本發(fā)明屬于水處理的，具體涉及一種基于光學(xué)檢測的礬花形態(tài)監(jiān)測方法及水處理加藥方法和系統(tǒng)。

背景技術(shù)：

1、在水凈化處理的過程中，一般需要在水中添加絮凝劑進(jìn)行混凝沉淀，而實時的絮凝劑投藥量需要根據(jù)混凝效果進(jìn)行精細(xì)化控制。混凝效果對后續(xù)工藝控制具有決定性影響，能在確保最佳投藥量的基礎(chǔ)上，最大限度地減少藥劑消耗，并提升出水水質(zhì)。絮凝劑投藥是水處理的核心環(huán)節(jié)，然而，因其固有的滯后和非線性特性，自動加藥控制一直是制水領(lǐng)域的一大挑戰(zhàn)。

2、傳統(tǒng)的加藥控制方法，例如，多數(shù)水廠仍采用基于進(jìn)廠水流量的控制策略，結(jié)合人工觀察礬花形態(tài)和沉淀池出口濁度來評估投藥效果，主要依賴流量比來控制混凝劑的投加量，然而，人工觀察的礬花形態(tài)具有不確定性，較依賴于工作經(jīng)驗和工作能力；其次，固定程序化的流量比自動控制系統(tǒng)，其測試結(jié)果僅反映取樣瞬間的水質(zhì)狀況，確定的混凝劑劑量存在不連續(xù)性和滯后性，難以實現(xiàn)優(yōu)化和精確控制。

3、隨著人工智能技術(shù)的飛速發(fā)展，特別是深度學(xué)習(xí)的廣泛應(yīng)用，水下顆粒物攝像技術(shù)和計算機(jī)人工智能控制為混凝投藥的智能化控制提供了新的思路。例如，現(xiàn)有中國專利cn112101352b公開了一種能自動識別水下礬花并根據(jù)礬花狀態(tài)來指導(dǎo)混凝劑投加量的水下礬花狀態(tài)識別方法、監(jiān)測裝置、計算機(jī)設(shè)備和存儲介質(zhì)。該方法對水下礬花圖像進(jìn)行圖像預(yù)處理，進(jìn)行多次多尺度采樣，依據(jù)不同特征描述因子對采樣圖進(jìn)行特征提取，得到特征向量后，篩選高相關(guān)度的特征向量輸入模糊層，獲得礬花值，并根據(jù)濁度儀數(shù)據(jù)與礬花值的差值、水廠的工藝數(shù)據(jù)對礬花值作補(bǔ)償，進(jìn)行迭代訓(xùn)練直至獲得準(zhǔn)確的礬花值數(shù)據(jù)。該技術(shù)方案通過機(jī)器視覺和人工智能的結(jié)合，實時客觀的分析水下礬花的狀態(tài)，并給出混凝劑投加量的指導(dǎo)依據(jù)。然而，該方法高度依賴于高質(zhì)量的圖像，易受光照、噪聲等外界因素的干擾，且特征提取可能不夠全面，機(jī)器學(xué)習(xí)模型的泛化能力也有限，實時監(jiān)測的響應(yīng)速度相對較慢。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于光學(xué)檢測的礬花形態(tài)監(jiān)測方法，旨在基于光學(xué)吸光度檢測，分析礬花的邊緣，得到礬花的形態(tài)。本發(fā)明的目的還在于提供一種基于光學(xué)檢測的水處理加藥方法及系統(tǒng)，旨在基于光學(xué)吸光度分析檢測的礬花形態(tài)，控制絮凝劑的加藥量。

2、本發(fā)明主要通過以下技術(shù)方案實現(xiàn)：

3、一種基于光學(xué)檢測的礬花形態(tài)監(jiān)測方法，包括以下步驟：

4、步驟t1：構(gòu)建單色光源的礬花吸光度檢測模型；

5、步驟t2：掃描待測的三維空間，獲取 xoz平面和 yoz平面的吸光度掃描數(shù)據(jù)；

6、步驟t3：分別對 xoz平面和 yoz平面的吸光度掃描數(shù)據(jù)進(jìn)行邊緣檢測，得到礬花形狀拐點，并記錄礬花實體邊界位置信息；

7、步驟t4：基于礬花結(jié)構(gòu)確定多波段測量的光源波長，得到不同光源波長對應(yīng)的礬花等勢面數(shù)據(jù)集；

8、步驟t5：根據(jù)不同光源波長對應(yīng)的礬花等勢面數(shù)據(jù)集，將礬花核心層聚合的金屬離子水合物作為中心，并將外延擴(kuò)展層作為分割載體，篩選確定礬花的數(shù)據(jù)集為：

9、，

10、其中： pq（ ams）為篩選的第 q個礬花幾何體的空間位置信息；

11、 q為篩選的礬花數(shù)量；

12、步驟t6：基于礬花的數(shù)據(jù)集，確定礬花形態(tài)的等效參數(shù)。

13、為了更好地實現(xiàn)本發(fā)明，進(jìn)一步地，所述步驟t3包括以下步驟：

14、步驟t31：分別對 xoz平面和 yoz平面的吸光度掃描數(shù)據(jù)，采用導(dǎo)數(shù)分析并結(jié)合動態(tài)閾值濾波，區(qū)分真實礬花信號與環(huán)境噪聲；通過分析相鄰z層邊緣點的空間連續(xù)性，分離重疊結(jié)構(gòu)的投影；

15、步驟t32：基于 xoz平面和 yoz平面的實體的礬花位置數(shù)據(jù)集，進(jìn)行邊緣數(shù)據(jù)適配，實現(xiàn)三維定位與數(shù)量統(tǒng)計。

16、為了更好地實現(xiàn)本發(fā)明，進(jìn)一步地，步驟t31包括以下步驟：

17、步驟t311：分別計算z軸細(xì)分步數(shù)為n時， xoz平面和 yoz平面的單維度的吸光度平均值；

18、步驟t312：分別計算 xoz平面和 yoz平面的單維度的快速疊影篩選值：

19、，

20、，

21、其中：為z軸細(xì)分步數(shù)為n時， xoz平面的單維度的吸光度平均值；

22、為z軸細(xì)分步數(shù)n時， yoz平面的單維度的吸光度平均值；

23、為z軸細(xì)分步數(shù)為n時， xoz平面的單維度的快速疊影篩選值；

24、為z軸細(xì)分步數(shù)n時， yoz平面的單維度的快速疊影篩選值；

25、 kolp為疊影篩選精度系數(shù)；

26、步驟t313：遍歷 xoz平面和 yoz平面的單維度數(shù)據(jù)，篩選礬花的吸光度極值點：

27、，

28、其中： a( r)為空間位置點 r對應(yīng)的吸光度；

29、 ε0為離散求導(dǎo)的零點噪聲閾值；

30、 auv為吸光度標(biāo)定值；

31、 pd1( r)為空間位置點r的吸光度的一階偏導(dǎo)數(shù)值；

32、∧為與的邏輯運算符；

33、∨為或的邏輯運算符；

34、＜為小于號運算符；

35、＞為大于號運算符；

36、步驟t314：若極值點r的吸光度二階偏導(dǎo)數(shù)值 pd2( r)＞0，則當(dāng)前極值點位于邊緣，篩選得到位于邊緣的極值點，并進(jìn)入步驟t315；

37、步驟t315：若當(dāng)前極值點的吸光度大于疊影篩選值，則判斷其兩側(cè)是否存在疊影；若當(dāng)前極值點兩側(cè)的極值點的吸光度的三階偏導(dǎo)數(shù)值均超出三階閾值范圍，則判斷存在疊影，進(jìn)入步驟t316；

38、步驟t316：進(jìn)行疊影分割：若點rn與點r的疊影吸光度梯度值之差的絕對值小于或者等于疊影判斷精度τd，則標(biāo)記點rn與點r為同一個實體的兩個邊界；

39、步驟t317：重復(fù)步驟t311-步驟t316，遍歷每個z軸細(xì)分單維度數(shù)據(jù)集；記錄邊緣數(shù)據(jù)和疊影標(biāo)記；

40、步驟t318：對邊緣數(shù)據(jù)進(jìn)行向量化處理，并基于收斂條件和封閉條件進(jìn)行數(shù)據(jù)篩選；然后，基于左、右邊界限定，記錄 xoz平面和 yoz平面的礬花投影簇。

41、為了更好地實現(xiàn)本發(fā)明，進(jìn)一步地，所述步驟t32包括以下步驟：

42、步驟t321：從z軸細(xì)分步數(shù)遍歷 xoz平面的實體的礬花位置數(shù)據(jù)集，適配 yoz平面的數(shù)據(jù)；

43、步驟t322：提取該實體的z軸范圍；匹配對應(yīng) yoz平面的z軸范圍實體；合成礬花實體簇，標(biāo)記 yoz平面的使用數(shù)據(jù)；

44、 xoz平面和 yoz平面篩選出來的數(shù)據(jù)集合分別為：

45、，

46、，

47、若中的任意一個元素與的元素，分別在z軸上進(jìn)行細(xì)分步數(shù)匹配，且元素數(shù)量也能夠配備，則對這兩個元素的坐標(biāo)進(jìn)行融合；

48、步驟t323：若存在 yoz平面的未使用數(shù)據(jù)集，則遍歷 yoz平面的未使用的礬花位置數(shù)據(jù)集；

49、步驟t324：提取該實體z軸范圍，匹配對應(yīng) xoz平面的z軸范圍實體，合成礬花實體簇。

50、為了更好地實現(xiàn)本發(fā)明，進(jìn)一步地，所述步驟t4中，所述礬花結(jié)構(gòu)包括從內(nèi)至外依次設(shè)置的核心層、親水膠體包裹層、微生物聚集層、懸濁物吸附層和外延擴(kuò)展層；所述核心層的檢測光源波長為380-450nm，所述親水膠體包裹層的檢測光源波長為100-280nm和280-315nm，所述微生物聚集層的檢測光源波長為100-280nm和280-315nm，所述懸濁物吸附層的檢測光源波長為450-495nm，所述外延擴(kuò)展層的檢測光源波長為450-495nm和近紅外光波段。

51、為了更好地實現(xiàn)本發(fā)明，進(jìn)一步地，多波段測量的光源波長包括400nm，所述礬花等勢面數(shù)據(jù)集包括核心層的數(shù)據(jù)集。具體地，所述多波段測量的光源波長還包括254nm、290nm、485nm和890nm；所述礬花等勢面數(shù)據(jù)集還包括：

52、中間層的數(shù)據(jù)集：和；

53、外延擴(kuò)展層的數(shù)據(jù)集：

54、和

55、。

56、其中，為400nm光源波長下篩選的第 n個礬花幾何體的空間位置信息；

57、為254nm光源波長下篩選的第 n個礬花幾何體的空間位置信息；

58、為290nm光源波長下篩選的第 n個礬花幾何體的空間位置信息；

59、為485nm光源波長下篩選的第 n個礬花幾何體的空間位置信息；

60、為890nm光源波長下篩選的第 n個礬花幾何體的空間位置信息。

61、為了更好地實現(xiàn)本發(fā)明，進(jìn)一步地，所述步驟t5包括以下步驟：

62、步驟t51：遍歷核心層的數(shù)據(jù)集s400（ x， y， z），若與中存在兩個獨立的外延擴(kuò)展層實體，則進(jìn)入步驟t52，否則，進(jìn)入步驟t54；

63、步驟t52：若與中存在兩個獨立的外延擴(kuò)展層實體，則進(jìn)入步驟t55，否則，進(jìn)入步驟t53；

64、步驟t53：若與中存在兩個獨立的懸濁物吸附層和外延擴(kuò)展層的實體，則進(jìn)入步驟t55，否則，舍棄數(shù)據(jù)；

65、步驟t54：若與中存在兩個獨立的懸濁物吸附層和外延擴(kuò)展層的實體，則若與中存在兩個獨立的外延擴(kuò)展層實體，進(jìn)入步驟t53，否則，舍棄數(shù)據(jù)；

66、步驟t55：記錄兩個外延擴(kuò)展層空間相連的所有數(shù)據(jù)，作為單個礬花的等效數(shù)據(jù)，形成礬花的數(shù)據(jù)集；

67、其中：為400nm光源波長下篩選的第 i個礬花幾何體的空間位置信息；

68、為400nm光源波長下篩選的第 i+1個礬花幾何體的空間位置信息；

69、為400nm光源波長下篩選的第 i-1個礬花幾何體的空間位置信息。

70、為了更好地實現(xiàn)本發(fā)明，進(jìn)一步地，所述步驟t6中，若礬花為球體模型，則礬花的等效直徑為：

71、，

72、若礬花為橢球模型，則礬花的等效直徑為：

73、，

74、其中：為 x方向礬花幾何體的長度；

75、為 y方向礬花幾何體的長度；

76、為 z方向礬花幾何體的長度。

77、礬花的體積密度為：

78、，

79、其中：為第 i個礬花的體積；

80、 dt x為掃描測量的x軸總長；

81、 dt y為掃描測量的y軸總長；

82、 dt z為掃描測量的z軸總長。

83、本發(fā)明主要通過以下技術(shù)方案實現(xiàn)：

84、一種基于光學(xué)檢測的水處理加藥方法，基于上述礬花形態(tài)監(jiān)測方法實現(xiàn)，包括以下步驟：

85、步驟s1：實時監(jiān)測礬花的形態(tài)，獲得礬花形態(tài)的等效參數(shù)；

86、步驟s2：基于礬花形態(tài)的等效參數(shù)推導(dǎo)zeta電位，并基于金屬離子質(zhì)量平衡與電位反饋，動態(tài)控制加藥量。

87、為了更好地實現(xiàn)本發(fā)明，進(jìn)一步地，所述步驟s2?包括以下步驟：

88、步驟s21：設(shè)定約束條件；

89、動力約束：

90、，

91、濃度邊界約束：

92、，

93、加藥量 q（ t）的約束：

94、0 ≤q（ t） ≤qmax，

95、其中：為金屬離子平均濃度；

96、為污水處理環(huán)境中金屬離子的極限值；

97、 qmax為最大加藥量；

98、 kin為加藥輸入速率常數(shù)；

99、 kloss為非特異性損失速率(如沉淀、吸附）

100、 kout為消耗速率常數(shù)，；

101、 k0為反應(yīng)活性系數(shù)；

102、 ρ( t)為t時刻的礬花的數(shù)量密度；

103、 d( q， t)為t時刻對應(yīng)的平均等效直徑；

104、步驟s22：設(shè)定目標(biāo)函數(shù)為：在預(yù)測時域 tp內(nèi)，zeta電位跟蹤誤差與加藥量成本模型值j達(dá)到最小化；

105、，

106、其中： k為步數(shù)；

107、n為預(yù)測步數(shù)；

108、為第 k步基于礬花形態(tài)的等效參數(shù)推算出的平均zeta電位；

109、為設(shè)定的目標(biāo)zeta電位；

110、 w為加藥量權(quán)重；

111、qk為第 k步的加藥量；

112、δt為時間步長；

113、步驟s23：求解得到最佳加藥量的矩陣u：

114、，

115、其中：qn-1為第n步的最佳加藥量；

116、基于最佳加藥量的矩陣u進(jìn)行動態(tài)控制加藥量。

117、一種基于光學(xué)檢測的水處理加藥系統(tǒng)，用于實現(xiàn)上述的基于光學(xué)檢測的水處理加藥方法，包括光學(xué)監(jiān)測模塊、數(shù)據(jù)處理模塊和加藥控制模塊

118、所述光學(xué)監(jiān)測模塊用于基于上述的礬花形態(tài)監(jiān)測方法實時監(jiān)測礬花的形態(tài)，獲得準(zhǔn)確的礬花形態(tài)的等效參數(shù)；

119、所述數(shù)據(jù)處理模塊用于基于礬花形態(tài)的等效參數(shù)推導(dǎo)zeta電位，以及通過設(shè)定的目標(biāo)函數(shù)和約束條件，求解得到最佳加藥量的矩陣u；

120、所述加藥控制模塊用于根據(jù)最佳加藥量的矩陣u控制每步的加藥量。

121、本發(fā)明的有益效果如下：

122、（1）本發(fā)明基于光學(xué)吸光度對水中礬花進(jìn)行邊緣檢測，其次，本發(fā)明進(jìn)一步的融合多光源檢測得到不同光源波長對應(yīng)的礬花等勢面數(shù)據(jù)集。基于礬花的結(jié)構(gòu)特征，最終分割得到礬花的數(shù)據(jù)集，記錄礬花幾何體的空間位置信息，進(jìn)而確定礬花形態(tài)的等效參數(shù)。本發(fā)明從光學(xué)吸光度檢測的角度對礬花形態(tài)進(jìn)行監(jiān)測，不再依賴于水下高精度的圖像拍攝，本發(fā)明的形態(tài)分析精度更加快速、可靠，具有較好的實用性。

123、（2）本發(fā)明基于監(jiān)測的礬花形態(tài)，融合了目標(biāo)函數(shù)和約束條件，求解得到最優(yōu)的加藥數(shù)據(jù)集，實現(xiàn)動態(tài)控制加藥。具體地，本發(fā)明通過顯式靈敏度分析機(jī)制，利用鏈?zhǔn)椒▌t建立加藥量與電位變化的動態(tài)量化模型，實現(xiàn)控制精度的顯著提升；其次，本發(fā)明開發(fā)了模塊化矩陣架構(gòu)，使hessian矩陣與梯度矩陣具備在線自適應(yīng)更新能力，可動態(tài)響應(yīng)時變參數(shù)的工藝波動；最后，植入硬約束安全邊界，通過構(gòu)建多維約束矩陣有效防范過加藥風(fēng)險及濃度超限問題，確保工藝安全運行。本發(fā)明通過矩陣運算實現(xiàn)目標(biāo)函數(shù)到控制指令的閉環(huán)反饋映射，為水處理系統(tǒng)提供了可量化驗證的智能優(yōu)化引擎，在保障工藝穩(wěn)定性的同時顯著提升了系統(tǒng)的自適應(yīng)控制能力。