本发明属于污泥处理，具体为一种污泥薄层干化高效运行装置及控制方法。
背景技术：
1、随着“重水轻泥”逐渐向“泥水并重”转变，工业水污泥处理成为环保难题。污泥处理应遵循减量化、稳定化、无害化、资源化的“四化”原则。目前，国内污泥处理的主要途径分为直接掺烧、填埋场填埋、堆肥绿化、脱水干化等。有相当部分污泥经简单絮凝、压滤后直接外运丢弃。总体看，污泥处理普及程度低、方式单一，减量化、稳定化、无害化、资源化程度不高，后续问题多。
2、从污泥处理容纳量及长远角度来看，污泥干化可以有效解决稳定化、减量化问题，为后续的无害化、资源化提供便利条件。污泥干化技术按照耗能方式的不同，可分为电能污泥干化法、热水污泥干化法、蒸汽污泥干化法、太阳能污泥干化法与天然气污泥干化法。蒸汽污泥干化法是利用蒸汽的热能与换热器的壳层进行换热，污泥中的水分会被蒸发，从而湿污泥被干化。由于蒸汽热源使用广泛、容易获取、公用工程条件宽松便捷，因此蒸汽污泥干化法被广泛应用。
3、污泥干化机采用的薄层干化机，利用蒸汽污泥干化法，实现了连续进料和出料，并同时具有效率高、能耗低、安全性高等优点，可通过自主设计来适应不同污泥处理需求。但在实际应用中，薄层干化机的运行效率往往受到多种因素的影响，如温度、湿度、物料性质等，这些因素可能导致干化效率低下，进而影响整个污泥处理系统的运行。并且，由于薄层污泥干化技术是通过控制温度、湿度等参数来实现污泥干化的，因此，如果控制不当，可能会导致干化后产品的质量不稳定，如出现结块、变色等问题。
4、因此，为了提高薄层污泥干化技术的运行效率，需要引入智能控制技术，实现对温度、湿度等参数的实时监测和控制，提高产品的质量和稳定性。尽管专利zl202310540121.4公开了一种污泥薄层干化高效低能耗运行的智能控制系统及其控制方法，但具有一定的局限性，该专利缺乏系统性的整体优化，只关注于污泥薄层干化的某个环节或目标，而忽略了整个处理系统的协同优化；由于污泥薄层干化涉及多个环节和因素，各环节之间存在复杂的非线性关系，因此需要从整体角度出发，综合考虑各个环节的影响，以实现整个处理系统的最佳运行状态。此外，目前的智能控制系统往往只具有基本的控制功能，缺乏智能化和自适应能力。在实际运行过程中，系统无法根据实际情况自动调整控制参数和控制策略，也无法对复杂的非线性过程进行智能学习和优化控制。
技术实现思路
1、为了解决现有技术的不足，本技术通过引入人工神经网络技术建立预测模型，利用了蒸汽污泥干燥技术，提供了一种污泥薄层干化高效运行装置及控制方法。
2、本技术的第一个方面是提供了一种污泥薄层干化高效运行装置，包括：进料系统、干化系统、能源回收系统、蒸汽系统、尾气排放系统和控制系统；其中，
3、进料系统，用于导入待干化的污泥；
4、干化系统，用于对进料系统输送的污泥进行干化处理；
5、蒸汽系统，用于提供干化系统所需的热能；
6、能源回收系统，用于将干化系统内产生的余热进行回收；
7、尾气排放系统，用于对干化系统产生的尾气进行处理；
8、控制系统，包括数据采集模块、预测模块和参数控制模块，其中，
9、数据采集模块，被配置为采集污泥处理过程中的实时数据；
10、预测模块，被配置为根据历史数据和人工神经网络建立的预测模型，预测薄层干化出泥含水率、废气换热器出口温度及冷凝水产生量；
11、参数控制模块，被配置为根据预测模块的输出结果和实时数据，自动调整干化系统的运行参数。
12、在一种优选实施例中，所述数据采集模块包括一个或多个流量计、一个或多个压力表、一个或多个温度计，以及一个或多个湿度计。
13、在一种优选实施例中，所述预测模型被配置为，根据t时刻之前的进料参数、干化参数、蒸汽参数和尾气排放参数，对t时刻后的某一预设时刻的薄层干化出泥含水率、废气换热器出口温度及冷凝水产生量进行预测。
14、在一种优选实施例中，所述预测模块采用历史数据对预测模型进行训练，包括如下过程：
15、获取监控数据库中存储的历史数据，构建数据样本集；
16、对数据样本集进行预处理，包括异常值剔除与归一化处理，得到归一化后的数据；将所述归一化后的数据导入预测模型进行训练。
17、在一种优选实施例中，所述参数控制模块，根据预测模块的输出结果和实时数据，自动调整干化系统的运行参数，包括如下步骤：
18、(1)当废气换热器出口温度低于95℃，降低进料流量；当废气换热器出口温度高于98℃，提高进料流量；
19、(2)当冷凝水产生量超出正常湿度(低于90％)下的10％时，优先考虑降低进料流量；
20、(3)当出泥含水率高于40％时，首先降低进料流量，再观察废气换热器运行情况是否正常，最后观察干化参数是否正常。
21、在一种优选实施例中，所述人工神经网络为前馈神经网络、反馈神经网络、卷积神经网络、生成对抗网络、双隐含层bp神经网络中的一种或更多种。
22、优选地，所述人工神经网络为双隐含层bp神经网络。
23、在一种优选实施例中，所述双隐含层bp神经网络包括一个输入层、两个隐含层和一个输出层。
24、在一种优选实施例中，所述bp神经元模型加权连接相互交互，通过学习和训练，适应不同的输入模式、根据运行参数自动提取特征、并对输出数据做出预测或分类。
25、在一种优选实施例中，所述历史数据包括：
26、进料参数、干化参数、蒸汽参数、尾气排放参数中的一种或更多种。
27、在一种更优选实施例中，所述进料参数包括进料流量、进料压力、进料温度中的一种或更多种。
28、在一种更优选实施例中，所述干化参数包括干化机温度、干化机出口压力中的一种或更多种
29、在一种更优选实施例中，所述蒸汽参数包括蒸汽流量。
30、在一种更优选实施例中，所述尾气排放参数包括尾气湿度、尾气压力中的一种或更多种。
31、本技术的第二个方面是提供了一种污泥薄层干化高效运行控制方法，步骤包括：
32、获取污泥处理过程中的实时数据；
33、采用训练好的预测模型，以当前时刻的运行参数数据对出薄层干化出泥含水率、废气换热器出口温度及冷凝水产生量进行实时预测；
34、根据预测结果，自动调整薄层干化的运行参数，控制干化过程；
35、其中，预测模型的训练过程，包括如下步骤：
36、获取监控数据库中存储的历史数据，构建数据样本集；
37、对数据样本集进行预处理，包括异常值剔除与归一化处理，得到归一化后的数据；将所述归一化后的数据导入预测模型进行训练。
38、在一种优选实施例中，所述历史数据包括：
39、进料参数、干化参数、蒸汽参数、尾气排放参数中的一种或更多种。
40、在一种更优选实施例中，所述进料参数包括进料流量、进料压力、进料温度中的一种或更多种。
41、在一种更优选实施例中，所述干化参数包括干化机温度、干化机出口压力中的一种或更多种
42、在一种更优选实施例中，所述蒸汽参数包括蒸汽流量。
43、在一种更优选实施例中，所述尾气排放参数包括尾气湿度、尾气压力中的一种或更多种。
44、在一种优选实施例中，所述预测模型为双隐含层bp神经网络，包括输入层、隐含层1、隐含层2及输出层。
45、在一种优选实施例中，所述对数据样本集进行预处理中，异常值剔除是对各运行参数进行上下限值的设定。
46、在一种优选实施例中，所述对数据样本集进行预处理中，归一化处理采用最大值最小值法。
47、在一种优选实施例中，所述预测模型的训练次数为500-20000次，优选为3000-15000次，更优选为5000-10000次。
48、在一种优选实施例中，所述根据预测结果，自动调整薄层干化的运行参数，控制干化过程，包括如下步骤：
49、(1)当废气换热器出口温度低于95℃，降低进料流量；当废气换热器出口温度高于98℃，提高进料流量；
50、(2)当冷凝水产生量超出正常湿度(低于90％)下的10％时，优先考虑降低进料流量；
51、(3)当出泥含水率高于40％时，首先降低进料流量，再观察废气换热器运行情况是否正常，最后观察干化参数是否正常。
52、与现有技术相比，本技术具有以下有益效果：
53、本技术通过引入人工神经网络技术建立预测模型，利用了蒸汽污泥干燥技术，提供了一种污泥薄层干化高效运行装置及控制方法。本技术充分考虑了进料、干化、蒸汽、尾气系统及能源回收的多层次与非线性联动关系，通过预测系统和实时监测，实现了运行参数的实时调整与优化，以提高薄层干化装置的能源利用效率10％以上并保证出泥含水率低于40％。
1.一种污泥薄层干化高效运行装置，其特征在于，包括：
2.根据权利要求1所述装置，其特征在于，所述数据采集模块包括一个或多个流量计、一个或多个压力表、一个或多个温度计，以及一个或多个湿度计。
3.根据权利要求1所述装置，其特征在于，所述预测模型被配置为，根据t时刻之前的进料参数、干化参数、蒸汽参数和尾气排放参数，对t时刻后的某一预设时刻的薄层干化出泥含水率、废气换热器出口温度及冷凝水产生量进行预测。
4.根据权利要求1所述装置，其特征在于，所述预测模块采用历史数据对预测模型进行训练，其过程：
5.根据权利要求1所述装置，其特征在于，所述参数控制模块，根据预测模块的输出结果和实时数据，自动调整干化系统的运行参数，包括如下步骤：
6.根据权利要求1或4所述装置，其特征在于，所述历史数据包括：
7.一种污泥薄层干化高效运行控制方法，基于如权利要求1～6任一项所述的污泥薄层干化高效运行装置，其特征在于，包括如下步骤：
8.根据权利要求7所述方法，其特征在于，所述预测模型为双隐含层bp神经网络，包括输入层、隐含层1、隐含层2及输出层。
9.根据权利要求7所述方法，其特征在于，所述对数据样本集进行预处理中，异常值剔除是对各运行参数进行上下限值的设定；归一化处理采用最大值最小值法。
10.根据权利要求7所述方法，其特征在于，所述预测模型的训练次数为500-20000次，优选为3000-15000次，更优选为5000-10000次。
