کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6964247 | 1452303 | 2013 | 20 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Data-derived soft-sensors for biological wastewater treatment plants: An overview
ترجمه فارسی عنوان
سنسورهای نرم افزاری برای دستگاه های تصفیه پساب های بیولوژیک: یک مرور کلی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
نظارت بر کیفیت آب، سنسورهای نرم مدل های مبتنی بر داده ها، تصفیه فاضلاب،
ترجمه چکیده
این مقاله بررسی و در مورد استفاده از تکنیک های سنجش نرم افزاری حاصل از داده ها در گیاهان تصفیه فاضلاب بیولوژیک بحث می کند. تمرکز بر روی مرور گسترده ای از وضعیت فعلی و چالش ها و پتانسیل های خاصی که به منظور کاربرد موثر این سنسورهای نرم در سناریوهای کامل می دهد، داده می شود. سنسورهای نرم افزاری که در مطالعات موردی ارائه شده اند، فناوری های موثر و ارزان برای استخراج و مدل سازی اطلاعات مربوط به فرایند مربوطه به طور مستقیم از فرآیند و داده های آزمایشگاهی به طور معمول در تاسیسات تصفیه فاضلاب بیولوژیک به دست آمده است. اطلاعات استخراج شده به صورت تجزیه و تحلیل به موقع متغیرهای فرآیند اولیه سختی سنجی و تشخیص فرآیند است که عملکرد گیاهان و تجهیزات آنها مشخص می شود. اطلاعات برای استفاده موثر از راهبردهای پیشرفته کنترل و بهینه سازی ارزشمند است.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزار
چکیده انگلیسی
This paper surveys and discusses the application of data-derived soft-sensing techniques in biological wastewater treatment plants. Emphasis is given to an extensive overview of the current status and to the specific challenges and potential that allow for an effective application of these soft-sensors in full-scale scenarios. The soft-sensors presented in the case studies have been found to be effective and inexpensive technologies for extracting and modelling relevant process information directly from the process and laboratory data routinely acquired in biological wastewater treatment facilities. The extracted information is in the form of timely analysis of hard-to-measure primary process variables and process diagnostics that characterize the operation of the plants and their instrumentation. The information is invaluable for an effective utilization of advanced control and optimization strategies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 47, September 2013, Pages 88-107
Journal: Environmental Modelling & Software - Volume 47, September 2013, Pages 88-107
نویسندگان
Henri Haimi, Michela Mulas, Francesco Corona, Riku Vahala,