用于超滤的过滤系统的开环控制和/或闭环控制方法
阅读：1029发布：2020-07-20
专利汇可以提供用于超滤的过滤系统的开环控制和/或闭环控制方法专利检索，专利查询，专利分析的服务。并且本 发明 提供用于液体 超滤 的过滤系统的开环控制和/或闭环控制的方法，尤其是用于 水 的超滤，具有 过滤器 ，其中所述开环控制和/或闭环控制在 模糊逻辑 和/或 人工神经网络 的 基础 上进行。，下面是用于超滤的过滤系统的开环控制和/或闭环控制方法专利的具体信息内容。
1.用于液体超滤的过滤系统的开环控制和/或闭环控制的方法，具有过滤器(180)，其中所述开环控制和/或闭环控制在模糊逻辑的基础上进行，包括下述步骤：
捕捉所述过滤系统的至少第一和第二过程变量；
在第一预定隶属函数的基础上确定所述第一过程变量对第一语言项的第一隶属度；
在第二预定隶属函数的基础上确定所述第二过程变量对第二语言项的第二隶属度；
根据用于确定所述第一预定规则的动作的第一结果隶属函数的至少第一预定规则对所述第一和第二语言项逻辑地组合；
在所述至少第一预定规则的动作的所述第一结果隶属函数的基础上确定整体隶属函数；
自所述整体隶属函数获得输出值；和
对过滤系统的开环控制和/或闭环控制；
其中过滤器(180)的清洗过程的启动和/或过滤过程的持续在输出值的基础上进行；
其中过滤过程的持续在对过滤过程的至少一个过程参数的调整下进行，所述调整是在模糊逻辑的基础上；
其中过滤过程的开环控制和/或闭环控制包括对过滤过程的至少一个过程参数的调整；
其中所述至少一个过程参数自下述组中选择：过滤器入口液体温度，所述过滤器入口液压，所述过滤器入口和过滤器出口之间液体的压差，所述过滤器入口的液体和滤液的压差，过滤器入口输入的液体的体积流量，过滤器入口输入的液体的流速。
2.根据权利要求1所述的方法，还包括：
自过滤系统捕捉至少第三和第四过程变量；
在第三预定隶属函数的基础上确定所述第三过程变量对第三语言项的第三隶属度；
在第四预定隶属函数的基础上确定所述第四过程变量对第四语言项的第四隶属度；
根据用于确定所述至少第二预定规则的动作的第二结果隶属函数的至少第二预定规则对所述第三和第四语言项逻辑地组合；其中：
整体隶属函数通过对所述至少第一预定规则的所述动作的至少所述第一结果隶属函数和所述至少第二预定规则的动作的所述第二结果隶属函数确定。
3.根据权利要求1或2所述的方法，其中所述清洗过程包括逆流清洗。
4.根据权利要求1所述的方法，其中所述捕捉的过程变量选自下述组：过滤器入口的液体的温度，过滤器入口的液体的压力，过滤器出口的液体的压力，滤液的压力，过滤器入口和过滤器出口之间的液体的压差，过滤器入口的液体和滤液之间的压差，供给过滤器入口的液体的体积流量，滤液的体积流量，供给过滤器入口的液体的流速，滤液的流速，过滤器的产量，过滤器的操作时间，过滤器的使用寿命，过滤器的运行时间，液体入口的液体的浊度，滤液的浊度，在过滤器入口待被分离的粒子的浓度梯度，过滤器上覆盖层的厚度，过滤器上覆盖层的密度，过滤器的过滤阻力，过滤器生产能力，过滤器临界值，液体入口的液体的硬度等级，滤液的硬度等级，过滤器入口的液体的电导率，滤液的电导率，过滤器入口的液体的盐的浓度，滤液中盐的浓度，过滤器入口对过滤器污垢关键的离子浓度，滤液中对过滤器污垢关键的离子浓度，过滤循环的数量，过滤器的逆流清洗阻力，逆流清洗液体的体积流量，逆流清洗入口中逆流清洗液体的流速，在逆流清洗出口的逆流清洗液体的浊度，在逆流清洗入口和逆流清洗出口之间的逆流清洗液体的压差，逆流清洗过程的持续时间和过滤器的寿命，以及它们相对预定参考曲线的偏移；其中每一个捕捉的过程变量或作为值，或作为值的暂时变化，或作为值的暂时变化中的暂时变化或作为值的暂时趋势被捕捉。
5.根据权利要求1所述的方法，其中启动清洗过程的步骤可包括自下述组中清洗过程类型的选择：过滤器(180)的逆流清洗，过滤器(180)的原地清洗，过滤器(180)的逆流清洗和原地清洗，过滤器(180)的一般清洗和预定的清洗程序。
6.根据权利要求1所述的方法，其中过滤器(180)的清洗过程的持续和/或过滤器清洗过程的终止和在清洗过程终止后过滤过程的启动在输出值的基础上进行。
7.根据权利要求1所述的方法，进一步包括：在模糊逻辑和/或人工神经网络基础上的清洗过程的清洗成效的评定。
8.根据权利要求7所述的方法，其中对清洗成效的评定在输出值的基础上进行。
9.根据权利要求7或8所述的方法，其中所述清洗过程包括逆流清洗，所述逆流清洗包括至少两个逆流清洗步骤，其中至少两个不同的逆流清洗步骤中的至少一个的持续时间和/或强度在清洗成效的评定的基础上被开环控制或闭环控制。
10.根据权利要求9所述的方法，其中开环控制和/或闭环控制通过神经-模糊控制器进行，进一步包括下述步骤：
清洗成功和清洗失败的记录；
通过人工神经网络对记录的清洗成功和清洗失败的评定；和
在通过人工神经网络的评定的基础上对至少一个逆流清洗步骤的至少一个过程参数的调整。
11.根据权利要求10所述的方法，进一步包括对至少一个逆流清洗步骤的消除或优先排序。
12.根据权利要求1所述的方法，其特征在于用于水的超滤。
用于超滤的过滤系统的开环控制和/或闭环控制方法
技术领域
[0001] 本发明涉及一种用于液体超滤的过滤系统的开环控制和/或闭环控制方法。
背景技术
[0002] 具有超滤过滤器的过滤系统通过很多方式应用于工业、医药和环境技术。最常见的应用领域为淡水过滤，回收工艺用水，以及废水的过滤，包括工业性质的，和啤酒或水果汁的领域。此外在从液体中分离蛋白质，疫苗或抗生素的医疗技术中以及在透析中的应用是已知的。
[0003] 因此用于超滤的过滤系统通常根据非常严格的顺序操作，通常其可被专家通过几个参数在狭窄的范围内调整。然而，对于过滤系统的开环控制和/或闭环控制，普通的系统使用者通常限制于对系统试运行之前规定的和经常被预编程的程序。因此，为了改变工艺条件的过滤系统的操作方法调整，例如，改变未经处理的水质，改变温度和改变载荷循环，以及过滤器的改变，是不可行的或者需要受过训练的专家的努力。
[0004] 在生产过程中，待过滤的物质被堆积于超滤过滤器上，导致过滤阻力的上升和最终过滤过程效率的下降。由于这个所谓的过滤污垢，超滤过滤器的例行的清洗是需要的，例如，通过逆流清洗。在现有技术中，要实施的逆流清洗同样被限制于严格的根据固定的值和时间控制过滤和逆流清洗的程序序列。
[0005] 由于在系统试运转时程序顺序被永久的设定，系统的优化，包括过滤器的清洗，最终变得更难或不可能。这会特别的危及产品的可靠性以及系统结果的可靠性。此外使得不能有效的使用资源例如逆流清洗水，空气和能量。
[0006] 因此本发明的目的在于提供用于液体超滤的过滤系统的智能开环控制和/或闭环控制的方法以克服上述缺点。特别的，即使在无大量专业知识的情况下关于产品可靠性和有效资源利用的过滤和过滤清洗过程的最优化应该是可行的。而且本方法应可以调整以改变工艺条件和可以灵活的做出反应。
发明内容
[0008] 特别的，待过滤的流体可以是液体，例如，水，特别的为淡水。通常来说，超滤被应用于这里。可选择的，根据本发明的方法可被使用于对，例如，废水，啤酒或果汁的微滤。此外使用根据本发明的方法来从液体中分离蛋白质，疫苗或抗生素，进行蛋白质的分馏，进行透析和所谓的冷灭菌是可行的。
[0009] 在超滤中，待分离的粒子或分子的尺寸在0.5nm到500nm（nm＝10-9m）的范围内，特别的在1nm到300nm的范围内。待分离出的粒子或分子可为不溶于水的盐，糖，病毒，细菌，蛋白质或胶体。
[0010] 因此超滤可被实施为死端（dead-end）过滤或交叉流过滤。在死端过滤中，待过滤的液体在尽可能低的压力下被对着过滤器泵送，而交叉流过滤中待过滤的液体沿切线方向的对着过滤器流动。在两种情况下，滤液（即渗透液）穿透过滤器而被分离的粒子或分子作为浓缩液（即渗余物）留在过滤器的进口区域，或因此如同在流动方向所见的在过滤器的前面。在交叉流过滤中，具有分离的粒子或分子的浓缩液通常再次流穿过滤器的出口，而在死端过滤中通常没有这样的出口存在。
[0011] 过滤器可为膜滤器或中空纤维过滤器。膜可为扁平膜或管状膜。特别的，多孔陶瓷膜可被作为过滤器。然而，特别的，塑料膜例如由聚醚砜制成的可被使用。因此进一步的发展可为具有一个或更多凹槽的中空纤维过滤膜或螺旋缠绕膜。
[0012] 在模糊逻辑中，复杂的问题可通过使用模糊规则以简单的方式描述。对每个具体的输入变量，语言项（linguistic term）的模糊集合的隶属函数被使用以确定对对应的语言项的隶属度。
[0013] 根据进一步的发展，根据本发明的方法包括对过滤系统的至少第一和第二过程变量的结果捕捉（作为输入变量），在第一预定隶属函数的基础上对第一语言项的第一过程变量的第一隶属度的确定，在第二预定隶属函数的基础上对第二语言项的第二过程变量的第二隶属度的确定，根据用于第一预定规则的动作的第一结果隶属函数的确定的至少第一预定规则的第一和第二语言项的逻辑组合，在至少第一预定规则的动作的第一结果隶属函数的基础上的整体隶属函数的确定，从整体隶属函数获得的输出值的获得，以及依赖输出值的过滤系统的开环控制和/或闭环控制。
[0014] 特别的，过滤器的清洗过程可因此依赖输出值被开环控制或闭环控制。
[0017] 此外，值的范围可为被捕捉的过程变量所定义，这些值的范围可通过合适的模糊集合的定义被划分。适当的语言项因此被与模糊集合关联。所述划分尤其是模糊集合的隶属函数可通过合适的参数被参数化，借此形成延续，所述参数可通过人工神经网络被调整。例如，其参数为底部宽度和尖端位置的三角函数可作为隶属函数被使用。模糊集合的隶属函数进一步的例子为梯形函数和高斯函数，其中高斯函数具有连续可微的优点且因此特别的适合在最大坡度的梯度法的基础上在最优化方法中使用。若需要，对每个模糊集合可定义不同的隶属函数。
[0018] 在模糊理论中，规则，或更精确的语言规则，包括以若干输入变量属于若干语言项的隶属的形式的若干前提（premises）（也叫做前件），所述前提通过逻辑组合彼此结合（其结果被称为先决条件（precondition）），和包括对一个语言项的输出值的隶属函数的形式的动作（也叫做后件或结果）（通常叫做”如果-那么”形式）。
[0019] 根据本发明的方法，每个规则可被专家规定或从自动方法中学习。所述自动方法可，特别的，为人工神经网络。这样的人工神经网络可因此通过观察的手段来学习或调整规则，例如记录和评价过滤系统合适的过程数据，由此所述观察在过程操作中特别的可由专家完成。
[0020] 此外预定的或学习到的规则可通过最优化步骤调整。最优化步骤因此可包括对属于规则中使用的语言项的模糊集合的上述参数的调整或规则的优先排序或消除。优先排序或消除可特别的通过设置或调整在确定中的规则的权重发生，如本发明所给出的，所述确定为在规则的动作的结果隶属函数的基础上的整体隶属函数的确定。
[0021] 在通过在最优化步骤中对其参数的调整实现模糊集合的移位（shifting）中，特别的对预先定义的对应的过程变量的值的范围的模糊集合的隶属可被作为边界条件引入。
[0022] 两个或更多的语言项可通过惯常的逻辑操作符被逻辑上的结合，尤其是逻辑与，逻辑或，逻辑异或。二元或三元操作符，或具有多于三个操作对象的操作符，可因此被使用。此外，否定的一元运算可被应用于任意语言项。
[0023] 在规则的前提的两个或更多语言项的逻辑与结合中，所述规则的先决条件的度可被特别的通过输入变量属于它们对应的语言项的隶属度的最小值形成。在两个或更多的前提的语言项的逻辑或组合中，先决条件的度可特别的通过输入变量对它们对应的语言项的隶属度的最大值形成。可选择的，逻辑与和/或逻辑或的组合可借助边界和来实施。
[0024] 规则的动作的结果隶属函数的确定可通过对所述规则的先决条件的度——意味着逻辑结合的前提，意味着规则的“如果”部分，对在规则的“那么”部分的规则的动作的语言项的映射来进行。称为推理的映射可以由此通过形成先决条件的度的最小值和动作的隶属函数来进行，意味着通过对先决条件的度的级别的动作的隶属函数的图解进行“截断”。对此可选择的，映射可以通过形成前提的度的结果和动作的隶属函数进行。
[0025] 规则可包括两个或更多前提，最终两个或更多语言项，作为先决条件。两个或更多语言项可因此相等。可选择的或可附加的，两个或更多属于先决条件的语言项的过程变量可相等。
[0026] 在至少第一预定规则的动作的第一结果隶属函数的基础上整体隶属函数的确定可特别的通过将整体隶属函数等同到动作的结果第一隶属函数进行。结果第一隶属函数可因此被附加的通过权重修订，尤其是通过与跨越规则的动作的输出变量的范围的权重函数相乘来修订，和/或在输出变量的值的范围的预定边界处截断。
[0027] 自整体隶属函数获得输出值（去模糊化）可特别地通过位于整体隶属函数下方的区域的重心的横坐标值的确定实现。对此可替代的，根据最大值判据方法，对整体隶属函数具有最大值的输出变量的任何值可被选择，。同样的，根据最大值的平均数方法，对整体隶属函数取它的（整体的）最大值时的跨越输出变量的值的集合的平均值可被选择作为输出变量的值，。在替代设计中，特别地，如果整体隶属函数在单独规则的单独结果隶属函数的基础上被确定，输出值可在单独规则的先决条件的度的基础上或结果隶属函数的最大值的基础上被确定。在上述提到的情况中，过滤器系统的开环控制和/或闭环控制可特别地通过比较获得的输出值和一个或更多的预定的边界或阈值进行。所述预定的边界或阈值可由此在一个最优化步骤中分别地或一起被调整，由此优化步骤可特别地通过人工神经网络被实施。
[0028] 根据进一步的发展，用于过滤系统的开环控制和/或闭环控制的方法附加的包括过滤系统对至少第三和第四过程变量的捕捉，在第三预定隶属函数的基础上对第三语言项的第三过程变量的第三隶属度的确定，在第四预定隶属函数的基础上对第四语言项的第四过程变量的第四隶属度的确定和根据用来确定至少第二预定规则的动作的第二结果隶属函数的至少第二预定规则对第三和第四语言项的逻辑组合，由此整体隶属函数至少被至少第一预定规则的动作的第一结果隶属函数和至少第二预定规则的动作的第二结果隶属函数的合成确定。
[0029] 上述选择可据此同样方式的被应用于第二预定规则和可能进一步的规则的评价。特别的，整体隶属函数可通过多于两个规则的动作的结果隶属函数的组合确定。两个或更多结果隶属函数的组合可特别地通过对应的模糊集合的并集进行。第三和/或第四过程变量可与第一和/或第二过程变量相同。可选择地或可附加地，第一预定规则可与第二预定规则相同。
[0030] 利用通过组合来结合若干语言规则，在过程控制区域内复杂的分析也可被容易的表述。特别地，通过组合，用于矛盾的趋势的控制的语言规则可被实施,且最终过程控制的最优化在模糊逻辑的基础上是可行的。
[0031] 开环控制和/或闭环控制，如本发明所给出的，用于过滤系统的，可通过马丹尼（Mamdani）控制器或关野（Sugeno）控制器实施。在关野控制器中，输出变量的值的范围的划分可因此被捕捉的过程变量的值的范围到输出变量的值的范围的映射替换，尤其是线性映射。
[0032] 根据本发明，过滤系统的开环控制和/或闭环控制可通过在一个或多个获得的输出值的基础上对一个或多个校正变量的调整进行。每个输出值可因此特别地为对应的校正变量。
[0033] 根据进一步的发展，欲被开环控制或闭环控制的过滤器清洗过程可包括过滤器的逆流清洗。对此可选择地或可附加地，欲被开环控制或闭环控制的清洗过程可包括过滤器的原地清洗（cleaning-in-place），对过滤器的组合的逆流清洗和原地清洗，对过滤器的一般清洗，和一个或更多预定的清洗程序。原地清洗通常为对过滤器的化学清洗。碱性清洗剂和/或双氧水可在此被作为化学清洗剂使用。在对过滤器的一般清洗中，通常对过滤过程的完全终止是需要的。特别地，过滤器的一般清洗可包括对过滤器或个别过滤元件的替换。
[0034] 通过对过滤器系统中过滤器清洗过程智能的和最优化的开环控制，对过滤器系统的扩展操作和过滤器使用寿命的改善是可能的，且被使用于产品的资源的比例被保持在理想的范围。特别地，一些语言规则的规定允许对过滤器系统的开环控制和/或闭环控制的灵活的调整以改变过程条件。
[0035] 捕捉的过程变量可从下列组中选择：过滤器入口的液体的温度，过滤器入口的液体的压力，过滤器出口的液体的压力，滤液的压力，过滤器入口和过滤器出口之间的液体的压差，过滤器入口的液体和滤液之间的压差，供给过滤器入口的液体的体积流量，滤液的体积流量，供给过滤器入口的液体的流速，滤液的流速，过滤器的产量，过滤器的操作时间，过滤器的使用寿命（service lifetime），过滤器的运行时间，液体入口的液体的浊度，滤液的浊度，在过滤器入口待被分离的粒子的浓度梯度，过滤器上覆盖层的厚度，过滤器上覆盖层的密度，过滤器的过滤阻力，过滤器生产能力，过滤器临界值（cut-off limit），液体入口的液体的硬度等级，滤液的硬度等级，液体入口的液体的电导率，滤液的电导率，过滤器入口的液体的盐的浓度，滤液中盐的浓度，过滤器入口对过滤器污垢关键的离子浓度，滤液中对过滤器污垢关键的离子浓度，过滤器的逆流清洗阻力，逆流清洗液体的体积流量，在逆流清洗入口中的逆流冲洗液体的流速，在逆流清洗出口中的逆流清洗液体的浊度，在逆流清洗入口和逆流清洗出口之间的逆流清洗液体的压差，逆流清洗过程的持续时间和过滤器的寿命，以及它们相对预定参考曲线的偏移。
[0036] 每一个捕捉的过程变量可因此被捕捉或作为值，或作为值的暂时变化，或作为值的暂时变化中的暂时变化或作为值的暂时趋势。个体过程变量可同样的在不同的时间点被捕捉。特别地，一个和与其同样的过程变量可在不同的时间点被捕捉。过程变量的暂时趋势可在3，5，10或更多的时间点被捕捉。附加的，被捕捉的过程变量可跨越若干时间点被合计。
[0037] 合适的过程变量的捕捉使得对过滤系统的精确和灵活的开环控制和/或闭环控制是可能的。此外，过程变量的暂时发展的捕捉允许它们的发展到未来的预测并最终有更好的决策标准。
[0038] 过滤器的产量为滤液的体积流量对传送到过滤器入口的液体的体积流量的关系。过滤器使用周期（service life）通常被理解为本过滤器工作直到下一次清洗需要执行的时间。
[0039] 由于滤液（渗透）的恒定排放，增长的边界层在过滤过程中形成于过滤器之上（覆盖层或污垢）。因此分离的粒子或分子的浓度梯度在边界层发生（浓度极化）。对应的梯度也可贯穿过滤器的截面发生。随着覆盖层的厚度和/或密度的增加，过滤阻力也增加。临界值，例如，分离粒子或分子的最小尺寸，同样的因此减小。对过滤器污垢重要的离子可为，例如，铁或锰。过滤循环通常由两个过滤器清洗过程划界。
[0040] 过滤器的逆流清洗通常通过将以与过滤方向相反的方向穿过过滤器的逆流洗涤液体再循环进行。因此过滤器对抗逆流清洗的阻力严重地取决于在过滤器上形成的覆盖层和特别地通过吸附过程渗入过滤器并在该处被限制的粒子或分子。逆流清洗液体可，特别地，为滤液（渗透）。
[0041] 根据进一步的发展，过滤器清洗过程的启动和/或过滤过程的继续可在输出值的基础上进行。特别地启动清洗过程的步骤可因此包括对下述组中清洗过程类型的选择：过滤器的逆流清洗，过滤器的原地清洗，过滤器的逆流清洗和原地清洗，过滤器的一般清洗和预定的清洗程序。
[0042] 根据另一个进一步的发展，过滤器清洗过程的继续和/或过滤器清洗过程的终止和在清洗过程终止后过滤过程的启动可在输出值的基础上进行。
[0043] 根据另一个根据本发明的方法的进一步的发展，过滤过程的开环控制和/或闭环控制或过滤过程的继续可由于对过滤过程的至少一个过程参数的调整的包含进行。至少一个过程参数的调整可因此根据上述模糊逻辑方法和/或通过人工神经网络进行。特别地，根据模糊理论对至少一个过程参数的调整的规则可通过预定语言项被表达。
[0044] 至少一个过程参数可依此自下述组中被选择：过滤器入口液体温度，过滤器入口液压，过滤器入口和过滤器出口之间液体的压差，过滤器入口和滤液的压差，输入过滤器入口的液体的体积流量，输入过滤器入口的液体的流速。
[0045] 正进行的过滤操作可因此根据使用的过滤器的使用周期被最优化。
[0046] 此外根据本发明的方法可包括在模糊逻辑和/或人工神经网络基础上的清洗过程的清洗成效的评定。
[0047] 通过评定清洗成效，利用反馈获得清洗过程以及过滤中的过程参数的最优化是可能的。特别的，清洗过程可通过对清洗成效周期的评定持续地最优化。
[0048] 清洗成效的评定可因此特别地在同样的过程变量的基础上进行，所述过程变量被部分地或全部地用于确定那个输出值或那些输出值，其中清洗过程的启动的进行取决于这个输出值或这些输出值。特别地，清洗成效的评定可根据同样的方法进行，所述方法为根据清洗过程的启动所采用的方法。特别地，一个或更多的先决条件的和/或一个或更多规则的动作的语言项可因此被否定。在这种情况下，获得必需的语言规则的特别简单的表达是可能的。
[0049] 根据进一步的发展，清洗成效的评定可通过同样的模糊控制器和/或接管对清洗过程的启动的开环控制和/或闭环控制的人工神经网络实施。对此可选择地，评定可通过单独的模糊控制器和/或人工神经网络实施。
[0050] 过滤器的清洗过程的清洗成效的评定可在一个或更多输出值的基础上进行，所述输出值已在模糊逻辑和/或人工神经网络的帮助下根据上述方法确定。特别的，过滤器的清洗过程的清洗成效的评定可在过滤器的逆流清洗阻力和/或其暂时变化的基础上进行。
[0051] 在最简单的情形下（很多超滤膜在这种方式下操作），只有一个逆流清洗步骤被插入，其在跨过过滤器预定输入的规定时间运行。可选择地，逆流清洗可包括若干逆流清洗步骤，借此逆流清洗，例如，交替或以特别的顺序跨过两个或更多在过滤侧的模块输入进行。为了这个目的特别的清洗步骤可被加于非过滤测。有选择地改变冲洗方向也是可能的。因此下述变体可运行，例如：在两个不同方向对非过滤区域冲洗或在与过滤方向相反方向穿过膜逆流清洗。
[0052] 根据另一个进一步的发展，逆流清洗可包括至少两个逆流清洗步骤，其中至少两个逆流清洗步骤中的至少一个的持续时间和/或强度在清洗成效的评定的基础上被开环控制或闭环控制。特别地，所述至少一个逆流清洗步骤的持续时间和/或强度可在之前的清洗的清洗成效的评定的基础上被调整。之前的清洗可同样为逆流清洗步骤，或可为过滤器的另一种清洗过程，尤其是上述组的清洗过程的一种。
[0053] 所述至少一个逆流清洗步骤的强度可因此通过对自逆流清洗参数的下述组的至少一个参数的调整而调整：逆流清洗液体的体积流量，逆流清洗液体在逆流清洗入口的流速，在逆流清洗入口的逆流清洗液体的压力，和在逆流清洗入口的逆流清洗液体的温度，以及它们的暂时变化。
[0054] 所述至少一个逆流清洗步骤的持续时间和/或强度的开环控制和/或闭环控制可根据采用模糊控制器按照模糊逻辑的上述方法进行。
[0055] 在进一步的发展中，开环控制和/或闭环控制可通过神经-模糊控制器进行，其中开环控制和/或闭环控制包括下述步骤：清洗成功和清洗失败的记录，通过人工神经网络对记录的清洗成功和清洗失败的评定，和在通过人工神经网络的评定的基础上对至少一个逆流清洗步骤的至少一个过程参数的调整。
[0056] 通过使用人工神经网络，清洗过程的开环控制和/或闭环控制可被朝向最优化专家系统平衡，所述专家系统甚至无须先前的和外部的专家知识就做到优化关于持续时间和强度的逆流清洗的过程。
[0057] 人工神经网络包括一个或更多被布置于一个或更多层的人工神经元。由此每个人工神经元决定来自多个输入信号中的一个的输出信号。作为加权的输入信号的和的净输入可因此由在一个或更多预定的权重的帮助下的一个或更多的输入信号确定。输出信号可由通过使用激活函数的净输入确定。激活函数可为阈值函数，S（sigmoid）型函数或线性函数。S型函数在此具有下述优点，其为连续可微的并最终可被使用于类似最大坡度的梯度法的最优化方法中。人工神经元可特别地以具有可变阈值的感知器的形式出现。
[0058] 特别地人工神经网络具有其为学习系统的优点。在此人工神经网络的学习通过调整神经元的输入信号的权重发生。特别地，学习步骤可包括一个或更多预定的输入信号的应用和具有一个或更多期望的值的该一个或多个神经元的一个或多个输出信号的对比。在下一个学习步骤中，神经元的权重可因此被改变使得来自期望的一个或多个值的一个或多个输出信号的偏差减少，最终错误减少。在人工神经网络基础上的过滤系统的开环控制和/或闭环控制可最终被灵活的调整为改变的过程条件。
[0059] 对于多层神经网络，例如多层感知器（MLP），逆传（backpropagation）算法可被使用用于执行学习步骤。逆传算法可因此通过沿着误差函数梯度方向的下降来确定特别的学习问题的误差函数的最小值。
[0061] 用于过滤系统，特别的过滤器清洗过程的开环控制和/或闭环控制的人工神经网络，可在线下通过专家培训，例如，不需过程控制，或（也）在线培训，例如，在进行中的过程控制期间。
[0062] 特别的，以神经-模糊控制器的形式的人工神经网络可被与根据本发明的方法的模糊控制器结合。通过这种方式，模糊系统的直观的控制的透明度可与人工神经网络的学习能力结合。特别的，神经-模糊控制器可学习语言规则和/或隶属函数且能最优化已有的语言规则和/或隶属函数。
[0063] 神经-模糊控制器可因此被作为合作系统实施，在所述合作系统中神经网络独立于模糊系统工作且模糊系统的参数由神经网络决定和/或最优化。神经网络可因此通过学习模糊集合或学习语言规则来学习。对模糊集合的学习可通过改进的反向传播方法进行，在所述反向传播方法中模糊集合的隶属函数的位置和形式被改变取代权重。当对最优化应用梯度法时，在此使用可微的隶属函数是有利的，例如高斯钟形曲线。此外，推论可通过形成结果取代形成前提的隶属函数的最小值完成。规则的学习可利用通过在过程控制中的规律的捕捉和根据规定标准的对同样的规律的评定以训练神经网络来进行。特别的，这可在专家对过滤系统操作时进行。在这个线下学习过程的结论之后，所发现的规律可在规定的模糊集合的帮助下用规则表达，例如语言项。可选择地或可附加地，在线神经-模糊系统可在开始时被装备规则库，在所述规则库中大致地成熟的模糊集合彼此关联。通过观察和评定过程控制的学习过程可因此影响模糊集合或规则。
[0064] 然而，神经-模糊控制器也可作为混合系统实施在所述混合系统中模糊逻辑的性质和人工神经网络的性质被不可分的组合。在模糊神经元中，模糊集合可替代权重，以此在内层的模糊神经元中对输入信号和它们的推断的隶属度（模糊化）的确定取代加权和和激活函数。在输出层的模糊神经元中，在另一方面，合成和去模糊化可取代权重和和激活函数。在系统输出的误差函数可因此同样的描述为模糊集合描述。对于在混合神经-模糊控制器的学习的一个可能性包括规定所有过滤系统的或在控制器试运行之前的子过程的开环控制和/或闭环控制可能的规则和在在线操作时通过神经-模糊控制器使不需要的规则消除。
[0065] 相应的，在进一步的发展中，通过神经-模糊控制器的开环控制和/或闭环控制的方法可包括对至少一个逆流清洗步骤的消除或优先设置。预定的安全机制可以此阻止对过滤器清洗过程完全的消除的出现。神经模糊控制器朝向对过滤器清洗过程完全的消除的倾向可用于对清洗过程的质量的评定。
[0066] 过滤器的开环控制和/或闭环控制，以及同样的对过滤器清洗过程的开环控制和/或闭环控制，可通过一个或多个模糊控制器和/或人工神经网络实施。控制器可被平行的连接，意味着彼此独立，或至少部分串联的连接，意味着每一个是前一个的延伸。一个或更多模糊控制器可被优先考虑。
[0067] 上述参数的调整，例如在最优化步骤中被调整的参数的调整，也可附加的或可选择的独立于根据本发明的开环控制和/或闭环控制进行，特别的通过外部系统，例如程序系统和/或专家。
[0068] 如需要的话，待捕捉的过程变量和/或待控制的参数的集合也可被划分为子群，其中子群的变量或参数的开环控制和/或闭环控制可被模糊系统和/或人工神经网络实施，也可根据本领域用于控制和/或最优化的方法被实施。后者的方法特别的包括具有比例积分微分（PID）控制器的经典控制或专家算法，以及在概率统计方法基础上的最优化方法，基因演算法，或图灵机。通过分割参数空间，减少对计算能力和内存特定的需求以及需要的语言规则和/或训练示例的数量是可能的。
[0069] 在进一步的发展中，粗略的开环控制和/或闭环控制还可通过经典的方法或模糊控制器实施，同时待被最优化的参数的微调可通过人工神经网络或神经-模糊控制器进行。
[0070] 在附加的进一步的发展中，一个或更多模糊控制器和/或人工神经网络被直接整合到可编程序逻辑控制器（PLC）。
[0071] 根据本发明的方法，特别地在它的神经-模糊控制器基础上的进一步的发展中，允许超滤过滤系统的智能开环控制和/或闭环控制，按照泵和调节阀固定值和固定的极限值和固定的时间增量的确定的转换点，其从严格的顺序中脱离，所述时间增量，作为开关交换准则，引发下个步骤。此外，根据本发明的方法允许关于过滤和过滤-清洗过程的持续时间和效率的过滤系统的操作的最优化，以及关于资源的使用，例如过滤材料，清洗材料和能量。
[0072] 由于模糊逻辑的使用，不再需要在复杂的数学模型（例如马夸特（Marquardt）模型）的基础上整合过程知识，即通过专家知识，进入工艺流程的运行和控制。更确切的会有下述情形，即通过简单，字面的假设（if-then）关系，使用上述语言学规则，过滤系统的工艺流程的开环控制和闭环控制可被普通的系统操作员影响或甚至完整的接管。特别的，这允许对过滤系统开环控制和/或闭环控制简单的调整到改变的过程条件。
[0073] 根据本发明，人工神经网络的使用无需较深的过程知识就可进行，其中系统的学习能力取代专家知识的缺乏。另一方面，若模糊控制器被使用，熟悉的过程知识可被通过简单的解释和执行来使用和实现。模糊逻辑和人工神经网络的结合使得最佳地使用特定的系统的优点成为可能，同时另一个特定系统的缺点可被抵消或至少减弱。
[0074] 进一步的性质和解释性的实施例以及本发明的优点在附图的基础上在下面被更细致地解释。需要理解的是实施例没有超过本发明的范围。此外需要理解的是下面描述的一些或全部特征也可以其他方式被彼此结合。
附图说明
[0075] 图1描述了具有三个模糊控制器的过滤系统的开环控制循环的原理图，所述模糊控制器它们自身对过滤顺序，清洗时间点和清洗顺序开环控制和/或闭环控制。
[0076] 图2描述了根据预定规则的两个语言项的逻辑结合，以“清洗”校正变量为例。
[0077] 图3描述了用于校正变量的确定的两个预定规则的合成，以“仅逆流清洗”校正变量为例。
[0078] 图4描述了规则的优先排序，以“继续过滤”校正变量为例。
[0079] 图5示出了在模糊逻辑基础上对清洗成效的评定，以“重新过滤”校正变量为例。
[0080] 图6示出了在模糊逻辑基础上对清洗顺序的最优化。
[0081] 图7示出了对清洁成功和清洁失败的评定记录，其作为通过人工神经网络对清洗顺序的控制的基础。
具体实施方式
[0082] 图1通过例子示出了本发明的实施例。它描述了用于具有三个模糊控制器的过滤系统的闭环控制循环100。若干过程变量101被捕捉且，若需要的话，被存储于第一捕捉单元110。除了对过滤器清洗过程的成效的评定之外所述捕捉单元110也被使用于这个典型设计，尤其是逆流清洗过程，在过滤器180区域捕捉的过程变量的基础上，例如，逆流清洗阻力的暂时变化。
[0083] 被捕捉单元110捕捉的数据此外可被在衡量单元（scaling unit）120内衡量和/或进一步处理。在工艺过程中，特别的过滤过程的专门知识可影响过滤过程。
[0084] 例如，被捕捉的和可能进一步被加工的数据可被传送至根据本发明的两个独立的（神经）模糊控制器，其中第一模糊控制器130观察当前过滤相对于参考曲线的偏差，所述参考曲线为，例如，在过滤系统的试运行期间被记录。与执行的语言规则一起，过滤顺序被最佳化的控制且，若必要的话，过滤的终止被定义。
[0085] 第二模糊控制器140在执行的语言规则的基础上确定过滤器的清洗过程的启动的必要性，例如冲洗或原地清洗，以及清洗过程的启动的最优化的时间点。
[0086] 在图1示出的例示性实施例中，闭环控制循环包括第三模糊控制器150，其自身控制和优化过滤器清洗过程。为了这个目的，第三模糊控制器150接收两个模糊控制器130和140的输出数据，所述输出数据，例如，量化相对于参考曲线的偏移和过滤器清洗过程的必要性，并在接收的数据基础上启动和控制清洗过程。特别的，模糊控制器150可为神经-模糊控制器其可自清洗程序中彻底的去除不适宜的清洗步骤并对清洗步骤优先排序和/或增加其它有效和省时的步骤到清洁程序中。此外控制器150可选择清洗过程的类型和/或合适的清洗程序。控制器150根据需要开环控制阀门170，在其帮助下过滤器180被清洗，例如，通过逆流清洗。通过第二数据捕捉单元160，控制器150通过过程数据接收清洗过程的进展的反馈，其在过滤器180的区域被测量。这里可特别的包括对过滤器逆流清洗阻力的测量，其中第二数据捕捉单元确定和检查逆流清洗阻力的暂时变化并，在逆流清洗阻力处于预期的发展情况下，为下一个冲洗步骤发送信号到模糊控制器150。在过滤器区域测量的数据可同样的被供给第一数据捕捉单元110，以从该处进一步的被处理。
[0087] 由于模糊控制根据任务被分为三个独立的模糊控制器：a）以具有优化的流量，从清洗开始点的最理想过滤结束时间的长使用寿命为目的的对过滤器的控制，b）通过对当前清洗的观察来设置最理想清洗结束的清洗的控制，和c）通过对最优化的清洗方式和最优化的清洗步骤以及向之前清洗步骤借鉴基础上的其数量的选择对清洗的最优化，阻止模糊控制由于过多的语言规则和变量和过度复杂的人工神经性网络的需要而超负荷是可能的。
[0088] 图2通过例子示出了根据预定规则的两个语言项的逻辑组合，其将“清洗”矫正变量作为例子。在tB时刻，过程变量x（1 在过滤器入口的液体和滤液之间的压差，也即跨膜压）和x（2 滤液的体积流量）被测量。虚线表示对语言项“小”，“中”和“高”的区域的测量曲线清晰的划分。下侧的图形描绘了语言项“中等压差”和“小体积流量”的隶属函数，此外还有语言项“清洗”动作的隶属函数。所述前提的隶属函数描绘了对应上述上确限/界的模糊集合。下侧图形中的虚线示出测量数据对语言项的隶属度的确定和由于最小值的形成导致的逻辑与的操作。预定规则的“清洗”动作的结果隶属函数被阴影显示。可由进一步的语言规则确定的进一步可能的动作（“逆流”“继续过滤”）由破折线显示。
[0089] 图3描述了图2中示出的第一语言规则与第二语言规则的通过合成的结合。捕捉的第三和第四过程变量为在过滤器入口的液体和滤液之间的压差的暂时变化x3和过滤器入口的液体的浊度x4。第二语言规则可因此被表达如下：如果压差的暂时变化为中等且浊度为中等，那么逆流，其意味着输出值y为中等。因此上述记载的可替代的动作之一的规则与第二语言规则共存。由于第一和第二语言规则的动作延伸至同样的输出值，根据模糊逻辑的规律对两个规则的合成，这里通过将两个隶属函数结合为一个整体隶属函数，可发生。在所描述的典型的设计中，输出值的值由位于整体隶属函数下方区域的重心的中部的形成确定。
[0090] 图4描绘了规则的优先排序，以具有“继续过滤”动作的第三语言规则为例，其为上述给出的第三个可选择的动作。这里捕捉的过程变量为产量x1和在过滤器入口的液体和滤液之间的压差x2，据此第三语言规则如下：如果产率高而压差中，那么继续过滤，意味着输出值y为高。由于规则为优先的，例如通过利用人工神经网络设定对应的权重，无结果隶属函数和其他两个规则中的一个结果隶属函数合成发生。反而，在这个设计中，例如，动作的隶属度被与阈值比较以设定对应的校正变量。示出的例子演示了优先的规则如何控制开环控制或闭环控制过程。
[0091] 图5通过例子示出借助模糊控制器对清洗成效的评定。为了这个目的，在上列的图形中，首先过程变量暂时的发展：过滤器逆流清洗阻力的暂时变化x1和在逆流清洗出口意味在逆流清洗液体中的冲洗水的浊度x2被示出，其在时刻tB被捕捉。规则“如果逆流清洗阻力的暂时变化小且冲洗水的浊度小，那么则是非常好的清洗成效”的对应语言项被在下列图形中示出。由于“非常好的清洗成效”的动作的隶属函数的非对称形式，则这种情况下使用重心法用以确定输出值是也是合理的。附图示出了预先使用的用以开环控制和/或闭环控制的同样的模糊逻辑方法如何也可被使用用以评定清洗的成效。这里在清洗成效的评定的基础上进行设定对应的“重新启动过滤”校正变量。
[0092] 最后，图6示出了连环（i nterlinking）如何由语言规则的排序产生。图5的语言规则的输出量x2’=y在此根据规则“如果清洗持续时间长且清洗成效非常好，那么缩短清洗持续时间”被连接于过程因子“清洗持续时间”x1。所述规则演示了如何通过使用模糊控制器开始清洗成效的评定，使得清洗持续时间可在模糊逻辑的基础上被最优化。图6因此示出了通过单纯的模糊控制器的最优化步骤。对此可选择的或可附加的，最优化步骤和/或评定步骤可被人工神经网络实施。
[0093] 对逆流清洗，清洗（原地清洗）和重复清洗过程步骤的清洗成效的评定表在图7中示出。在评定表的基础上，为了最优化的目的做出改变过程参数的建议是可能的。建议可在人工神经网络，模糊控制器，或神经-模糊控制器的帮助下发生。
[0094] 加号代表动作的成功减号代表动作的失败，而双加号代表重复的或特别好的成效。在逆流清洗的重复的成功的情况下（见步骤5），举例来说，这里“缩短逆流清洗时间”被引发。调整步骤，例如逆流清洗持续时间的缩短，其步长可据此被预设或可通过（神经-）模糊控制器自身调整。所述控制可据此如同上述通过模糊控制器，神经-模糊控制器或人工神经网络实施。
[0095] 上述附图示出建立在模糊逻辑原则上的简单，直观的规则如何使可复制和优化的过程控制在不需专业知识的情况下成为可能。通过模糊控制器和/或人工神经网络，过程的自动最优化在此接演了通常由专家扮演的角色。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种一氧化氮发生装置及制备方法 | 2020-05-20 | 587 |
| 基于三级放大电路及电源管理器的液体体积流量监控系统 | 2020-05-14 | 168 |
| 具有气体流量反馈控制的焊机；将目标保护气体流率提供到焊接现场的方法：相应气体流量反馈控制 | 2020-05-12 | 515 |
| 确定排气后处理系统颗粒过滤器中积累煤烟估计量的方法 | 2020-05-13 | 867 |
| 用于对飞机机舱进行空气调节的系统和方法 | 2020-05-18 | 684 |
| 一种简易果酒灌装装置 | 2020-05-12 | 280 |
| 用于在无位置传感器的情况下获取流体系统的至少一个执行件的位置的位置测量装置 | 2020-05-19 | 732 |
| 具有废热回收单元的直接熔炼设备 | 2020-05-13 | 606 |
| 在线连续称重式矿浆多参数测控装置及方法 | 2020-05-14 | 471 |
| 具有进气流量补偿控制系统的VOC释放舱 | 2020-05-18 | 831 |
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。
分析报告
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。
QQ群二维码
意见反馈
意见反馈