一种污水处理设备智能控制方法与流程

本发明涉及数据处理。更具体地，本发明涉及一种污水处理设备智能控制方法。

背景技术：

1、随着工业生产过程中以及生活用水的污水排放量不断增加，给水资源和生态环境带来了巨大压力，对于污水处理的法规和标准也日益严格，促使企业寻求更有效的解决方案，污水处理设备运行数据中的进水流量数据对于污水处理设备的正常使用有着至关重要的影响，进水流量过大可能导致设备超负荷运行，无法有效处理污水，从而降低处理效率；进水流量过小可能导致设备无法充分发挥作用，影响污水的处理质量。但是在使用现有的控制算法对污水处理设备的进水流量数据进行智能控制时，在对污水处理设备的进水流量数据进行采集时，由于周围设备或其它电器设备产生的电磁干扰可能会影响传感器的读数，从而使得进水流量数据序列中产生噪声数据，导致现有控制算法对于进水流量数据的智能控制的准确性降低，所以，首先需要对采集到的进水流量序列进行数据去噪处理，获取真实的进水流量数据，再使用现有控制算法对进水流量数据进行智能控制。非局部均值滤波（non-local means filtering algorithm，nlm）算法考虑数据的非局部相似性，能够在去噪的同时更好地保留数据的细节特征和突变点，对于进水流量数据，可能存在一些瞬间的流量变化，nlm算法对进水流量数据进行滤波去噪时能够在一定程度上避免这些变化被过度平滑。

2、公告号为cn104462014b的专利文件公开了一种基于改进非局部均值的低场核磁共振信号滤波新方法，属于低场核磁共振信号处理领域。步骤包括：a.输入待降噪的低场核磁共振cpmg回波信号；b.计算出输入的cpmg回波信号从首点开始到回波信号幅度下降至首点幅度的30%之间的点的个数，并将点的个数作为整个滤波算法的搜索窗宽度；c.根据cpmg回波信号各点的数据方差大小按照线性函数求取相似窗口的大小；d.利用stein无偏风险估计的方法求取非局部均值算法的最优衰减参数的大小；e.利用步骤b、c和d所求得的参数按照非局部均值算法对信号进行最终滤波。

3、然而，上述专利文件并不是针对进水流量数据做出的改进，并且没有解决在使用nlm算法对进水流量数据进行数据去噪时，由于进水流量的噪声数据通常会与真实存在的异常进水流量数据有着相似的数值表现的问题，同时，nlm算法对于所有的数据点均有着同样的滤波次数，而固定的滤波次数就会使得一些真实存在的异常进水流量数据被平滑掉，从而使得进水流量数据的真实性以及完整性受到影响，同时，固定的滤波次数也会使得某些噪声数据不能够被完全平滑掉，同样会影响进水流量数据的真实性，进而降低后续现有控制算法对于污水处理设备智能控制的准确性。

技术实现思路

1、为解决nlm算法对于所有的数据点采用相同的滤波次数，影响进水流量数据的真实性和完整性，进而降低后续现有控制算法对于污水处理设备智能控制的准确性的问题，本发明提出一种污水处理设备智能控制方法，该方法包括以下步骤：

2、实时采集污水处理设备的进水流量数据以及能耗数据；对于每一个进水流量数据点，根据该进水流量数据点预设的参考数据段在去除该进水流量数据点前后之间均值的差异，以及参考数据段内进水流量数据点中的极值点占比，确定该进水流量数据点的突变系数，突变系数与所述均值的差异以及所述极值点占比正相关；根据该进水流量数据点及其对应时刻的能耗数据点分别在各自所属预设的参考数据段内的相对大小的差异，以及该进水流量数据点的突变系数，确定该进水流量数据点的滤波需求度，滤波需求度与所述相对大小的差异以及所述突变系数正相关；响应于滤波需求度不小于预设滤波阈值，根据该进水流量数据点的滤波需求度以及预设的初始滤波次数，确定该进水流量数据点的自适应滤波次数，自适应滤波次数与所述滤波需求度以及预设的初始滤波次数正相关；依据各进水流量数据点的自适应滤波次数，通过nlm算法对各进水流量数据点进行自适应滤波，得到滤波后的进水流量数据；依据滤波后的进水流量数据，完成污水处理设备智能控制。

3、通过根据每个进水流量数据点的突变系数动态调整滤波次数，能够有效消除由于数据波动导致的噪声，确保进水流量数据具有更高的真实性和完整性，提高数据的准确性；通过自适应地选择滤波次数，确保数据波动较大时进行更频繁的滤波，而在数据稳定时则减少了不必要的处理，从而提高效率；准确的进水流量数据为后续的控制算法提供了可靠的基础，进而提升了对污水处理设备的智能控制精度，有助于提高污水处理的效率和效果，确保污水处理设施的稳定运行。

4、进一步地，所述突变系数满足如下关系式：

5、；式中，为第个进水流量数据点的突变系数，为第个进水流量数据点预设的参考数据段的均值，为第个进水流量数据点预设的参考数据段内去除第个进水流量数据点后的均值，表示第个进水流量数据点预设的参考数据段内进水流量数据点的极值点数量，表示第个进水流量数据点预设的参考数据段内进水流量数据点的数量，为超参数。

6、通过比较当前数据点与去除当前数据点后参考数据段的均值的差异，从而识别潜在的突变，有助于及时发现异常流量变化；通过引入极值点数量的占比可以有效抑制单个异常值对均值的影响，使得存在噪声或极端值的情况下，提高稳定性和可靠性。

7、进一步地，所述滤波需求度满足如下关系式：

8、；式中，为第个进水流量数据点的滤波需求度，为第个进水流量数据点的突变系数，与分别为第个进水流量数据点及其对应时刻的能耗数据点分别在各自所属预设的参考数据段内的相对大小，为超参数，为归一化函数。

9、通过结合突变系数和相对大小，实时调整滤波需求度，提高进水流量数据的准确性；通过归一化函数将滤波需求度标准化，确保在不同的进水流量数据范围内均能保持一致的处理策略，提高数据处理的一致性与稳定性。

10、进一步地，所述相对大小满足如下关系式：

11、，；式中，和分别为第个进水流量数据点及其对应时刻的能耗数据点分别在各自所属预设的参考数据段内的相对大小，为第个进水流量数据点的值，为第个进水流量数据点对应时刻的能耗数据点的值，和分别为第个进水流量数据点预设的参考数据段内各进水流量数据点中的最大值和最小值，和分别为第个进水流量数据点对应时刻的能耗数据点预设的参考数据段内各能耗数据点中的最大值和最小值。

12、进一步地，所述自适应滤波次数满足如下关系式：

13、；式中，为第个进水流量数据点的自适应滤波次数，为第个进水流量数据点的滤波需求度，为预设的滤波阈值，表示预设的初始滤波次数，为四舍五入符号。

14、通过滤波需求度和阈值之间的比较，避免对正常数据波动的误滤，保持数据的真实性；自适应滤波次数根据滤波需求度动态计算，可以根据实际数据的变化情况，自动调整滤波的强度。

15、进一步地，所述通过nlm算法对各进水流量数据点进行自适应滤波，包括：在每次nlm算法的滤波去噪过程中，在进水流量数据中搜索与该进水流量数据点预设的搜索数据段的均值差异最小的多个数据段作为邻域数据段，根据各邻域数据段和搜索数据段之间的采集间隔以及均值差异，获取各领域数据段的权重，依据所述权重对所有邻域数据段的均值进行加权求和，并将加权求和的结果赋予该进水流量数据点，完成本次滤波去噪，依据该进水流量数据点的自适应滤波次数，进行相应次数的滤波去噪。

16、通过寻找与目标数据点预设的搜索数据段相似的邻域数据段来进行滤波，更好地保留进水流量数据的真实特征，减少对有效信息的损失；依据均值差异和采集间隔计算权重，确保更相似的邻域数据段对加权平均值的贡献更大，从而更有效地去除噪声，提高数据的准确性；通过基于数据点的特征进行自适应滤波，能够适应不同的数据模式和噪声水平，提高滤波的灵活性和适用性。

17、进一步地，；式中，为第个进水流量数据点预设的搜索数据段的第个邻域数据段的权重，为第个进水流量数据点预设的搜索数据段与其第个邻域数据段之间的采集间隔，为第个进水流量数据点预设的搜索数据段与其第个邻域数据段之间的均值差异，为第个进水流量数据点预设的搜索数据段的邻域数据段数量。

18、进一步地，所述完成污水处理设备智能控制为通过pid控制算法完成污水处理设备智能控制。

19、本发明具有以下有益效果：

20、针对常规nlm算法对进水流量数据进行滤波去噪的过程中，通过固定的滤波次数会将其中的某些异常进水流量数据错误地平滑，而噪声程度较低的噪声数据被忽略导致的滤波不够准确的问题，本发明通过将进水流量数据分段并根据参考数据段的特征分析滤波需求度，根据滤波需求度自适应获取每个进水流量数据点的滤波次数，从而进行滤波去噪，如此保留了进水流量数据中的异常数据的同时，更加准确地识别并滤除其中各种程度的噪声数据，以便后续通过现有控制算法对污水处理设备的进水控制时，能够更加准确地控制污水处理设备的进水量。