[發明專利]一種人工智能混凝投藥信號反饋控制方法

在審

• 申請號: 202110380814.2
• 申請日: 2021-04-09
• 公開（公告）號: CN113111766A
• 公開（公告）日: 2021-07-13
• 發明（設計）人: 朱國成;任伯幟;李曉尚;袁程;舒建衛;黃威;袁芳;紀倩楠;方海全
• 申請（專利權）人: 湖南科技大學;湘潭中環水務有限公司;中環保水務投資有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶晟軒知識產權代理事務所(普通合伙) 50238
• 代理人: 王海鳳

本發明涉及人工智能混凝投藥信號反饋控制方法，該方法對絮凝階段的水體進行拍攝，對拍攝的圖像進行預處理，并標注標簽，圖像和對應的標簽構成訓練樣本，訓練樣本構成訓練集；構建和訓練卷積網絡，卷積網絡包括N卷積層、M池化層和Q全連接層；卷積網絡各層的設置方式為：一個卷積層和一個池化層，接下來還是卷積層和二個池化層依次類推，最后是連續的Q個全連接層，采用訓練集中的數據進行訓練；對絮凝階段的水體拍攝的待預測圖像進行圖像預處理后輸入訓練后的卷積網絡，即可得到水體的分類結果。本方法通過人工智能方法對原始絮體圖像的特征進行自主提取，避免增設額外絮體收集裝置進行圖像特征的人工提取，克服絮體模糊、破碎等產生的環境影響。

技術領域

本發明屬于環保監測技術領域，具體涉及一種人工智能混凝投藥信號反饋控制方法。

背景技術

隨著飲用水廠的運行管理精細化的要求不斷提高，在保證水量水質提升的基礎之上，挖掘運行系統大量數據的潛在作用，達到節能降耗的目標，實現生產上增質提效，已成為當前研究的熱點問題。目前，在國內水廠自動投藥方面，大部分水廠正處于起步階段，還是通過過量投藥和人工手動投藥滿足到出水水質要求，這種較為落后的狀況與現代產、供水要求及飲水品質要求差距較大，存在藥耗高、經濟效益差、水質不穩定、工人勞動強度大等一系列問題。因此，混凝投藥的自動化控制研究在水處理行業具有必要性。

目前，前饋、反饋、復合控制是混凝投藥自動化控制的基本模式。復合控制結合前饋與反饋過程，以出水濁度或中間參數作為反饋信號微調前饋給定量，從而達到整個處理工藝設計的要求，其應用廣泛。反饋信號基本可劃分為：電流信號、光信號與圖像信號，存在的問題主要有：投藥點與出水水質之間會引發時滯性問題、信號受環境干擾大、設備維護頻繁等。圖像信號是通過拍攝絮體圖片計算絮體特征參數，作為投藥調控的依據，其操作簡單、成本低廉、設備維護方便，受環境條件影響小，但其不足有：圖像特征抽取仍以手工提取為主，需要人工分析與計算，耗時、耗力；以絮體結構尺度為反饋信號，易受絮體破碎、模糊等影響，需增設絮體轉移裝置。

發明內容

針對現有技術存在的上述問題，本發明的要解決的技術問題是：如何避免環境干擾,準確預測水質的水濁度值。

為解決上述技術問題，本發明采用如下技術方案：一種人工智能混凝投藥信號反饋控制方法，包括如下步驟：

S100:數據準備：采用電子攝像儀器對絮凝階段的水體進行拍攝，對拍攝的圖像進行預處理，然后根據水濁度值大小進行分類，將分類結果作為圖像的標簽，圖像和對應的標簽構成一個訓練樣本，所述訓練樣本構成訓練集；

S200:構建和訓練卷積網絡

S210:構建卷積網絡，所述卷積網絡包括N卷積層、M池化層和Q全連接層；所述卷積層、池化層和全連接層設置方式為：一個卷積層和一個池化層，接下來繼續是卷積層和二個池化層依次類推，最后是連續的Q個全連接層；

S220:卷積網絡的訓練

S221:預設迭代次數、學習效率、卷積核的大小和池化核的大小；

選定激活函數和分類器；

S222:將S100訓練集中的訓練樣本輸入所述卷積網絡中，卷積網絡輸出分類的概率值，將最大概率值對應的分類作為預測分類，將預測分類與該訓練樣本標簽之間的交叉熵作為損失值，采用梯度下降法進行反向傳播對所述卷積網絡中的參數進行更新；

S223:將S100訓練集中的訓練樣本輸入所述卷積網絡中，當迭代次數達到預設迭代次數時，訓練結束得到訓練后的卷積網絡；

S300:水體分類預測，將對絮凝階段的水體拍攝的待預測圖像進行圖像預處理，再將預處理后的圖像輸入訓練后的卷積網絡，即可得到待預測圖像中水體的分類結果。