公布日：2022.03.08
申请日：2021.12.21
分类号：C02F3/28(2006.01)I
摘要
本发明公开了一种厌氧氨氧化污水处理系统的智能调试系统，包括传感单元、采集单元、数据分析单元、主控站、污水处理单元；传感单元，包括多个传感器；采集单元用于接收并储存来自传感单元的数据；数据分析单元，包括比较分析模块、第一输入模块和第二输入模块；比较分析模块与主控站相连，第一输入模块与采集单元相连，第二输入模块与污水处理单元相连；主控站用于对整个系统进行控制分析，完成自适应调节；污水处理单元，包括检测校验模块和污水过滤模块。本发明有效提高厌氧氨氧化污水处理系统数字化管理，智能算法控制方式能够根据系统污水样本集不断学习，对控制方式做出合理决策，完成系统自适应调节，自动化程度较高，降低人工运维成本。
权利要求书
1.一种厌氧氨氧化污水处理系统的智能调试系统，其特征在于，包括传感单元、采集单元、数据分析单元、主控站、污水处理单元；所述的传感单元，包括多个传感器；所述的采集单元用于接收并储存来自传感单元的数据；所述的数据分析单元，包括比较分析模块、第一输入模块和第二输入模块；比较分析模块与主控站相连，第一输入模块与采集单元相连，第二输入模块与污水处理单元相连；所述的主控站用于对整个系统进行控制分析，完成自适应调节，包括显示模块、报警器、边缘计算模块和PID模块；所述的污水处理单元，包括检测校验模块和污水过滤模块；所述的数据分析单元的第一输入模块、第二输入模块与比较分析模块连接，比较分析模块用于比较采集模块实测值与系统设定值的偏差，第一输入模块用于传输采集模块的数据，第二输入模块用于传输检测校验模块的数据；所述的主控站的边缘计算模块内设置机器学习模块与智能算法，将经训练后的卷积神经网络模型导入边缘计算模块，获得针对不同工况下的污水处理控制策略模型，根据所述采集单元感知当前时间节点的污水指标，经训练后的所述卷积神经网络模型对所述当前时间节点的一段时间范围内的污水数据进行预测分析；所述的主控站的显示模块实现污水处理过程在线监测；所述报警器用于当实测值与设定值偏差超出边缘计算模块动作上下限百分比时，启动报警，转PID控制模式；所述边缘计算模块和PID模块均与所述污水过滤模块连接，所述边缘计算模块基于所述卷积神经网络模型的分析结果启动污水过滤模块，所述PID模块用于对从比较分析模块输入的数据执行比例、积分和微分控制，将数据转化为控制信号，根据控制信号启动污水处理单元。
2.根据权利要求1所述的智能调试系统，其特征在于，所述的传感单元和采集单元分别设有GPRS无线数据传输模组，用于数据互传或者通过云端平台进行数据交互；所述的传感单元包括pH传感器、污泥浓度传感器、DO溶氧仪和氨氮传感器。
3.根据权利要求1所述的智能调试系统，其特征在于，所述的采集单元内设有多个采集模块，所述采集模块与所述传感器数量相同，各采集模块分别存储对应的传感器的数据。
4.根据权利要求1所述的智能调试系统，其特征在于，所述的污水处理单元的检测校验模块与所述数据分析单元的第二输入模块连接，检测校验模块用于检测过滤后的污水达到校正值，否则返回第二输入模块经由比较分析模块进行二次处理。
5.根据权利要求1所述的智能调试系统，其特征在于，导入所述边缘计算模块的卷积神经网络模型，包括卷积层、池化层与全连接层，基于污水样本集对所述卷积神经网络模型进行训练，按照1-污泥浓度、2-溶解氧、3-pH值、4-氨氮的顺序预设卷积计算权重，所述污水样本集为采集污水成分数据即可构成二维数据输入样本，输入为n×m的矩阵，行数n表示采样点个数，m表示采集的成分数目。
6.根据权利要求1或者5所述的智能调试系统，其特征在于，所述卷积神经网络模型，包括卷积层、池化层与全连接层；所述卷积层作为特征提取器，通过权值共享的卷积操作可减少待优化参数个数及训练复杂度，添加激活函数ReLU增加网络的非线性表达能力，获得更深层的特征图；所述池化层用于进一步特征提取，对上一层特征图进行池化操作，进行特征压缩，提取主要特征；所述全连接层用于直接输出，输出层激活函数采用Softmax函数。
7.根据权利要求1所述的智能调试系统，其特征在于，控制算法包括：根据所述采集单元感知当前时间节点的污水指标；经过训练后的卷积神经网络模型对所述当前时间节点的一段时间范围内的污水数据进行预测分析；所述边缘计算模块基于所述卷积神经网络模型的分析结果启动污水过滤模块，实现不同工况下的精准控制。
发明内容
为了克服现有技术的不足，本发明旨在提供一种厌氧氨氧化污水处理系统的智能调试系统，通过实时数据监测、传输、制定决策、实时智能分析并控制污水处理设备，从而实现污水厌氧氨氧化处理设施的智能化监测控制，降低人力投入，提高其运行过程的自动化和智能化。
本发明的目的可以通过以下技术方案来实现：
一种厌氧氨氧化污水处理系统的智能调试系统，包括传感单元、采集单元、数据分析单元、主控站、污水处理单元；
所述的传感单元，包括多个传感器；
所述的采集单元用于接收并储存来自传感单元的数据；
所述的数据分析单元，包括比较分析模块、第一输入模块和第二输入模块；比较分析模块与主控站相连，第一输入模块与采集单元相连，第二输入模块与污水处理单元相连；
所述的主控站用于对整个系统进行控制分析，完成自适应调节，包括显示模块、报警器、边缘计算模块和PID模块；
所述的污水处理单元，包括检测校验模块和污水过滤模块。
所述的传感单元和采集单元分别设有GPRS无线数据传输模组，用于数据互传或者通过云端平台进行数据交互；所述的传感单元包括pH传感器、污泥浓度传感器、DO溶氧仪和氨氮传感器。
所述的采集单元内设有多个采集模块，所述采集模块与所述传感器数量相同，各采集模块分别存储对应的传感器的数据。
所述的数据分析单元的第一输入模块、第二输入模块与比较分析模块连接，比较分析模块用于比较采集模块实测值与系统设定值的偏差，第一输入模块用于传输采集模块的数据，第二输入模块用于传输检测校验模块的数据。
所述的主控站的边缘计算模块内设置机器学习模块与智能算法，将经训练后的卷积神经网络模型导入边缘计算模块，获得针对不同工况下的污水处理控制策略模型，根据所述采集单元感知当前时间节点的污水指标，经训练后的所述卷积神经网络模型对所述当前时间节点的一段时间范围内的污水数据进行预测分析。
所述的主控站的显示模块实现污水处理过程在线监测；所述报警器用于当实测值与设定值偏差超出边缘计算模块动作上下限百分比时，启动报警，转PID控制模式；所述边缘计算模块和PID模块均与所述污水过滤模块连接，所述边缘计算模块基于所述卷积神经网络模型的分析结果启动污水过滤模块，所述PID模块用于对从比较分析模块输入的数据执行比例、积分和微分控制，将数据转化为控制信号，根据控制信号启动污水处理单元。
所述的污水处理单元的检测校验模块与所述数据分析单元的第二输入模块连接，检测校验模块用于检测过滤后的污水达到校正值，否则返回第二输入模块经由比较分析模块进行二次处理。
导入所述边缘计算模块的卷积神经网络模型，包括卷积层、池化层与全连接层，基于污水样本集对所述卷积神经网络模型进行训练，按照1-污泥浓度、2-溶解氧、3-pH值、4-氨氮的顺序预设卷积计算权重，所述污水样本集为采集污水成分数据即可构成二维数据输入样本，输入为n×m的矩阵，行数n表示采样点个数，m表示采集的成分数目。
所述卷积神经网络模型，包括卷积层、池化层与全连接层；所述卷积层作为特征提取器，通过权值共享的卷积操作可减少待优化参数个数及训练复杂度，添加激活函数ReLU增加网络的非线性表达能力，获得更深层的特征图；所述池化层用于进一步特征提取，对上一层特征图进行池化操作，进行特征压缩，提取主要特征；所述全连接层用于直接输出，输出层激活函数采用Softmax函数。
所述控制算法包括：根据所述采集单元感知当前时间节点的污水指标；经过训练后的卷积神经网络模型对所述当前时间节点的一段时间范围内的污水数据进行预测分析；所述边缘计算模块基于所述卷积神经网络模型的分析结果启动污水过滤模块，实现不同工况下的精准控制。
本发明的有益效果是：
1.基于智能污水处理系统，有效提高厌氧氨氧化污水处理系统数字化管理。
2.智能算法控制方式能够根据系统污水样本集不断学习，对控制方式做出合理决策，完成系统自适应调节。
3.系统自动化程度较高，避免人为干预等粗放式调控手段对厌氧氨氧化污水处理过程的影响，降低人工运维成本。
（发明人：陆慧锋;阮贇杰;俞言文;康婷婷;陈倩倩;刘芳;王毅超;杨涛）