專利名稱：用于超濾的過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種用于液體超濾的過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制方法。
背景技術(shù)：
具有超濾過濾器的過濾系統(tǒng)通過很多方式應(yīng)用于工業(yè)、醫(yī)藥和環(huán)境技術(shù)。最常見的應(yīng)用領(lǐng)域為淡水過濾，回收工藝用水，以及廢水的過濾，包括工業(yè)性質(zhì)的，和啤酒或水果汁的領(lǐng)域。此外在從液體中分離蛋白質(zhì)，疫苗或抗生素的醫(yī)療技術(shù)中以及在透析中的應(yīng)用是已知的。因此用于超濾的過濾系統(tǒng)通常根據(jù)非常嚴格的順序操作，通常其可被專家通過幾個參數(shù)在狹窄的范圍內(nèi)調(diào)整。然而，對于過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制，普通的系統(tǒng)使用者通常限制于對系統(tǒng)試運行之前規(guī)定的和經(jīng)常被預(yù)編程的程序。因此，為了改變工藝條件的過濾系統(tǒng)的操作方法調(diào)整，例如，改變未經(jīng)處理的水質(zhì)，改變溫度和改變載荷循環(huán)，以及過濾器的改變，是不可行的或者需要受過訓(xùn)練的專家的努力。在生產(chǎn)過程中，待過濾的物質(zhì)被堆積于超濾過濾器上，導(dǎo)致過濾阻力的上升和最終過濾過程效率的下降。由于這個所謂的過濾污垢，超濾過濾器的例行的清洗是需要的，例如，通過逆流清洗。在現(xiàn)有技術(shù)中，要實施的逆流清洗同樣被限制于嚴格的根據(jù)固定的值和時間控制過濾和逆流清洗的程序序列。由于在系統(tǒng)試運轉(zhuǎn)時程序順序被永久的設(shè)定，系統(tǒng)的優(yōu)化，包括過濾器的清洗，最終變得更難或不可能。這會特別的危及產(chǎn)品的可靠性以及系統(tǒng)結(jié)果的可靠性。此外使得不能有效的使用資源例如逆流清洗水，空氣和能量。因此本發(fā)明的目的在于提供用于液體超濾的過濾系統(tǒng)的智能開環(huán)控制和/或閉環(huán)控制的方法以克服上述缺點。特別的`，即使在無大量專業(yè)知識的情況下關(guān)于產(chǎn)品可靠性和有效資源利用的過濾和過濾清洗過程的最優(yōu)化應(yīng)該是可行的。而且本方法應(yīng)可以調(diào)整以改變工藝條件和可以靈活的做出反應(yīng)。

發(fā)明內(nèi)容
上述目的通過用于使用過濾器對液體超濾的過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制的方法解決，其中開環(huán)控制和/或閉環(huán)控制發(fā)生在模糊邏輯和/或人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上。特別的，待過濾的流體可以是液體，例如，水，特別的為淡水。通常來說，超濾被應(yīng)用于這里?？蛇x擇的，根據(jù)本發(fā)明的方法可被使用于對，例如，廢水，啤酒或果汁的微濾。此外使用根據(jù)本發(fā)明的方法來從液體中分離蛋白質(zhì)，疫苗或抗生素，進行蛋白質(zhì)的分餾，進行透析和所謂的冷滅菌是可行的。在超濾中，待分離的粒子或分子的尺寸在0.5nm到500nm (nm = 10_9m)的范圍內(nèi)，特別的在Inm到300nm的范圍內(nèi)。待分離出的粒子或分子可為不溶于水的鹽，糖，病毒，細菌，蛋白質(zhì)或膠體。
因此超濾可被實施為死端(dead-end)過濾或交叉流過濾。在死端過濾中，待過濾的液體在盡可能低的壓力下被對著過濾器泵送，而交叉流過濾中待過濾的液體沿切線方向的對著過濾器流動。在兩種情況下，濾液(即滲透液)穿透過濾器而被分離的粒子或分子作為濃縮液(即滲余物)留在過濾器的進口區(qū)域，或因此如同在流動方向所見的在過濾器的前面。在交叉流過濾中，具有分離的粒子或分子的濃縮液通常再次流穿過濾器的出口，而在死端過濾中通常沒有這樣的出口存在。過濾器可為膜濾器或中空纖維過濾器。膜可為扁平膜或管狀膜。特別的，多孔陶瓷膜可被作為過濾器。然而，特別的，塑料膜例如由聚醚砜制成的可被使用。因此進一步的發(fā)展可為具有一個或更多凹槽的中空纖維過濾膜或螺旋纏繞膜。在模糊邏輯中，復(fù)雜的問題可通過使用模糊規(guī)則以簡單的方式描述。對每個具體的輸入變量，語言項(linguistic term)的模糊集合的隸屬函數(shù)被使用以確定對對應(yīng)的語言項的隸屬度。根據(jù)進一步的發(fā)展，根據(jù)本發(fā)明的方法包括對過濾系統(tǒng)的至少第一和第二過程變量的結(jié)果捕捉(作為輸入變量)，在第一預(yù)定隸屬函數(shù)的基礎(chǔ)上對第一語言項的第一過程變量的第一隸屬度的確定，在第二預(yù)定隸屬函數(shù)的基礎(chǔ)上對第二語言項的第二過程變量的第二隸屬度的確定，根據(jù)用于第一預(yù)定規(guī)則的動作的第一結(jié)果隸屬函數(shù)的確定的至少第一預(yù)定規(guī)則的第一和第二語言項的邏輯組合，在至少第一預(yù)定規(guī)則的動作的第一結(jié)果隸屬函數(shù)的基礎(chǔ)上的整體隸屬函數(shù)的確定，從整體隸屬函數(shù)獲得的輸出值的獲得，以及依賴輸出值的過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制。特別的，過濾器的清洗過程可因此依賴輸出值被開環(huán)控制或閉環(huán)控制。因此用于過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制的模糊邏輯的使用可使得通過指定簡單和直觀的語言規(guī)則和變量影響過程控制成為可能，并最終擴展系統(tǒng)用戶具有的選項以影響過濾系統(tǒng)的最優(yōu)化操作。特別的，過程變量可具體的被傳感器，具體的在過濾器區(qū)域內(nèi)通過測量被捕捉。此外，值的范圍可為被捕捉的過程變量所定義，這些值的范圍可通過合適的模糊集合的定義被劃分。適當?shù)恼Z言項因此被與模糊集合關(guān)聯(lián)。所述劃分尤其是模糊集合的隸屬函數(shù)可通過合適的參數(shù)被參數(shù)化，借此形成延續(xù)，所述參數(shù)可通過人工神經(jīng)網(wǎng)絡(luò)被調(diào)整。例如，其參數(shù)為底部寬度和尖端位置的三角函數(shù)可作為隸屬函數(shù)被使用。模糊集合的隸屬函數(shù)進一步的例子為梯形函數(shù)和高斯函數(shù)，其中高斯函數(shù)具有連續(xù)可微的優(yōu)點且因此特別的適合在最大坡度的梯度法的基礎(chǔ)上在最優(yōu)化方法中使用。若需要，對每個模糊集合可定義不同的隸屬函數(shù)。在模糊理論中，規(guī)則，或更精確的語言規(guī)則，包括以若干輸入變量屬于若干語言項的隸屬的形式的若干前提(premises)(也叫做前件)，所述前提通過邏輯組合彼此結(jié)合(其結(jié)果被稱為先決條件(precondition)),和包括對一個語言項的輸出值的隸屬函數(shù)的形式的動作(也叫做后件或結(jié)果)(通常叫做”如果-那么”形式)。根據(jù)本發(fā)明的方法，每個規(guī)則可被專家規(guī)定或從自動方法中學(xué)習(xí)。所述自動方法可，特別的，為人工神經(jīng)網(wǎng)絡(luò)。這樣的人工神經(jīng)網(wǎng)絡(luò)可因此通過觀察 的手段來學(xué)習(xí)或調(diào)整規(guī)貝U，例如記錄和評價過濾系統(tǒng)合適的過程數(shù)據(jù)，由此所述觀察在過程操作中特別的可由專豕完成。
此外預(yù)定的或?qū)W習(xí)到的規(guī)則可通過最優(yōu)化步驟調(diào)整。最優(yōu)化步驟因此可包括對屬于規(guī)則中使用的語言項的模糊集合的上述參數(shù)的調(diào)整或規(guī)則的優(yōu)先排序或消除。優(yōu)先排序或消除可特別的通過設(shè)置或調(diào)整在確定中的規(guī)則的權(quán)重發(fā)生，如本發(fā)明所給出的，所述確定為在規(guī)則的動作的結(jié)果隸屬函數(shù)的基礎(chǔ)上的整體隸屬函數(shù)的確定。在通過在最優(yōu)化步驟中對其參數(shù)的調(diào)整實現(xiàn)模糊集合的移位(shifting)中,特別的對預(yù)先定義的對應(yīng)的過程變量的值的范圍的模糊集合的隸屬可被作為邊界條件引入。兩個或更多的語言項可通過慣常的邏輯操作符被邏輯上的結(jié)合，尤其是邏輯與，邏輯或，邏輯異或。二元或三元操作符，或具有多于三個操作對象的操作符，可因此被使用。此外，否定的一元運算可被應(yīng)用于任意語言項。在規(guī)則的前提的兩個或更多語言項的邏輯與結(jié)合中，所述規(guī)則的先決條件的度可被特別的通過輸入變量屬于它們對應(yīng)的語言項的隸屬度的最小值形成。在兩個或更多的前提的語言項的邏輯或組合中，先決條件的度可特別的通過輸入變量對它們對應(yīng)的語言項的隸屬度的最大值形成?？蛇x擇的，邏輯與和/或邏輯或的組合可借助邊界和來實施。規(guī)則的動作的結(jié)果隸屬函數(shù)的確定可通過對所述規(guī)則的先決條件的度一意味著邏輯結(jié)合的前提，意味著規(guī)則的“如果”部分，對在規(guī)則的“那么”部分的規(guī)則的動作的語言項的映射來進行。稱為推理的映射可以由此通過形成先決條件的度的最小值和動作的隸屬函數(shù)來進行，意味著通過對先決條件的度的級別的動作的隸屬函數(shù)的圖解進行“截斷”。對此可選擇的，映射可以通過形成前提的度的結(jié)果和動作的隸屬函數(shù)進行。規(guī)則可包括兩個或更多前提，最終兩個或更多語言項，作為先決條件。兩個或更多語言項可因此相等?？蛇x擇的或可附加的，兩個或更多屬于先決條件的語言項的過程變量可相等。在至少第一預(yù)定 規(guī)則的動作的第一結(jié)果隸屬函數(shù)的基礎(chǔ)上整體隸屬函數(shù)的確定可特別的通過將整體隸屬函數(shù)等同到動作的結(jié)果第一隸屬函數(shù)進行。結(jié)果第一隸屬函數(shù)可因此被附加的通過權(quán)重修訂，尤其是通過與跨越規(guī)則的動作的輸出變量的范圍的權(quán)重函數(shù)相乘來修訂，和/或在輸出變量的值的范圍的預(yù)定邊界處截斷。自整體隸屬函數(shù)獲得輸出值(去模糊化)可特別地通過位于整體隸屬函數(shù)下方的區(qū)域的重心的橫坐標值的確定實現(xiàn)。對此可替代的，根據(jù)最大值判據(jù)方法，對整體隸屬函數(shù)具有最大值的輸出變量的任何值可被選擇，。同樣的，根據(jù)最大值的平均數(shù)方法，對整體隸屬函數(shù)取它的(整體的)最大值時的跨越輸出變量的值的集合的平均值可被選擇作為輸出變量的值，。在替代設(shè)計中，特別地，如果整體隸屬函數(shù)在單獨規(guī)則的單獨結(jié)果隸屬函數(shù)的基礎(chǔ)上被確定，輸出值可在單獨規(guī)則的先決條件的度的基礎(chǔ)上或結(jié)果隸屬函數(shù)的最大值的基礎(chǔ)上被確定。在上述提到的情況中，過濾器系統(tǒng)的開環(huán)控制和/或閉環(huán)控制可特別地通過比較獲得的輸出值和一個或更多的預(yù)定的邊界或閾值進行。所述預(yù)定的邊界或閾值可由此在一個最優(yōu)化步驟中分別地或一起被調(diào)整，由此優(yōu)化步驟可特別地通過人工神經(jīng)網(wǎng)絡(luò)被實施。根據(jù)進一步的發(fā)展，用于過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制的方法附加的包括過濾系統(tǒng)對至少第三和第四過程變量的捕捉，在第三預(yù)定隸屬函數(shù)的基礎(chǔ)上對第三語言項的第三過程變量的第三隸屬度的確定，在第四預(yù)定隸屬函數(shù)的基礎(chǔ)上對第四語言項的第四過程變量的第四隸屬度的確定和根據(jù)用來確定至少第二預(yù)定規(guī)則的動作的第二結(jié)果隸屬函數(shù)的至少第二預(yù)定規(guī)則對第三和第四語言項的邏輯組合，由此整體隸屬函數(shù)至少被至少第一預(yù)定規(guī)則的動作的第一結(jié)果隸屬函數(shù)和至少第二預(yù)定規(guī)則的動作的第二結(jié)果隸屬函數(shù)的合成確定。上述選擇可據(jù)此同樣方式的被應(yīng)用于第二預(yù)定規(guī)則和可能進一步的規(guī)則的評價。特別的，整體隸屬函數(shù)可通過多于兩個規(guī)則的動作的結(jié)果隸屬函數(shù)的組合確定。兩個或更多結(jié)果隸屬函數(shù)的組合可特別地通過對應(yīng)的模糊集合的并集進行。第三和/或第四過程變量可與第一和/或第二過程變量相同?？蛇x擇地或可附加地，第一預(yù)定規(guī)則可與第二預(yù)定規(guī)則相同。利用通過組合來結(jié)合若干語言規(guī)則，在過程控制區(qū)域內(nèi)復(fù)雜的分析也可被容易的表述。特別地，通過組合，用于矛盾的趨勢的控制的語言規(guī)則可被實施，且最終過程控制的最優(yōu)化在模糊邏輯的基礎(chǔ)上是可行的。開環(huán)控制和/或閉環(huán)控制，如本發(fā)明所給出的，用于過濾系統(tǒng)的，可通過馬丹尼(Mamdani)控制器或關(guān)野(Sugeno)控制器實施。在關(guān)野控制器中，輸出變量的值的范圍的劃分可因此被捕捉的過程變量的值的 范圍到輸出變量的值的范圍的映射替換，尤其是線性映射。根據(jù)本發(fā)明，過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制可通過在一個或多個獲得的輸出值的基礎(chǔ)上對一個或多個校正變量的調(diào)整進行。每個輸出值可因此特別地為對應(yīng)的校正變量。根據(jù)進一步的發(fā)展，欲被開環(huán)控制或閉環(huán)控制的過濾器清洗過程可包括過濾器的逆流清洗。對此可選擇地或可附加地，欲被開環(huán)控制或閉環(huán)控制的清洗過程可包括過濾器的原地清洗(cleaning-1n-place),對過濾器的組合的逆流清洗和原地清洗,對過濾器的一般清洗，和一個或更多預(yù)定的清洗程序。原地清洗通常為對過濾器的化學(xué)清洗。堿性清洗劑和/或雙氧水可在此被作為化學(xué)清洗劑使用。在對過濾器的一般清洗中，通常對過濾過程的完全終止是需要的。特別地，過濾器的一般清洗可包括對過濾器或個別過濾元件的替換。通過對過濾器系統(tǒng)中過濾器清洗過程智能的和最優(yōu)化的開環(huán)控制，對過濾器系統(tǒng)的擴展操作和過濾器使用壽命的改善是可能的，且被使用于產(chǎn)品的資源的比例被保持在理想的范圍。特別地，一些語言規(guī)則的規(guī)定允許對過濾器系統(tǒng)的開環(huán)控制和/或閉環(huán)控制的靈活的調(diào)整以改變過程條件。捕捉的過程變量可從下列組中選擇:過濾器入口的液體的溫度，過濾器入口的液體的壓力，過濾器出口的液體的壓力，濾液的壓力，過濾器入口和過濾器出口之間的液體的壓差，過濾器入口的液體和濾液之間的壓差，供給過濾器入口的液體的體積流量，濾液的體積流量，供給過濾器入口的液體的流速，濾液的流速，過濾器的產(chǎn)量，過濾器的操作時間，過濾器的使用壽命(service lifetime),過濾器的運行時間,液體入口的液體的池度,濾液的濁度，在過濾器入口待被分離的粒子的濃度梯度，過濾器上覆蓋層的厚度，過濾器上覆蓋層的密度，過濾器的過濾阻力，過濾器生產(chǎn)能力，過濾器臨界值(cut-off limit),液體入口的液體的硬度等級，濾液的硬度等級，液體入口的液體的電導(dǎo)率，濾液的電導(dǎo)率，過濾器入口的液體的鹽的濃度，濾液中鹽的濃度，過濾器入口對過濾器污垢關(guān)鍵的離子濃度，濾液中對過濾器污垢關(guān)鍵的離子濃度，過濾器的逆流清洗阻力，逆流清洗液體的體積流量，在逆流清洗入口中的逆流沖洗液體的流速，在逆流清洗出口中的逆流清洗液體的濁度，在逆流清洗入口和逆流清洗出口之間的逆流清洗液體的壓差，逆流清洗過程的持續(xù)時間和過濾器的壽命，以及它們相對預(yù)定參考曲線的偏移。每一個捕捉的過程變量可因此被捕捉或作為值，或作為值的暫時變化，或作為值的暫時變化中的暫時變化或作為值的暫時趨勢。個體過程變量可同樣的在不同的時間點被捕捉。特別地，一個和與其同樣的過程變量可在不同的時間點被捕捉。過程變量的暫時趨勢可在3，5，10或更多的時間點被捕捉。附加的，被捕捉的過程變量可跨越若干時間點被合計。合適的過程變量的捕捉使得對過濾系統(tǒng)的精確和靈活的開環(huán)控制和/或閉環(huán)控制是可能的。此外，過程變量的暫時發(fā)展的捕捉允許它們的發(fā)展到未來的預(yù)測并最終有更好的決策標準。過濾器的產(chǎn)量為濾液的體積流量對傳送到過濾器入口的液體的體積流量的關(guān)系。過濾器使用周期(service life)通常被理解為本過濾器工作直到下一次清洗需要執(zhí)行的時間。由于濾液(滲透)的恒定排放，增長的邊界層在過濾過程中形成于過濾器之上(覆蓋層或污垢)。因此分 離的粒子或分子的濃度梯度在邊界層發(fā)生(濃度極化)。對應(yīng)的梯度也可貫穿過濾器的截面發(fā)生。隨著覆蓋層的厚度和/或密度的增加，過濾阻力也增加。臨界值，例如，分離粒子或分子的最小尺寸，同樣的因此減小。對過濾器污垢重要的離子可為，例如，鐵或錳。過濾循環(huán)通常由兩個過濾器清洗過程劃界。過濾器的逆流清洗通常通過將以與過濾方向相反的方向穿過過濾器的逆流洗滌液體再循環(huán)進行。因此過濾器對抗逆流清洗的阻力嚴重地取決于在過濾器上形成的覆蓋層和特別地通過吸附過程滲入過濾器并在該處被限制的粒子或分子。逆流清洗液體可，特別地，為濾液(滲透)。根據(jù)進一步的發(fā)展，過濾器清洗過程的啟動和/或過濾過程的繼續(xù)可在輸出值的基礎(chǔ)上進行。特別地啟動清洗過程的步驟可因此包括對下述組中清洗過程類型的選擇:過濾器的逆流清洗，過濾器的原地清洗，過濾器的逆流清洗和原地清洗，過濾器的一般清洗和預(yù)定的清洗程序。根據(jù)另一個進一步的發(fā)展，過濾器清洗過程的繼續(xù)和/或過濾器清洗過程的終止和在清洗過程終止后過濾過程的啟動可在輸出值的基礎(chǔ)上進行。根據(jù)另一個根據(jù)本發(fā)明的方法的進一步的發(fā)展，過濾過程的開環(huán)控制和/或閉環(huán)控制或過濾過程的繼續(xù)可由于對過濾過程的至少一個過程參數(shù)的調(diào)整的包含進行。至少一個過程參數(shù)的調(diào)整可因此根據(jù)上述模糊邏輯方法和/或通過人工神經(jīng)網(wǎng)絡(luò)進行。特別地，根據(jù)模糊理論對至少一個過程參數(shù)的調(diào)整的規(guī)則可通過預(yù)定語言項被表達。至少一個過程參數(shù)可依此自下述組中被選擇:過濾器入口液體溫度，過濾器入口液壓，過濾器入口和過濾器出口之間液體的壓差，過濾器入口和濾液的壓差，輸入過濾器入口的液體的體積流量，輸入過濾器入口的液體的流速。正進行的過濾操作可因此根據(jù)使用的過濾器的使用周期被最優(yōu)化。此外根據(jù)本發(fā)明的方法可包括在模糊邏輯和/或人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上的清洗過程的清洗成效的評定。
通過評定清洗成效，利用反饋獲得清洗過程以及過濾中的過程參數(shù)的最優(yōu)化是可能的。特別的，清洗過程可通過對清洗成效周期的評定持續(xù)地最優(yōu)化。清洗成效的評定可因此特別地在同樣的過程變量的基礎(chǔ)上進行，所述過程變量被部分地或全部地用于確定那個輸出值或那些輸出值，其中清洗過程的啟動的進行取決于這個輸出值或這些輸出值。特別地，清洗成效的評定可根據(jù)同樣的方法進行，所述方法為根據(jù)清洗過程的啟動所采用的方法。特別地，一個或更多的先決條件的和/或一個或更多規(guī)則的動作的語言項可因此被否定。在這種情況下，獲得必需的語言規(guī)則的特別簡單的表達是可能的。根據(jù)進一步的發(fā)展，清洗成效的評定可通過同樣的模糊控制器和/或接管對清洗過程的啟動的開環(huán)控制和/或閉環(huán)控制的人工神經(jīng)網(wǎng)絡(luò)實施。對此可選擇地，評定可通過單獨的模糊控制器和/或人工神經(jīng)網(wǎng)絡(luò)實施。過濾器的清洗過程的清洗成效的評定可在一個或更多輸出值的基礎(chǔ)上進行，所述輸出值已在模糊邏輯和/或人工神經(jīng)網(wǎng)絡(luò)的幫助下根據(jù)上述方法確定。特別的，過濾器的清洗過程的清洗成效的評定可在過濾器的逆流清洗阻力和/或其暫時變化的基礎(chǔ)上進行。在最簡單的情形下(很多超濾膜在這種方式下操作)，只有一個逆流清洗步驟被插入，其在跨過過濾器預(yù)定輸入的規(guī)定時間運行?？蛇x擇地，逆流清洗可包括若干逆流清洗步驟，借此逆流清洗，例如，交替或以特別的順序跨過兩個或更多在過濾側(cè)的模塊輸入進行。為了這個目的特別的清洗步驟可被加于非過濾測。有選擇地改變沖洗方向也是可能的。因此下述變體可運行，例如:在兩個不同方向?qū)Ψ沁^濾區(qū)域沖洗或在與過濾方向相反方向穿過膜逆流清洗。根據(jù)另一個進一步的發(fā)展，逆流清洗可包括至少兩個逆流清洗步驟，其中至少兩個逆流清洗步驟中的至少一個的持續(xù)時間和/或強度在清洗成效的評定的基礎(chǔ)上被開環(huán)控制或閉環(huán)控制。特別地，所述至少一個逆流清洗步驟的持續(xù)時間和/或強度可在之前的清洗的清洗成效的評定的基礎(chǔ)上被調(diào)整。之前的清洗可同樣為逆流清洗步驟，或可為過濾器的另一種清洗過程， 尤其是上述組的清洗過程的一種。所述至少一個逆流清洗步驟的強度可因此通過對自逆流清洗參數(shù)的下述組的至少一個參數(shù)的調(diào)整而調(diào)整:逆流清洗液體的體積流量，逆流清洗液體在逆流清洗入口的流速，在逆流清洗入口的逆流清洗液體的壓力，和在逆流清洗入口的逆流清洗液體的溫度，以及它們的暫時變化。所述至少一個逆流清洗步驟的持續(xù)時間和/或強度的開環(huán)控制和/或閉環(huán)控制可根據(jù)采用模糊控制器按照模糊邏輯的上述方法進行。在進一步的發(fā)展中，開環(huán)控制和/或閉環(huán)控制可通過神經(jīng)-模糊控制器進行，其中開環(huán)控制和/或閉環(huán)控制包括下述步驟:清洗成功和清洗失敗的記錄，通過人工神經(jīng)網(wǎng)絡(luò)對記錄的清洗成功和清洗失敗的評定，和在通過人工神經(jīng)網(wǎng)絡(luò)的評定的基礎(chǔ)上對至少一個逆流清洗步驟的至少一個過程參數(shù)的調(diào)整。通過使用人工神經(jīng)網(wǎng)絡(luò)，清洗過程的開環(huán)控制和/或閉環(huán)控制可被朝向最優(yōu)化專家系統(tǒng)平衡，所述專家系統(tǒng)甚至無須先前的和外部的專家知識就做到優(yōu)化關(guān)于持續(xù)時間和強度的逆流清洗的過程。人工神經(jīng)網(wǎng)絡(luò)包括一個或更多被布置于一個或更多層的人工神經(jīng)元。由此每個人工神經(jīng)元決定來自多個輸入信號中的一個的輸出信號。作為加權(quán)的輸入信號的和的凈輸入可因此由在一個或更多預(yù)定的權(quán)重的幫助下的一個或更多的輸入信號確定。輸出信號可由通過使用激活函數(shù)的凈輸入確定。激活函數(shù)可為閾值函數(shù)，S (sigmoid)型函數(shù)或線性函數(shù)。S型函數(shù)在此具有下述優(yōu)點，其為連續(xù)可微的并最終可被使用于類似最大坡度的梯度法的最優(yōu)化方法中。人工神經(jīng)元可特別地以具有可變閾值的感知器的形式出現(xiàn)。特別地人工神經(jīng)網(wǎng)絡(luò)具有其為學(xué)習(xí)系統(tǒng)的優(yōu)點。在此人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)通過調(diào)整神經(jīng)元的輸入信號的權(quán)重發(fā)生。特別地，學(xué)習(xí)步驟可包括一個或更多預(yù)定的輸入信號的應(yīng)用和具有一個或更多期望的值的該一個或多個神經(jīng)元的一個或多個輸出信號的對比。在下一個學(xué)習(xí)步驟中，神經(jīng)元的權(quán)重可因此被改變使得來自期望的一個或多個值的一個或多個輸出信號的偏差減少，最終錯誤減少。在人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上的過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制可最終被靈活的調(diào)整為改變的過程條件。對于多層神經(jīng)網(wǎng)絡(luò)，例如多層感知器(MLP ),逆?zhèn)?backpropagation )算法可被使用用于執(zhí)行學(xué)習(xí)步驟。逆?zhèn)魉惴梢虼送ㄟ^沿著誤差函數(shù)梯度方向的下降來確定特別的學(xué)習(xí)問題的誤差函數(shù)的最小值。在多層神經(jīng)網(wǎng)絡(luò)的情況下，通常層的每個神經(jīng)元被連接于前面層的所有神經(jīng)元的輸出。第一層(輸入層)的神經(jīng)兀被連接于預(yù)定的輸入信號。用于過濾系統(tǒng)，特別的過濾器清洗過程的開環(huán)控制和/或閉環(huán)控制的人工神經(jīng)網(wǎng)絡(luò)，可在線下通過專家培訓(xùn)，例如，不需過程控制，或(也)在線培訓(xùn)，例如，在進行中的過程控制期間。特別的，以神經(jīng)-模糊控制器的形式的人工神經(jīng)網(wǎng)絡(luò)可被與根據(jù)本發(fā)明的方法的模糊控制器結(jié)合。通過這種方式，模糊系統(tǒng)的直觀的控制的透明度可與人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力結(jié)合。特別的，神經(jīng)-模糊控制器可學(xué)習(xí)語言規(guī)則和/或隸屬函數(shù)且能最優(yōu)化已有的語言規(guī)則和/或隸 屬函數(shù)。神經(jīng)-模糊控制器可因此被作為合作系統(tǒng)實施，在所述合作系統(tǒng)中神經(jīng)網(wǎng)絡(luò)獨立于模糊系統(tǒng)工作且模糊系統(tǒng)的參數(shù)由神經(jīng)網(wǎng)絡(luò)決定和/或最優(yōu)化。神經(jīng)網(wǎng)絡(luò)可因此通過學(xué)習(xí)模糊集合或?qū)W習(xí)語言規(guī)則來學(xué)習(xí)。對模糊集合的學(xué)習(xí)可通過改進的反向傳播方法進行，在所述反向傳播方法中模糊集合的隸屬函數(shù)的位置和形式被改變?nèi)〈鷻?quán)重。當對最優(yōu)化應(yīng)用梯度法時，在此使用可微的隸屬函數(shù)是有利的，例如高斯鐘形曲線。此外，推論可通過形成結(jié)果取代形成前提的隸屬函數(shù)的最小值完成。規(guī)則的學(xué)習(xí)可利用通過在過程控制中的規(guī)律的捕捉和根據(jù)規(guī)定標準的對同樣的規(guī)律的評定以訓(xùn)練神經(jīng)網(wǎng)絡(luò)來進行。特別的，這可在專家對過濾系統(tǒng)操作時進行。在這個線下學(xué)習(xí)過程的結(jié)論之后，所發(fā)現(xiàn)的規(guī)律可在規(guī)定的模糊集合的幫助下用規(guī)則表達，例如語言項?？蛇x擇地或可附加地，在線神經(jīng)-模糊系統(tǒng)可在開始時被裝備規(guī)則庫，在所述規(guī)則庫中大致地成熟的模糊集合彼此關(guān)聯(lián)。通過觀察和評定過程控制的學(xué)習(xí)過程可因此影響模糊集合或規(guī)則。然而，神經(jīng)-模糊控制器也可作為混合系統(tǒng)實施在所述混合系統(tǒng)中模糊邏輯的性質(zhì)和人工神經(jīng)網(wǎng)絡(luò)的性質(zhì)被不可分的組合。在模糊神經(jīng)元中，模糊集合可替代權(quán)重，以此在內(nèi)層的模糊神經(jīng)元中對輸入信號和它們的推斷的隸屬度(模糊化)的確定取代加權(quán)和和激活函數(shù)。在輸出層的模糊神經(jīng)元中，在另一方面，合成和去模糊化可取代權(quán)重和和激活函數(shù)。在系統(tǒng)輸出的誤差函數(shù)可因此同樣的描述為模糊集合描述。對于在混合神經(jīng)-模糊控制器的學(xué)習(xí)的一個可能性包括規(guī)定所有過濾系統(tǒng)的或在控制器試運行之前的子過程的開環(huán)控制和/或閉環(huán)控制可能的規(guī)則和在在線操作時通過神經(jīng)-模糊控制器使不需要的規(guī)則消除。相應(yīng)的，在進一步的發(fā)展中，通過神經(jīng)-模糊控制器的開環(huán)控制和/或閉環(huán)控制的方法可包括對至少一個逆流清洗步驟的消除或優(yōu)先設(shè)置。預(yù)定的安全機制可以此阻止對過濾器清洗過程完全的消除的出現(xiàn)。神經(jīng)模糊控制器朝向?qū)^濾器清洗過程完全的消除的傾向可用于對清洗過程的質(zhì)量的評定。過濾器的開環(huán)控制和/或閉環(huán)控制，以及同樣的對過濾器清洗過程的開環(huán)控制和/或閉環(huán)控制，可通過一個或多個模糊控制器和/或人工神經(jīng)網(wǎng)絡(luò)實施?？刂破骺杀黄叫械倪B接，意味著彼此獨立，或至少部分串聯(lián)的連接，意味著每一個是前一個的延伸。一個或更多模糊控制器可被優(yōu)先考慮。上述參數(shù)的調(diào)整，例如在最優(yōu)化步驟中被調(diào)整的參數(shù)的調(diào)整，也可附加的或可選擇的獨立于根據(jù)本發(fā)明的開環(huán)控制和/或閉環(huán)控制進行，特別的通過外部系統(tǒng)，例如程序系統(tǒng)和/或?qū)＜?。如需要的話，待捕捉的過程變量和/或待控制的參數(shù)的集合也可被劃分為子群，其中子群的變量或參數(shù)的開環(huán)控制和/或閉環(huán)控制可被模糊系統(tǒng)和/或人工神經(jīng)網(wǎng)絡(luò)實施，也可根據(jù)本領(lǐng)域用于控制和/或最優(yōu)化的方法被實施。后者的方法特別的包括具有比例積分微分(PID)控制器的經(jīng)典控制或?qū)＜宜惴?，以及在概率統(tǒng)計方法基礎(chǔ)上的最優(yōu)化方法，基因演算法，或圖靈機。通過分割參數(shù)空間，減少對計算能力和內(nèi)存特定的需求以及需要的語言規(guī)則和/或訓(xùn)練示例的數(shù)量是可能的。在進一步的發(fā)展中，粗略的開環(huán)控制和/或閉環(huán)控制還可通過經(jīng)典的方法或模糊控制器實施，同時待被最優(yōu)化的參數(shù)的微調(diào)可通過人工神經(jīng)網(wǎng)絡(luò)或神經(jīng)-模糊控制器進行。
·
在附加的進一步的發(fā)展中，一個或更多模糊控制器和/或人工神經(jīng)網(wǎng)絡(luò)被直接整合到可編程序邏輯控制器(PLC)。根據(jù)本發(fā)明的方法，特別地在它的神經(jīng)-模糊控制器基礎(chǔ)上的進一步的發(fā)展中，允許超濾過濾系統(tǒng)的智能開環(huán)控制和/或閉環(huán)控制，按照泵和調(diào)節(jié)閥固定值和固定的極限值和固定的時間增量的確定的轉(zhuǎn)換點，其從嚴格的順序中脫離，所述時間增量，作為開關(guān)交換準則，引發(fā)下個步驟。此外，根據(jù)本發(fā)明的方法允許關(guān)于過濾和過濾-清洗過程的持續(xù)時間和效率的過濾系統(tǒng)的操作的最優(yōu)化，以及關(guān)于資源的使用，例如過濾材料，清洗材料和能量。由于模糊邏輯的使用，不再需要在復(fù)雜的數(shù)學(xué)模型(例如馬夸特(Marquardt)模型)的基礎(chǔ)上整合過程知識，即通過專家知識，進入工藝流程的運行和控制。更確切的會有下述情形，即通過簡單，字面的假設(shè)(if-then)關(guān)系，使用上述語言學(xué)規(guī)則，過濾系統(tǒng)的工藝流程的開環(huán)控制和閉環(huán)控制可被普通的系統(tǒng)操作員影響或甚至完整的接管。特別的，這允許對過濾系統(tǒng)開環(huán)控制和/或閉環(huán)控制簡單的調(diào)整到改變的過程條件。根據(jù)本發(fā)明，人工神經(jīng)網(wǎng)絡(luò)的使用無需較深的過程知識就可進行，其中系統(tǒng)的學(xué)習(xí)能力取代專家知識的缺乏。另一方面，若模糊控制器被使用，熟悉的過程知識可被通過簡單的解釋和執(zhí)行來使用和實現(xiàn)。模糊邏輯和人工神經(jīng)網(wǎng)絡(luò)的結(jié)合使得最佳地使用特定的系統(tǒng)的優(yōu)點成為可能，同時另一個特定系統(tǒng)的缺點可被抵消或至少減弱。進一步的性質(zhì)和解釋性的實施例以及本發(fā)明的優(yōu)點在附圖的基礎(chǔ)上在下面被更細致地解釋。需要理解的是實施例沒有超過本發(fā)明的范圍。此外需要理解的是下面描述的一些或全部特征也可以其他方式被彼此結(jié)合。


圖1描述了具有三個模糊控制器的過濾系統(tǒng)的開環(huán)控制循環(huán)的原理圖，所述模糊控制器它們自身對過濾順序，清洗時間點和清洗順序開環(huán)控制和/或閉環(huán)控制。圖2描述了根據(jù)預(yù)定規(guī)則的兩個語言項的邏輯結(jié)合，以“清洗”校正變量為例。圖3描述了用于校正變量的確定的兩個預(yù)定規(guī)則的合成，以“僅逆流清洗”校正變量為例。圖4描述了規(guī)則的優(yōu)先排序，以“繼續(xù)過濾”校正變量為例。圖5示出了在模糊邏輯基礎(chǔ)上對清洗成效的評定，以“重新過濾”校正變量為例。圖6示出了在模糊邏輯基礎(chǔ)上對清洗順序的最優(yōu)化。圖7示出了對清潔成功和清潔失敗的評定記錄，其作為通過人工神經(jīng)網(wǎng)絡(luò)對清洗順序的控制的基礎(chǔ)。
具體實施例方式圖1通過例子示出了本 發(fā)明的實施例。它描述了用于具有三個模糊控制器的過濾系統(tǒng)的閉環(huán)控制循環(huán)100。若干過 程變量101被捕捉且，若需要的話，被存儲于第一捕捉單元110。除了對過濾器清洗過程的成效的評定之外所述捕捉單元110也被使用于這個典型設(shè)計，尤其是逆流清洗過程，在過濾器180區(qū)域捕捉的過程變量的基礎(chǔ)上，例如，逆流清洗阻力的暫時變化。被捕捉單元110捕捉的數(shù)據(jù)此外可被在衡量單元(scaling unit) 120內(nèi)衡量和/或進一步處理。在工藝過程中，特別的過濾過程的專門知識可影響過濾過程。例如，被捕捉的和可能進一步被加工的數(shù)據(jù)可被傳送至根據(jù)本發(fā)明的兩個獨立的(神經(jīng))模糊控制器，其中第一模糊控制器130觀察當前過濾相對于參考曲線的偏差，所述參考曲線為，例如，在過濾系統(tǒng)的試運行期間被記錄。與執(zhí)行的語言規(guī)則一起，過濾順序被最佳化的控制且，若必要的話，過濾的終止被定義。第二模糊控制器140在執(zhí)行的語言規(guī)則的基礎(chǔ)上確定過濾器的清洗過程的啟動的必要性，例如沖洗或原地清洗，以及清洗過程的啟動的最優(yōu)化的時間點。在圖1示出的例示性實施例中，閉環(huán)控制循環(huán)包括第三模糊控制器150，其自身控制和優(yōu)化過濾器清洗過程。為了這個目的，第三模糊控制器150接收兩個模糊控制器130和140的輸出數(shù)據(jù)，所述輸出數(shù)據(jù)，例如，量化相對于參考曲線的偏移和過濾器清洗過程的必要性，并在接收的數(shù)據(jù)基礎(chǔ)上啟動和控制清洗過程。特別的，模糊控制器150可為神經(jīng)-模糊控制器其可自清洗程序中徹底的去除不適宜的清洗步驟并對清洗步驟優(yōu)先排序和/或增加其它有效和省時的步驟到清潔程序中。此外控制器150可選擇清洗過程的類型和/或合適的清洗程序?？刂破?50根據(jù)需要開環(huán)控制閥門170，在其幫助下過濾器180被清洗，例如，通過逆流清洗。通過第二數(shù)據(jù)捕捉單元160，控制器150通過過程數(shù)據(jù)接收清洗過程的進展的反饋，其在過濾器180的區(qū)域被測量。這里可特別的包括對過濾器逆流清洗阻力的測量，其中第二數(shù)據(jù)捕捉單元確定和檢查逆流清洗阻力的暫時變化并，在逆流清洗阻力處于預(yù)期的發(fā)展情況下，為下一個沖洗步驟發(fā)送信號到模糊控制器150。在過濾器區(qū)域測量的數(shù)據(jù)可同樣的被供給第一數(shù)據(jù)捕捉單元110，以從該處進一步的被處理。由于模糊控制根據(jù)任務(wù)被分為三個獨立的模糊控制器:a)以具有優(yōu)化的流量，從清洗開始點的最理想過濾結(jié)束時間的長使用壽命為目的的對過濾器的控制，b)通過對當前清洗的觀察來設(shè)置最理想清洗結(jié)束的清洗的控制，和c)通過對最優(yōu)化的清洗方式和最優(yōu)化的清洗步驟以及向之前清洗步驟借鑒基礎(chǔ)上的其數(shù)量的選擇對清洗的最優(yōu)化，阻止模糊控制由于過多的語言規(guī)則和變量和過度復(fù)雜的人工神經(jīng)性網(wǎng)絡(luò)的需要而超負荷是可能的。圖2通過例子示出了根據(jù)預(yù)定規(guī)則的兩個語言項的邏輯組合，其將“清洗”矯正變量作為例子。在^時刻，過程變量X1 (在過濾器入口的液體和濾液之間的壓差，也即跨膜壓)和X2 (濾液的體積流量)被測量。虛線表示對語言項“小”，“中”和“高”的區(qū)域的測量曲線清晰的劃分。下側(cè)的圖形描繪了語言項“中等壓差”和“小體積流量”的隸屬函數(shù)，此外還有語言項“清洗”動作的隸屬函數(shù)。所述前提的隸屬函數(shù)描繪了對應(yīng)上述上確限/界的模糊集合。下側(cè)圖形中的虛線示出測量數(shù)據(jù)對語言項的隸屬度的確定和由于最小值的形成導(dǎo)致的邏輯與的操作。預(yù)定規(guī)則的“清洗”動作的結(jié)果隸屬函數(shù)被陰影顯示?？捎蛇M一步的語言規(guī)則確定的進一步可能的動作(“逆流” “繼續(xù)過濾”)由破折線顯示。圖3描述了圖2中示出的第一語言規(guī)則與第二語言規(guī)則的通過合成的結(jié)合。捕捉的第三和第四過程變量為在過濾器入口的液體和濾液之間的壓差的暫時變化X3和過濾器入口的液體的濁度χ4。第二語言規(guī)則可因此被表達如下:如果壓差的暫時變化為中等且濁度為中等，那么逆流，其意味著輸出值y為中等。因此上述記載的可替代的動作之一的規(guī)則與第二語言規(guī)則共存。由于第一和第二語言規(guī)則的動作延伸至同樣的輸出值，根據(jù)模糊邏輯的規(guī)律對兩個規(guī)則的合成，這里通過將兩個隸屬函數(shù)結(jié)合為一個整體隸屬函數(shù)，可發(fā)生。在所描述的典型的設(shè)計中，輸出值的值由位于整體隸屬函數(shù)下方區(qū)域的重心的中部的形成確定。圖4描繪了規(guī)則的優(yōu)先排序，以具有“繼續(xù)過濾”動作的第三語言規(guī)則為例，其為上述給出的第三個可選擇的動作。這里捕捉的過程變量為產(chǎn)量X1和在過濾器入口的液體和濾液之間的壓差X2，據(jù)此第三語言規(guī)則如下:如果產(chǎn)率高而壓差中，那么繼續(xù)過濾，意味著輸出值y為高。由于規(guī)則為優(yōu)先的，例如通過利用人工神經(jīng)網(wǎng)絡(luò)設(shè)定對應(yīng)的權(quán)重，無結(jié)果隸屬函數(shù)和其他兩個規(guī)則中的一個結(jié)果隸屬函數(shù)合成發(fā)生。反而，在這個設(shè)計中，例如，動作的隸屬度被與閾值比較以設(shè)定對應(yīng)的校正變量。示出的例子演示了優(yōu)先的規(guī)則如何控制開環(huán)控制或閉環(huán)控制過程。圖5通過例子示出借助模糊控制器對清洗成效的評定。為了這個目的，在上列的圖形中，首先過程變量暫時的發(fā)展:過濾器逆流清洗阻力的暫時變化X1和在逆流清洗出口意味在逆流清洗液體中的沖洗水的濁度X2被示出，其在時刻tB被捕捉。規(guī)則“如果逆流清洗阻力的暫時變化小且沖洗水的濁度小，那么則是非常好的清洗成效”的對應(yīng)語言項被在下列圖形中示出。由于“非常好的清洗成效”的動作的隸屬函數(shù)的非對稱形式，則這種情況下使用重心法用以確 定輸出值是也是合理的。附圖示出了預(yù)先使用的用以開環(huán)控制和/或閉環(huán)控制的同樣的模糊邏輯方法如何也可被使用用以評定清洗的成效。這里在清洗成效的評定的基礎(chǔ)上進行設(shè)定對應(yīng)的“重新啟動過濾”校正變量。最后，圖6示出了連環(huán)(i nterlinking)如何由語言規(guī)則的排序產(chǎn)生。圖5的語言規(guī)則的輸出量X2’ =y在此根據(jù)規(guī)則“如果清洗持續(xù)時間長且清洗成效非常好，那么縮短清洗持續(xù)時間”被連接于過程因子“清洗持續(xù)時間”Xl。所述規(guī)則演示了如何通過使用模糊控制器開始清洗成效的評定，使得清洗持續(xù)時間可在模糊邏輯的基礎(chǔ)上被最優(yōu)化。圖6因此示出了通過單純的模糊控制器的最優(yōu)化步驟。對此可選擇的或可附加的，最優(yōu)化步驟和/或評定步驟可被人工神經(jīng)網(wǎng)絡(luò)實施。對逆流清洗，清洗(原地清洗)和重復(fù)清洗過程步驟的清洗成效的評定表在圖7中示出。在評定表的基礎(chǔ)上，為了最優(yōu)化的目的做出改變過程參數(shù)的建議是可能的。建議可在人工神經(jīng)網(wǎng)絡(luò)，模糊控制器，或神經(jīng)-模糊控制器的幫助下發(fā)生。加號代表動作的成功減號代表動作的失敗，而雙加號代表重復(fù)的或特別好的成效。在逆流清洗的重復(fù)的成功的情況下(見步驟5)，舉例來說，這里“縮短逆流清洗時間”被引發(fā)。調(diào)整步驟，例如逆流清洗持續(xù)時間的縮短，其步長可據(jù)此被預(yù)設(shè)或可通過(神經(jīng)_)模糊控制器自身調(diào)整。所述控制可據(jù)此如同上述通過模糊控制器，神經(jīng)-模糊控制器或人工神經(jīng)網(wǎng)絡(luò)實施。上述附圖示出建立在模糊邏輯原則上的簡單，直觀的規(guī)則如何使可復(fù)制和優(yōu)化的過程控制在不需專業(yè)知識 的情況下成為可能。通過模糊控制器和/或人工神經(jīng)網(wǎng)絡(luò)，過程的自動最優(yōu)化在此接演了通常由專家扮演的角色。
權(quán)利要求
1.用于液體超濾的過濾系統(tǒng)的開環(huán)控制/或閉環(huán)控制的方法，尤其是用于水的超濾，具有過濾器(180)，其中所述開環(huán)控制和/或閉環(huán)控制在模糊邏輯和/或人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進行。
2.根據(jù)權(quán)利要求1所述的方法，包括下述步驟: 捕捉所述過濾系統(tǒng)的至少第一和第二過程變量； 在第一預(yù)定隸屬函數(shù)的基礎(chǔ)上確定所述第一過程變量對第一語言項的第一隸屬度；在第二預(yù)定隸屬函數(shù)的基礎(chǔ)上確定所述第二過程變量對第二語言項的第二隸屬度；根據(jù)用于確定所述第一預(yù)定規(guī)則的動作的第一結(jié)果隸屬函數(shù)的至少第一預(yù)定規(guī)則對所述第一和第二語言項邏輯地組合； 在所述至少第一預(yù)定規(guī)則的動作的所述第一結(jié)果隸屬函數(shù)的基礎(chǔ)上確定整體隸屬函數(shù)； 自所述整體隸屬函數(shù)獲得輸出值；和 對過濾系統(tǒng)，特別地對過濾器(180)的清洗過程或取決于輸出值的過濾過程的開環(huán)控制和/或閉環(huán)控制。
3.根據(jù)權(quán)利要求2所述的方法，還包括: 自過濾系統(tǒng)捕捉至少第三和第四過程變量； 在第三預(yù)定隸屬函數(shù)的基礎(chǔ)上確定所述第三過程變量對第三語言項的第三隸屬度；在第四預(yù)定隸屬函數(shù)的基礎(chǔ)上確定所述第四過程變量對第四語言項的第四隸屬度；根據(jù)用于確定所述至少第二預(yù)定規(guī)則的動作的第二結(jié)果隸屬函數(shù)的至少第二預(yù)定規(guī)則對所述第三和第四語言項 邏輯地組合；其中: 整體隸屬函數(shù)通過對所述至少第一預(yù)定規(guī)則的所述動作的至少所述第一結(jié)果隸屬函數(shù)和所述至少第二預(yù)定規(guī)則的動作的所述第二結(jié)果隸屬函數(shù)確定。
4.根據(jù)權(quán)利要求2或3所述的方法，其中所述清洗過程包括逆流清洗。
5.根據(jù)權(quán)利要求1-4任一所述的方法，其中所述捕捉的過程變量選自下述組:過濾器入口的液體的溫度，過濾器入口的液體的壓力，過濾器出口的液體的壓力，濾液的壓力，過濾器入口和過濾器出口之間的液體的壓差，過濾器入口的液體和濾液之間的壓差，供給過濾器入口的液體的體積流量，濾液的體積流量，供給過濾器入口的液體的流速，濾液的流速，過濾器的產(chǎn)量，過濾器的操作時間，過濾器的使用壽命，過濾器的運行時間，液體入口的液體的濁度，濾液的濁度，在過濾器入口待被分離的粒子的濃度梯度，過濾器上覆蓋層的厚度，過濾器上覆蓋層的密度，過濾器的過濾阻力，過濾器生產(chǎn)能力，過濾器臨界值，液體入口的液體的硬度等級，濾液的硬度等級，過濾器入口的液體的電導(dǎo)率，濾液的電導(dǎo)率，過濾器入口的液體的鹽的濃度，濾液中鹽的濃度，過濾器入口對過濾器污垢關(guān)鍵的離子濃度，濾液中對過濾器污垢關(guān)鍵的離子濃度，過濾循環(huán)的數(shù)量，過濾器的逆流清洗阻力，逆流清洗液體的體積流量，逆流清洗入口中逆流清洗液體的流速，在逆流清洗出口的逆流清洗液體的濁度，在逆流清洗入口和逆流清洗出口之間的逆流清洗液體的壓差，逆流清洗過程的持續(xù)時間和過濾器的壽命，以及它們相對預(yù)定參考曲線的偏移；其中每一個捕捉的過程變量或作為值，或作為值的暫時變化，或作為值的暫時變化中的暫時變化或作為值的暫時趨勢被捕捉。
6.根據(jù)權(quán)利要求2-5任一所述的方法，其中過濾器(180)的清洗過程的啟動和/或過濾過程的持續(xù)在輸出值的基礎(chǔ)上進行。
7.根據(jù)權(quán)利要去6所述的方法，其中啟動清洗過程的步驟可包括自下述組中清洗過程類型的選擇:過濾器(180)的逆流清洗，過濾器(180)的原地清洗，過濾器(180)的逆流清洗和原地清洗，過濾器(180)的一般清洗和預(yù)定的清洗程序。
8.根據(jù)權(quán)利要求2-7任一所述的方法，其中過濾器(180)的清洗過程的持續(xù)和/或過濾器清洗過程的終止和在清洗過程終止后過濾過程的啟動在輸出值的基礎(chǔ)上進行。
9.根據(jù)權(quán)利要求6或7所述的方法，其中過濾過程的持續(xù)在對過濾過程的至少一個過程參數(shù)的調(diào)整下進行。
10.根據(jù)上述權(quán)利要求任一所述的方法，其中過濾過程的開環(huán)控制和/或閉環(huán)控制包括對過濾過程的至少一個過程參數(shù)的調(diào)整。
11.根據(jù)權(quán)利要求9或10所述的方法，其中所述至少一個過程參數(shù)自下述組中選擇:過濾器入口液體溫度，所述過濾器入口液壓，所述過濾器入口和過濾器出口之間液體的壓差，所述過濾器入口的液體和濾液的壓差，過濾器入口輸入的液體的體積流量，過濾器入口輸入的液體的流速 。
12.根據(jù)權(quán)利要求2_11任一所述的方法，進一步包括:在模糊邏輯和/或人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上的清洗過程的清洗成效的評定。
13.根據(jù)權(quán)利要求12所述的方法，其中對清洗成效的評定在輸出值的基礎(chǔ)上進行。
14.根據(jù)權(quán)利要求12或13所述的方法，其中所述逆流清洗包括至少兩個逆流清洗步驟，其中至少兩個逆流清洗步驟中的至少一個的持續(xù)時間和/或強度在清洗成效的評定的基礎(chǔ)上被開環(huán)控制或閉環(huán)控制。
15.根據(jù)權(quán)利要求14所述的方法，其中開環(huán)控制和/或閉環(huán)控制通過神經(jīng)-模糊控制器進行，進一步包括下述步驟: 清洗成功和清洗失敗的記錄； 通過人工神經(jīng)網(wǎng)絡(luò)對記錄的清洗成功和清洗失敗的評定；和在通過人工神經(jīng)網(wǎng)絡(luò)的評定的基礎(chǔ)上對至少一個逆流清洗步驟的至少一個過程參數(shù)的調(diào)整。
16.根據(jù)權(quán)利要求15所述的方法，進一步包括對至少一個逆流清洗步驟的消除或優(yōu)先排序。
全文摘要
本發(fā)明提供用于液體超濾的過濾系統(tǒng)的開環(huán)控制和/或閉環(huán)控制的方法，尤其是用于水的超濾，具有過濾器，其中所述開環(huán)控制和/或閉環(huán)控制在模糊邏輯和/或人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上進行。
文檔編號B01D65/02GK103239990SQ20131005136
公開日2013年8月14日 申請日期2013年2月16日 優(yōu)先權(quán)日2012年2月13日
發(fā)明者迪爾克·舒爾, 約克·扎卡利亞斯 申請人:克朗斯股份公司