[发明专利]污水处理过程远程监控方法、系统及存储介质

权利要求书

1.一种污水处理过程远程监控方法，其特征在于，包括：

用污水处理数据采集平台采集各传感器数据，其中，所述污水处理数据采集平台中设置有至少一个用于采集污水数据的传感器；

利用深度学习技术建立异常情况检测平台对污水处理传感器数据的异常情况进行检测，确定有异常情况，则警报提醒；

利用深度学习技术建立异常情况诊断平台对检测出的所述异常情况进行诊断，确定其异常情况类型；

利用各传感器数据信息，基于深度学习技术以优化控制污水处理过程参数。

2.如权利要求1所述的污水处理过程远程监控方法，其特征在于，所述污水处理数据采集平台的传感器包括温度传感器、酸度计、碱度计、流量计、摄像头以及毫米波雷达。

3.如权利要求1所述的污水处理过程远程监控方法，其特征在于，所述利用深度学习技术建立检测平台对污水处理过程异常情况进行检测，具体包括：

建立异常情况检测模型，其中，异常情况检测模型采取勒让德深度网络模型；采取残差生成器建立检测标准；对污水处理过程异常情况进行检测；其中，勒让德深度网络模型采用学习算法进行学习，其中，采用BP学习算法、RLS学习算法、L-M学习算法的一种或几种；

所述利用深度学习技术建立异常情况诊断平台对检测出的所述异常情况进行诊断，确定其异常情况类型，具体包括：建立异常情况诊断模型；针对故障发生情况进行分类；对检测出的污水处理过程异常情况进行诊断分类；

所述利用各传感器数据信息，基于深度学习技术以优化控制污水处理过程参数，具体包括:建立运行过程目标模型，描述运行目标与系统状态变量的动态特征，其中，多目标控制采取神经网络多目标优化控制方案；设计优化方法，获取控制变量优化设定值；利用控制器跟踪设定值，实现污水处理过程传感器数据的优化控制。

4.如权利要求3所述的污水处理过程远程监控方法，其特征在于，勒让德深度网络模型是一个4层网络，分为输入层，输出层与两个中间层，其中第一中间层与第二中间层连接采取共享网络权值，第二中间层与输出层采取全连接形式；

将t维系统表示成如下形式，其展开是勒让德多项式形式：

其中，N(t，m)表示t元函数g展开成m(m＝2n，n＝0，1，...)次逼近多项式乘积项的总项数，w_p(k)表示上式中第p个乘积项的权重系数，λ(p，q)表示第p个乘积项中变量z_q(k)的次数，且

第二中间层与输出层采取全连接形式：

其中，为勒让德深度网络模型输出，表示第p个乘积项的权重系数。

5.如权利要求1所述的污水处理过程远程监控方法，其特征在于，所述用污水处理数据采集平台采集各传感器数据之后，所述利用深度学习技术建立异常情况检测平台对污水处理传感器数据的异常情况进行检测之前，还包括：对所述传感器数据进行预处理，去除数据中的噪声。

6.如权利要求5所述的污水处理过程远程监控方法，其特征在于，所述对所述传感器数据进行预处理，去除数据中的噪声，具体包括：通过云端进行数据存储和数据预处理，其中所述数据预处理，具体为：

通过对数据进行分解，去掉部分高频分量，重组等步骤来进行去噪处理。

7.一种污水处理过程远程监控系统，其特征在于，包括：

污水处理数据采集模块，用于利用污水处理数据采集平台采集各传感器数据，其中，所述污水处理数据采集平台中设置有至少一个用于采集污水数据的传感器；

异常检测模块，用于利用深度学习技术建立异常情况检测平台对污水处理传感器数据的异常情况进行检测，确定有异常情况，则警报提醒；

异常诊断模块，用于利用深度学习技术建立异常情况诊断平台对检测出的所述异常情况进行诊断，确定其异常情况类型；

优化控制模块，用于利用各传感器数据信息，基于深度学习技术以优化控制污水处理过程参数。