国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種高效節(jié)能環(huán)保的養(yǎng)殖系統(tǒng)的制作方法

      文檔序號(hào):11071915閱讀:277來(lái)源:國(guó)知局
      一種高效節(jié)能環(huán)保的養(yǎng)殖系統(tǒng)的制造方法與工藝

      本發(fā)明涉及水產(chǎn)養(yǎng)殖領(lǐng)域,具體涉及一種高效節(jié)能環(huán)保的養(yǎng)殖系統(tǒng)。



      背景技術(shù):

      隨著海水養(yǎng)殖技術(shù)水平的提高和市場(chǎng)需求的擴(kuò)大,我過(guò)水產(chǎn)養(yǎng)殖技術(shù)得到了迅速的發(fā)展。水產(chǎn)養(yǎng)殖過(guò)程中,會(huì)產(chǎn)生大量的養(yǎng)殖廢水,目前大多數(shù)的水產(chǎn)養(yǎng)殖均將這些養(yǎng)殖廢水外排,而不是采用回收利用的方法,造成了較大的浪費(fèi),限制了養(yǎng)殖產(chǎn)能。



      技術(shù)實(shí)現(xiàn)要素:

      針對(duì)上述問(wèn)題,本發(fā)明提供一種高效節(jié)能環(huán)保的養(yǎng)殖系統(tǒng)。

      本發(fā)明的目的采用以下技術(shù)方案來(lái)實(shí)現(xiàn):

      一種高效節(jié)能環(huán)保的養(yǎng)殖系統(tǒng),包括養(yǎng)殖池本體,養(yǎng)殖池本體上部設(shè)置有用隔板隔開(kāi)的蝦蟹類養(yǎng)殖池和魚(yú)類養(yǎng)殖池,養(yǎng)殖池本體的下部為沉淀區(qū),沉淀區(qū)連通有排污泵,排污泵排出的污水經(jīng)過(guò)污水凈化裝置凈化后送回蝦蟹類養(yǎng)殖池的上部;魚(yú)類養(yǎng)殖池的側(cè)面連通有用于向養(yǎng)殖池本體送入氧氣的增氧風(fēng)機(jī)。

      本發(fā)明的有益效果為:通過(guò)將蝦蟹類和魚(yú)類分開(kāi)養(yǎng)殖,將經(jīng)過(guò)凈化后的污水重新送入對(duì)水質(zhì)要求比較低的蝦蟹類養(yǎng)殖池中,提高了養(yǎng)殖產(chǎn)能,有效回收養(yǎng)殖資源,節(jié)能環(huán)保。

      附圖說(shuō)明

      利用附圖對(duì)本發(fā)明作進(jìn)一步說(shuō)明,但附圖中的實(shí)施例不構(gòu)成對(duì)本發(fā)明的任何限制,對(duì)于本領(lǐng)域的普通技術(shù)人員,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)以下附圖獲得其它的附圖。

      圖1是本發(fā)明的整體結(jié)構(gòu)示意圖;

      圖2是故障分析裝置的結(jié)構(gòu)框圖。

      附圖標(biāo)記:

      隔板-1;蝦蟹類養(yǎng)殖池-2;魚(yú)類養(yǎng)殖池-3;沉淀區(qū)-4;排污泵-5;污水凈化裝置-6;增氧風(fēng)機(jī)-7;離子式空氣凈化裝置-8;濾網(wǎng)-9;故障分析裝置-10;樣本數(shù)據(jù)采集模塊-11;振動(dòng)信號(hào)數(shù)據(jù)預(yù)處理模塊-12;歷史故障特征提取模塊-13;實(shí)時(shí)故障診斷特征向量采集模塊-14;故障診斷模型建立模塊-15;故障診斷識(shí)別模塊-16。

      具體實(shí)施方式

      結(jié)合以下實(shí)施例對(duì)本發(fā)明作進(jìn)一步描述。

      如圖1所示的一種高效節(jié)能環(huán)保的養(yǎng)殖系統(tǒng),包括養(yǎng)殖池本體,養(yǎng)殖池本體上部設(shè)置有用隔板1隔開(kāi)的蝦蟹類養(yǎng)殖池2和魚(yú)類養(yǎng)殖池3,養(yǎng)殖池本體的下部為沉淀區(qū)4,沉淀區(qū)4連通有排污泵5,排污泵5排出的污水經(jīng)過(guò)污水凈化裝置6凈化后送回蝦蟹類養(yǎng)殖池2的上部;魚(yú)類養(yǎng)殖池3的側(cè)面連通有用于向養(yǎng)殖池本體送入氧氣的增氧風(fēng)機(jī)7。

      優(yōu)選地,增氧風(fēng)機(jī)7與離子式空氣凈化裝置8連通,養(yǎng)殖池本體的上部與下部之間用濾網(wǎng)9隔開(kāi),污水凈化裝置6為過(guò)濾池或者微生物反應(yīng)池。

      本發(fā)明上述實(shí)施例通過(guò)將蝦蟹類和魚(yú)類分開(kāi)養(yǎng)殖,將經(jīng)過(guò)凈化后的污水重新送入對(duì)水質(zhì)要求比較低的蝦蟹類養(yǎng)殖池中,提高了養(yǎng)殖產(chǎn)能,有效回收養(yǎng)殖資源,節(jié)能環(huán)保。

      優(yōu)選地,增氧風(fēng)機(jī)7還包括用于診斷增氧風(fēng)機(jī)7故障的故障分析裝置10。

      優(yōu)選地,所述故障分析裝置10包括依次連接的樣本數(shù)據(jù)采集模塊11、振動(dòng)信號(hào)數(shù)據(jù)預(yù)處理模塊12、歷史故障特征提取模塊13、實(shí)時(shí)故障診斷特征向量采集模塊14、故障診斷模型建立模塊15和故障診斷識(shí)別模塊16。

      優(yōu)選地,所述樣本數(shù)據(jù)采集模塊11用于通過(guò)傳感器采集該增氧風(fēng)機(jī)7在正常狀態(tài)下及各種故障狀態(tài)下運(yùn)行時(shí)多個(gè)測(cè)點(diǎn)的歷史振動(dòng)信號(hào)數(shù)據(jù)。

      優(yōu)選地,所述振動(dòng)信號(hào)數(shù)據(jù)預(yù)處理模塊12用于對(duì)采集到的原始?xì)v史振動(dòng)信號(hào)數(shù)據(jù)進(jìn)行預(yù)處理,具體為:

      假設(shè)采集到的原始?xì)v史振動(dòng)信號(hào)數(shù)據(jù)集為X′,利用FIR數(shù)字濾波器按下式濾除X′的帶外分量:

      其中,X為濾波后得到的歷史振動(dòng)信號(hào)數(shù)據(jù),c為測(cè)點(diǎn)的個(gè)數(shù),o=1,2,3…c-1;h為FIR數(shù)字濾波器結(jié)合所用傳感器的過(guò)濾系數(shù),且h=τ/2f0,其中τ為由數(shù)字濾波器自身特性決定的常數(shù),f0為所用傳感器的固有采集頻率。

      本優(yōu)選實(shí)施例中,通過(guò)FIR濾波器進(jìn)行振動(dòng)信號(hào)濾波,能夠自適應(yīng)不同的振動(dòng)信號(hào),消除原始?xì)v史振動(dòng)信號(hào)數(shù)據(jù)中的時(shí)域波形畸變,輸出過(guò)濾了部分噪音且沒(méi)有時(shí)域畸變的振動(dòng)信號(hào),提高對(duì)用于診斷增氧風(fēng)機(jī)7故障的數(shù)據(jù)進(jìn)行處理的精度。

      優(yōu)選地,該歷史故障特征提取模塊13用于從經(jīng)過(guò)振動(dòng)信號(hào)數(shù)據(jù)預(yù)處理模塊12過(guò)濾后的歷史振動(dòng)信號(hào)數(shù)據(jù)中提取小波包奇異值特征構(gòu)成故障診斷特征向量樣本;優(yōu)選地,該傳感器為電渦流傳感器。

      優(yōu)選地,所述從經(jīng)過(guò)振動(dòng)信號(hào)數(shù)據(jù)預(yù)處理模塊12過(guò)濾后的歷史振動(dòng)信號(hào)數(shù)據(jù)中提取小波包奇異值特征構(gòu)成故障診斷特征向量樣本,具體為:

      (1)設(shè)該增氧風(fēng)機(jī)7處于狀態(tài)θ時(shí)從測(cè)點(diǎn)μ測(cè)量到的一個(gè)時(shí)刻的歷史振動(dòng)信號(hào)為θμ(X),μ=1,…,c,c為測(cè)點(diǎn)的個(gè)數(shù),對(duì)θμ(X)進(jìn)行K層離散小波包分解,提取第K層中的2K個(gè)分解系數(shù),對(duì)所有的分解系數(shù)進(jìn)行重構(gòu),以Xj(j=0,1,…,2K-1)表示第K層各節(jié)點(diǎn)的重構(gòu)信號(hào),構(gòu)建特征矩陣其中K的值根據(jù)歷史經(jīng)驗(yàn)和實(shí)際情況結(jié)合確定,對(duì)特征矩陣TK進(jìn)行奇異值分解,得到該矩陣的特征向量YX=(η1,η2,…,ηv),其中η1,η2,…,ηv為由特征矩陣TK分解的奇異值,v為由特征矩陣TK分解的奇異值的個(gè)數(shù),定義歷史振動(dòng)信號(hào)θμ(X)對(duì)應(yīng)的故障診斷特征向量為:

      式中,max(Yx)表示特征向量Yx中的最大奇異值,min(YX)表示特征向量Yx中的最小奇異值;

      (2)對(duì)計(jì)算得到的故障診斷特征向量進(jìn)行篩選,排除不合格的故障診斷特征向量,設(shè)排除的不合格的故障診斷特征向量的數(shù)量為c′,則該增氧風(fēng)機(jī)7處于狀態(tài)θ時(shí)在該時(shí)刻的故障診斷特征向量樣本為:

      本優(yōu)選實(shí)施例中,提取小波包奇異值特征作為故障診斷特征向量,并定義了故障診斷特征向量的特征參數(shù),提高了對(duì)增氧風(fēng)機(jī)7進(jìn)行診斷的容錯(cuò)性,有效降低了數(shù)據(jù)噪音的影響,準(zhǔn)確率高且計(jì)算時(shí)間短。

      優(yōu)選地,所述對(duì)計(jì)算得到的故障診斷特征向量進(jìn)行篩選,排除不合格的故障診斷特征向量,具體為:將該增氧風(fēng)機(jī)7處于狀態(tài)θ時(shí)在該時(shí)刻的所有計(jì)算得到的故障診斷特征向量作為該時(shí)刻的特征向量篩選樣本集,計(jì)算該特征向量篩選樣本集的標(biāo)準(zhǔn)差σ和期望值μ,則設(shè)定該增氧風(fēng)機(jī)7處于狀態(tài)θ時(shí)在該時(shí)刻的數(shù)據(jù)篩選閾值為其中為期望值μ的最大似然估計(jì),為標(biāo)準(zhǔn)差σ的最大似然估計(jì),若計(jì)算得到的故障診斷特征向量不滿足下列公式,則剔除該故障診斷特征向量:

      本優(yōu)選實(shí)施例中,采用上述方式對(duì)計(jì)算得到的故障診斷特征向量進(jìn)行篩選,排除不合格的故障診斷特征向量,客觀科學(xué),提高了對(duì)養(yǎng)殖系統(tǒng)的增氧風(fēng)機(jī)7進(jìn)行故障診斷的精確度。

      優(yōu)選地,所述歷史故障特征提取模塊13還將剔除的不合格的故障診斷特征向量?jī)?chǔ)存到一個(gè)臨時(shí)數(shù)據(jù)儲(chǔ)存器中,當(dāng)滿足時(shí),對(duì)歷史故障特征提取模塊13中的K值進(jìn)行進(jìn)一步修正,具體如下:如果則K的值在根據(jù)原有歷史經(jīng)驗(yàn)和實(shí)際情況結(jié)合確定的基礎(chǔ)上修改為K+1;如果則K的值在根據(jù)原有歷史經(jīng)驗(yàn)和實(shí)際情況結(jié)合確定的基礎(chǔ)上修改為K+2;其中,c為測(cè)點(diǎn)的個(gè)數(shù),c′為不合格的故障診斷特征向量的數(shù)量,N為人為設(shè)定的整數(shù)閥值。

      本優(yōu)選實(shí)施例中,能夠根據(jù)不合格的故障診斷特征向量占測(cè)點(diǎn)個(gè)數(shù)的比例,自動(dòng)調(diào)節(jié)K值,進(jìn)一步減小了不合格的故障診斷特征向量對(duì)增氧風(fēng)機(jī)7進(jìn)行故障診斷的影響,提高了故障診斷的精確度,從而能夠在增氧風(fēng)機(jī)7發(fā)生故障時(shí)及時(shí)維修,進(jìn)一步確保養(yǎng)殖系統(tǒng)的正常運(yùn)行。

      優(yōu)選地,所述實(shí)時(shí)故障診斷特征向量采集模塊14用于獲取該增氧風(fēng)機(jī)7的實(shí)時(shí)故障診斷特征向量。

      優(yōu)選地,所述故障診斷模型建立模塊15用于建立基于改進(jìn)的支持向量機(jī)的故障診斷模型,并使用故障診斷特征向量樣本對(duì)故障診斷模型進(jìn)行訓(xùn)練,計(jì)算出故障診斷模型參數(shù)的最優(yōu)解,得到訓(xùn)練完成的故障診斷模型;其中,所述建立基于改進(jìn)的支持向量機(jī)的故障診斷模型,包括:

      (1)采用徑向基函數(shù)作為核函數(shù),利用該核函數(shù)將該故障診斷特征向量樣本從原空間映射到高維空間,在高維空間構(gòu)造最優(yōu)決策函數(shù)實(shí)現(xiàn)故障診斷特征向量樣本分類,構(gòu)造最優(yōu)決策函數(shù)為:

      式中,x為輸入的故障診斷特征向量樣本,ZY(x)為輸入的故障診斷特征向量樣本對(duì)應(yīng)的輸出,J(x)表示徑向基函數(shù),q為權(quán)重向量,a為偏差,exp(-q2-a2)為引入的關(guān)于q和a的勢(shì)能優(yōu)化函數(shù),為人為設(shè)定的勢(shì)能優(yōu)化函數(shù)參量,由歷史故障特征提取模塊13中的臨時(shí)數(shù)據(jù)儲(chǔ)存器的數(shù)據(jù)計(jì)算得到,其中c為測(cè)點(diǎn)的個(gè)數(shù),c′為不合格的故障診斷特征向量的數(shù)量;

      (2)定義支持向量機(jī)的目標(biāo)函數(shù)為:

      支持向量機(jī)的約束條件為:

      S.t yi(qxi+)≥1-λi,λi≥0,i=1,…,M

      式中,minY(q,a,λi)為支持向量機(jī)的目標(biāo)函數(shù),C*為優(yōu)化后的懲罰因子,M為故障診斷特征向量樣本的數(shù)量;xi為輸入的第i個(gè)故障診斷特征向量樣本,yi(qxi+a)為輸入的第i個(gè)故障診斷特征向量樣本對(duì)應(yīng)的輸出,q為權(quán)重向量,a為偏差,λi為引入的誤差變量;

      (3)求解該支持向量機(jī)的目標(biāo)函數(shù),得到權(quán)重向量q和偏差a;

      (4)以得到的權(quán)重向量q和偏差a代入最優(yōu)決策函數(shù)即為所建立的故障診斷模型。

      本優(yōu)選實(shí)施例中,通過(guò)引入即故障診斷特征向量不合格率,以及關(guān)于q和a的勢(shì)能優(yōu)化函數(shù),進(jìn)一步提高了該最優(yōu)決策函數(shù)的實(shí)際精確度,為故障診斷模型的建立提供良好的函數(shù)基礎(chǔ),從而構(gòu)建更為精確的故障診斷模型,提高對(duì)增氧風(fēng)機(jī)7進(jìn)行故障診斷的精度。

      其中通過(guò)下述方式進(jìn)行懲罰因子和所述核函數(shù)的半徑參數(shù)的值的優(yōu)化:

      A、將所有故障診斷特征向量樣本平均分成互不包含的子集;

      B、設(shè)定懲罰因子和所述核函數(shù)的半徑參數(shù)的值的取值范圍,對(duì)每個(gè)粒子的位置向量進(jìn)行二維編碼,產(chǎn)生初始粒子群;

      C、對(duì)各粒子對(duì)應(yīng)的參數(shù)選定訓(xùn)練集進(jìn)行交叉驗(yàn)證,得到的預(yù)測(cè)模型分類準(zhǔn)確率作為粒子對(duì)應(yīng)的目標(biāo)函數(shù)值;

      D、對(duì)粒子群中的粒子進(jìn)行迭代;

      E、用目標(biāo)函數(shù)值評(píng)價(jià)所有粒子,當(dāng)某個(gè)粒子的當(dāng)前評(píng)價(jià)值優(yōu)于其歷史評(píng)價(jià)值時(shí),將其作為該粒子的最優(yōu)歷史評(píng)價(jià),記錄當(dāng)前粒子最優(yōu)位置向量;

      F、尋找全局最優(yōu)解,如果其值優(yōu)于當(dāng)前歷史最優(yōu)解,則更新,達(dá)到設(shè)定的終止準(zhǔn)則時(shí),則停止搜索,輸出最優(yōu)的懲罰因子和所述核函數(shù)的半徑參數(shù)的值,否則返回去重新搜索。

      本實(shí)施例采用上述方式對(duì)懲罰因子和所述核函數(shù)的半徑參數(shù)的值進(jìn)行優(yōu)化,優(yōu)化時(shí)間相對(duì)較短,優(yōu)化效果好,從而能夠得到性能較好的支持向量機(jī),進(jìn)一步提高對(duì)增氧風(fēng)機(jī)7進(jìn)行故障診斷的精度。

      優(yōu)選地,所述故障診斷識(shí)別模塊16用于將該增氧風(fēng)機(jī)7的實(shí)時(shí)故障診斷特征向量輸入到訓(xùn)練完成的故障診斷模型中,完成故障的診斷識(shí)別。

      根據(jù)上述實(shí)施例,發(fā)明人進(jìn)行了一系列測(cè)試,以下是進(jìn)行測(cè)試得到的實(shí)驗(yàn)數(shù)據(jù),該實(shí)驗(yàn)數(shù)據(jù)表明,本發(fā)明能夠有效凈化水質(zhì)、回收養(yǎng)殖資源,節(jié)能環(huán)保,并且能夠精確、快速地對(duì)養(yǎng)殖系統(tǒng)中的增氧風(fēng)機(jī)7進(jìn)行故障檢測(cè)和維修,由此可見(jiàn),本發(fā)明在應(yīng)用于養(yǎng)殖系統(tǒng)的有關(guān)故障檢測(cè)時(shí)產(chǎn)生了非常顯著的有益效果:

      最后應(yīng)當(dāng)說(shuō)明的是,以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案,而非對(duì)本發(fā)明保護(hù)范圍的限制,盡管參照較佳實(shí)施例對(duì)本發(fā)明作了詳細(xì)地說(shuō)明,本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解,可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換,而不脫離本發(fā)明技術(shù)方案的實(shí)質(zhì)和范圍。

      當(dāng)前第1頁(yè)1 2 3 
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1