水厂絮凝过程矾花状态的自动识别与应用

摘要：

针对净水工艺絮凝剂优化调控过程中面临的非线性、大迟滞和多变量因素问题,文中研究了矾花图像分割和特征提取方法,提出了一种基于深度模糊非参数映射(DFM)模型的矾花状态自动识别技术.该技术将矾花状态细分为密实、中片、大片、不均和稀疏5 种类型,通过图像采集系统分别采集相应的图像来构建样本库,并使用样本库训练模型的相关参数.研究结果表明,从矾花图像中提取密度特征和尺寸特征作为模型输入可以获得最佳的识别效果.DFM模型在矾花状态识别方面的准确率可以达到 95%以上,明显优于传统的机器学习方法[如支持向量机(SVM)、反向传播(BP)神经网络]和深度学习方法(如ResNet和AlexNet模型).同时,基于DFM模型的矾花图像识别技术已经成功应用于舟山某水厂,在应用前后,絮凝剂的平均投加量从 11 mg/L降低到 8.5 mg/L,沉淀池的平均出水浑浊度从 0.9 NTU降低到 0.4 NTU.

关键词：净水工艺、絮凝过程、矾花识别、深度学习、模糊优化

所属期刊栏目：42

分类号：TU991(地下建筑)

在线出版日期：2023-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：179-189