专利汇可以提供膜生物反应器-MBR膜污染智能预警方法专利检索,专利查询,专利分析的服务。并且针对MBR污 水 处理 过程中膜污染事件频发、危害巨大等问题,本 发明 提出了一种 膜 生物 反应器 ‑MBR膜污染智能预警方法,实现对膜污染的在线精确预警;该预警方法通过构建递归模糊神经网络软测量模型,实现对透水率的稳定预测;利用透水率预测值和相关参数变量的融合,基于膜污染等级的综合评价,实现对膜污染的智能预警;解决了MBR 污水处理 过程中膜污染难以预警的问题,提高了对膜污染的预处理能 力 ,减轻膜污染造成的危害,保障MBR污水处理过程安全运行,促进MBR污水处理厂高效稳定运行。,下面是膜生物反应器-MBR膜污染智能预警方法专利的具体信息内容。
1.膜生物反应器MBR膜污染智能预警方法,其特征在于,包括以下步骤:
(1)运行过程数据采集:通过安装在工艺现场的采集仪表采集运行过程数据,包括:产水流量、产水压力、化学需氧量、pH、生物需氧量、总磷、厌氧区氧化还原电位ORP、缺氧区ORP、好氧区溶解氧、好氧区硝酸盐、单池膜擦洗气量,实现数据的采集;
(2)运行过程数据预处理:以膜池运行数据为研究对象,利用偏最小二乘法建立特征分析模型,提取出5个主成分变量,分别为:产水流量、产水压力、单池膜擦洗气量、厌氧区ORP和好氧区硝酸盐浓度,5个主成分变量作为膜污染智能预测模型块的输入变量;透水率作为膜污染智能预测模块的输出变量;
(3)膜污染智能预测:建立透水率软测量模型实现透水率预测,其中:透水率由递归模糊神经网络的多步预测获得,递归模糊神经网络的结构分为四层:输入层、隶属函数层、规则层、输出层;结构为5-M-M-1的连接方式,其中M是正整数,且2
其中,βij(t-1)表示t-1时刻输入层第i个神经元与隶属函数层第j个神经元之间的权值,βij(t-1)=1,mij(t-1)表示隶属函数层t-1时刻第j个神经元中心值的第i个元素,σij(t-
1)表示隶属函数层t-1时刻第j个神经元宽度值的第i个元素,θij(t-1)是隶属函数层的自反馈连接的反馈权重, 是隶属函数层的自反馈连接的反馈值;定义递归模糊神经网络的误差为:
其中,m是样本数,yd(t)是t时刻递归模糊神经网络的期望输出,y(t)是t时刻递归模糊神经网络的实际输出;模型校正过程具体如下:
①给定递归模糊神经网络的初始隐含层神经元个数为M,M为大于2的正整数,递归模糊神经网络的输入为x(1),x(2),…,x(t),…,x(m),对应的期望输出为yd(1),yd(2),…,yd(t),…,yd(m),m组数据作为递归模糊神经网络模型的训练样本,期望误差值设为Ed,Ed∈(0,0.01),初始中心值mj(1)中每个变量的赋值区间为[-2,2],mj(1)=(m1j(1),m2j(1),…,mij(1)),mij(1)表示初始时刻隶属函数层第j个神经元中心向量的第i个元素;初始中心宽度σj(1)的赋值区间为[0,1],σj(1)=(σ1j(1),σ2j(1),…,σij(1)),σij(1)表示初始时刻隶属函数层第j个神经元宽度值向量的第i个元素;初始反馈连接权值θij(t)的赋值区间为[0,
1],j=1,2,…,M;初始权值w(1)中每个变量的赋值区间为[-1,1],w(1)=(w1(1),w2(1),…,wj(1)),wj(1)表示初始时刻规则层第j个神经元与输出层之间的连接权值;
②设置学习步数s=1;
③t=s,根据公式(1)计算递归模糊神经网络的输出y(t),运用梯度下降算法调整递归模糊神经网络的参数为:
θij(t+1)=θij(t)-ηθ(yd(t)-y(t))wj(t)Oij(t)y(t-1) (6)
wj(t+1)=wj(t)-ηw(yd(t)-y(t))Oij(t) (7)
其中,ηm为中心向量mij的学习率,ηm∈(0,0.01];ησ为宽度σj的学习率,ησ∈(0,0.01],ηθ为反馈连接权值θij的学习率,ηθ∈(0,0.02],ηw为连接权值wj的学习率,ηw∈(0,0.01],mij(t+1)为t+1时刻隶属函数层第j个神经元中心向量的第i个元素,σij(t+1)为t+1时刻第j个隶属函数层神经元的宽度向量的第i个元素,θij(t+1)为t+1时刻第j个规则层神经元第i个元素的反馈连接权值,wj(t+1)为t+1时刻第j个规则层神经元与输出神经元的连接权值;
④学习步数s增加1,如果步数s
①确定膜污染预警评价指标,令U(t)={u1(t),u2(t),u3(t),y(t)}作为预警评价指标集,其中u1(t)表示t时刻产水流量的值,u2(t)表示t时刻产水压力的值,u3(t)表示t时刻单池膜擦洗气量的值,y(t)表示t时刻透水率的预测值;
②确定隶属度函数和模糊综合评价矩阵,隶属度函数反映实测值和各个污染等级的数量关系,通过把实测值带入隶属函数中,得到评价因子的隶属度,隶属度用矩阵R(t)表示:
rij(t)(i=1,2,…,4;j=1,2,…,4)表示第i个系数对应的第j个污染等级的隶属度;其中,产水流量在不同污染等级下的隶属度计算为:
产水压力在不同污染等级下的隶属度计算为:
单池膜擦洗气量在不同污染等级下的隶属度计算为:
透水率在不同污染等级下的隶属度计算为:
③确定污染等级,设B(t)=[b1(t),b2(t),b3(t),b4(t)]表示矩阵R(t)的可能性向量,bj(t)表示t时刻第j个污染等级可能性的大小,j=1,2,…,4,η(t)=[η1(t),η2(t),η3(t),η4(t)]表示R(t)的权重向量,ηj(t)表示权重向量中的第j个权重,bj(t)和ηj(t)的关系可表示为:
bj(t)=r1j(t)η1(t)+r2j(t)η2(t)+r3j(t)η3(t)+r4j(t)η4(t) (25)
B(t)=R(t)η(t) (26)
由于bj(t)反映第j个污染等级可能性的大小,B(t)可表示在t时刻不同污染等级的贡献度,即:
B(t)=λ(t)η(t) (27)
λmax(t)=maxλ(t) (28)
其中λ(t)是B(t)和η(t)之间的比例系数向量,根据公式(26)和(27),λ(t)也是R(t)的特征值;把最大的比例系数记为λmax(t),即R(t)的最大特征值为λmax(t);最大特征值对应的R(t)矩阵的列数即为当前污染等级的大小。
2.根据权利要求1所述的方法,其特征在于:仪表采集的数据通过Modbus通讯协议传输到PLC,PLC通过RS232通信协议将运行过程数据传输到上位机,上位机中的数据通过局域网传输到数据处理服务器中;以Browser/Server模式通过Web服务器发布运行过程数据,以Client/Server模式显示透水率的预测及膜污染的预警结果。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种低污泥产率的污水处理系统 | 2020-05-08 | 1013 |
一种厌氧往复式旋转中空纤维膜生物反应器及运行方法 | 2020-05-08 | 506 |
一种变孔径中空纤维膜的制备方法及该方法采用的凝固浴槽 | 2020-05-08 | 579 |
一种环保建材生产污水处理装置 | 2020-05-08 | 926 |
一种污水生物处理反应器及其处理方法 | 2020-05-08 | 613 |
一种同轴电催化复合生物膜污水处理装置 | 2020-05-08 | 251 |
一种污水处理罐 | 2020-05-08 | 593 |
一种工业污水处理设备 | 2020-05-08 | 218 |
一种污水处理在线监测给排水装置 | 2020-05-11 | 936 |
一种可控制蒸汽/烃比的轻烃热裂解用稀释蒸汽发生装置 | 2020-05-11 | 135 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。