本發(fā)明屬于畜牧業(yè)處理，具體涉及一種自動化畜牧糞便污水的處理調(diào)控方法及裝置。

背景技術(shù)：

1、隨著畜牧業(yè)的不斷集中化，專業(yè)化，糞污直接排入農(nóng)田對環(huán)境的危害巨大，糞污資源化利用的推廣應(yīng)用一直是困擾養(yǎng)殖業(yè)的難題。

2、現(xiàn)有技術(shù)難以結(jié)合厭氧發(fā)酵、固液分離處理、生物處理技術(shù)，無法發(fā)揮污水處理系統(tǒng)的循環(huán)處理效果。因此需要一種調(diào)節(jié)設(shè)備，可以同時監(jiān)測溫度、含量并對數(shù)據(jù)做出相應(yīng)調(diào)整的設(shè)備，利用多種處理技術(shù)結(jié)合以增強處理效果。

技術(shù)實現(xiàn)思路

1、發(fā)明目的：本發(fā)明的目的在于提供一種畜牧業(yè)糞便污水處理方法及裝置，先通過物理化學(xué)處理技術(shù)去除部分污染物，然后通過生物處理技術(shù)進(jìn)一步去除剩余的污染物，最后通過自然生態(tài)處理技術(shù)進(jìn)行深度處理。

2、技術(shù)方案：畜牧業(yè)糞便污水處理方法，包括如下步驟：

3、步驟1：收集畜牧業(yè)生產(chǎn)過程中所產(chǎn)生的糞便污水，進(jìn)行干濕分離，通過實時監(jiān)測集污池和發(fā)酵罐的供氧數(shù)據(jù)、氧含量、水位、溫度、微生物含量控制攪拌裝置、通氣裝置、消毒裝置、凈化裝置、噴淋裝置和過濾沉淀裝置；

4、步驟2：利用xgboost算法優(yōu)化plc網(wǎng)絡(luò)構(gòu)建xgboost-plc預(yù)測模型，所述xgboost-plc預(yù)測模型采用xgboost算法串行訓(xùn)練多個弱分類器，并將多個弱分類器組合成一個強分類器；利用構(gòu)建的xgboost-plc預(yù)測模型預(yù)測未來一段時間內(nèi)處理過程中的氧氣濃度、攪拌轉(zhuǎn)速、消毒進(jìn)程和溫度控制；

5、步驟3：對所述xgboost-plc預(yù)測模型進(jìn)行優(yōu)化，輸出最優(yōu)的處理環(huán)境生長參數(shù)；所述處理環(huán)境生長參數(shù)包括供氧數(shù)據(jù)、氧含量、水位、溫度；

6、步驟4：供氧數(shù)據(jù)、氧含量、水位、溫度到達(dá)設(shè)定數(shù)值時自動開啟通氣裝置、攪拌裝置，通過蝙蝠算法調(diào)整溫度、攪拌轉(zhuǎn)速以及進(jìn)氧量使用bp遺忘算法預(yù)測模型優(yōu)化arduino傳感器，形成自控自檢電加熱系統(tǒng)；；

7、步驟5：所述消毒裝置對污水進(jìn)行三級臭氧曝氣，通過微生物檢測器檢測微生物含量，吸附發(fā)酵產(chǎn)物所產(chǎn)生異味以及處理有害微生物，最后通過噴淋裝置和除臭裝置，建設(shè)自動化家畜糞便以及污水的處理裝置。

8、進(jìn)一步的，所述步驟2中的xgboost-plc預(yù)測模型為：

9、步驟2.1：確定所需要的測量量，每個所需測量量為一個決策樹，這些決策樹即為弱學(xué)習(xí)器，它們共同組成了xgboost，后一棵決策樹的生成會考慮前一棵決策樹的預(yù)測結(jié)果；

10、步驟2.2：采用xgboost算法對plc網(wǎng)絡(luò)的決策樹進(jìn)行優(yōu)化，構(gòu)建xgboost-plc預(yù)測模型；

11、步驟2.3：選擇最優(yōu)切分變量j與切分點s，求解

12、

13、式中，在r1空間內(nèi)xi為預(yù)測橫坐標(biāo)，yi為預(yù)測豎坐標(biāo)；在r2空間內(nèi)xj為當(dāng)前橫坐標(biāo)，遍歷切分變量yj，對切分變量yj掃描切分點s，選擇使上式最小值的一對(j,s)，其中rm(j,s)是被劃分的輸入空間，cm是空間rm(j,s)對應(yīng)的輸出值，m∈n>0；

14、步驟2.4：用選定的對(j,s)劃分區(qū)域并決定相應(yīng)的輸出值，推測模型誤差obj(t)：

15、r1(j,s)＝{x|x(j)≤s}r2(j,s)＝{x|x(j)>s}

16、

17、式中表示總體損失，表示回歸樹的復(fù)雜度；

18、正則項公式如下：

19、

20、式中：γ、λ是參數(shù)，t是回歸樹葉子結(jié)點總個數(shù)，是每個葉子節(jié)點值的平方和；繼續(xù)對兩個子區(qū)域遞歸的調(diào)用上述步驟，最終將輸入空問劃分為m個區(qū)域r1,r2,……，rm；生成決策樹f(x)：

21、

22、式中，為每個區(qū)域的遞歸值；

23、當(dāng)輸入空間劃分確定時，用平方誤差來衡量回歸樹對于數(shù)據(jù)的擬合程度，用平方誤差最小的準(zhǔn)則不斷地遞歸劃分子樹，直到平方誤差滿足需求最佳解l(y,f(x))滿足：

24、

25、式中，yi為預(yù)測位置，f(xi)為實際位置；

26、步驟2.5：xgboost是前項分布算法，可以通過貪心算法尋找局部最優(yōu)解：每一次迭代尋找損失函數(shù)降低最大的cart樹，最小化目標(biāo)函數(shù)：

27、

28、式中，f(xi)為實際位置，為前k-1棵樹的預(yù)測值，fx(xi)為第k棵樹的預(yù)測值，ω(fk)為第k棵樹的復(fù)雜度。

29、進(jìn)一步的，利用泰勒二階展開式優(yōu)化步驟2.5中目標(biāo)函數(shù)得到：

30、

31、式中，gi為一階梯度常量，hi為二階梯度常量；

32、xgboost-plc預(yù)測模型中plc部分利用pid控制算法控制ph、溫度、流量參數(shù)，公式為：

33、u(t)＝kp(e(t)+ki∑e(t)+kd[e(t)-e(t-1)])

34、u(t)為控制器輸出，kp、ki、kd為比例系數(shù)、積分時間、微分時間，e(t)為偏差曲線，即設(shè)定值與實際值的偏差隨時間的變化曲線，e(t-1)為前一次的偏差曲線。

35、進(jìn)一步的，所述步驟4包括：

36、步驟4.1：使用bp遺忘算法預(yù)測模型優(yōu)化arduino傳感器，形成自控自檢電加熱系統(tǒng)；

37、步驟4.2：微生物發(fā)酵過程中產(chǎn)生沼氣，此時通過氣體密度計和通風(fēng)裝置實現(xiàn)氣體的交換和有氧、厭氧之間的轉(zhuǎn)換；在進(jìn)行密度測量的過程中，也同時測量溫度和壓力；氣體的密度取決于其摩爾質(zhì)量m，實際壓力p和溫度t，其中r是普適氣體常數(shù)，z是特定氣體或混合氣體的實際氣體可壓縮系數(shù)，因為發(fā)酵過程中是混合氣體所以有混合氣體密度ρi定義：

38、

39、式中：zmix為可壓縮系數(shù)最小的氣體，ai為需要測量的氣體的摩爾分?jǐn)?shù)；

40、在發(fā)酵罐中氣體包含甲烷、氧氣，其混合氣體密度公式為：

41、

42、式中amin為可壓縮系數(shù)最小的氣體摩爾分?jǐn)?shù)；m1，m2為兩個組分氣體的摩爾質(zhì)量；

43、步驟4.3：在集污池中，設(shè)置水位檢測器，配合攪拌器，采用高液位啟動，低液位停止的控制方式；及時進(jìn)樣，添加藥品進(jìn)行凈化污水；利用pid算法控制裝置的進(jìn)行狀態(tài)：

44、

45、式中：kp是控制器的比例系數(shù)；ki是控制器的積分系數(shù)；kd是控制器的微分系數(shù)；u(t)是pid控制器的輸出信號；e(t)是與給定值的差值；e(t-1)是上一次給定值與測量值之差。

46、進(jìn)一步的，所述步驟4.1改進(jìn)如下：

47、步驟4.1.1：

48、rt＝r×e

49、式中rt為熱敏電阻在t1溫度下的阻值，r熱敏電阻在t2溫度下的阻值，e是自然指數(shù)；

50、通過逆向計算得到溫度和阻值的關(guān)系如下：

51、

52、式中，b為熱敏電阻的參數(shù)值；

53、步驟4.1.2：編碼規(guī)則選用浮點數(shù)編碼：

54、選取網(wǎng)絡(luò)的輸出和期望的輸出為訓(xùn)練樣本，y(k)作為訓(xùn)練后產(chǎn)生的輸出，將訓(xùn)練后的權(quán)值和閾值作為選取的權(quán)值和閾值，遺傳算法的指標(biāo)作為優(yōu)化后算法的指標(biāo),并計算預(yù)測值與實際值的誤差平方和jm：

55、

56、式中：k為輸入輸出采樣數(shù)據(jù)的對數(shù)，n為網(wǎng)絡(luò)輸出節(jié)點數(shù)，為第n個節(jié)點的期望輸出值，y(k)為第k個節(jié)點的預(yù)測輸出值；引入一個趨近于零的值ξ，適應(yīng)度函數(shù)：

57、fit＝(jm+ξ)-1

58、設(shè)群體大小為n，fi為適應(yīng)度，此適應(yīng)度是就種群中的個體i而言的，則i被選擇的概率見psi式：

59、

60、假設(shè)在個體和之間進(jìn)行算數(shù)交叉，運算后產(chǎn)生的新個體：

61、

62、式中：α為區(qū)間[0,1]內(nèi)均勻分布的隨機數(shù)；

63、步驟4.1.3：假設(shè)x＝{xi}數(shù)據(jù)歸一化為x′＝{x′t}：

64、

65、式中：ymax，ymin為根據(jù)當(dāng)時天氣、季節(jié)限定人為規(guī)定的上下界，這里選取ymax＝1，ymin＝0；在樣本數(shù)據(jù)中選取最大值xmax、xmin，并且滿足xmax≥x′≥xmin。

66、畜牧業(yè)糞便污水處理裝置，包括處理模塊、xgboost-plc預(yù)測模型、優(yōu)化模塊；

67、所述處理模塊收集畜牧業(yè)生產(chǎn)過程中所產(chǎn)生的糞便污水，進(jìn)行干濕分離，通過實時監(jiān)測集污池和發(fā)酵罐的供氧數(shù)據(jù)、氧含量、水位、溫度、微生物含量控制攪拌裝置、通氣裝置、消毒裝置、凈化裝置、噴淋裝置和過濾沉淀裝置；所述消毒裝置對污水進(jìn)行三級臭氧曝氣，通過微生物檢測器檢測微生物含量，吸附發(fā)酵產(chǎn)物所產(chǎn)生異味以及處理有害微生物，最后通過噴淋裝置和除臭裝置，建設(shè)自動化家畜糞便以及污水的處理裝置；

68、所述xgboost-plc預(yù)測模型利用xgboost算法優(yōu)化plc網(wǎng)絡(luò)構(gòu)建xgboost-plc預(yù)測模型，所述xgboost-plc預(yù)測模型采用xgboost算法串行訓(xùn)練多個弱分類器，并將多個弱分類器組合成一個強分類器；利用構(gòu)建的xgboost-plc預(yù)測模型預(yù)測未來一段時間內(nèi)處理過程中的氧氣濃度、攪拌轉(zhuǎn)速、消毒進(jìn)程和溫度控制；

69、所述優(yōu)化模塊對所述xgboost-plc預(yù)測模型進(jìn)行優(yōu)化，輸出最優(yōu)的處理環(huán)境生長參數(shù)；所述處理環(huán)境生長參數(shù)包括供氧數(shù)據(jù)、氧含量、水位、溫度；供氧數(shù)據(jù)、氧含量、水位、溫度到達(dá)設(shè)定數(shù)值時自動開啟通氣裝置、攪拌裝置，通過蝙蝠算法調(diào)整溫度、攪拌轉(zhuǎn)速以及進(jìn)氧量。

70、有益效果：1、本發(fā)明所提出的xgboost-plc預(yù)測模型以及蝙蝠算法進(jìn)行調(diào)整，能夠精確預(yù)測水、氧含量變化，根據(jù)每天不一樣的環(huán)境參數(shù)，自動調(diào)整系統(tǒng)數(shù)據(jù)，本發(fā)明能夠得到精確的水、氧含量數(shù)據(jù)，具有更強的可靠性。

71、2、自動化處理設(shè)備可以實現(xiàn)糞便污水的精確控制和管理，從而大大提高了處理效率。通過自動化的控制系統(tǒng)，可以實時監(jiān)控和調(diào)整處理設(shè)備的運行狀態(tài)，確保處理效果的最佳化。

72、3、自動化處理設(shè)備可以有效地去除糞便污水中的有害物質(zhì)，減少對環(huán)境的污染。通過自動化的生物處理技術(shù)，可以將糞便污水轉(zhuǎn)化為有機肥料或者生物燃?xì)?，既實現(xiàn)了資源的再利用，又減少了環(huán)境污染。

73、4、本發(fā)明可以自動化處理設(shè)備可以提高養(yǎng)殖業(yè)的環(huán)保水平，提升養(yǎng)殖場的整體運營效率和經(jīng)濟效益。通過自動化的糞便污水處理設(shè)備，可以實現(xiàn)糞便污水的無害化處理和資源化利用，從而提升了養(yǎng)殖場的環(huán)保水平和經(jīng)濟效益。