具有介质过滤器的过滤系统的开环控制和/或闭环控制的方法专利检索-人工神经网络人工智能专利检索查询-专利查询网

积极推动地理标志专门立法

2022-03-10 地理标志，立法，知识产权
保护知识产权是对创新最大的激励

2022-03-10 保护知识产权，创新，激励
谢商华：加快制定知识产权基本法

2022-03-10 知识产权基本法
擦亮“双奥之城”品牌

2022-03-10 双奥，知识产权
让冰雪运动“热”力全开

2022-03-10 冰雪运动，知识产权
携手共奋进　走好强国路

2022-03-10 强国，知识产权
坚持创新引领　方能稳中求进

2022-03-10 创新，稳中求进，知识产权
答好“两张卷” 奋进新征程

2022-03-10 知识产权
专家解读政府工作报告中的创新和知识产权相关部署

2022-03-10 政府工作报告，创新，知识产权
今年政府工作报告指出：加强知识产权保护和运用

2022-03-10 政府工作报告，知识产权保护

具有介质过滤器的过滤系统的开环控制和/或闭环控制的方法

阅读：791发布：2021-02-27

IPRDB可以提供具有介质过滤器的过滤系统的开环控制和/或闭环控制的方法专利检索，专利查询，专利分析的服务。并且本发明提供了一种具有介质过滤器，尤其是具有砾石滤床过滤器、多层过滤器或活性炭过滤器的用于未处理液体过滤的过滤系统的开环控制和/或闭环控制的方法，所述开环控制和/或闭环控制基于模糊逻辑和/或人工神经网络进行。，下面是具有介质过滤器的过滤系统的开环控制和/或闭环控制的方法专利的具体信息内容。

权利要求

1.具有介质过滤器（180），尤其是具有砾石滤床过滤器、多层过滤器或活性炭过滤器的用于未处理液体过滤的过滤系统的开环控制和/或闭环控制的方法，所述开环控制和/或闭环控制基于模糊逻辑和/或人工神经网络进行。

2.根据权利要求1所述的方法，具有以下步骤：

捕捉所述过滤系统的至少第一和第二过程变量；

基于第一预定隶属函数确定第一过程变量对第一语言变量的第一隶属度；

基于第二预定隶属函数确定第二过程变量对第二语言变量的第二隶属度；

根据至少第一预定规则，逻辑组合第一和第二语言变量，用于确定第一预定规则动作的第一结果隶属函数。

根据至少第一预定规则动作的第一结果隶属函数确定全体隶属函数；

从全体隶属函数获得输出值；和

取决于输出值过滤系统的，尤其是过滤器（180）的清洗过程或过滤过程的开环控制和/或闭环控制。

3.根据权利要求2所述方法，还包括：

捕捉过滤系统的至少一个第三和一个第四过程变量；

基于第三预定隶属函数确定第三过程变量对第三语言变量的第三隶属度；

基于第四预定隶属函数确定第四过程变量对第四语言变量的第四隶属度；

根据至少第二预定规则，逻辑组合第三和第四语言变量，用于确定第二预定规则的动作的第二结果隶属函数；其中：全体隶属函数至少由至少第一预定规则的动作的第一结果隶属函数和至少第二预定规则的动作的第二结果隶属函数的组合来确定。

4.根据权利要求2或3所述方法，所述清洗过程包括逆流冲洗，所述逆流冲洗包括至少三个清洗步骤，包括至少一个预清洗步骤和至少第一和第二主要清洗步骤。

5.根据权利要求4所述方法，所述第一主要清洗步骤中的清洗用第一逆流冲洗介质进行，第二主要清洗步骤中的清洗用不同于第一逆流冲洗介质的第二逆流冲洗介质进行。

6.根据权利要求5所述方法，所述第一逆流冲洗介质是水且第二逆流冲洗介质是空气。

7.根据权利要求4至6之一所述方法，所述逆流冲洗还包括以下清洗步骤：降低介质过滤器的过滤层上面逆流冲洗介质的液面；

在预清洗和主要清洗步骤结束之后向介质过滤器中注满未处理液体；

以及启动介质过滤器，包括排出滤出液。

8.根据权利要求2至7之一所述方法，所述过滤器（180）清洗过程的继续和/或清洗过程的终止和清洗过程终止后过滤操作的重新开始根据输出值进行。

9.根据权利要求4至8之一所述方法，还包括：

基于模糊逻辑和/或人工神经网络对清洗过程中至少一个清洗步骤的清洗成效的评估。

10.根据权利要求9所述方法，所述清洗成效的评估根据输出值进行。

11.根据权利要求9或10所述方法，基于清洗成效的评估对所述至少一个清洗步骤的持续时间和/或强度是开环控制或闭环控制。

12.根据权利要求11所述方法，所述开环控制和/或闭环控制通过神经-模糊控制器进行，此外包括步骤：清洗成功和清洗失败的记录；

通过人工神经网络对记录的清洗成功和清洗失败的评估；和基于通过人工神经网络的评估对至少一个清洗步骤的至少一个过程参数的调节。

13.根据权利要求12所述方法，还包括至少一个清洗步骤的淘汰或优先。

14.根据权利要求11至13之一所述方法，还包括清洗过程的价值函数的最小化，所述价值函数包括至少下述成本要素中的一个成本要素的评估：清洗过程的持续时间、清洗过程所需的第一逆流冲洗介质的量、清洗过程所需的第二逆流冲洗介质的量、清洗过程所需能量、由清洗过程所导致的过滤介质的流出、过滤器启动过程中滤液的排出量、过滤器的使用寿命。

15.根据权利要求14所述方法，所述至少一个成本要素的评估基于模糊逻辑和/或人工神经网络进行。

16.根据上述权利要求之一所述方法，所述过滤过程的开环控制和/或闭环控制包括过滤过程的至少一个过程参数的调整。

17.根据权利要求16所述方法，所述至少一个过程参数从下列各项中选择：过滤器进口处液体的温度，过滤器进口处液体的压力，过滤器进口和过滤器出口之间液体的压差，过滤器进口处液体和滤液之间的压差，在过滤器进口处注入的液体的容积流量，在过滤器进口处注入的液体的流速。

说明书全文

具有介质过滤器的过滤系统的开环控制和/或闭环控制的

方法

技术领域

[0001] 本发明涉及一种用于液体过滤的具有介质过滤器的过滤系统的开环控制和/或闭环控制的方法。

背景技术

[0002] 具有介质过滤器的过滤系统，即具有过滤介质的过滤器，例如砾石滤床过滤器、活性炭过滤器及多层过滤器，不仅用于工业和环境技术的许多方面，还用于私营企业。其中最普遍的应用是工业处理水的制备和饮用水的生产。在后一种情况下，尤其是通过加入氧气并转变成不溶的水合氧化物后滤除溶解在未处理水中的铁和锰化合物而发挥重要作用。也可以去除不需要的成分，例如三氧化二砷、铀或有机材料。此外，加入凝聚剂之后使用介质过滤器除去混浊度，也使用碱性过滤介质对未处理水脱氧。进一步的应用在于过滤游泳池、不流动的贮水池及喷泉中的水藻和有机物质，也用于地下水和废水的处理。具有介质过滤器的过滤系统还经常用于配备微滤或超滤。

[0003] 因此，具有介质过滤器的过滤系统通常按照严格的顺序运行，该顺序通常由专家借助一些参数在狭窄的范围内调整。然而，关于过滤系统的开环控制和/或闭环控制，普通系统用户通常束缚于系统运行前已规定的程序并且往往是预定程序的程序。因此，过滤系统改变工艺条件的操作方法的调节，例如，改变未处理水的质量、改变温度、改变荷载循环及过滤器的改变，是不可能的或需要训练有素的专家的努力。

[0004] 在生产过程中，滤除的物质积累在介质过滤器的滤床上，引起过滤阻力增加，最终导致过滤过程的效率降低。由于这个所谓的过滤器污垢，通过逆流冲洗对介质过滤器的日常清洁成为必要。在现有技术水平下，要进行的逆流冲洗同样与严格的程序顺序结合，该顺序控制按照固定的值和次数控制逆流冲洗的独立步骤。

[0005] 由于系统运行过程中长期不变的规定的程序顺序，使系统操作的优化，尤其是借助于逆流冲洗的过滤器清洗，最终更难或不可能。这尤其危及了系统的生产可靠性和产品可靠性。此外，不可能有效地使用例如逆流冲洗水、空气及能量等资源。

[0006] 因此，本发明旨在提供一种克服上述缺点的具有介质过滤器的用于未处理液体过滤的过滤系统的智能的开环控制和/或闭环控制的方法。特别是，即使缺乏大量的专业知识，关于生产可靠性和有效资源利用的借助逆流冲洗的过滤器清洗的优化将会成为可能。此外，所述方法将能够以适当的灵活的方式对改变的工艺条件做出应答。

发明内容

[0007] 上述目标通过一种具有介质过滤器的用于未处理液体过滤的过滤系统的开环控制和/或闭环控制的方法实现，其中开环控制和/或闭环控制基于模糊逻辑和/或人工神经网络进行。

[0008] 特别是，待过滤的未处理液体可以是液体，例如，水，尤其是淡水。或者，根据本发明，所述方法可以用于水处理技术中废水的过滤、工业性质或环境技术或游泳池技术的工艺用水的过滤、循环水的过滤以及地下水的过滤。此外，根据本发明，所述方法还可用于铁和锰化合物的分离、不需要的成分的去除，例如借助于吸附作用的铀和三氧化二砷的去除、混浊度的去除、借助于碱性过滤介质的脱氧作用以及微滤或超滤的配备。

[0009] 在具有介质过滤器的过滤中，待分离的颗粒或高分子的大小通常在大于-61μm(1μm=10 m)的范围内，尤其是在大于1μm到1000μm的范围内。待分离出来的颗粒或高分子可以是水溶性的和不溶于水的盐、铁和锰化合物、细菌、水藻、酵母菌、花粉、沙子或有机物质。

[0010] 因此，具有介质过滤器的过滤通常以死端过滤的方式进行。在死端过滤中，待过滤的液体用最低可能的压力被泵向过滤器。滤液（也称渗透）穿透过滤器，而分离的颗粒或高分子作为浓缩物（即滞留物）留在过滤器的进口区域，或因此从流体流向看，留在过滤器的前面。

[0011] 介质过滤器是具有过滤介质的过滤器。所述过滤介质可以是由颗粒状过滤材料，也可以是毛毡、棉纸、纸和能渗透的固体物体组成的装填物。因此，用于装填的过滤材料可以尤其是具有最大范围的砂粒、沙子、活性炭、中和介质、无烟煤、水无烟煤、石灰石或碱性材料的砾石。过滤介质的装填物也称为滤床。因此，砾石滤床过滤器是具有一种或多种以砾石填充物或滤层作为滤床的介质过滤器。

[0012] 介质过滤器可以形成开放式过滤器，其中仅仅是未处理液体的液面和洁净液体区域间的高度差产生过滤所需压力。或者，介质过滤器可以形成压力过滤器或空间过滤器，其中过滤介质在作为滤床的密闭容器中流下，泵产生所需的运转压力。在空间过滤器中，穿过过滤器的流体通常从底部朝向顶部。此外，介质过滤器可以形成表面型过滤器或深度过滤器。在表面过滤器中，分离的颗粒或高分子沉淀在所谓的滤饼形状的表面，而在深度过滤器中，沉淀物在内部。在这两种情况下，过滤阻力在过滤期间增加，因此有必要清洗介质过滤器，例如，每隔一定时间通过逆流冲洗（见下文进一步讨论）。

[0013] 此外，介质过滤器可以由涌流层形成，或形成具有由不同过滤材料组成的多元层的多层过滤器。因此，独立层的砂粒通常在流体流向或流体反向持续增加。多层过滤器也经常被称为多介质过滤器。

[0014] 在模糊逻辑中，复杂问题可以通过运用模糊规则以简单的方式描述。对于每个具体的输入变量，语言变量的模糊集合的隶属函数被用来确定该输入变量对相应的语言变量的隶属度。

[0015] 根据进一步改良，本发明所述方法包括捕捉过滤系统的至少第一和第二过程变量（作为输入变量）、基于第一预定隶属函数的第一过程变量对第一语言变量的第一隶属度的确定、基于第二预定隶属函数的第二过程变量对第二语言变量的第二隶属度的确定、用于确定第一预定规则的动作的第一结果隶属函数的根据至少第一预定规则对第一和第二语言变量的逻辑组合、基于至少第一预定规则的动作的第一结果隶属函数的全体隶属函数的确定、从全体隶属函数得到输出值以及取决于输出值的过滤系统的开环控制和/或闭环控制。

[0016] 特别是，介质过滤器的清洁过程因此可以取决于输出值进行开环控制或闭环控制。

[0017] 因此，过滤系统的开环控制和/或闭环控制中模糊逻辑的使用，使借助于指定的简单直观的语言规则和术语来影响过程控制成为可能，因此增加了系统用户控制过滤系统最佳操作的选择自由。

[0018] 特别是，过程变量可以借助于测量来捕捉，尤其是通过传感器，特别是过滤器区域中的传感器。

[0019] 此外，可以为捕捉的过程变量规定数值范围，所述数值范围可以通过合适的模糊集的定义进行分段。其中，合适的语言变量与模糊集联系在一起。所述分段和尤其是模糊集的隶属函数在这里可以通过合适的参数用参数来表示，因此作为延续，所述参数可以通过人工神经网络进行调节。例如，参数为底部宽度和顶点位置的三角函数可以用作隶属函数。模糊集的隶属函数更进一步的例子是梯形函数和高斯函数，其中高斯函数具有连续可辨性的优点，因此特别适合在基于梯度法的优化方法中使用，例如最陡坡度方法。必要时，可为每个模糊集定义不同的隶属函数。

[0020] 在模糊理论中，规则，或更精确地说是语言规则，包含多个输入变量对多个语言变量的隶属函数形式的前提（也称为前件），所述前提通过逻辑组合互相结合（其结果称为前提），以及输出值对语言变量的隶属函数形式（通常称为“如果-那么”形式）的动作（也称为后件或结论）。

[0021] 根据本发明所述方法，每个规则可以由专家规定或通过自动化方法学习。自动化方法可以是，特别是，人工神经网络。其中所述人工神经网络可以通过观测数据，即过滤系统合适的过程数据的记录和评估，来学习或调整规则，其中尤其是在过程操作中观测数据可以由专家完成。

[0022] 此外，预定的或学习的规则可以通过优化步骤进行调整。由此，优化步骤可以包含上述参数对属于规则中使用的语言变量的模糊集的调整或规则的优先或淘汰。其中，优先或淘汰可以尤其是通过设置或调节本发明所给出的基于规则的动作的结果隶属函数的全体隶属函数的确定中的规则的权重来进行。

[0023] 在通过调整优化步骤中参数的模糊集变换中，尤其是属于相应过程变量预定值的范围的模糊集的隶属度可以作为边界条件引入。

[0024] 两个或多个语言变量可以通过常用的逻辑运算符进行逻辑组合，尤其是通过逻辑与，逻辑或，以及逻辑异或。因此，可以使用二元或三元运算符，或含有多于三个运算数的运算符。此外，一元否定运算可以适用于任何语言变量。

[0025] 在规则前提的两个或多个语言变量的逻辑AND组合中，规则前提的级别可以特别是通过输入变量对其相应的语言变量的隶属度的最小值产生。在前提的两个或多个语言变量的逻辑OR组合中，前提的级别可以特别是通过输入变量对其相应的语言变量的隶属度的最大值产生。或者，逻辑AND和/或逻辑OR组合可以借助于边界总和进行。

[0026] 规则的动作的结果隶属函数通过映射规则前提的级别，即规则的“如果”部分对规则的“那么”部分中规则的动作的语言变量的逻辑组合前提，来进行确定。映射，即所谓的推断，可以因此通过产生前提的度和动作的隶数函数的最小值发生，意味着通过对前提的度的级别的动作的隶属函数的图解进行“截断”。或者，映射可以通过前提的度的结果和动作的隶属函数发生。

[0027] 规则可以包含两个或多个前提，因此以两个或多个语言变量作为前提。其中，两个或多个语言变量可以是相等的。可选择的或可附加的，属于前提语言变量的两个或多个过程变量可以是相等的。

[0028] 基于至少第一预定规则的动作的第一结果隶属函数的全体隶属函数的确定可以尤其是通过将全体隶属函数和结果第一隶属函数等同起来进行。此外，结果第一隶属函数可以因此通过权重来改变，尤其是通过跨越规则的动作的输出变量的范围的权重函数的运算，和/或通过在输出变量数值范围的预定边界的截断。

[0029] 可以通过确定位于全体隶属函数下方区域的重心的横坐标值来获得全体隶属函数的输出值（去模糊化）。或者，按照最大标准方法，可以选择使全体隶属函数具有最大值的输出变量的任何值。同样地，按照最大平均值方法，全体隶属函数呈现其（全程的）最大值的输出变量的数值集的平均值可被选作输出变量的值。在所述可选设计中，特别是，如果基于单一规则的单一结果隶属函数来确定全体隶属函数，那么输出值可以基于结果隶属函数的最大值或所述单一规则的前提的级别来确定。在上述情况下，可以尤其是通过比较获得的输出值和一个或多个预定边界或阈值来进行过滤系统的开环控制和/或闭环控制。所述预定边界或阈值可以在一个优化步骤中分别或一起调节，所述优化步骤可以尤其是借助于人工神经网络来完成。

[0030] 根据进一步改良，所述过滤系统的开环控制和/或闭环控制的方法还包括捕捉至少过滤系统的第三和第四过程变量、基于第三预定隶属函数的第三过程变量对第三语言变量的第三隶属度的确定、基于第四预定隶属函数的第四过程变量对第四语言变量的第四隶属度的确定，以及用于确定至少第二预定规则的动作的第二结果隶属函数的根据至少第二预定规则对第三和第四语言变量的逻辑组合，因此通过组合至少第一预定规则的动作的第一结果隶属函数与至少第二预定规则的动作的第二结果隶属函数来确定全体隶属函数。

[0031] 上述选择也可以因此用于第二预定规则和可能的更进一步的规则的评估。特别是，可以通过两个以上规则的动作的结果隶属函数的组合来确定全体隶属函数。两个或多个结果隶属函数的组合可以特别是通过相应的模糊集的并集产生。第三和/或第四过程变量可以与第一和/或第二过程变量相同。可选择的或可附加的，第一预定规则可以与第二预定规则相同。

[0032] 通过组合将多元语言变量组合起来，过程控制领域中复杂的关联也可以简单地公式化。特别是，通过组合，可以实现矛盾趋势控制的语言规则，因此过程控制的优化有可能依据模糊逻辑。

[0033] 本发明所给出的过滤系统的开环控制和/或闭环控制可以借助于Mamdani型控制器或Sugeno型控制器实现。在Sugeno型控制器中，其中输出变量的数值范围的分区可以用捕捉的过程变量的数值范围对输出变量的数值范围的映射代替，尤其是线性映射。

[0034] 根据本发明，所述过滤系统的开环控制和/或闭环控制可以借助于基于一个或多个获得的输出值的一个或多个校正变量的调节来进行。因此，每个输出值可以是特别是相应的校正变量。

[0035] 根据进一步的改良，用于开环控制或闭环控制的过滤器清洗过程可以包含过滤器的逆流冲洗，所述逆流冲洗包含至少三个清洗步骤，包括至少一个预清洗步骤和至少第一和第二主要的清洗步骤。可选择的或可附加的，开环控制或闭环控制的清洗过程可以包含过滤器的现场清洗、过滤器的组合的逆流冲洗和现场清洗、过滤器的全面清洗以及一个或多个预定的清洗程序。现场清洗通常是过滤器的化学清洗。其中，碱性清洁剂和/或过氧化氢可以用作化学清洗剂。在过滤器的全面清洗中，通常有必要完全停止过滤过程。特别是，过滤器的全面清洗可以包括过滤器或单独的过滤器组件的替换。

[0036] 通过过滤系统中过滤清洗过程的智能的优化的控制，过滤系统的扩展操作和过滤器提高的使用寿命成为可能，并且用于产品的资源比例维持在最佳范围内。特别是，一些语言规则的规定允许了过滤系统改变过程条件的开环控制和/或闭环控制的灵活调节。

[0037] 捕捉的过程变量可以从下列组合中选择：过滤器进口处未处理液体的温度、过滤器进口处未处理水的压力、滤液的压力、过滤器进口处未处理液体和滤液之间的压差、注入过滤器进口的未处理液体的容积流量、滤液的容积流量、注入过滤器进口的未处理液体的流速、滤液的流速、滤液的产量、过滤器的操作时间、过滤器的使用寿命、过滤器的运行时间、过滤器进口处未处理液体的混浊度、滤液的混浊度、过滤器进口处的待分离的颗粒的浓度梯度、过滤器上覆盖层的厚度、过滤器上覆盖层的密度、过滤器的过滤阻力、过滤器流速、过滤器的界限限制、过滤器进口处的未处理液体的硬度、滤液的硬度、过滤器进口处的未处理液体的电导率、滤液的电导率、过滤器进口处的未处理液体的盐浓度、滤液的盐浓度、过滤器进口处对过滤污染至关重要的离子的浓度、滤液中对过滤污染至关重要的离子的浓度、过滤循环数、过滤器的逆流冲洗阻力、逆流冲洗介质的容积流量、逆流冲洗进口处逆流冲洗介质的流速、逆流冲洗出口处逆流冲洗介质的混浊度、逆流冲洗进口和逆流冲洗出口之间逆流冲洗介质的压差、逆流冲洗的持续时间和过滤器寿命，及其与预定的参考曲线的绝对偏差。

[0038] 由此，每一个捕捉到的过程变量可以被捕捉为数值、数值的时间变化、数值的时间变化中的时间变化或数值的时间趋势。单独的过程变量也可以在不同的时间点被捕捉到。特别是，可以在不同的时间点捕捉完全一样的过程变量。可以在3个、5个、10个或更多的时间点捕捉过程变量的时间趋势。此外，在多元化时间点捕捉到的过程变量可以加起来。

[0039] 捕捉合适的过程变量使过滤系统的精确灵活的开环控制和/或闭环控制成为可能。此外，捕捉过程变量的时间发展可以预测其未来的发展并因此允许更好的决策衡量准则。

[0040] 过滤器的产量是滤液的容积流量与过滤器进口处输入液体的容积流量的关系。过滤器的使用寿命通常理解为过滤器工作至必须进行下一次清洗的时间。

[0041] 由于滤液（渗透）恒定的流量，在过滤过程中增长的界面层在过滤器上形成（覆盖层或污垢）。因此，分离的颗粒或分子的浓度梯度出现在所述界面层中（浓度分化）。相应的梯度也可以在过滤器横切面上出现，其中待分离的物质聚集在过滤器中的滤床上。因此，过滤器堵塞，流动减少。随着覆盖层的厚度和/或密度增加，过滤阻力也增大。界限限制，即分离颗粒或分子的最小尺寸，因此也会减小。对过滤污染至关重要的离子可以是，例如，铁或锰。过滤周期通常由两个过滤清洗过程界定。

[0042] 介质过滤器的逆流冲洗通常在至少三个清洗步骤中进行。在预清洗步骤中，逆流冲洗介质以规定的速度通过过滤器朝着过滤方向的反方向注入一定的时间。在至少第一和第二主要的清洗步骤中，一种或多种逆流冲洗介质通过过滤器朝着过滤方向的反方向分别地、一个接一个的或混合地注入。结果，过滤介质或过滤媒介变得松弛，过滤介质的任何现存的细孔扩大，因此沉淀的、分离的颗粒或高分子被移出过滤器。

[0043] 因此，过滤器对逆流冲洗的阻力主要取决于过滤器上形成的覆盖层，以及尤其是通过吸附作用渗入过滤器并在那里成为界限的颗粒或分子。逆流冲洗介质可以是，特别是，滤出液（渗透液，permeate）。

[0044] 根据进一步的改良，在第一主要的清洗步骤中清洗可以用第一逆流冲洗介质进行，在第二主要的清洗步骤中清洗可以用不同于第一逆流冲洗介质的第二逆流冲洗介质进行。特别是，所述第一或第二逆流冲洗介质可以是两种或多种逆流冲洗介质的混合物。或者，一个主要的清洗步骤可以用第一逆流冲洗介质和不同于第一逆流冲洗介质的第二逆流冲洗介质通过交替（脉冲）冲洗进行。在这个过程中，在用混合物逆流冲洗过程中，单独的逆流冲洗阶段的持续时间和第一和第二逆流冲洗介质的相对量可以是各不相同的。

[0045] 根据附加的进一步改良，第一逆流冲洗介质可以是水，第二逆流冲洗介质可以是空气。

[0046] 由于空气逆流冲洗的结果，使过滤材料强烈移动，从而实现介质过滤器的最佳清洗。通过同时使用水和空气的逆流冲洗，溶解的、沉淀的污垢，即分离的颗粒或高分子，被移出过滤器。

[0047] 根据进一步的改良，逆流冲洗还可以包含清洗步骤：降低介质过滤器过滤层上面的逆流冲洗介质的液面、在预清洗步骤和主要的清洗步骤完成之后用未处理液体填满介质过滤器以及介质过滤器的启动，包括废弃滤液。

[0048] 在逆流冲洗步骤之后降低逆流冲洗介质的液面通常阻止了过滤材料在随后的逆流冲洗步骤中流出。启动介质过滤器可以特别是在清洗过程结束后及重新开始过滤操作前进行。在这个过程中，未处理液体像在过滤过程中一样通过介质过滤器注入，但滤液被废弃或重新注入到未处理的液体中。

[0049] 根据进一步改良，过滤器清洗过程的启动和/或过滤过程的继续可以根据输出值进行。其中特别是启动清洗过程的步骤可以包含从下列组合中选择清洗过程类型：过滤器的逆流冲洗、过滤器的现场清洗、过滤器的逆流冲洗和现场清洗、过滤器的全面清洗以及预定的清洗程序。

[0050] 根据进一步改良，过滤器清洗过程的继续和/或过滤器清洗过程的终止及清洗过程终止后过滤操作的重新开始可以根据输出值进行。

[0051] 根据本发明，所述方法还可以包含基于模糊逻辑和/或人工神经网络的清洗过程中至少一个清洗步骤的清洗成效的评估。

[0052] 因此，清洗成功或清洗失败的评估可以根据上述模糊理论的规则、借助于合适的语言规则的公式化而进行。

[0053] 用于介质过滤器清洗成效的评估标准（语言规则），如下：

[0054] -紧接着清洗后的第一次滤液的时间长度。过滤处于操作命令“排水”（即废弃第一次滤液），因为紧接着清洗后还会有残留，在第一次滤液中通过清洗溶解的先前滤出的物质还留在介质床中，因此在第一次滤液中被冲掉。滤液的废弃发生，例如，直到滤液的混浊度达到预置水平或降至预置水平之下的时候。

[0055] -混浊度降至预定水平或预定水平之下有多快。

[0056] -在过滤器启动的过程中滤液和非滤液间的压差位于新填满（未载物的/未使用的）的过滤器的范围内的程度。

[0057] -直至下一次必须清洗时过滤运行时间的长度。

[0058] -滤床膨胀，因此在这里必须考虑水温，因为它影响膨胀。例：在35°C，滤床最低程度地上升-水在这个温度时具有较低粘度（粘度随温度升高而降低）。所以，例如在8°C有更多的上升。

[0059] 在评估清洗成效时，是否用水和/或空气进行清洗也可以考虑。用水或空气清洗的步骤的特有顺序同样可以影响清洗成效。

[0060] 通过评估清洗成效，有可能实现清洗过程中以及借助于反馈的过滤过程中的过程参数的优化。特别是，通过定期评估清洗成效，可以不断优化清洗过程。

[0061] 所述清洗成效的评估可以特别是根据部分或全部用于确定输出值或这些输出值的相同过程变量来进行，因此清洗过程的启动依据输出值或这些输出值进行。特别是，清洗成效的评估可以按照清洗过程的启动所根据的方法进行。特别是，由此可以取消前提和/或一个或多个规则的动作的一个或多个语言变量（linguistic term）。在这种情况下，有可能实现所需语言规则的特别简单的公式化。

[0062] 根据进一步改良，清洗成效的评估可以通过相同的控制清洗过程启动的开环控制和/或闭环控制的模糊控制器和/或人工神经网络进行。除此之外，所述评估可以通过分开的模糊控制器和/或人工神经网络进行。

[0063] 过滤器清洗过程的清洗成效评估可以根据一个或多个按照上述方法借助于模糊逻辑和/或人工神经网络确定的输出值进行。特别是，过滤器清洗过程的清洗成效评估可以根据过滤器的逆流冲洗阻力和/或其时间变化而进行。

[0064] 根据另一个进一步改良，至少一个清洗步骤的持续时间和/或强度可以根据清洗成效评估进行开环控制或闭环控制。特别是，至少一个清洗步骤的持续时间和/或强度可以根据上述清洗的清洗成效评估来进行调节。上述清洗也可以是逆流冲洗步骤，或者可以是另一种过滤器清洗过程，尤其是来自上述组合的清洗过程。

[0065] 因此，至少一个逆流冲洗步骤的强度可以通过下述逆流冲洗参数组合中至少一个参数的调节来进行调节：逆流冲洗介质的容积流量、逆流冲洗进口处的逆流冲洗介质的流速、逆流冲洗进口处的逆流冲洗介质的压力，以及逆流冲洗进口处的逆流冲洗介质的温度及其时间变化。

[0066] 至少一个清洗步骤的持续时间和/或强度的开环控制和/或闭环控制可以根据上述方法按照模糊逻辑借助于模糊控制器而进行。

[0067] 在进一步的改良中，可以借助神经-模糊控制器进行开环控制和/或闭环控制，因此开环控制和/或闭环控制包含以下步骤：清洗成功和清洗失败的记录、通过人工神经网络对记录的清洗成功和清洗失败的评估，以及根据人工神经网络评估对至少一个清洗步骤的至少一个过程参数的调节。

[0068] 因此，独立清洗步骤或全部清洗步骤的清洗成功和清洗失败可以得到评估和记录。

[0069] 通过使用人工神经网络，清洗过程的开环控制和/或闭环控制可以就持续时间和强度优化逆流冲洗过程修饰成最佳专家系统即使缺乏预先的和外部的专家知识。

[0070] 人工神经网络由一个或多个排列在一层或多层的人工神经元组成。其中，每个人工神经元从多个输入信号之一确定输出信号。因此，作为加权输入信号总和的净输入可以借助于一个或多个预定权重从一个或多个输入信号确定。输出信号可以用激活函数从净输入中确定。所述激活函数可以是阈函数、S型函数或线性函数。其中S型函数具有持续可辨的优点，因此可用于优化方法，如最陡坡度法（steepest gradient）中。人工神经元可以尤其是以具有可变阈值的感知器的形式出现。

[0071] 人工神经网络尤其具有的优点是它是学习系统。其中人工神经网络的学习通常是通过调节神经元输入信号的权重来进行。特别是，学习步骤包括一个或多个预定输入信号的运用及所述神经元或具有一个或多个期望值的神经元的一个或多个输出信号的比较。因此，在下一个学习步骤中，可以改变神经元的权重，由此减小所述输出信号或来自所述期望值或期望值的输出信号的绝对偏差，从而降低所述错误或错误。

[0072] 因此，基于人工神经网络的过滤系统的开环控制和/或闭环控制可以为改变过程条件灵活地调节。

[0073] 关于多层神经网络，例如多层感知器（MLP），可以用逆传算法来完成学习步骤。由此，逆传算法可以通过沿着误差函数梯度方向下降来确定出特定学习程序的误差函数的最小值。

[0074] 就多层神经网络而言，通常神经元层的每个神经元都与上述神经元层的所有神经元的输出连接。第一层（输入层）的神经元与预定输入信号连接。

[0075] 用于过滤系统尤其是过滤清洗过程的开环控制和/或闭环控制的人工神经网络，可以离线训练，即没有过程控制，由专家完成，或（也可以）在线，即在进行的过程控制中。

[0076] 特别是，根据本发明中的方法，神经-模糊控制器形式的人工神经网络可以与模糊控制器结合。这样，模糊系统的直观规则的透明度可以与人工神经网络的学习能力相结合。特别是，神经-模糊控制器能够学习语言规则和/或隶属函数并能够优化现有的语言规则和/或隶属函数。

[0077] 其中，神经-模糊控制器可以作为协作系统来执行，人工神经网络独立于模糊系统工作并且模糊系统的参数由神经网络确定和/或优化。所述神经网络可以通过学习模糊集或学习语言规则来进行学习。模糊集的学习可以借助于模糊集的隶属函数形式和位置改变而非权重的改良的逆传方法进行。当运用最速下降法进行优化时，其中使用可辨的隶属函数是有利的，例如高斯钟形曲线。此外，可以通过产生结果而不是产生前提的隶属函数的最小值而进行推论。规则的学习可以通过获得过程控制中规律性及根据规定标准对其进行评估的神经网络训练而进行。特别是，这可以由专家在过滤系统操作过程中进行。在总结离线学习过程之后，找到的规律性可以借助于规定的模糊集，即语言变量，用规则来表示。可选择的或可附加的，在线的神经-模糊系统起初可以用规则库装备，规则库中的粗略发展的模糊集互相连接。由此，通过观测和评估过程控制的学习过程可以影响模糊集或规则。

[0078] 然而，神经-模糊控制器也可以作为混合系统来执行，其中模糊逻辑的性质和人工神经网络的性质不可分离地结合。在模糊神经元中，模糊集可以取代权重，由此在内层的模糊神经元中对输入信号及其推论的隶属度（a grade of membership）（模糊性）的确定取代了加权总数和激活函数。另一方面，在输出层的模糊神经元中，组成和逆模糊化可以取代加权总数和激活函数。其中，系统输出的误差函数也可以描述成模糊集。在混合神经-模糊控制器中，学习的一种可能性是由运行控制器之前规定所有可能的用于过滤系统或子进程的开环控制和/或闭环控制的规则以及在线操作过程中通过神经-模糊控制器淘汰不必要的规则所组成。

[0079] 相对的，在进一步改良中，借助神经-模糊控制器进行开环控制和/或闭环控制的方法可以包括至少一个清洗步骤的淘汰或优先。其中预定的安全机制可以防止过滤器清洗过程完全淘汰的发生。神经-模糊控制器接近过滤器清洗过程完全淘汰的趋势可以用于清洗过程的质量评估。

[0080] 过滤系统的开环控制和/或闭环控制，以及同样的过滤器清洗过程的开环控制和/或闭环控制，可以通过一个或多个模糊控制器和/或人工神经网络进行。所述控制器可以平行连接，即互相独立，或至少部分串联，即每一个都是上一个的扩展。因此，一个或多个模糊控制器可以按优先顺序排列。

[0081] 此外，上述参数的调节，例如优化步骤中调整过的参数的调节，也可以可选择的或可附加的被独立于本发明所述的开环控制和/或闭环控制而进行，尤其是通过外部系统，例如可编程的系统和/或通过专家。

[0082] 如有必要，待捕捉的过程变量集和/或待控制的参数集也可以分为亚群，所述亚群的参数或变量的开环控制和/或闭环控制可以通过模糊系统和/或人工神经网络进行，也可以通过根据目前技术水平的控制和优化的方法进行。后者的方法尤其包括使用PID控制器或专家计算程序的传统控制，以及基于概率方法、遗传算法或图灵机的优化方法。通过分割参数空间，有可能降低尤其是运算能力和记忆的需求以及所需语言规则和/或训练实例的数量。

[0083] 在进一步改良中，粗放的开环控制和/或闭环控制也可以通过传统方法或模糊控制器进行，而待优化的参数的微调可以通过人工神经网络或神经-模糊控制器进行。

[0084] 根据进一步改良，清洗过程的优化可以通过最小化清洗过程的价值函数（a cost function）进行，所述价值函数包括下述成本要素组合中至少一个成本要素的评估：清洗过程的持续时间、清洗过程所需的第一次逆流冲洗介质的量、清洗过程所需的第二次逆流冲洗介质的量、清洗过程所需能量、由清洗过程导致的过滤材料流出、启动过滤的过程中废弃的滤液的量、过滤器的使用寿命。

[0085] 根据附加的进一步改良，可以根据模糊逻辑和/或人工神经网络对至少一个成本要素进行评估。如果人工神经网络的输出信号表明上述组合中至少一个成本要素与预订目标值偏离，那么清洗过程的价值函数可以尤其是等同于上述人工神经网络的误差函数。既然这样，人工神经网络的学习过程已经导致价值函数的优化。

[0086] 在多于一个成本要素的价值函数的形成中，影响的成本要素可以互相加权。价值函数的最小化可以尤其是通过背景技术中已知的梯度法之一进行，尤其是通过共轭梯度法或最陡坡度法。在根据梯度法之一进行最小化的情况下，对影响的语言变量使用可辨的隶属函数（可微的隶属函数，differentiable membership functions）是有利的。此外，待优化的参数的边界条件也同样可以由模糊集描述。

[0087] 在附加的进一步改良中，一个或多个模糊控制器和/或人工神经网络直接结合到可编程逻辑控制器（PLC）中。

[0088] 根据本发明所述方法，尤其是在基于神经-模糊控制器的进一步改良中，允许用于未处理液体过滤的具有介质过滤器的过滤系统的智能的开环控制和/或闭环控制，所述控制根据规定的开关点在泵的固定值与严格的先后顺序分离，以及调节阀门和固定的界限值以及作为开关准则引发下一个步骤的固定时间增量（fixed time increments）。此外，根据本发明，所述方法允许关于过滤的持续时间和效率及过滤器清洗过程以及关于诸如过滤材料、清洗材料及能量的资源使用的过滤系统操作的优化。

[0089] 此外，由于模糊逻辑的使用，就不再必须将基于复杂的数学模型（例如，马夸特模型）的过程知识，即借助专家知识，整合入工艺流程的运行和控制中。更是在通过上述简单的、言语的如果-那么关系、运用语言变量规则的情况下，过滤系统的工艺流程的开环控制和闭环控制可以被影响或甚至完全由普通的系统控制器代替。特别是，这允许了过滤系统改变过程条件的开环控制和/或闭环控制的简化调节。

[0090] 根据本发明，人工神经网络的使用可以在缺乏更深的过程知识的情况下进行，所述系统的学习能力代替了专家知识的不足。另一方面，如果使用模糊控制器，通过简单的理解和执行可以用到并实现熟知的过程知识。模糊逻辑和人工神经网络的结合使其有可能最佳地使用所述特有系统的优点，而其它特有系统的不足可以被抵消或至少减弱。

[0091] 在上述根据本发明所述方法的实施例中，过滤器过程的开环控制和/或闭环控制可以包括对过滤器过程的至少一个过程参数的评估。所述至少一个过程参数的评估可以根据模糊逻辑和/或借助于人工神经网络进行。特别是，所述至少一个过程参数的评估规则可以根据模糊理论借助于预定的语言变量来制定。

[0092] 由此，所述至少一个过程参数的评估可以从下列组合中选择：过滤器进口处液体的温度、过滤器进口处液体的压力、过滤器进口和出口之间液体的压差、过滤器进口处的液体和滤液之间的压差、过滤器进口处注入的液体的容积流量、过滤器进口处注入的液体的流速。

[0093] 进一步的特征和解释性的实施例以及本发明的优点在下文中根据附图更详细地说明。需要理解的是所述实施例不代表本发明的全部范围。此外，还需要理解的是下述特征的部分或全部也可以用别的方式互相结合。

附图说明

[0094] 图1描绘了具有三个模糊控制器的过滤系统的闭环控制周期示意图，模糊控制器其自身对过滤顺序、清洗时间点和清洗顺序进行开环控制和/或闭环控制。

[0095] 图2以“清洗”校正变量为例，描绘了根据预定规则对两个语言变量的逻辑组合。

[0096] 图3以“仅逆流冲洗”校正变量为例，描绘了用于确定校正变量的两个预定规则的组合。

[0097] 图4以“持续过滤”校正变量为例，描绘了规则的优先顺序。

[0098] 图5以“重新开始过滤”校正变量为例，显示了基于模糊逻辑对清洗成效的评估。

[0099] 图6显示了基于模糊逻辑对清洗顺序的优化。

[0100] 图7显示了清洗成功和清洗失败的评估记录，其作用是作为借助人工神经网络进行清洗顺序控制的依据。

具体实施方式

[0101] 图1通过举例说明本发明的实施例。它描绘了具有三个模糊控制器的过滤系统的闭环控制周期100。多个过程变量101被捕捉，并且若有必要，存储在第一捕捉单元110中。除了过滤器清洗过程，尤其是逆流冲洗过程的清洗步骤的成效评估之外，根据介质过滤器180区域捕捉的过程变量，例如，逆流冲洗阻力的时间变化，捕捉单元110还用于示范性设计。

[0102] 捕捉单元110捕捉的数据还可以在测量单元（a scaling unit）120中进行测量和/或进一步处理。在处理过程中，过滤过程的专家知识尤其可以影响过滤过程。

[0103] 根据本发明，捕捉的和可能进一步处理的数据可以，例如，传输给两个独立的（神经-）模糊控制器，所述第一模糊控制器130从例如过滤系统运行过程中记录的参考曲线观测当前过滤的绝对偏差。过滤顺序和执行的语言规则一起得到最佳控制并且，如果有必要，被限定中止过滤。

[0104] 基于执行的语言规则，第二模糊控制器140决定过滤器清洗过程开始的必要性，例如逆流冲洗（a backwashing）或现场清洗（a cleaning-in-place），以及清洗过程开始的最佳时间点。

[0105] 在图1显示的示范实施例中，闭环控制周期包括第三模糊控制器150，其自身控制和优化过滤清洗过程。为达到这个目的，第三模糊控制器150接收例如量化来自参考曲线和过滤器清洗过程必要性的偏离的两个模糊控制器130和140的输出数据，并基于接收的数据发起和控制清洗过程。特别是，模糊控制器150可以是神经-模糊控制器，能够从清洗程序中完全淘汰不需要的清洗步骤以及在清洗程序中优先和/或加入其它有效的和省时的步骤。此外，控制器150可以选择清洗程序的类型和/或合适的清洗程序。控制器150根据需要控制阀门170，过滤器180借助于所述阀门得到清洗，例如通过逆流冲洗。通过第二数据捕捉单元160，控制器150通过过滤器180区域测量的过程数据接收清洗过程进展的反馈。尤其包含于此的可以是过滤器逆流冲洗阻力的测量，所述第二数据捕捉单元测定和检查逆流冲洗阻力的时间变化，并在逆流冲洗阻力需要改良的情况下，给模糊控制器150发送下一个清洗步骤信号。为得到进一步处理，过滤器区域测量的数据也可以输入第一数据捕捉单元110。

[0106] 由于模糊控制器分为三个具有以下任务的独立模糊控制器：a)以具有最佳流动的长使用寿命、具有清洗起始点为目标的过滤器的控制；b)借助于对当前清洗的观测来设置最佳清洗终点的清洗的控制；以及c)基于对上述清洗步骤的学习，通过选择最佳清洗类型和最佳清洗步骤及其次数对清洗的优化，有可能防止模糊控制器因过多语言规则和术语（linguistic rules and terms，语言规则和术语变量）及过于复杂的人工神经网络的必要性而超载。

[0107] 图2以“清洗”校正变量为例，通过实例描绘了根据预定规则对两个语言变量的逻辑组合。在时间tB，过程变量x1（过滤器进口处未处理液体和滤液间的压差）和x2（滤液的容积流量）被测量。虚线标示出测量曲线图清晰地分为语言变量“小的”、“中等的”和“高的”的范围。下面的曲线图描绘了语言变量“中等压差”、“小容积流量”以及“清洗”动作的语言变量的隶属函数。其中，前提的隶属函数描绘了与上面的清晰界限相符的模糊集。下面曲线图中的虚线显示了测量数据对语言变量的隶属度及通过产生最小值进行的逻辑与（AND）运算。预定规则的“清洗”动作的结果隶属函数用阴影显示。可以用进一步的语言规则（见下文讨论）确定的进一步的可能的动作（“逆流冲洗”、“持续过滤”）用虚线显示。

[0108] 图3描绘了通过组合对图2所示第一语言规则与第二语言规则的组合。其中，捕捉的第三和第四过程变量是过滤器进口处未处理液体与滤液之间压差的时间变化X3及过滤器进口处未处理液体的混浊度x4。因此，第二语言规则可以制定如下：如果压差的时间变化是中等的且混浊度是中等的，那么逆流冲洗，即输出值y，是中等的。因此，上述可选动作之一的规则与第二语言规则并存。因为第一和第二语言规则的动作得到相同的输出值，即根据模糊逻辑的规律两个规则的组成，所以在这里可以发生两个隶属函数结合成一个全体隶属函数。在描绘的示范实施例设计中，输出值的数值取决于全体隶属函数下方区域的重心的形成。

[0109] 图4以使用“持续过滤”动作的第三语言规则，即上述可选动作的第三个为例，描绘了规则的优先顺序。在这里捕捉的过程变量是产量x1和过滤器进口处未处理液体和滤液间的压差x2，所述第三语言规则如下：如果产量高并且压差中等，那么持续过滤，即输出值y，则高。因为规则被优先，例如，通过借助人工神经网络设置相应权重，所以结果隶属函数（resulting membership function）和其它两个规则之一的结果隶属函数之一不会发生组合。相反，在这个设计中，例如，为了设置相应的校正变量，将动作的隶属度与阈值进行比较。所示实例显示了优先的规则是如何控制开环控制或闭环控制过程的。

[0110] 图5通过实例显示了借助于模糊控制器的清洗成效的评估。为达到这个目的，在上排，首先显示了过程变量的时间发展：在时间tB捕捉的过滤器的逆流冲洗阻力的时间变化x1和在逆流冲洗出口处的漂洗水中，即在逆流冲洗介质中的混浊度x2。相应的规则的语言变量“如果逆流冲洗阻力的时间变化小且漂洗水的混浊度小，那么清洗成效非常好”在下排显示。由于“非常好的清洗成效”动作的隶属函数的不对称形式，于是在这种情况下也可以使用重心方法来确定输出值。图表显示先前用于开环控制和/或闭环控制的相同的模糊逻辑方法现在是怎样也能用于清洗成效评估的。在这里基于清洗成效的评估进行相应的“重新开始过滤”校正变量的设置。

[0111] 最后，图6显示了相互连接如何从语言规则的排序中产生。在这里，图5中语言规则的输出量x2=y根据规则“如果清洗持续时间长且清洗成效非常好，那么减少清洗持续时间”与过程变量“清洗持续时间”联系起来。规则显示了如何通过启动借助于模糊控制器的清洗成效评估，可以根据模糊逻辑对持续时间进行优化。因此图6显示了仅仅依靠模糊控制器的优化步骤。可选择的或可附加的，可以通过人工神经网络完成优化步骤和/或评估步骤。

[0112] 清洗步骤的清洗成效评估表：预清洗、空气清洗、空气-水清洗、水清洗以及完全的逆流冲洗过程在图7中显示。根据评估表，可以建议改变过程参数，达到优化的目的。建议可以借助于人工神经网络、模糊控制器或神经-模糊控制器来进行。

[0113] 加号表示动作的成功，减号表示动作的失败，而双加号表示一再的的或特别好的成功。例如，如果水清洗反复成功（见步骤5），那么动作“降低水清洗的压力”由此引发。因此，评估步骤的步骤大小，例如，清洗持续时间的延长，可被预定或其自身可以通过（神经-）模糊控制器调节。由此，可以像上述一样通过模糊控制器、神经-模糊控制器或人工神经网络进行控制。

[0114] 上述图表显示了在缺乏专家知识的情况下，基于模糊逻辑的简单直观的规则是如何使可再现的优化的过程控制成为可能。因此，通过模糊控制器和/或人工神经网络的过程自动优化取代了习惯上分配给专家的角色。

标题	发布/更新时间	阅读量
人工神经网络运算电路-专利编号CN107862380A	2020-05-13	1118
人工神经网络-专利编号CN103927583B	2020-05-11	853
人工神经网络-专利编号CN1846218A	2020-05-13	916
人工神经网络-专利编号CN103927583A	2020-05-12	140
人工神经网络-专利编号CN110892423A	2020-05-11	1040
一种人工神经网络算法-专利编号CN106372724A	2020-05-13	943
人工神经网络-专利编号CN109564633A	2020-05-12	250
人工神经网络-专利编号CN109416760A	2020-05-12	433
人工神经网络-专利编号CN110121723A	2020-05-11	510
人工神经网络-专利编号CN110309905A	2020-05-11	526

具有介质过滤器的过滤系统的开环控制和/或闭环控制的方法

具有介质过滤器的过滤系统的开环控制和/或闭环控制的

技术领域

背景技术

发明内容

附图说明

具体实施方式

IPRDB

热门服务

关于我们

友情链接

联系方式