【技术实现步骤摘要】
本专利技术涉及虚拟仿真和数字化，具体为一种基于数字孪生技术的污水处理过程故障检测方法。
技术介绍
1、随着诊断应用、系统健康管理、信息技术和智能制造的发展，自动化、数字化和智能化越来越普遍。数字孪生技术是智能制造和复杂系统运维的重要方式，旨在促进新一代信息技术与制造业的整合，实现实空间和虚拟空间的交互。数字孪生的概念是通过动态优化的虚拟空间对整个智能制造过程进行数字化映射。采用数字孪生框架可以建立物理空间和虚拟空间之间的桥梁，实现动态数据更新、实时故障检测、降低设计和维护成本、提高制造效率和质量。随着制造过程变得越来越复杂和智能，数字孪生模型的可靠性和安全性越来越受到关注。其中一个具有挑战性的问题是建立可靠的系统来分析机械状态，如故障检测和健康管理。基于故障检测和设备维护的数字孪生可以实现快速识别故障、准确确定故障原因、评估设备状态和预测维护。
2、污水处理厂通过复杂的生化反应来减少环境污染。安全和可持续的健康运行是确保排水质量的前提条件。然而，污水处理过程是高度复杂的非线性系统，入水受到天气变化的影响(晴天、雨天和暴雨天)，这使得建立污水处理过程的数字孪生模型和故障检测成为一项具有挑战性的任务。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、
3、因此，本专利技术解决的技术问题是：污水处理过程生物反应复杂，机理模型难以精确地建立，缺乏可靠的在线仪器，难以获取大量样本，成本高。传统卷积自编码器通常使用固定的卷积结构，这可能限制了其对输入数据的建模能力，如果输入数据的结构与卷积结构不匹配，可能会导致信息丢失或模型性能下降。
4、为解决上述技术问题，本专利技术提供如下技术方案：一种基于数字孪生技术的污水处理过程故障检测方法，包括：通过数字孪生技术建立一个虚拟的污水处理厂模型；
5、监测污水处理设备的运行数据；
6、将所述运行数据与所述污水处理厂模型进行比对和分析，提前发现潜在的故障并发出警报。
7、作为本专利技术所述的基于数字孪生技术的污水处理过程故障检测方法的一种优选方案，其中：所述污水处理厂模型包括：污水收集系统、生化反应处理、二次沉淀处理环节。
8、所述数字孪生故障检测框架包括：虚拟空间、物理空间及其数据交互，其中虚拟空间采用bsm1模型和基于滑动窗口的多块信息卷积自编码器故障检测模型构建。
9、作为本专利技术所述的基于数字孪生技术的污水处理过程故障检测方法的一种优选方案，其中：所述bsm1模型集成了生化反应器和二次沉淀池，生化反应器由五个活性污泥反应单元组成，前两个单元是厌氧区，后面的三个单元是好氧区，二次沉淀池是一个10层非反应单元，没有生物反应，第6层是进料层；
10、生化反应过程包括:
11、
12、其中，ρ1表示异养菌需氧生长过程的速率；μh表示异养菌最大比增长速率；ss表示可溶易降解有机物；ks表示异养菌生长与底物利用饱和系数；so表示溶解氧；ko,h表示异养菌有氧呼吸饱和系数；xb,h表示活性异氧菌；
13、
14、其中，ρ2表示异养菌缺氧生长过程的速率；sno表示硝态氮；ηg表示异养菌缺氧生长校正因子；kno表示异养菌硝态氮呼吸饱和系数；
15、
16、其中，ρ3表示自养菌需氧生长过程的速率；μa表示自养菌最大比增长速率；snh表示氨氮；knh表示自养菌生长与底物利用饱和系数；ko,a表示自养菌氧饱和系数；xb,a表示活性自氧菌；
17、ρ4＝bhxb,h
18、其中，ρ4表示异养菌衰减过程的速率；bh表示异养菌衰减系数；
19、ρ5＝baxb,a
20、其中，ρ5表示自养菌衰减过程的速率；ba表示自养菌衰减系数。
21、作为本专利技术所述的基于数字孪生技术的污水处理过程故障检测方法的一种优选方案，其中：所述生化反应过程还包括：
22、ρ6＝kasndxb,h
23、其中，ρ6表示可溶性有机氮氨化过程的速率；ka表示溶解性有机氮氨化系数；snd表示可溶易降解有机氮；
24、
25、其中，ρ7表示流失有机物水解过程的速率；kh表示最大比水解速率；xs表示不可溶慢降解有机物；kx表示不可溶慢降解有机物水解饱和系数；ηh表示缺氧条件水解校正因子；
26、ρ8＝ρ7(xnd/xs)
27、其中，ρ8表示流失有机氮水解过程的速率；xnd表示不可溶易降解颗粒有机氮。
28、作为本专利技术所述的基于数字孪生技术的污水处理过程故障检测方法的一种优选方案，其中：所述发现潜在的故障为利用sw-mbi-cae方法对过程进行有效的故障检测，所述sw-mbi-cae方法包括利用滑动窗口技术对重构样本集进行重采样，表示为：
29、d＝{zi|zi∈rm*1,i＝1,2,3……n}
30、其中，d为给定的样本数据集；zi为样本数据，rm*1表示矩阵z是一个m行1列的实数矩阵，n为样本数量，m为变量个数；
31、经过滑动窗采样后形成新的样本集为：
32、
33、其中lx为滑动窗的宽度，wi是经过滑动窗采样得到的样本。
34、作为本专利技术所述的基于数字孪生技术的污水处理过程故障检测方法的一种优选方案，其中：所述sw-mbi-cae方法还包括通过提取的信息构建累积信息子块和变化率信息子块，表示为：
35、累计信息的计算方式为：
36、其中，mi为累计信息；t为累计信息丢失的样本；
37、变化率信息的计算方式为：ni＝zi+t-zi+t-1
38、ni为变化率信息；zi+t表示后一时刻样本；zi+t-1表示前一时刻的样本。
39、作为本专利技术所述的基于数字孪生技术的污水处理过程故障检测方法的一种优选方案，其中：所述sw-mbi-cae方法还包括采用贝叶斯融合，根据融合后的统计值和控制限进行最终决策，表示为：
40、
41、其中，为待测样本故障的概率；为样本异常的似然函数；为样本故障的先验概率；为样本正常的似然函数；为样本正常的先验概率；
42、贝叶斯融合后样本为故障的概率为：
43、
44、其中，为样本故障的概率；
45、融合后控制限为1-γ，γ为置信度，当时，样本异常，当时，样本正常。
46、第二方面，本专利技术还提供了一种基于数字孪生技术的污水处理过程故障检测的装置，包括，
47、模型构建模块，利用数字孪生技术建立一个虚拟的污水处理厂模型，用来优化运营人员的操作策略；
本文档来自技高网...【技术保护点】
1.一种基于数字孪生技术的污水处理过程故障检测方法，其特征在于，包括：
2.如权利要求1所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述污水处理厂模型包括：污水收集系统、生化反应处理、二次沉淀处理环节；
3.如权利要求2所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述BSM1模型集成了生化反应器和二次沉淀池，生化反应器由五个活性污泥反应单元组成，前两个单元是厌氧区，后面的三个单元是好氧区，二次沉淀池是一个10层非反应单元，没有生物反应，第6层是进料层；
4.如权利要求3所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述生化反应过程还包括：
5.如权利要求4所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述发现潜在的故障为利用SW-MBI-CAE方法对过程进行有效的故障检测，所述SW-MBI-CAE方法包括利用滑动窗口技术对重构样本集进行重采样，表示为：
6.如权利要求5所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述SW-MBI-CAE
7.如权利要求6所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述SW-MBI-CAE方法还包括采用贝叶斯融合，根据融合后的统计值和控制限进行最终决策，表示为：
8.一种采用如权利要求1～7任一所述的基于数字孪生技术的污水处理过程故障检测方法的检测装置，其特征在于，包括，
9.一种计算设备，包括：存储器和处理器；
10.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至7任意一项所述基于数字孪生技术的污水处理过程故障检测方法的步骤。
...【技术特征摘要】
1.一种基于数字孪生技术的污水处理过程故障检测方法，其特征在于，包括：
2.如权利要求1所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述污水处理厂模型包括：污水收集系统、生化反应处理、二次沉淀处理环节；
3.如权利要求2所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述bsm1模型集成了生化反应器和二次沉淀池，生化反应器由五个活性污泥反应单元组成，前两个单元是厌氧区，后面的三个单元是好氧区，二次沉淀池是一个10层非反应单元，没有生物反应，第6层是进料层；
4.如权利要求3所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述生化反应过程还包括：
5.如权利要求4所述的基于数字孪生技术的污水处理过程故障检测方法，其特征在于：所述发现潜在的故障为利用sw-mbi-cae方法对过程进行有效的故障检测，所述sw...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。