[发明专利]一种基于BP神经网络的污泥脱水系统的计算机控制方法

说明书

本发明公开了一种基于BP神经网络的污泥脱水系统的计算机控制方法，包括：按采样周期，采集进入污泥脱水机絮凝搅拌装置的污泥含水率W₁、污泥量Q，絮凝剂溶液的浓度C以及泥饼含水率W₂；依次将污泥含水率W₁、污泥量Q、絮凝剂溶液的浓度C以及泥饼含水率W₂进行规格化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄}；其中，x₁为污泥含水率系数，x₂为污泥量系数，x₃为污泥温度系数，x₄为泥饼含水率系数；输入层向量映射到中间层，中间层向量y＝{y₁,y₂,…,y_m}；得到输出层向量z＝{z₁,z₂,z₃,z₄}；其中，z₁为污泥脱水电机的转速调节系数，z₂为加药泵的流量调节系数，z₃为污泥泵流量调节系数，z₄为絮凝搅拌装置的转速调节系数。本发明提供的基于BP神经网络的污泥脱水系统的计算机控制方法，能够提高污泥脱水系统的处理效率。

技术领域

本发明属于污泥脱水系统自动控制技术领域，特别涉及一种基于BP神经网络的污泥脱水系统的计算机控制方法。

背景技术

随着我国经济的迅速发展和对环境保护的重视，污水处理厂和污水处理站的数量逐年增多，伴随产生的污泥量也与日剧增。除污水处理厂的剩余底泥外，受到工业废水污染的河道、湖泊、水库的污染底泥是水体持续污染的原因之一。污泥含水量高、易腐烂、成分复杂、含有毒、有害、难降解的有机物及重金属等。污泥含水量高，体积很大，且呈流动性。无论是污泥填埋还是资源化利用，污泥脱水都是其中重要环节之一。经污泥脱水处理后，污泥体积减至原来的十几分之一，且由液态转化成固态，便于运输和消纳。

现有污泥脱水技术中一般先将污泥脱水至80％，使污泥体积大幅度减小后，再进一步进行深度脱水或干化处理，污泥脱水效果直接决定后续工艺的负荷。目前，污泥脱水系统已经能够实现自动化控制，但一般只能根据最初测定的污泥状况，按设定好系统的运行参数运行，在发现脱水效果差时再进行人工调节。而污水处理厂在实际污水处理过程中，因污水性质、温度等情况持续变化，导致污泥的性质也会相应发生变化，污泥脱水系统的脱水效果也并不稳定。而因人工调节的限制性，无法使污泥脱水系统一直处于最佳运行状态，造成絮凝剂浪费，泥饼含水率不达标。

发明内容

本发明的目的是提供一种基于BP神经网络的污泥脱水系统的计算机控制方法，其能够根据污泥性质及污泥的处理效果实时调节污泥脱水系统的运行参数，使污泥脱水系统达到最佳运行状态，提高污泥脱水系统的处理效率。

本发明提供的技术方案为：

一种基于BP神经网络的污泥脱水系统的计算机控制方法，包括以下步骤：

步骤1：按照采样周期，采集进入污泥脱水机絮凝搅拌装置的污泥含水率W₁、污泥量Q，絮凝剂溶液的浓度C以及泥饼含水率W₂；

步骤2：依次将污泥含水率W₁、污泥量Q、絮凝剂溶液的浓度C以及泥饼含水率W₂进行规格化，确定三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄}；其中，x₁为污泥含水率系数，x₂为污泥量系数，x₃为污泥温度系数，x₄为泥饼含水率系数；

步骤3：所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,…,y_m}；m为中间层节点个数；