一种人工智能混凝投药信号反馈控制方法技术

本发明专利技术涉及人工智能混凝投药信号反馈控制方法，该方法对絮凝阶段的水体进行拍摄，对拍摄的图像进行预处理，并标注标签，图像和对应的标签构成训练样本，训练样本构成训练集；构建和训练卷积网络，卷积网络包括N卷积层、M池化层和Q全连接层；卷积网络各层的设置方式为：一个卷积层和一个池化层，接下来还是卷积层和二个池化层依次类推，最后是连续的Q个全连接层，采用训练集中的数据进行训练；对絮凝阶段的水体拍摄的待预测图像进行图像预处理后输入训练后的卷积网络，即可得到水体的分类结果。本方法通过人工智能方法对原始絮体图像的特征进行自主提取，避免增设额外絮体收集装置进行图像特征的人工提取，克服絮体模糊、破碎等产生的环境影响。

【技术实现步骤摘要】
一种人工智能混凝投药信号反馈控制方法
本专利技术属于环保监测
，具体涉及一种人工智能混凝投药信号反馈控制方法。
技术介绍
随着饮用水厂的运行管理精细化的要求不断提高，在保证水量水质提升的基础之上，挖掘运行系统大量数据的潜在作用，达到节能降耗的目标，实现生产上增质提效，已成为当前研究的热点问题。目前，在国内水厂自动投药方面，大部分水厂正处于起步阶段，还是通过过量投药和人工手动投药满足到出水水质要求，这种较为落后的状况与现代产、供水要求及饮水品质要求差距较大，存在药耗高、经济效益差、水质不稳定、工人劳动强度大等一系列问题。因此，混凝投药的自动化控制研究在水处理行业具有必要性。目前，前馈、反馈、复合控制是混凝投药自动化控制的基本模式。复合控制结合前馈与反馈过程，以出水浊度或中间参数作为反馈信号微调前馈给定量，从而达到整个处理工艺设计的要求，其应用广泛。反馈信号基本可划分为：电流信号、光信号与图像信号，存在的问题主要有：投药点与出水水质之间会引发时滞性问题、信号受环境干扰大、设备维护频繁等。图像信号是通过拍摄絮体图片计算絮体特征参数，作为本文档来自技高网...

【技术保护点】
1.一种人工智能混凝投药信号反馈控制方法，其特征在于，包括如下步骤：/nS100:数据准备：采用电子摄像仪器对絮凝阶段的水体进行拍摄，对拍摄的图像进行预处理，然后根据水浊度值大小进行分类，将分类结果作为图像的标签，图像和对应的标签构成一个训练样本，所述训练样本构成训练集；/nS200:构建和训练卷积网络/nS210:构建卷积网络，所述卷积网络包括N卷积层、M池化层和Q全连接层；所述卷积层、池化层和全连接层设置方式为：一个卷积层和一个池化层，接下来继续是卷积层和二个池化层依次类推，最后是连续的Q个全连接层；/nS220:卷积网络的训练/nS221:预设迭代次数、学习效率、卷积核的大小和池化核的大...

【技术特征摘要】
1.一种人工智能混凝投药信号反馈控制方法，其特征在于，包括如下步骤：
S100:数据准备：采用电子摄像仪器对絮凝阶段的水体进行拍摄，对拍摄的图像进行预处理，然后根据水浊度值大小进行分类，将分类结果作为图像的标签，图像和对应的标签构成一个训练样本，所述训练样本构成训练集；
S200:构建和训练卷积网络
S210:构建卷积网络，所述卷积网络包括N卷积层、M池化层和Q全连接层；所述卷积层、池化层和全连接层设置方式为：一个卷积层和一个池化层，接下来继续是卷积层和二个池化层依次类推，最后是连续的Q个全连接层；
S220:卷积网络的训练
S221:预设迭代次数、学习效率、卷积核的大小和池化核的大小；
选定激活函数和分类器；
S222:将S100训练集中的训练样本输入所述卷积网络中，卷积网络输出分类的概率值，将最大概率值对应的分类作为预测分类，将预测分类与该训练样本标签之间的交叉熵作为损失值，采用梯度下降法进行反向传播对所述卷积网络中的参数进行更新；

【专利技术属性】
技术研发人员：朱国成，任伯帜，李晓尚，袁程，舒建卫，黄威，袁芳，纪倩楠，方海全，
申请(专利权)人：湖南科技大学，湘潭中环水务有限公司，中环保水务投资有限公司，
类型：发明
国别省市：湖南;43