[发明专利]嵌入式智能加药控制器及其控制方法

权利要求书

1.一种嵌入式智能加药控制器，其特征在于：具有数据采集接口、通讯接口、显示接口、外存贮器CF卡接口在内的多种外部接口，嵌入式智能加药控制器通过Ether NET接口与以太网(1)相连接，通过JTAG接口与仿真器(2)相连接，通过LCD接口与TFT触摸屏(3)相连接，通过PCI接口与数据采集卡(4)相连接；通过KEY接口与面板键盘(5)相连接；通过三个USB接口、一个RJ45接口、一个RS232/RS485接口与现场设备(6)相连接；本控制器具有单机控制功能，可用于没有实现DCS自动化的饮用水厂对计量泵的独立控制，一台嵌入式智能加药控制器可控制二台加药计量泵；本控制器具有网络控制功能，也可用于已实现DCS自动化的饮用水厂对计量泵的控制；

所述的数据采集接口包括16路单端或8路双端AI、4路AO、8路带隔离DI、8路不带隔离DI、8路继电器输出DO、8路不带隔离DO；

所述的嵌入式智能加药控制器是由混合智能控制器、混凝剂投加泵、混凝沉淀池前向通道和混凝剂流量计、滤前浊度仪、反向通道组成，是一个双闭环反馈——前馈控制系统；该系统由专家系统与自学习BP神经网络两大部分组成；其中专家系统又由知识库、规则模型库和推理机组成；

所述的专家系统的输出量，其特征为：

(1)当实测源水流量和浊度发生突变时，根据其变化的大小和变化率，计算输出前馈补偿投药量；

(2)根据实测沉淀后浊度的大小和变化率与设值其偏离的大小，推理输出正/负增量值，作为控制模式二的输出；

(3)根据实测沉淀后浊度与其设定值的偏差大小，推理输出控制模式选择；

(4)根据沉淀后浊度变化率，推理、预测出沉淀后浊度；

所述的自学习BP神经网络包括滚动学习过程、反馈学习过程、重新计算输出过程，其特征为：

(1)滚动学习过程：神经网络根据历史数据进行滚动学习，按误差修正神经网络的权系数；

(2)反馈学习过程：根据设定值和滤前浊度的偏差，自学习再一次修正神经网络的权系数；

(3)重新计算输出过程：根据历史数据和下一个时刻的滤前浊度的预测值，作为神经网络的输入，计算出现在时刻的混凝剂投加量，作为计量泵的给定值。