[发明专利]混凝加药方法及系统

说明书

本发明公开了一种混凝加药方法及系统，该方法包括：获取原水流量、原水浊度、加药量、絮体分形维数和实际沉后水浊度；构建模糊神经网络控制系统，模糊神经网络控制系统包括神经网络预测模型和模糊控制器；神经网络预测模型以原水流量、原水浊度、加药量和絮体分形维数为输入向量，以实际沉后水浊度为输出向量，以此预测沉后水浊度；模糊控制器以预测沉后水浊度与沉后水浊度设定值的偏差以及偏差变化率作为输入量，以加药量偏差值为输出量，由此得到加药量，并作为模型下一循环输入的加药量。本发明通过对混凝形成的絮体进行原位检测，对絮体形态进行定量描述，同时将神经网络控制和模糊控制结合起来，改善了混凝加药的滞后性。

技术领域

本发明涉及水处理领域，尤其涉及一种混凝加药方法及系统。

背景技术

水处理中，混凝作为最为常见、最为关键的工艺，是一个大滞后过程，具有非线性和时变性强等特点。混凝受到众多因素影响，其反应机理现今仍存在争议、无一定论，故难以用一个简单的传递函数加以表述。

混凝加药人工控制的主观性强、劳动量大、控制精度不够、滞后性强，常造成药剂浪费，且目前常用的一些自动加药控制方法如：PID控制、前馈控制、复合环反馈控制等都或多或少存在控制精度不够、反应不灵敏、适应性不强、需要人工反复调节、缺乏自学习型和自适应性等缺点。故开发一种混凝智能加药系统就显得十分必要。

现在常见的将流动电流值和透光率脉动值作为系统输入量的加药控制方式受限因素较多，难以实现高效稳定的控制，且该方式以间接参数作为模型输入量，无法适应多种水质和混凝剂的要求。

发明内容

本发明的目的在于，提供一种混凝加药方法及系统，通过对混凝形成的絮体进行原位检测，对絮体形态进行定量描述并将其作为模型输入量，将神经网络控制和模糊控制结合起来实现智能混凝加药。

本发明采用的技术方案如下：

视界智能混凝加药系统包括传感器模块、控制模块和加药模块。传感器模块由原水在线电磁流量计、原水在线浊度仪、高速电荷耦合摄像机、出水在线浊度仪等检测仪器及附件组成；控制模块包括控制模型、计算机、PLC等硬件及软件设施。加药模块包括药剂储罐、变频器、机械式隔膜计量泵、管道及管道附件。

优选的，用分形维数对絮体形态进行定量描述，并作为系统神经网络预测模型的输入量。

优选的，利用高速电荷耦合摄像机以1～1000帧/s的速度对混凝中后段的已稳定絮体进行原位拍摄，高速电荷耦合摄像机将光信号转化为电信号，通过A/D采集卡转换为数字信号。拍摄的絮体图片以1000张(时间不超过1min)为一组，作为计算t时刻絮体分形维数的基础图像数据。

优选的，每组图片转化为灰度图片，对特定环境和光源下的图片分隔阈值进行计算设定，灰度低于值认定为絮体，以第N_i(i＝1～1000)张图片为例，每个絮体所占像素点数为n_ij，絮体面积A_ij为n_ij个像素点面积，絮体周长L_ij为n_ij个像素点对角线长度之和，对每个絮体的面积和周长取自然对数，得lnA_ij和lnL_ij，采用最小二乘法进行拟合得直线方程为lnA_i＝d_i*lnL_i+α_i，则t时刻絮体的分形维数

优选的，由神经网络预测模型和模糊控制器，组成模糊神经网络控制系统。

优选的，神经网络预测模型以原水流量、原水浊度、加药量、絮体分形维数、实际沉后水浊度为输入向量，以预测沉后水浊度为输出向量。

优选的，模糊控制器以沉后水浊度设定值与神经网络预测模型所得预测沉后水浊度的偏差e和它们的偏差变化率e_c作为输入量，以加药量偏差值△q为输出量。