제1 이동형 수질개선장치(10a)의 이동경로(241a) 및 가동지점(243c)을 설정할 수 있다.
여기서, 인공신경망부(24)는 상기 또 다른 예의 설정 방식과 같이 이동형 수질개선장치(10)의 이동경로(241) 및 가동지점(243)을 설정함으로써, 하나의 이동형 수질개선장치(10)가 다른 이동형 수질개선장치(10)에 의해 수질이 정화된 다른 이동형 수질개선장치(10)의 가동지점(243)을 점검할 수 있다.
이와 같은, 인공신경망부(24)는 상기 이동경로(241) 및 가동지점(243)의 설정 방식 중 하나를 채택하여 시뮬레이션에서의 이동형 수질개선장치(10)의 이동경로(241) 및 가동지점(243)을 설정하며, 이를 시뮬레이션부(22)에 송신할 수 있다.
더 나아가, 인공신경망부(24)는 시뮬레이션에서 이동형 수질개선장치(10)가 하나의 가동지점(243)에 위치된 후, 한 번 이상 가동되어 오염영역의 수질을 정화하고, 다른 가동지점(243)을 향해 이동경로(241)를 따라 이동되어 다른 가동지점(243)에서 오염영역의 수질을 정화하도록 이동형 수질개선장치(10)의 이동경로(241) 및 가동지점(243)을 설정할 수 있다.
이동형 수질개선장치(10)는 제어부(21)가 시뮬레이션부(22)로부터 수신한 후 송신하는 시뮬레이션 데이터에 포함된 이동경로, 가동지점, 가동시간 및 오염영역의 판단 기준을 기반으로 오염영역(가동지점)을 탐색하며, 이동경로를 따라 오염영역으로 이동하고, 가동지점으로부터 가동시간 정화 수단을 가동하여 오염영역의 수질을 정화한다.
도 6 내지 도 9를 참조하면, 상기 이동형 수질개선장치(10)는 선박 본체부(100)가 메인 부양체(110), 제1 보조 부양체(120), 제2 보조 부양체(130), 게이트웨이(140), 조류 저장탱크(150), 공기 압축탱크(160), 응집제 탱크(170), 제어부(180), 나노버블 발생기(190), 호퍼(200), 컨베이어(210), 가이드(220) 및 스키머(230)를 포함하여 이루어진다.
메인 부양체(110)는 조류 저장탱크(150), 공기 압축탱크(160), 응집제 탱크(170) 및 제어부(180) 등 각종 장비들을 물위에 띄우기 위한 것으로, 장방형을 갖는 한 쌍으로 이루어져 소정의 거리를 두고 상호 이격되어 배치된다. 이렇게 배치함으로써 선박의 안전성을 확보하고, 조류가 포함된 유체가 유입될 수 있는 입구(111)와 출구(112)를 형성할 수 있다.
좀 더 구체적으로 설명하면, 도 9에 도시된 바와 같이 한 쌍의 메인 부양체(110)가 일정 거리를 두고 고정되기 때문에, 일측 방향은 조류가 포함된 유체가 유입되는 입구(111), 타측 방향은 후술할 미세기포, 응집제 및 차가운 공기와 접촉하여 큰 군집을 형성하는 조류 덩어리가 배출되는 출구(112)가 된다. 여기서, 부양체(110)는 부력을 부여할 수 있는 것이라면 특별히 제한하지 않으나, 충격에 강한 밀폐된 금속인 것이 바람직하다.
상기 입구(111)측에는 판 형상의 게이트웨이(140)가 더 구비될 수 있다. 게이트웨이는 유체를 입구(111)로 유입시키거나 차단하기 위한 것으로 한 쌍의 메인 부양체(110)에 각각 구비되며, 입구(111)를 차단한 경우에는 위에서 바라본 단면은 끝이 뾰족한 유선형이고 반대로 입구(111)를 개방한 경우에는 소정의 각도로 벌어질 수 있는 것이 바람직하다.
조류는 수역의 일부 지역에서만 발생할 수도 있지만, 대부분의 경우에는 넓은 지역에서 대량으로 발생하게 되므로, 일정 수역의 조류를 제거한 이후에는 신속하게 인근 수역으로 이동하여야 한다. 그러나 조류를 제거하기 위한 종래의 선박은 유체가 유입되는 입구에 별다른 개폐수단이 없어, 유입된 유체는 조류를 수거하기 위한 스키머와 지속적으로 접촉하여 저항으로 작용하므로 선박의 이동속도를 높이는 데에는 한계가 있다.
그러나 본 발명의 선박은 도 6에 도시된 바와 같이, 이동시에는 게이트웨이(140)를 이용하여 입구(111)를 차단함으로써 물의 저항을 최소화하고, 조류를 제거하는 경우에만 입구(111)를 개방함으로써 선박의 이동에 필요한 동력을 절감할 수 있을 뿐만 아니라 신속한 이동이 가능하다.
여기서, 게이트웨이(140)는 도 10에 도시된 바와 같이, 한 쌍의 게이트웨이(140) 일측면에 게이트웨이 개폐수단(142)을 통하여 개폐하는 것이 바람직하다.
부상한 조류 덩어리의 이동을 차단하기 위하여 메인 부양체(110) 후방에 구비하는 스키머(230)를 폐쇄시키는 구조로 채용하는 것이 더욱 바람직하다. 즉, 도 6 내지 도 9를 참조하여 설명하면, 소정의 길이를 갖는 한 쌍의 스키머(230) 일측 말단부는 메인 부양체(110)나 후술할 지지판(113) 등 적절한 위치에 고정시키고, 타측 말단부는 한 쌍의 스키머(230) 각각을 상호 연결 또는 분리할 수 있는 공지의 체결수단을 구비시켜, 선박 이동시에는 저항을 최소화하도록 한 쌍의 스키머(230)를 상호 분리시키지만, 조류를 제거할 경우에는 한 쌍의 스키머(230) 타측 말단부에 부착된 연결수단을 사용하여 상호 연결시킨다. 또한 분리된 한 쌍의 스키머(230)를 용이하게 체결할 수 있도록, 한 쌍의 스키머(230) 타측 말단부 부근에 스키머 인양끈(232)을 구비시키는 것이 더욱 바람직하다.
여기서, 스키머(230)는 부상할 수 있는 재질이라면 특별히 제한하지않지만, 수면 부근으로 부상한 조류 덩어리를 소정의 영역 내에 가두어 둘 수 있도록 소정의 높이를 가지는 것이 바람직하고, 유체의 흐름 등으로부터 자유롭게 유동 가능한 것이 더욱 바람직하다.
상기 한 쌍의 부양체(110) 상부에는 각종 장치들을 싣고 고정하기 위한 지지판(113)이 구비될 수 있다. 지지판(113)은 다수의 통공이 형성된 다공판이나 소정의 강도를 갖는 메쉬망을 사용할 수 있다.
한편, 호소나 댐 등은 유속이 낮아 비교적 물결이 잔잔한 것이 일반적이지만, 강의 일부 지역은 유속이 빠르고 또 갑작스런 기상 악화 등으로 바람이 강하게 불면 조류 제거 작업에 위험이 따를 수 있다.
본 발명의 선박은 상기 지지판(113)과 연결되는 제1 보조 부양체(120)를 더 구비하고 있기 때문에 작업의 안전성을 향상시킬 수 있다. 여기서 지지판(113)과 제1 보조 부양체(120)를 상호 연결하는 지지체(121)의 일측은 지지판(113)에 대하여 회동이 가능하고, 또 지지체(121)의 소정 위치에는 리프터(122)가 더 구비될 수 있다.
도 8을 참조하면서 상기 구성들에 관하여 좀 더 설명하면, 리프터(122)의 길이를 짧게 하면 리프터(122)와 연결된 지지체(121)는 지지판(113)에 대하여 회동하게 되므로, 결과적으로 지지체(121)의 일측 말단과 결합된 제1 보조 부양체(120)는 수면 위로 이동하게 된다. 앞서 설명한 바와 같이 선박이 신속하게 이동하기 위해서는 유체의 저항을 최소화하는 것이 요구된다. 본 발명의 선박은 상기와 같은 수직으로 이동할 수 있는 제1 보조 부양체(120)를 구비하고 있어, 이동시에는 보조 부양체(120)를 수면 위로 이동시킴으로써 보조 부양체(120)로 인한 유체의 저항을 최소화할 수 있고, 조류 제거 작업시에는 보조 부양체(120)를 수면과 접촉시킴으로써 작업의 안전성을 향상시킬 수 있다. 물론 바람이 많이 불거나 유속이 빨라 선박의 안전성이 요구되는 경우에는 이동중이라도 보조 부양체(120)를 이용하여 안전성을 확보할 수 있음은 자명하다.
여기서, 리프터(122)의 길이를 조절하거나 지지체(121)의 일측을 회동 가능하게 하는 구성은 공지된 기술이므로 상세한 설명은 생략한다.
상기 한 쌍의 메인 부양체(110) 각각에는 소정의 간격으로 이격된 제2 보조 부양체(130)를 더 구비할 수 있다.
조류를 제거하기 위한 설비와 작업자의 이동 등으로 발생하는 하중을 보상하기 위한 것으로, 착탈식 또는 전술한 보조 부양체(120)와 동일하게 수직으로 이동할 수 있도록 설치할 수 있다.
상기 지지판(113)의 소정 위치에는 응집제 탱크(170)가 구비되고, 응집제 탱크(170)는 연결관(미도시)을 통하여 응집제 분사노즐(171)과 연결된다. 또한 미세한 기포를 수중에서 발생시키는 나노버블 발생기(190)가 선박 입구(111) 부근에 구비될 수 있다. 이러한 구성들은 발생한 조류를 큰 덩어리로 부상시켜 제거를 용이하게 하기 위함이다.
조류는 빛이 잘 통과하는 수면 부근에 주로 서식하지만 크기가 작고 또 일부 조류는 다소 수면 아래에 위치하기 때문에 제거가 용이하지 않다. 따라서 본 발명의 선박에는 이러한 특성을 갖는 조류가 효과적으로 제거될수 있도록, 물속에 미세한 기포를 주입하여 조류를 부상시키고 부상하는 조류들을 큰 덩어리로 형성시키기 위하여 응집제를 주입한다.
도 6, 7 및 10을 참조하면서 좀 더 상세히 설명하면, 입구(111) 부근에 구비된 나노버블 발생기(190)는 수중에서 미세한 기포를 발생시켜 조류를 수면 부근으로 부상시키고, 나노버블 발생기(190) 후방에 위치하는 다수개의 응집제 분사노즐(171)로부터는 응집제 탱크(170)로부터 공급되는 응집제와 수역의 물이 혼합된 응집제 혼합액이 강하게 분사된다.
그러면 수면 부근으로 부상되는 조류들은 응집제에 의한 하전중하 메커니즘으로 인하여 부피가 커지며, 중력보다 부력이 더 큰 힘으로 작용하여 수면으로 떠오르게 된다.
여기서, 나노버블 발생기(190)는 수나노미터에서 수십나노미터의 크기를 갖는 작은 기포를 발생하는 장치라면 크게 제한하지 않지만, 전극을 이용한 전기분해 장치인 것이 바람직하다.
전기분해 장치는 소정의 간격을 두고 배치된 전극에 전기를 공급함으로써 오염물질을 응집시킬 수 있을 뿐만 아니라 물의 전기 분해시 수소나 산소 등의 미세한 기포를 발생시키기 때문에, 부상효과와 함께 응집효과를 기대할 수 있다. 한편 이러한 전기분해 장치는 공지된 기술에 해당되므로 상세한 설명은 생략하기로 한다.
또한, 본 발명에서 사용하는 응집제는 알루미늄계, 철계, 고분자 응집제 등 공지의 응집제를 사용할 수 있으나, 조류 덩어리를 부상시켜야 하므로 철계 응집제보다는 알루미늄계 또는 고분자 응집제를 사용하는 것이 바람직하다.
상기 지지판(113)에는 압축탱크(160)가 구비되고, 압축 탱크(160)는 응집제 분사노즐(171) 후방에 위치하는 압축공기 공급관(161)과 연결되어 있다. 또한 압축탱크(160)와 압축 공기 공급관(161) 사이에는 10℃이하의 차가운 공기를 발생시키는 볼텍스 튜브가 더 구비되어 있다.
볼텍스 튜브(vortex tube)란 압축된 공기가 볼텍스 튜브로 공급되면 와류실에서 고속으로 회전하게 되며, 일측으로는 차가운 공기가 배출되고 타측으로는 뜨거운 공기가 배출되는 원리를 이용하는 튜브로서, 이미 금속 가공분야 등에서 적용되고 있는 기술에 해당되므로 상세한 설명은 생략하기로 한다.
상기와 같은 볼텍스 튜브를 활용하여 차가운 공기를 물속으로 주입하게 되면, 물의 온도를 낮추어 조류의 번식을 억제할 수 있다. 특히 응집제 주입과 미세기포 발생장치에 의해 생성된 조류 덩어리를 더욱 빠르게 부상시킬 수 있을 뿐만 아니라, 제대로 부상하지 않는 미세한 조류 덩어리를 부상시킬 수 있어, 종래의 조류 제거를 위한 선박보다 조류를 신속하게 제거할 수 있다는 장점이 있다.
이렇게 미세기포, 응집제 그리고 볼텍스 튜브로부터 공급된 차가운 공기로 인하여 부상한 조류 덩어리는 한 쌍의 메인 부양체(110)에 형성된 통로를 통하여 출구(112)로 배출되고, 메인 부양체(110) 후방에 설치된 스키머(230)는 조류 덩어리를 외부로 유출되지 않도록 차단한다.
또한 스키머(230)에 의해 포집된 조류는 호퍼(200), 컨베이어(210) 그리고 일측은 호퍼(200)와 연결되고 타측은 지지판(113)에 구비된 조류 이송관(201)을 경유하여 조류 저장탱크(150)로 저장된다.
여기서, 호퍼(200), 컨베이어(210) 및 이송관(201)을 고정할 수 있는 지지부(202)를 더 구비하는 것이 바람직하다. 스커머(230)에 의해 포집된 조류를 완벽하게 수집하기 위해서는, 스키머(230)에 의해 구획된 모든 영역까지 호퍼(200)와 컨베이어(210)가 도달할 수 있어야 하고 또 이들은 비교적 무겁기 때문에 선박의 이동시 위험이 따를 수 있다.
그러나 도 6 및 도 9에 도시된 바와 같이, 본 발명에서는 이들을 고정하는 지지부(202)의 길이를 조절할 수 있는 가이드(220)를 지지판(113)에 더 구비하고 있어, 선박이 신속하게 이동할 수 있을 뿐만 아니라 안전한 이동이 가능하다.
한편, 발생한 조류가 수역에 넓게 분포하는 경우에는 도 9에 도시한 바와 같이 보조 게이트웨이(141)를 더 구비하는 것이 바람직하다.
이러한 보조 게이트웨이(141)는 게이트웨이(140) 말단부에 구비되는 것이 바람직하고, 탈착과 절첩이 모두 가능한 1 개 이상으로 구비하는 것이 더욱 바람직하다.
상술한 바와 같이 개시된 본 발명의 바람직한 실시예들에 대한 상세한 설명은 당업자가 본 발명을 구현하고 실시할 수 있도록 제공되었다. 상기에서는 본 발명의 바람직한 실시 예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 본 발명의 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 예를 들어, 당업자는 상술한 실시 예들에 기재된 각 구성을 서로 조합하는 방식으로 이용할 수 있다. 따라서, 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다.
본 발명은 본 발명의 정신 및 필수적 특징을 벗어나지 않는 범위에서 다른 특정한 형태로 구체화될 수 있다. 따라서, 상기의 상세한 설명은 모든 면에서 제한적으로 해석되어서는 아니 되고 예시적인 것으로 고려되어야 한다. 본 발명의 범위는 첨부된 청구항의 합리적 해석에 의해 결정되어야 하고, 본 발명의 등가적 범위 내에서의 모든 변경은 본 발명의 범위에 포함된다. 본 발명은 여기에 나타난 실시형태들에 제한되려는 것이 아니라, 여기서 개시된 원리들 및 신규한 특징들과 일치하는 최광의 범위를 부여하려는 것이다. 또한, 특허청구범위에서 명시적인 인용 관계가 있지 않은 청구항들을 결합하여 실시 예를 구성하거나 출원 후의 보정에 의해 새로운 청구항으로 포함할 수 있다.
10: 이동형 수질개선장치,
20: 딥러닝 학습장치,
21: 제어부,
22: 시뮬레이션부,
23: 라벨링부,
24: 인공신경망부,
100: 선박 본체부,
110: 메인 부양체,
111: 입구,
112: 출구,
113: 지지판,
120: 제1 보조 부양체,
121: 지지체,
122: 리프터,
130: 제2 보조 부양체,
140: 게이트웨이,
141: 보조 게이트웨이,
142 게이트웨이 개폐수단,
150: 조류 저장탱크,
160: 공기 압축탱크,
161: 압축 공기 공급관,
170: 응집제 탱크,
171: 분사노즐,
180: 제어부,
190: 나노버블 발생기,
200: 호퍼,
201: 조류 이송관,
202: 지지부,
210: 컨베이어,
220: 가이드,
230: 스키머,
231: 스키머 체결고리,
232: 스키머 인양끈.

Claims (15)

  1. 조류가 포함된 유체에 복수로 부양되되, 상기 유체의 오염영역을 탐색하여 상기 오염영역을 향해 이동하며, 상기 오염영역에 함유된 조류를 부상시키기 위한 나노버블과 상기 오염영역의 유체를 응집시키기 위한 응집제를 분사하고, 상기 응집제와 부상된 조류를 수집하여 상기 오염영역을 정화하는 이동형 수질개선장치(10); 및
    1대 이상인 복수의 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준을 시뮬레이션 공간에 모사하는 시뮬레이션을 실행하는 시뮬레이션부(22)와, 상기 시뮬레이션에서의 이동형 수질개선장치(10)에 의해 상기 오염영역의 수질을 정화하기 위한 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역의 판단 기준을 딥러닝 학습하는 인공신경망부(24)가 마련되는 딥러닝 학습장치(20);를 포함하고,
    상기 딥러닝 학습장치(20)는,
    네트워크를 통해 상기 이동형 수질개선장치(10)로부터 수집 데이터를 수신하며, 상기 시뮬레이션부(22)가 실행한 시뮬레이션에 따른 결과 데이터인 시뮬레이션 데이터를 시뮬레이션부(22)로부터 수신하며, 수신한 시뮬레이션 데이터를 이동형 수질개선장치(10)로 송신하는 제어부(21); 및
    상기 시뮬레이션에서의 이동형 수질개선장치(10)의 가동시간 및 상기 가동시간 동안의 오염영역 정화율을 정화 또는 악화로 라벨링하되, 상기 정화 라벨링을 (1, 0), 상기 악화 라벨링을 (0, 1)로 라벨링하며, 상기 정화 라벨링 또는 악화 라벨링을 상기 인공신경망부(24)로 송신하는 라벨링부(23);를 포함하며,
    상기 시뮬레이션 데이터는, 상기 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준에 대한 데이터이고,
    상기 인공신경망부(24)는,
    상기 라벨링부(23)로부터 수신하는 정화 라벨링 또는 악화 라벨링을 기반으로 상기 시뮬레이션에서의 이동형 수질개선장치(10)에 의해 오염영역의 수질을 정화하기 위한 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역의 판단 기준을 딥러닝 학습 수행하며,
    상기 정화 라벨링을 통해 상기 오염영역의 수질이 정화된 것으로 판단하는 경우, 상기 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준에 대한 데이터를 저장한 후에 상기 저장된 데이터를 상기 시뮬레이션부(22)에 송신하여 상기 저장된 데이터가 상기 시뮬레이션에 반영되도록 하고,
    상기 악화 라벨링을 통해 오염영역의 수질이 악화된 것으로 판단하는 경우, 상기 이동형 수질개선장치(10)의 이동경로, 가동지점, 가동시간 및 오염영역 판단 기준에 대한 데이터를 상기 오염영역의 수질이 정화되도록 하기 위해 수정한 후에 상기 수정된 데이터를 상기 시뮬레이션부(22)에 송신하여 상기 수정된 데이터에 의해 상기 시뮬레이션이 보정되도록 하며,
    다른 이동형 수질개선장치의 가동지점 및 상기 가동지점을 둘러싸는 주변반경을 한 번 이상 통과하면서 상기 오염영역을 정화하는 이동경로 및 가동지점을 상기 이동형 수질개선장치(10)의 이동경로 및 가동지점으로 설정함으로써, 상기 이동형 수질개선장치(10)가 다른 이동형 수질개선장치에 의해 수질이 정화된 다른 이동형 수질개선장치의 가동지점을 점검하도록 하는 것을 특징으로 하는 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템.
  2. 삭제
  3. 제 1 항에 있어서,
    상기 수집 데이터는,
    상기 유체의 조류, 조류별 유속, 오염물질 항목, 오염영역, 온도 및 상기 유체에 유입되는 유입물질 항목 중 하나를 포함하는 제1 변수 데이터와, 상기 이동형 수질개선장치(10)의 속도 및 회전방향 중 하나를 포함하는 제2 변수 데이터 및 상기 이동형 수질개선장치(10)에 의해 정화되는 오염물질 항목 및 상기 오염물질의 정화율 중 하나를 포함하는 제3 변수 데이터를 포함하는 것을 특징으로 하는 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 삭제
  9. 삭제
  10. 삭제
  11. 삭제
  12. 삭제
  13. 제 1 항에 있어서,
    상기 라벨링은,
    상기 시뮬레이션에서의 오염영역 면적, 오염물질 항목, 유체의 조류, 조류별 유속에 대한 데이터를 포함하는 것을 특징으로 하는 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템.
  14. 제 13 항에 있어서,
    상기 인공신경망부(24)는,
    상기 라벨링부(23)로부터 수신하는 라벨링을 기반으로 딥러닝 학습을 수행하며, 상기 딥러닝 학습을 통해 상기 이동형 수질개선장치(10)가 상기 오염영역을 탐색하기 위한 상기 오염영역의 판단 기준을 저장하고, 상기 저장된 오염영역의 판단 기준을 상기 시뮬레이션부(22)로 송신하는 것을 특징으로 하는 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템.
  15. 제 14 항에 있어서,
    상기 시뮬레이션부(22)는,
    상기 인공신경망부(24)로부터 상기 오염영역의 판단 기준을 수신하며, 상기 수신한 오염영역의 판단 기준을 상기 시뮬레이션에 반영하여 상기 이동형 수질개선장치(10)의 오염영역 탐색에 대한 시뮬레이션을 제공하는 것을 특징으로 하는 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템.
KR1020190172682A 2019-12-23 2019-12-23 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템 KR102388959B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190172682A KR102388959B1 (ko) 2019-12-23 2019-12-23 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190172682A KR102388959B1 (ko) 2019-12-23 2019-12-23 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템

Publications (2)

Publication Number Publication Date
KR20210080773A KR20210080773A (ko) 2021-07-01
KR102388959B1 true KR102388959B1 (ko) 2022-04-21

Family

ID=76860018

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190172682A KR102388959B1 (ko) 2019-12-23 2019-12-23 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템

Country Status (1)

Country Link
KR (1) KR102388959B1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116986665B (zh) * 2023-09-26 2023-11-28 潍坊恒远环保水处理设备有限公司 一种集成一体式净水机

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101429033B1 (ko) * 2013-12-19 2014-08-12 주식회사 봄에코텍 이동식 수질 정화 장치, 시스템 및 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101436813B1 (ko) 2012-10-23 2014-09-03 주식회사 에스디알앤디 조류제거용 선박
KR101844133B1 (ko) * 2016-03-23 2018-04-02 한국과학기술연구원 이동식 조류 제거용 선박

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101429033B1 (ko) * 2013-12-19 2014-08-12 주식회사 봄에코텍 이동식 수질 정화 장치, 시스템 및 방법

Also Published As

Publication number Publication date
KR20210080773A (ko) 2021-07-01

Similar Documents

Publication Publication Date Title
KR101844133B1 (ko) 이동식 조류 제거용 선박
CN106630165B (zh) 闭环河道水环境治理系统及方法
CN108773970B (zh) 漂浮式综合水处理设备、水处理方法及该设备的反洗方法
CN107352734A (zh) 一种黑臭河流生态系统重构集成方法
CN102583725B (zh) 一种用于处理油脂和浮渣的厌氧反应器
CN105540865B (zh) 一种处理河道水的系统
KR102388959B1 (ko) 다수의 이동형 수질개선장치 제어 및 운영을 위한 딥러닝 시스템
CN207451741U (zh) 一种适用于城市河道环境修复的组合式生态浮床
CN207091108U (zh) 新型人工浮岛水体净化装置
CN103755032B (zh) 组合型人工湿地污水处理系统
CN110803771A (zh) 一种河湖岸带生态缓冲系统
CN102352615A (zh) 一种水污染事故应急处理方法
CN107381837B (zh) 类潜流人工湿地型水处理方法
KR100985755B1 (ko) 수질정화용 취송류 하강유도장치
CN103755085A (zh) 河道型水库支流库湾水华消除及藻源净化装置及方法
CN106013022A (zh) 一种用于在通航航道中拦截水葫芦的组合装置
CN206114639U (zh) 水体自净能力强化小试试验装置
CN103896421A (zh) 一种浮游式河流污水自动净化装置
CN107417049A (zh) 一种基于雨水的景观水体生态修复方法和生态系统
CN114084962A (zh) 兼具多功能的脱氮除磷模块化湿地中试试验装置
CN202232580U (zh) 水产养殖用封闭循环水净化器
CN208178084U (zh) 一种多相抽提修复装置及土壤修复系统
CN206142863U (zh) 一种新型折板型气浮沉淀池
CN208308533U (zh) 用于水处理的曝气装置及水处理设备
CN207143059U (zh) 一种基于雨水的景观水体生态系统

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant