-
公开(公告)号：CN113880365A
公开(公告)日：2022-01-04
申请号：CN202111290805.0
申请日：2021-11-02
Applicant: 哈尔滨工业大学(深圳) , 黑龙江大学
Abstract: 本发明公开了一种实时连续测定活性污泥的自动系统，该系统包括循环装置(1)、沉降装置(2)和监控装置(3)，循环装置(1)用于将污泥反应器中的污泥悬浊液转运到沉降装置(2)；沉降装置(2)用于对污泥悬浊液进行沉降，包括多个沉降柱(21)，多个沉降柱(21)依次注入污泥悬浊液进行沉降；监控装置(3)用于获取沉降柱(21)中污泥悬浊液的沉降比。本发明公开的实时连续测定活性污泥的自动系统，能够实时连续监控反应器中的污泥健康程度，无需人为干预，可持续稳定运行，且检测结果准确性高。
-
公开(公告)号：CN113916732B
公开(公告)日：2024-02-27
申请号：CN202111290813.5
申请日：2021-11-02
Applicant: 哈尔滨工业大学(深圳) , 黑龙江大学
Abstract: 本发明公开了一种活性污泥显微图像实时观察记录脉冲流通池，包括进样回流系统、流通池(2)和显微图像采集分析系统,流通池(2)具有腔体，进样回流系统用于将污泥悬浊液注入到流通池(2)的腔体中；显微图像采集分析系统包括显微镜(31)和处理器(32)，通过显微镜(31)采集流通池(2)中污泥悬浊液的显微图片，通过处理器(32)对显微图片进行分析记录。本发明提供的活性污泥显微图像实时观察记录脉冲流通池，解决活性絮体分型特征等污泥微观形态参数难以在线提取的问题，实现了自动取样并实时观察和记录活性污泥絮体的微观形态和动态特征。
-
Patent Agency Ranking
公开(公告)号：CN115019095A
公开(公告)日：2022-09-06
申请号：CN202210628913.2
申请日：2022-06-06
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/764 , G06V10/82 , G06V20/69 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于卷积神经网络的活性污泥状态在线监测方法。利用实时在线显微图像捕获装置周期性获取活性污泥显微图像；以卷积神经网络为主网络搭建污泥形态健康数模型并训练，将训练完成的污泥形态健康数模型实时地对周期性输入的活性污泥显微图像中的污泥状态做出评价。本发明以活性污泥的显微图像为监测对象，建立基于卷积神经网络的污泥形态健康数模型，利用污泥形态健康数模型实施对污水处理厂生物处理系统中活性污泥的监测，不仅能够对活性污泥本身进行健康状态评价，通过对模型输出类别分级以及对模型的训练还能在一定程度上对污水处理厂的进水风险控制提供预警技术支持。
-
公开(公告)号：CN113916732A
公开(公告)日：2022-01-11
申请号：CN202111290813.5
申请日：2021-11-02
Applicant: 哈尔滨工业大学(深圳) , 黑龙江大学
Abstract: 本发明公开了一种活性污泥显微图像实时观察记录脉冲流通池，包括进样回流系统、流通池(2)和显微图像采集分析系统,流通池(2)具有腔体，进样回流系统用于将污泥悬浊液注入到流通池(2)的腔体中；显微图像采集分析系统包括显微镜(31)和处理器(32)，通过显微镜(31)采集流通池(2)中污泥悬浊液的显微图片，通过处理器(32)对显微图片进行分析记录。本发明提供的活性污泥显微图像实时观察记录脉冲流通池，解决活性絮体分型特征等污泥微观形态参数难以在线提取的问题，实现了自动取样并实时观察和记录活性污泥絮体的微观形态和动态特征。
-
公开(公告)号：CN113880365B
公开(公告)日：2023-06-27
申请号：CN202111290805.0
申请日：2021-11-02
Applicant: 哈尔滨工业大学(深圳) , 黑龙江大学
Abstract: 本发明公开了一种实时连续测定活性污泥的自动系统，该系统包括循环装置(1)、沉降装置(2)和监控装置(3)，循环装置(1)用于将污泥反应器中的污泥悬浊液转运到沉降装置(2)；沉降装置(2)用于对污泥悬浊液进行沉降，包括多个沉降柱(21)，多个沉降柱(21)依次注入污泥悬浊液进行沉降；监控装置(3)用于获取沉降柱(21)中污泥悬浊液的沉降比。本发明公开的实时连续测定活性污泥的自动系统，能够实时连续监控反应器中的污泥健康程度，无需人为干预，可持续稳定运行，且检测结果准确性高。
-
公开(公告)号：CN115050023A
公开(公告)日：2022-09-13
申请号：CN202210628921.7
申请日：2022-06-06
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及污水处理检测领域，特别涉及一种基于卷积神经网络的进水风险类型识别方法。其方法包括：S1.在SBR反应器的进水端分别替换为多种类型的异常进水，并对活性污泥持续培养多个周期；S2.在实验条件变化前后对活性污泥的监测指标和水质监测指标进行跟踪分析，并在每一周期的曝气阶段将泥样向实时在线显微图像捕获装置同步进样，捕捉收集活性污泥的显微图像；S3.搭建进水风险类型识别模型，将收集到的污泥图像输入进行训练，对污泥图像进行特征提取和分析；S4.训练完成后根据周期性输入图像中的污泥失稳状态，判断异常进水的类型。本发明根据污泥图像来判断污泥受到冲击的异常进水类型，对污水处理厂的进水风险控制提供预警技术支持。
-
公开(公告)号：CN115050023B
公开(公告)日：2025-01-03
申请号：CN202210628921.7
申请日：2022-06-06
Applicant: 哈尔滨工业大学(深圳) , 黑龙江大学
Abstract: 本发明涉及污水处理检测领域，特别涉及一种基于卷积神经网络的进水风险类型识别方法。其方法包括：S1.在SBR反应器的进水端分别替换为多种类型的异常进水，并对活性污泥持续培养多个周期；S2.在实验条件变化前后对活性污泥的监测指标和水质监测指标进行跟踪分析，并在每一周期的曝气阶段将泥样向实时在线显微图像捕获装置同步进样，捕捉收集活性污泥的显微图像；S3.搭建进水风险类型识别模型，将收集到的污泥图像输入进行训练，对污泥图像进行特征提取和分析；S4.训练完成后根据周期性输入图像中的污泥失稳状态，判断异常进水的类型。本发明根据污泥图像来判断污泥受到冲击的异常进水类型，对污水处理厂的进水风险控制提供预警技术支持。
-
-
-
-
-
-
Search Results
7
records
(took 0.03 seconds)
