基于多源信息融合技术的混凝过程智能监测与控制方法技术

本发明专利技术公开水处理中对混凝投药过程智能监测、混凝剂投加的实时优化控制的方法。基于多源信息融合技术的混凝过程智能监测与控制方法由以下步骤组成：利用浊度、ｐＨ值、电导率、温度和流量传感器分别获取代表水质参数的相应信号Ｉ１、Ｉ２、Ｉ３、Ｉ４和Ｉ５；把Ｉ１、Ｉ２、Ｉ３、Ｉ４和Ｉ５输入运用模糊神经网络算法的时空融合系统，其输出值α输入到比较器；单因子混凝智能控制系统的控制器进行相应的运算，把混凝剂的投加量输出到混凝剂投加泵，单因子检测仪把当前混凝反应程度反馈值β反馈到比较器；通过对原水水质参数及其变化量的全面、准确、可靠的智能监测，实现对混凝过程全面、高质量的控制。

【技术实现步骤摘要】

；本专利技术涉及水处理投药混凝过程中，对混凝投药过程智能监测，实现混凝剂投加的实时优化控制的方法。
技术介绍
水处理的混凝投药过程是影响处理水质的关键环节，一直是水处理研究的重点。随着计算机技术的发展和水厂运行自动化程度的提高，已在一定程度上实现了混凝投药的自动控制。但由于水处理过程复杂的物理化学反应机理，以及反应过程水质参数的时变性、反应的时滞性，而且影响混凝剂投加量因素很多，确定和控制混凝剂的投加量仍然十分困难。目前先进的单因子参数法(如流动电流法、透光率脉动检测法)利用单一因子表征多项水质因素对混凝过程的影响，利用其可实现混凝投药过程的自动控制，如《吉林电力》2003年6月第3期《单因子水处理混凝自控加药技术的应用》一文所述。但由于原水水质参数的变化会对单因子检测仪的测量结果和单因子混凝控制系统的设定值产生不确定的影响，使这一方法在应用中受到了一定限制。
技术实现思路
本专利技术的目的是提供一种，全面、准确、可靠地监测原水水质状况及混凝反应的变化程度，实现变化水质条件下的混凝剂实时最优投加，以克服单一传感器只能提供混凝过程的局部信息，不能全面反映原水及混凝反应过程的变化，且存在抗干扰能力低、容错性差问题的缺陷。本专利技术的技术方案是它包括步骤三、在单因子混凝智能控制系统的控制器7中进行相应的运算，把混凝剂的投加量输出到混凝剂投加泵9，同时设置在混凝反应池中的单因子检测仪8把检测到的代表当前混凝反应程度反馈值β反馈到比较器10的负输入端；在步骤三前还包括步骤一、利用设置于原水中的浊度传感器1、PH值传感器2、电导率传感器3、温度传感器4和流量传感器5分别获取代表水质参数的相应信号I1、I2、I3、I4和I5；步骤二、把代表水质参数的相应信号I1、I2、I3、I4和I5输入运用模糊神经网络算法的时空融合系统6，其输出值α输入到比较器10的正输入端，作为单因子混凝智能控制系统的设定值；本专利技术的方法通过实时测量原水的多种水质参数从而实现变化水质条件下单因子混凝控制系统设定值适时、适宜的自修正，运用基于自适应控制和模糊逻辑控制方法，实现变化水质条件下的混凝剂实时最优投加。它克服了单一传感器只能提供混凝过程的局部信息，不能全面反映原水及混凝反应过程的变化的缺陷，由于采集的信息种类多，抗干扰的能力强，也不容易因为采集到错误信息而造成错误的混凝剂投加量。本专利技术的方法采用多传感器数据融合技术，在水厂现有运行检测仪表的基础上，以最少的设备投入，实现对原水水质参数及其变化量的全面、准确、可靠的智能监测，提高了传感检测单元提供数据的准确性和可靠性，实现以任何单一传感器无法实现的对混凝过程全面、高质量的智能监测与控制，降低了电耗和药耗，减少了过量投药对健康的危害。该系统还可用于污水处理自动监控过程及水文环境的动态监测。附图说明图1是本专利技术方法数据流向的示意图，图2是本专利技术实施方式二的数据流向的示意图。具体实施例方式具体实施方式一本实施方式由以下步骤组成一、利用设置于原水中的浊度传感器1、PH值传感器2、电导率传感器3、温度传感器4和流量传感器5分别获取代表水质参数的相应信号I1、I2、I3、I4和I5；步骤二、把代表水质参数的相应信号I1、I2、I3、I4和I5输入运用模糊神经网络算法的时空融合系统6，其输出值α输入到比较器10的正输入端，作为单因子混凝智能控制系统的设定值；三、在单因子混凝智能控制系统的控制器7中进行相应的运算，把混凝剂的投加量输出到混凝剂投加泵9，同时设置在混凝反应池中的单因子检测仪8把检测到的当前混凝反应程度反馈值β反馈到比较器10的负输入端；单因子混凝智能控制系统的控制器7选用二维模糊控制器，或者选用
技术介绍
中的单因子水处理混凝系统中的控制器和单因子检测仪。具体实施方式二下面结合图2具体说明本实施方式。本实施方式与实施方式一的不同之处是实施方式一中的步骤二由以下步骤组成201、分别把输入的信号I1、I2、I3、I4和I5进行数据级融合，即获得各传感器的检测值并求取各传感器的检测值的变化率，分析各传感器连续输出的数据是否有超常规的变化以决定该数据是否可靠，从而判别是否仪器存在失灵、噪声干扰、信号丢失等问题；202、把经过数据级融合的数据进行特征级融合，具体为把经过数据级融合处理的数据运用二数据输入、一数据输出的5层网络结构的模糊神经网络，将不同度量的信息转换为对混凝影响程度的一致性描述，在网络的A层根据选择的隶属度函数进行隶属度计算，完成对网络二个输入变量的模糊化处理，B层根据数据的输入，确定规则库中规则的适用度并进行推理，推理结果在C层以加权平均方法进行非模糊化处理；203、进行决策级融合，运用基于改进的BP算法神经网络，实现对各检测参数W1、W2、W3、W4、W5权值的确定和调整，对各检测数据进行加权融合处理。这样处理的原因在于不同的水域以及同一水域的不同季节，各水质参数对混凝反应的影响及其程度均不相同；其它的步骤与实施方式一相同。本实施方式首先在数据融合级进行多传感器同源信息的纯空间域融合，在特征融合级进行时间、空间域的融合，以获取对原水水质及其变化量、混凝反映效果极其变化程度的智能监测；然后在决策融合级建立基于原水水质参数变化量的单因子检测值与混凝效果、混凝剂投加量间相关性的动态规律模型及知识库，实现变化水质条件下单因子混凝控制系统设定值适时、适宜的自修正；在此基础上，运用基于自适应控制和模糊逻辑控制方法，并将控制输出作用于混凝剂投加泵，实现变化水质条件下的混凝剂实时最优投加。运用模糊神经网络算法的时空融合系统6中具体应用了TaKagi-Sugeno(高木—关野)模糊推理方法和神经网络算法。权利要求1.，它包括步骤三、在单因子混凝智能控制系统的控制器(7)中进行相应的运算，把混凝剂的投加量输出到混凝剂投加泵(9)，同时设置在混凝反应池中的单因子检测仪(8)把检测到的当前混凝反应程度反馈值β反馈到比较器(10)的负输入端；其特征在于在步骤三前还包括步骤一、利用设置于原水中的浊度传感器(1)、PH值传感器(2)、电导率传感器(3)、温度传感器(4)和流量传感器(5)分别获取代表水质参数的相应信号I1、I2、I3、I4和I5；步骤二、把代表水质参数的相应信号I1、I2、I3、I4和I5输入运用模糊神经网络算法的时空融合系统(6)，其输出值α输入到比较器(10)的正输入端，作为单因子混凝智能控制系统的设定值。2.根据权利要求1所述的，其特征在于其步骤二由以下步骤组成201、分别把输入的信号I1、I2、I3、I4和I5进行数据级融合，即获得各传感器的检测值并求取各传感器的检测值的变化率，分析各传感器连续输出的数据是否有超常规的变化以决定该数据是否可靠202、把经过数据级融合的数据进行特征级融合，具体为把经过数据级融合处理的数据运用二数据输入、一数据输出的5层网络结构的模糊神经网络，将不同度量的信息转换为对混凝影响程度的一致性描述，在网络的A层根据选择的隶属度函数进行隶属度计算，完成对网络二个输入变量的模糊化处理，B层根据数据的输入，确定规则库中规则的适用度并进行推理，推理结果在C层以加权平均方法进行非模糊化处理；203、进行决策级融合，运用基于改进的BP算法神经网络，实现对各检测参数W1、W2、W3、本文档来自技高网...

【技术保护点】
基于多源信息融合技术的混凝过程智能监测与控制方法，它包括步骤三、在单因子混凝智能控制系统的控制器（７）中进行相应的运算，把混凝剂的投加量输出到混凝剂投加泵（９），同时设置在混凝反应池中的单因子检测仪（８）把检测到的当前混凝反应程度反馈值β反馈到比较器（１０）的负输入端；其特征在于在步骤三前还包括步骤一、利用设置于原水中的浊度传感器（１）、ＰＨ值传感器（２）、电导率传感器（３）、温度传感器（４）和流量传感器（５）分别获取代表水质参数的相应信号Ｉ１、Ｉ２、Ｉ３、Ｉ４和Ｉ５；步骤二、把代表水质参数的相应信号Ｉ１、Ｉ２、Ｉ３、Ｉ４和Ｉ５输入运用模糊神经网络算法的时空融合系统（６），其输出值α输入到比较器（１０）的正输入端，作为单因子混凝智能控制系统的设定值。

【技术特征摘要】

【专利技术属性】
技术研发人员：白桦，马军，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：93[中国|哈尔滨]