一種污水處理曝氣控制系統的制作方法

文檔序號:17937080發布日期:2019-06-15 01:52
一種污水處理曝氣控制系統的制作方法

本發明涉及智能控制領域,特別是涉及一種污水處理曝氣控制系統。



背景技術:

活性污泥法是污水處理領域常用的工藝技術,鼓風曝氣是確保活性污泥法污水處理工藝正常運行的關鍵,目前國內外學者提出多種控制方法,包括人工控制、簡單回路反饋控制、模糊控制及“前饋+模型+反饋”控制等。但上述控制方法均存在一定的缺點:

人工控制過程中,操作人員根據操作經驗,開啟一定數量的鼓風機和曝氣器,但當工藝運行條件發生變化需要調節曝氣量時沒有量化的依據,需要反復調試,且達到平衡時間較長。曝氣池內溶解氧(DissolvedOxygen,DO)過低或過高的情況發生較為頻繁,不但造成出水水質不穩定,而且造成了曝氣能量浪費。

簡單回路反饋控制一是采用DO檢測儀和電動調節閥作為簡單的控制回路,當曝氣池內的DO值大于某一個設定值時,關閉閥門;當DO值小于某一個設定值時則打開閥門。二是采用比例-積分-微分控制器(Proportion-Integral-Differential,PID)進行定值調節,根據曝氣池中DO反饋信號與DO設定值進行比較,將偏差通過PID運算后傳給閥門的行程控制器調節閥門的開度,進而控制池內的DO值。該控制方式存在以下問題:一是由于時間延遲,即從開始曝氣到池內DO變化需要一段時間,造成溶解氧的控制波動很大;二是過大的波動會使得池內的生物環境不穩定,干擾生物系統的工作;三是生物池閥門頻繁調節,導致磨損大,增加維修成本。

模糊控制能將操作者或專家的控制經驗和知識表示成語言變量描述的控制規則,然后用這些規則去控制系統。因此,模糊控制特別適用于數學模型未知的、復雜的非線性系統的控制。正是基于模糊控制這些特點,近年來它已成為污水處理自控系統的研究熱點和最有希望獲得實質性突破的研究領域。但目前污水處理過程中多采用基于模糊規則的反饋控制方式,亦存在簡單回路反饋控制所述的問題。

基于“前饋+模型+反饋”的多參數控制模式,多是根據國際水協會的活性污泥模型(ActivatedSludgeModel,ASM)實時精確地計算出曝氣池內所需的曝氣量,并通過調節鼓風機實現溶解氧的精細化控制,降低曝氣能耗。但ASM系列模型組分復雜多樣,且需要十多個或幾十個動力學參數和化學計量參數,這些參數測定過程復雜繁瑣,偏差較大。

因此,急需尋求合適的鼓風曝氣控制模式,以確保污水處理出水水質穩定達標,污水處理工藝設備穩定運行。



技術實現要素:

本發明的目的是提供一種污水處理曝氣控制系統,自動預測污水處理出水水質、鼓風曝氣所需曝氣量,根據預測結果自動對鼓風機和閥門進行調節,確保出水水質穩定達標。

為實現上述目的,本發明提供了如下方案:

一種污水處理曝氣控制系統,所述控制系統包括:

進水水質傳感器、進水流量傳感器、出水化學需氧量COD傳感器、曝氣池氨氮NH4-N傳感器、污泥濃度MLSS傳感器、溶解氧含量DO傳感器、液位傳感器、壓力傳感器、風量調節閥、流量計、PLC控制器、上位機、數據服務器、鼓風機控制柜以及鼓風機;

所述進水水質傳感器,用于對污水進水水質進行檢測,得到進水水質數據;

所述進水流量傳感器,用于對污水進水流量進行檢測,得到進水流量數據;

所述出水化學需氧量COD傳感器,用于對出水化學需氧量COD進行檢測,得到出水化學需氧量COD數據;

所述氨氮NH4-N傳感器,用于對曝氣池中氨氮NH4-N進行檢測,得到氨氮NH4-N數據;

所述污泥濃度MLSS傳感器,用于對曝氣池中污泥濃度MLSS進行檢測,得到污泥濃度MLSS數據;

所述溶解氧含量DO傳感器,用于對曝氣池中DO值進行檢測,得到DO值;

所述液位傳感器,用于對曝氣池中的污水液位進行檢測,得到液位數據;

所述壓力傳感器,用于對鼓風曝氣管道中的壓力進行檢測,得到壓力數據;

所述風量調節閥,用于對曝氣池風量進行調節;

所述流量計,用于對鼓風曝氣管道中的曝氣流量進行檢測,得到流量數據;

所述PLC控制器,分別與所述進水水質傳感器、進水流量傳感器、出水化學需氧量COD傳感器、曝氣池氨氮NH4-N傳感器、污泥濃度MLSS傳感器、DO傳感器、液位傳感器、壓力傳感器、風量調節閥、流量計及上位機連接;用于將所述進水水質數據、進水流量數據、出水化學需氧量COD數據、氨氮NH4-N數據、污泥濃度MLSS數據、DO值、液位數據、壓力數據、調節閥開度及風量數據發送至所述上位機;以及根據所述上位機回傳的第一數據對所述風量調節閥的開度進行調整;

所述上位機,與所述數據服務器連接,用于將所述進水水質數據、進水流量數據、出水化學需氧量COD數據、氨氮NH4-N數據、污泥濃度MLSS數據、DO值、液位數據、壓力數據、調節閥開度及風量數據按指定的頻率轉存到數據服務器中;

所述數據服務器,一方面用于存儲所述進水水質數據、進水流量數據、出水化學需氧量COD數據、氨氮NH4-N數據、污泥濃度MLSS數據、DO值、液位數據、壓力數據、調節閥開度及風量數據;另一方面,根據所述進水水質數據、所述進水流量數據、所述出水化學需氧量COD數據、所述氨氮NH4-N數據、所述污泥濃度MLSS數據、DO值、壓力數據以及液位數據計算污水處理出水水質、曝氣量、DO目標值、鼓風機出口風量、出口最小壓力,并根據計算結果判斷鼓風機、風量調節閥是否需要調整;同時將所述出水水質、所述曝氣量、所述DO目標值、所述鼓風機出口風量、所述出口最小壓力及所述判斷結果傳回至所述上位機;

所述鼓風機控制柜,分別與所述鼓風機以及所述上位機連接,用于根據所述上位機回傳的第二數據,對鼓風機進行控制;

其中,第一數據包括出水水質、曝氣量、DO目標值;

第二數據包括鼓風機出口風量、出口最小壓力。

可選的,所述進水水質傳感器具體包括:

進水化學需氧量COD傳感器,與PLC控制器連接,用于檢測進水化學需氧量COD,得到進水COD數據,并將所述進水化學需氧量COD數據發送至所述PLC控制器;

進水NH4-N傳感器,與PLC控制器連接,用于檢測進水NH4-N,得到進水NH4-N數據,并將所述進水NH4-N數據發送至所述PLC控制器;

進水PH值傳感器,與PLC控制器連接,用于檢測進水PH值,得到進水PH值,并將所述進水PH值發送至所述PLC控制器。

可選的,所述數據服務器包括:

數據存儲單元,與所述上位機連接,用于存儲所述進水水質數據、所述進水流量數據、所述出水化學需氧量COD數據、所述氨氮NH4-N數據、所述污泥濃度MLSS數據、所述DO值、所述壓力數據、所述液位數據、所述調節閥開度以及所述風量數據;

出水水質預測單元,與所述數據存儲單元連接,用于對出水水質進行預測,并將預測結果保存至數據存儲單元;

曝氣量和DO值預測單元,與所述數據存儲單元連接,用于對曝氣量和DO值進行預測,并將預測結果保存至數據存儲單元;

鼓風機出口壓力計算單元,與所述數據存儲單元連接,用于計算滿足曝氣池風量要求的鼓風機出口處的最小壓力,并將計算結果保存至數據存儲單元;

曝氣量調整單元,與所述數據存儲單元連接,用于計算曝氣量;

控制策略單元,與所述數據存儲單元連接,用于判斷鼓風機、風量調節閥的是否需要調整,并將判斷結果保存至數據存儲單元。

可選的,所述出水水質預測單元對出水水質進行預測具體包括:

以進水COD、進水NH4-N、進水PH值、進水流量、曝氣池風量、MLSS、DO值為輸入參數,利用出水水質預測單元對曝氣池NH4-N和出水COD進行預測;

所述出水水質預測單元是根據污水處理廠歷史運行數據,以進水COD、進水NH4-N、進水PH值、進水流量、曝氣池風量、MLSS、DO為輸入參數,以曝氣池NH4-N和出水COD為輸出參數,采用BP神經網絡算法所建立。

可選的,所述曝氣量和DO值預測單元對曝氣量和DO值進行預測具體包括:

以進水COD、進水NH4-N、進水PH值、進水流量、曝氣池NH4-N、MLSS、出水COD為輸入參數,利用曝氣量和DO值預測單元對曝氣池曝氣量和DO進行預測;

所述曝氣量和DO值預測單元是根據污水處理廠歷史運行數據,以進水COD、進水NH4-N、進水PH值、進水流量、曝氣池NH4-N、曝氣池MLSS和出水COD為輸入參數,以曝氣池風量和DO值為輸出參數,采用BP神經網絡算法所建立。

可選的,所述鼓風機出口壓力計算單元具體采用以下公式:

其中,PsF為鼓風機出口處的最小壓力,ρw為曝氣池內液體密度,g為重力加速度,h為曝氣池液面高度,λ為管道摩擦阻力系數,L為管道長度,D為管道直徑,ρg為管道中空氣密度,v為管道中空氣流速,K為閥門的流阻系數。

可選的,所述曝氣量調整單元具體包括:

以DO值偏差e和偏差變量率ec為輸入參數,利用模糊控制模型計算曝氣池曝氣量,所述DO偏差值為DO目標值和測量值的差值;

所述模糊控制模型是根據污水處理廠歷史運行數據,以DO值偏差e和偏差變量率ec為輸入參數,以曝氣池曝氣量為輸出參數所建立的Mamdani模糊控制器。

可選的,所述判斷鼓風機、風量調節閥的是否需要調整,并將判斷結果保存至數據存儲單元具體包括:

當出水水質預測單元預測的曝氣池NH4-N和出水COD均滿足污水處理廠出水指標要求時,鼓風機和風量調節閥不進行調整;

當出水水質預測單元預測的曝氣池NH4-N和出水COD不滿足污水處理廠出水指標要求時,則根據曝氣量和DO值預測單元、鼓風機出口壓力計算單元計算曝氣量、鼓風機風量、出口最小壓力對鼓風機和風量調節閥進行自動調整;

鼓風機和風量調節閥調整后將曝氣池DO傳感器所測DO值與曝氣量和DO值預測單元預測DO目標值進行對比,若滿足預先設定的誤差要求,則鼓風機和風量調節閥不在進行調整;反之則根據曝氣量調整單元計算出的曝氣量再次對鼓風機、風量調節閥進行精細調整,直至DO目標值和測量值滿足預先設定的誤差要求為止。

根據本發明提供的具體實施例,本發明公開了以下技術效果:

本發明中的污水處理智能曝氣控制系統,通過設置,PLC控制器、進水水質傳感器、進水流量傳感器、出水化學需氧量COD傳感器、曝氣池氨氮NH4-N傳感器、污泥濃度MLSS傳感器、DO傳感器、液位傳感器、上位機、曝氣算法模塊以及鼓風機控制柜,一方面適應進出水工藝參數變化,能夠根據進水水質、出水要求等動態調整DO值和曝氣池風量,按需曝氣,確保出水COD、NH4-N穩定達標;另一方面,該控制系統降低了鼓風機和閥門調節頻率,提高設備使用壽命,降低維護成本,確保污水處理高效、工藝穩定運行。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案,下面將對實施例中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發明的一些實施例,對于本領域普通技術人員來講,在不付出創造性勞動性的前提下,還可以根據這些附圖獲得其他的附圖。

圖1為本發明實施例污水處理曝氣控制系統結構示意圖;

圖2為本發明實施例BP神經網絡結構示意圖。

具體實施方式

下面將結合本發明實施例中的附圖,對本發明實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本發明一部分實施例,而不是全部的實施例。基于本發明中的實施例,本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例,都屬于本發明保護的范圍。

本發明的目的是提供一種污水處理曝氣控制系統,自動預測污水處理出水水質、鼓風曝氣所需曝氣量,根據預測結果自動對鼓風機和閥門進行調節,確保出水水質穩定達標。

為使本發明的上述目的、特征和優點能夠更加明顯易懂,下面結合附圖和具體實施方式對本發明作進一步詳細的說明。

圖1為本發明實施例污水處理曝氣控制系統結構示意圖,如圖1所示,本發明提供一種污水處理曝氣控制系統,所述控制系統包括:

進水水質傳感器1、進水流量傳感器2、出水化學需氧量COD傳感器3、曝氣池氨氮NH4-N傳感器4、污泥濃度傳感器5、溶解氧含量DO傳感器6、壓力傳感器7、液位傳感器8、PLC控制器9、上位機10、風量調節閥11、流量計12、數據服務器13以及鼓風機控制柜14、鼓風機15;

所述進水水質傳感器1,用于對污水進水水質進行檢測,得到進水水質數據;

所述進水流量傳感器2,用于對污水進水流量進行檢測,得到進水流量數據;

所述出水化學需氧量COD傳感器3,用于對出水化學需氧量COD進行檢測,得到出水化學需氧量COD數據;

所述氨氮NH4-N傳感器4,用于對曝氣池中氨氮NH4-N進行檢測,得到氨氮NH4-N數據;

所述污泥濃度MLSS傳感器5,用于對曝氣池中污泥濃度進行檢測,得到污泥濃度數據;

所述溶解氧含量DO傳感器6,用于對曝氣池中DO值進行檢測,得到DO值;

所述液位傳感器8,用于對曝氣池中的污水液位進行檢測,得到液位數據;

所述壓力傳感器7,用于對鼓風曝氣管道中的壓力進行檢測,得到壓力數據;

所述風量調節閥11,用于對曝氣池風量進行調節;

所述流量計12,用于對鼓風曝氣管道中的曝氣流量進行檢測,得到流量數據;

所述PLC控制器9,分別與所述進水水質傳感器1、進水流量傳感器2、出水化學需氧量COD傳感器3、曝氣池氨氮NH4-N傳感器4、污泥濃度MLSS傳感器5、溶解氧含量DO傳感器6、液位傳感器8、壓力傳感器7、風量調節閥11、流量計12及上位機10連接;用于將所述進水水質數據、進水流量數據、出水化學需氧量COD數據、氨氮NH4-N數據、污泥濃度MLSS數據、DO值、液位數據、壓力數據、調節閥開度及風量數據發送至所述上位機;以及根據所述上位機回傳的第一數據對所述風量調節閥的開度進行調整;

所述上位機10,與所述數據服務器13連接,用于將所述進水水質數據、進水流量數據、出水化學需氧量COD數據、氨氮NH4-N數據、污泥濃度MLSS數據、DO值、液位數據、壓力數據、調節閥開度及風量數據按指定的頻率轉存到數據服務器13中。

所述數據服務器13,一方面用于存儲所述進水水質數據、進水流量數據、出水化學需氧量COD數據、氨氮NH4-N數據、污泥濃度MLSS數據、DO值、液位數據、壓力數據、調節閥開度及風量數據;另一方面,根據所述進水水質數據、所述進水流量數據、所述出水化學需氧量COD數據、所述氨氮NH4-N數據、所述污泥濃度MLSS數據、DO數據、壓力數據以及液位數據計算污水處理出水水質、曝氣量、DO目標值、鼓風機出口風量、出口最小壓力,并根據計算結果判斷鼓風機、風量調節閥是否需要調整;同時將所述出水水質、所述曝氣量、所述DO目標值、所述鼓風機出口風量、所述出口最小壓力及所述判斷結果傳回至所述上位機;

所述鼓風機控制柜14,分別與鼓風機以及所述上位機10連接,用于根據所述上位機回傳的第二數據,對鼓風機進行控制;

其中,第一數據包括出水水質、曝氣量、DO目標值;

第二數據包括鼓風機出口風量、出口最小壓力。

具體的,所述進水水質傳感器具體包括:

進水化學需氧量COD傳感器,與PLC控制器連接,用于檢測進水化學需氧量COD,得到進水化學需氧量COD數據,并將所述進水化學需氧量COD數據發送至所述PLC控制器;

進水NH4-N傳感器,與PLC控制器連接,用于檢測進水NH4-N,得到進水NH4-N數據,并將所述進水NH4-N數據發送至所述PLC控制器;

進水PH值傳感器,與PLC控制器連接,用于檢測進水PH值,得到進水PH值,并將所述進水PH值發送至所述PLC控制器。

具體的,所述數據服務器13包括:

數據存儲單元,與所述上位機連接,用于存儲所述進水水質數據、所述進水流量數據、所述出水化學需氧量數據、所述氨氮NH4-N數據、所述污泥濃度MLSS數據、所述DO值、所述壓力數據、所述液位數據、所述調節閥開度以及所述風量數據;

出水水質預測單元,與所述數據存儲單元連接,用于對出水水質進行預測,并將預測結果保存至數據存儲單元;

曝氣量和DO值預測單元,與所述數據存儲單元連接,用于對曝氣量和DO值進行預測,并將預測結果保存至數據存儲單元;

鼓風機出口壓力計算單元,與所述數據存儲單元連接,用于計算滿足曝氣池風量要求的鼓風機出口處的最小壓力,并將計算結果保存至數據存儲單元;

曝氣量調整單元,與所述數據存儲單元連接,用于計算曝氣量;

控制策略單元,與所述數據存儲單元連接,用于判斷鼓風機、風量調節閥的是否需要調整,并將判斷結果保存至數據存儲單元。

具體的,所述出水水質預測單元對出水水質進行預測具體包括:

以進水COD、進水NH4-N、進水PH值、進水流量、曝氣池風量、MLSS、DO值為輸入參數,利用出水水質預測單元對曝氣池NH4-N和出水COD進行預測;

所述出水水質預測單元是根據污水處理廠歷史運行數據,以進水COD、進水NH4-N、進水PH值、進水流量、曝氣池風量、MLSS、DO為輸入參數,以曝氣池NH4-N和出水COD為輸出參數,采用BP神經網絡算法所建立。

BP神經網絡是一種按照誤差逆向傳播算法訓練的多層前饋神經網絡,是目前應用最廣泛的神經網絡,其基本思想是利用梯度搜索技術,使網絡的實際輸出值和理想輸出值的誤差均方差為最小。BP神經網絡算法包括信號的前向傳播和誤差的反向傳播兩個過程。前向傳播過程中,輸入信號通過隱含層作用于輸出節點,經過非線性變換產生輸出信號,若實際輸出與理想輸出誤差較大,則進行誤差的反向傳播。誤差反向傳播是將輸出誤差通過隱含層向輸入層逐層反傳的過程,通過調整輸入層節點與隱含層節點、隱含層節點與輸出層節點的權值和閾值,使誤差沿梯度方向下降。經過反復學習訓練,確定與最小誤差相對應的網絡權值和閾值,網絡停止訓練。

根據BP神經網絡原理,其建模過程分以下四步:

①數據樣本搜集。本發明所搜集數據樣本為污水處理廠進水COD、進水NH4-N、進水PH值、進水流量、曝氣池風量、混合液污泥濃度、DO值、曝氣池NH4-N和出水COD。

②神經網絡類型、結構及相關初始參數的確定。如圖2所示,本發明采用三層神經網絡結構,即輸入層、隱含層和輸出層。附圖2中x1、x2…xm代表神經網絡的輸入信號,W1、W2分別為輸入層與隱含層、隱含層與輸出層之間的權值矩陣,O1、O2…On代表神經網絡的輸出號。模型輸入參數為7個,輸出參數為2個,故輸入層節點數為7,輸出層節點數為2。

③網絡的訓練及模型確定。隨機初始化權重和閾值,對樣本數據進行訓練,當滿足誤差要求時訓練結束,隱含層節點數及輸入層與隱含層、隱含層與輸出層之間的權值和閾值通過數據樣本訓練確定。

④利用所建神經網絡模型進行實際應用。各參數確定后即可利用所建神經網絡模型預測曝氣池NH4-N和出水COD。

具體的,所述曝氣量和DO值預測單元對曝氣量和DO值進行預測具體包括:

以進水COD、進水NH4-N、進水PH值、進水流量、曝氣池NH4-N、MLSS、出水COD為輸入參數,利用曝氣量和DO值預測單元對曝氣池曝氣量和DO進行預測;

所述曝氣量和DO值預測單元是根據污水處理廠歷史運行數據,以進水COD、進水NH4-N、進水PH值、進水流量、曝氣池NH4-N、曝氣池MLSS和出水COD為輸入參數,以曝氣池風量和DO值為輸出參數,采用BP神經網絡算法所建立。

模型同樣采取三層神經網絡結構,即輸入層、隱含層和輸出層,輸入層節點數為7,輸出層節點數為2,隱含層節點數及輸入層與隱含層、隱含層與輸出層之間的權值和閾值通過數據樣本訓練確定。各參數確定后即可利用所建神經網絡模型預測曝氣池風量和DO值。

其中,所述鼓風機出口壓力計算單元具體采用以下公式:

其中,PsF為鼓風機出口處的最小壓力,ρw為曝氣池內液體密度,g為重力加速度,h為曝氣池液面高度,λ為管道摩擦阻力系數,L為管道長度,D為管道直徑,ρg為管道中空氣密度,v為管道中空氣流速,K為閥門的流阻系數。

具體的,所述曝氣量調整單元具體包括:

以DO值偏差e和偏差變量率ec為輸入參數,利用模糊控制模型計算曝氣池曝氣量,所述DO偏差值為DO目標值和測量值的差值;

所述模糊控制模型是根據污水處理廠歷史運行數據,以DO值偏差e和偏差變量率ec為輸入參數,以曝氣池曝氣量為輸出參數所建立的Mamdani模糊控制器。過程如下:

①先采集所要控制曝氣池內的在線溶解氧值,構造在線DO值與設定DO值的偏差及其偏差的變化率兩組向量,作為模糊控制器的輸入。

②制定模糊控制規則表。采用雙輸入、單輸出的結構,將輸入輸出變量的值域模糊化,為其建立語言變量論域,并確定對應隸屬度;在此基礎上,制定模糊條件語句,生成模糊控制規則集。

③當外部輸入變量落入語言變量論域上,根據推理合成規則求出其輸出語言變量論域上的模糊集合,將輸出的集合反模糊化,得到曝氣池風量。

具體的,所述判斷鼓風機、風量調節閥的是否需要調整,并將判斷結果保存至數據存儲單元具體包括:

當出水水質預測單元預測的曝氣池NH4-N和出水COD均滿足污水處理廠出水指標要求時,鼓風機和風量調節閥不進行調整;

當出水水質預測單元預測的曝氣池NH4-N和出水COD不滿足污水處理廠出水指標要求時,則根據曝氣量和DO值預測單元、鼓風機出口壓力計算單元計算曝氣量、鼓風機風量、出口最小壓力對鼓風機和風量調節閥進行自動調整;

鼓風機和風量調節閥調整后將曝氣池DO傳感器所測DO數據與曝氣量和DO值預測單元預測DO目標值進行對比,若滿足預先設定的誤差要求,則鼓風機和風量調節閥不在進行調整;反之則根據曝氣量調整單元計算出的曝氣量再次對鼓風機、風量調節閥進行精細調整,直至DO目標值和測量值滿足預先設定的誤差要求為止。

具體實施過程中,基于所建模型,采用“前饋+反饋”的控制模式對污水處理工藝正常運行過程進行控制,具體控制過程為:

(1)進水水質傳感器、進水流量傳感器、出水化學需氧量COD傳感器、曝氣池氨氮NH4-N傳感器、污泥濃度MLSS傳感器、DO傳感器、液位傳感器、壓力傳感器、風量調節閥和流量計所監測數據經PLC控制系統、上位機監控系統傳輸至數據存儲單元進行存儲后,出水水質預測單元首先預測曝氣池NH4-N和出水COD,若兩者均滿足污水處理廠出水指標要求,則工藝正常運行,鼓風機和風量調節閥不進行調整。

(2)若模型預測曝氣池NH4-N和出水COD不滿足污水處理廠出水指標要求,由曝氣量和DO值預測模型預測污水處理廠出水指標要求下的曝氣池風量和DO目標值,根據該風量利用氣體在鼓風管道流動模型自動計算鼓風機出口處的最小壓力,進而對鼓風機和風量調節閥進行自動調整。

(3)調整后將曝氣池所測DO值與上述模型預測DO目標值進行對比,若滿足一定誤差要求,則工藝正常運行;反之則根據模糊控制器輸出結果對曝氣池風量進行精細調整,直至DO目標值和測量值滿足一定誤差要求為止。

本說明書中各個實施例采用遞進的方式描述,每個實施例重點說明的都是與其他實施例的不同之處,各個實施例之間相同相似部分互相參見即可。

本文中應用了具體個例對本發明的原理及實施方式進行了闡述,以上實施例的說明只是用于幫助理解本發明的方法及其核心思想;同時,對于本領域的一般技術人員,依據本發明的思想,在具體實施方式及應用范圍上均會有改變之處。綜上所述,本說明書內容不應理解為對本發明的限制。

再多了解一些
當前第1頁1 2 3 
網友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
广西快3一定牛走势图