一種水處理加藥數(shù)字化在線控制系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及水處理技術(shù)領(lǐng)域，具體而言，涉及一種水處理加藥數(shù)字化在線控制系 統(tǒng)。
【背景技術(shù)】
[0002] 電廠水處理工藝中，混合、絮凝及沉淀是不可缺少的重要部分，由于混凝過(guò)程是一 個(gè)復(fù)雜的物理化學(xué)反應(yīng)過(guò)程，對(duì)加藥種類及劑量的控制精度要求較高，但傳統(tǒng)的加藥控制 系統(tǒng)具有幾個(gè)典型缺陷：
[0003] (1)時(shí)滯性較大，而且混合、反應(yīng)及監(jiān)測(cè)過(guò)程均存在延遲性，這些滯后效應(yīng)給加藥 控制系統(tǒng)增加了一定的困難；
[0004] (2)非線性較強(qiáng)，原水水質(zhì)成份復(fù)雜、流量多變，酸堿度差異較大，其加藥后產(chǎn)生的 化學(xué)反應(yīng)過(guò)程具有明顯的非線性；
[0005] (3)干擾因素較多，測(cè)量誤差、設(shè)備切換、操作不當(dāng)?shù)葦_動(dòng)因素也會(huì)給該系統(tǒng)的控 制帶來(lái)一定困難；
[0006] (4)數(shù)字化程度低，傳統(tǒng)人工投加方式，隨著流量、水質(zhì)等因素的變化，加藥調(diào)節(jié)過(guò) 程繁瑣，劑量控制的合理性、準(zhǔn)確性很難得到保證。
[0007] 因此電廠水處理的加藥過(guò)程表現(xiàn)出隨機(jī)、滯后、非線性、檢測(cè)條件粗糙，難以建立 精確的數(shù)學(xué)模型，并實(shí)現(xiàn)加藥數(shù)字化在線控制，是水處理行業(yè)一個(gè)亟待解決的問(wèn)題。

【發(fā)明內(nèi)容】

[0008] 為解決上述問(wèn)題，本發(fā)明的目的在于提供一種確定藥劑最佳投加量的水處理加藥 數(shù)字化在線控制系統(tǒng)。
[0009] 本發(fā)明提供了一種水處理加藥數(shù)字化在線控制系統(tǒng)，包括：
[0010] 原水濁度檢測(cè)儀，其輸入端進(jìn)入原水，所述原水濁度檢測(cè)儀的輸出端與信號(hào)濾波 器連接，所述原水濁度檢測(cè)儀用于檢測(cè)所述原水的水質(zhì)，得到原水水質(zhì)的數(shù)字信號(hào)；
[0011] 原水流量監(jiān)測(cè)儀，其輸入端進(jìn)入原水，所述原水流量監(jiān)測(cè)儀的輸出端與所述信號(hào) 濾波器的第一輸入端連接，所述原水流量監(jiān)測(cè)儀用于檢測(cè)所述原水的流量，得到原水流量 的數(shù)字信號(hào)；
[0012] 信號(hào)濾波器，其第一輸入端與所述的輸出端連接，所述信號(hào)濾波器的第二輸入端 與所述原水流量監(jiān)測(cè)儀的輸出端連接，所述信號(hào)濾波器的第一輸出端與反饋控制器的第一 輸入端，所述信號(hào)濾波器的第二輸出端與在線控制器的第一輸入端連接，所述信號(hào)濾波器 將所述原水水質(zhì)的數(shù)字信號(hào)和所述原水流量的數(shù)字信號(hào)進(jìn)行濾波降噪處理，消除外界干擾 因素的影響，得到濾波信號(hào)；
[0013] 在線控制器，其第一輸入端與所述信號(hào)濾波器的第二輸出端連接，所述在線控制 器的第二輸入端與所述出水濁度檢測(cè)儀的輸入端連接，所述在線控制器的輸出端與反饋控 制器的第二輸入端連接，所述在線控制器完成BP神經(jīng)網(wǎng)絡(luò)模型的運(yùn)算、存儲(chǔ)數(shù)據(jù)并發(fā)出控 制信號(hào)；
[0014] 反饋控制器，其第一輸入端與所述信號(hào)濾波器的第一輸出端連接，所述反饋控制 器的第二輸入端與所述在線控制器的輸出端連接，所述反饋控制器的輸出端與加藥栗的輸 入端連接，所述反饋控制器接收所述信號(hào)濾波器發(fā)出的濾波信號(hào)，按照所述在線控制器發(fā) 出的控制信號(hào)，確定所述加藥栗控制裝置所需的加藥量，并給所述加藥栗控制裝置下發(fā)加 藥指令；
[0015] 加藥栗控制裝置，其輸入端與所述反饋控制器的輸出端連接，所述加藥栗控制裝 置的輸出端輸出的藥劑與原水混合后得到出水，所述加藥栗控制裝置在線接收所述反饋控 制器的加藥指令，執(zhí)行各種藥劑的實(shí)時(shí)定量投放；
[0016] 出水濁度檢測(cè)儀，其輸入端與所述在線控制器的第二輸入端連接，所述出水濁度 檢測(cè)儀輸出出水，所述出水濁度檢測(cè)儀用于檢測(cè)所述出水的水質(zhì)，得到出水水質(zhì)的數(shù)字信 號(hào)。
[0017] 本發(fā)明還提供了一種水處理加藥數(shù)字化在線控制方法，自動(dòng)采集原水的監(jiān)測(cè)信 息，通過(guò)信號(hào)濾波器消除噪聲影響，將得到的中低頻信號(hào)傳入信號(hào)輸入子系統(tǒng)，根據(jù)當(dāng)前各 種藥劑的投加量和原水流量、原水水質(zhì)指標(biāo)，訓(xùn)練并建立在線控制模型，再根據(jù)原水的實(shí)時(shí) 監(jiān)測(cè)信息，對(duì)藥劑的投加量進(jìn)行動(dòng)態(tài)調(diào)整，確定各種藥劑的最佳投加量，該方法包括以下步 驟：
[0018] 步驟1，原水通過(guò)原水濁度檢測(cè)儀和原水流量監(jiān)測(cè)儀，得到原水水質(zhì)的數(shù)字信號(hào)和 原水流量的數(shù)字信號(hào)，所述原水水質(zhì)的數(shù)字信號(hào)和所述原水流量的數(shù)字信號(hào)進(jìn)入信號(hào)濾波 器，所述信號(hào)濾波器將這些含有噪聲的數(shù)字信號(hào)采用提升小波算法進(jìn)行濾波降噪處理，得 到原水去噪信號(hào)，具體包括以下步驟：
[0019] 步驟11，將數(shù)字信號(hào)進(jìn)行預(yù)處理，剔除奇異點(diǎn)；
[0020] 步驟12,采用提升格式的dbN小波函數(shù)對(duì)步驟11得到的數(shù)字信號(hào)進(jìn)行分解，具體 為：
[0021] 根據(jù)數(shù)據(jù)之間的相關(guān)性，將數(shù)字信號(hào)分解成兩個(gè)互不相交的偶數(shù)集c]+1和奇數(shù)集 dj+1，即：
[0022] cj+1=c[2n]；
[0023] dj+1=c[2n+l]；
[0024] 采用與所述偶數(shù)集、所述奇數(shù)集均不相關(guān)的預(yù)測(cè)算子p，用所述偶數(shù)集c]+1預(yù)測(cè) 所述奇數(shù)集d]+1，所述偶數(shù)集c]+1再減去預(yù)測(cè)值，得到預(yù)測(cè)誤差，該預(yù)測(cè)誤差即為小波系數(shù) d[η]，預(yù)測(cè)過(guò)程表示為：
[0025] dj+1=cj[2n+l]-p(cj+1)；
[0026] 采用更新算子U產(chǎn)生一個(gè)保持原數(shù)據(jù)特性的子集數(shù)據(jù)，產(chǎn)生過(guò)程表示為：
[0027] cj+1 =cj[2n]+U(dj+1)；
[0028] 步驟13,數(shù)字信號(hào)的重構(gòu)，具體為：
[0029] 車田來(lái)藤19相G的計(jì)辟走棚撒空信號(hào)的重構(gòu)，重構(gòu)過(guò)程表示為：
[0030]
[0031] 將與噪聲相應(yīng)的高頻細(xì)節(jié)信號(hào)有關(guān)部分置0,得到去噪的重構(gòu)信號(hào)，完成濾波降噪 處理；
[0032] 步驟2,出水濁度檢測(cè)儀對(duì)出水進(jìn)行檢測(cè)，得到所述出水水質(zhì)的數(shù)字信號(hào)，將步驟 1中得到的原水去噪信號(hào)、所述出水水質(zhì)的數(shù)字信號(hào)作為控制參量，并將加藥栗控制裝置所 需的加藥量作為目標(biāo)函數(shù)，將所述目標(biāo)函數(shù)和所述控制參量同時(shí)輸入在線控制器，利用BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行學(xué)習(xí)訓(xùn)練，建立在線控制模型，具體包括以下步驟：
[0033] 步驟21，將所述原水流量、所述出水流量的數(shù)字信號(hào)X= (Xl，x2，…χη)τ作為輸入 向量，所述加藥栗控制裝置所需的加藥量Y= (y:，y2,…，ym)T作為輸出向量，〇 = (〇 1，〇2,… 〇1)τ作為隱含層的輸出向量，d= (c^c^，…dj作為BP神經(jīng)網(wǎng)絡(luò)的期望輸出向量，W= ，…Wn)作為輸入層和所述隱含層之間的權(quán)值矩陣，V= (Vi，V2，…，VD作為所述隱含 層和輸出層之間的權(quán)值矩陣，對(duì)權(quán)值矩陣W和V賦予隨機(jī)初值，將樣本模式計(jì)數(shù)器p、訓(xùn)練次 數(shù)計(jì)數(shù)器q均置為1，誤差E置為0,給定最小誤差E_;
[0034] 步驟22,輸入訓(xùn)練樣本，計(jì)算所述輸入層、所述隱含層和所述輸出層的輸出，利用 當(dāng)前樣本XP、dp，根據(jù)權(quán)值矩陣選取的初始權(quán)值，經(jīng)過(guò)激勵(lì)函數(shù)的轉(zhuǎn)換，對(duì)向量數(shù)組X、d賦 值，計(jì)算〇和Y中的分量；
[0035] 步驟23,計(jì)算網(wǎng)絡(luò)輸出誤差，網(wǎng)絡(luò)對(duì)應(yīng)p對(duì)訓(xùn)練樣本的不同誤差為Ep;
[0036] 步驟24,計(jì)算輸入層、隱含層和輸出層的誤差信號(hào)，根據(jù)各層誤差信號(hào)調(diào)整對(duì)應(yīng)的 權(quán)值，得到新的權(quán)值；
[0037] 步驟25,判斷所有的輸入樣本是否被訓(xùn)練過(guò)一次，如果都訓(xùn)練過(guò)則進(jìn)行步驟26， 否則進(jìn)行步驟21 ;
[0038] 步驟26,判斷均方誤差
L是否小于給定最小誤差E_，如果是 則結(jié)束，得到BP神經(jīng)網(wǎng)絡(luò)模型，否則進(jìn)行步驟21 ;
[0039] 步驟3,將步驟2建立的BP神經(jīng)網(wǎng)絡(luò)模型導(dǎo)入反饋控制器，所述反饋控制器接收到 所述原水流量、所述原水水質(zhì)的數(shù)字信號(hào)，將該數(shù)字信號(hào)和所述出水水質(zhì)的數(shù)字信號(hào)作為 控制參量輸入所述BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行運(yùn)算，得到當(dāng)前狀態(tài)所需的加藥量；
[0040] 步驟4,在線控制器接收并存儲(chǔ)經(jīng)所述信號(hào)濾波器濾波后的數(shù)字信號(hào)，將這些濾波 后的數(shù)字信號(hào)的時(shí)間序列均值與未濾波的數(shù)字信號(hào)的時(shí)間序列均值進(jìn)行比較，若偏離程度 超過(guò)閾值，所述在線控制器根據(jù)當(dāng)前的時(shí)間序列重新建立BP神經(jīng)網(wǎng)絡(luò)模型，并將該BP神經(jīng) 網(wǎng)絡(luò)模型再次導(dǎo)入所述反饋控制器后重新進(jìn)行步驟3,根據(jù)實(shí)時(shí)的原水水質(zhì)和原水流量調(diào) 整當(dāng)前狀態(tài)的加藥量；
[0041] 步驟5,所述反饋控制器將步驟4得到的加藥量輸入加藥栗控制裝置，自動(dòng)調(diào)節(jié)加 藥閥