医疗垃圾的环保处理系统的制作方法

本发明涉及垃圾处理领域，具体涉及医疗垃圾的环保处理系统。

背景技术：

相关技术中的重金属垃圾多采用工程修复措施、化学修复措施或生物修复措施。其中化学修复措施为向垃圾燃烧后的灰渣中投放改性剂或活性剂，造成灰渣的pH值、氧化还原条件或离子构成情况产生变化，进而使得重金属进行吸附、还原或沉淀，实现降低灰渣中重金属的含量。生物修复措施是利用特定的植物、动物或微生物来降低重金属的毒性。但是这两种方法耗时较长，不利于快速除去重金属。工程修复措施是采用物理的方法，如将含有重金属的垃圾或灰渣进行深层翻埋，或对其喷淋稀释，虽然降低了重金属的浓度，但是重金属的总含量并没有减少。

技术实现要素：

针对上述问题，本发明提供医疗垃圾的环保处理系统。

本发明的目的采用以下技术方案来实现：

医疗垃圾的环保处理系统，包括依次连接的筛选机、破碎机、研磨机、旋风炉、冷淬池和沉渣池；所述筛选机用于对医疗垃圾进行分拣，所述破碎机用于将分拣出的医疗垃圾进行破碎，所述研磨机用于将破碎后的医疗垃圾与原煤按照1:2质量比混合后进行研磨，所述旋风炉用于将研磨机研磨后形成的混合物料燃烧成熔融态，再通过管道输送到冷淬池进行冷淬，所述沉渣池用于供冷淬后的产物沉淀过滤。

本发明的有益效果为：能够将含有铬的医疗垃圾与煤粉进行燃烧，使其中六价铬等高价重金属离子被C完全还原成无毒的三价铬状态，并在冷淬作用下形成玻璃体状物，且使低价态的三价铬等重金属离子被封存在玻璃体状物中，实现与自然界生物体绝缘的环保处理，从而能够快速解决医疗垃圾中重金属污泥对环境造成的污染。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构框图；

图2是故障检测模块的结构框图。

附图标记：

筛选机1、破碎机2、研磨机3、旋风炉4、冷淬池5、沉渣池6、烟气处理装置7、故障检测装置8、历史数据采集单元11、数据预处理单元12、特征提取单元13、实时故障诊断特征向量采集单元14、故障诊断模型建立单元15、故障诊断识别单元16。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例提供了医疗垃圾的环保处理系统，包括依次连接的筛选机1、破碎机2、研磨机3、旋风炉4、冷淬池5和沉渣池6；所述筛选机1用于对医疗垃圾进行分拣，所述破碎机2用于将分拣出的医疗垃圾进行破碎，所述研磨机3用于将破碎后的医疗垃圾与原煤按照1:2质量比混合后进行研磨，所述旋风炉4用于将研磨机3研磨后形成的混合物料燃烧成熔融态，再通过管道输送到冷淬池5进行冷淬，所述沉渣池6用于供冷淬后的产物沉淀过滤。

其中，所述对医疗垃圾进行分拣，具体为分拣出包括较大块的金属和玻璃在内的无机物。

优选地，所述医疗垃圾的环保处理系统还包括烟气处理装置7，该烟气处理装置7与旋风炉4连接，用于将旋风炉4中混合物料燃烧时产生的烟气进行脱硝和静电除尘处理。

优选地，还包括用于对需检测设备进行故障检测的故障检测装置8。

本发明上述实施例能够将含有铬的医疗垃圾与煤粉进行燃烧，使其中六价铬等高价重金属离子被C完全还原成无毒的三价铬状态，并在冷淬作用下形成玻璃体状物，且使低价态的三价铬等重金属离子被封存在玻璃体状物中，实现与自然界生物体绝缘的环保处理；同时设置烟气处理装置7，能够对处理时产生的烟气进行处理，避免有害烟气的排放。

优选地，所述故障检测装置8设置有4个故障检测模块，每个故障检测模块用于对筛选机1、破碎机2、研磨机3、旋风炉4中的其中一个需检测设备进行故障检测；

其中每个故障检模块包括依次连接的历史数据采集单元11、数据预处理单元12、特征提取单元13、实时故障诊断特征向量采集单元14、故障诊断模型建立单元15和故障诊断识别单元16；所述历史数据采集单元11用于通过传感器采集需检测设备在正常状态下及各种故障状态下运行时多个测点的历史振动信号数据；所述数据预处理单元12用于对采集到的原始历史振动信号数据进行预处理；所述特征提取单元13用于从过滤后的历史振动信号数据中提取小波包奇异值特征，并将提取的小波包奇异值特征作为故障诊断特征向量样本；所述实时故障诊断特征向量采集单元14用于获取需检测设备的实时故障诊断特征向量；所述故障诊断模型建立单元15用于建立基于改进的支持向量机的故障诊断模型，并使用故障诊断特征向量样本对故障诊断模型进行训练，计算出故障诊断模型参数的最优解，得到训练完成的故障诊断模型；所述故障诊断识别单元16用于将该需检测设备的实时故障诊断特征向量输入到训练完成的故障诊断模型中，完成需检测设备故障的诊断识别。

优选地，所述数据预处理单元12对采集到的原始历史振动信号数据进行预处理时利用数字滤波器按下式滤除采集到的原始历史振动信号数据的带外分量：

其中，E为滤波后得到的历史振动信号数据，E′为采集到的原始历史振动信号数据，R为测点的个数，χ＝1，2，3…R-1；τ为由数字滤波器自身特性决定的常数，为所用传感器的固有采集频率。

本优选实施例采用上述方式对采集到的原始历史振动信号数据进行预处理，能够自适应不同的振动信号，消除原始历史振动信号数据中的时域波形畸变，提高对采集到的原始历史振动信号数据进行预处理的精度，从而有益于提高对需检测设备进行故障识别的精度。

优选地，所述特征提取单元13具体执行：

(1)设需检测设备处于状态W时从测点Φ测量到的一个时刻的历史振动信号为W_Φ(E)，Φ＝1,…,R，R为测点的个数，对W_Φ(E)进行λ层离散小波包分解，提取第λ层中的2^λ个分解系数，对所有的分解系数进行重构，以X_j(j＝0,1,…,2^λ-1)表示第λ层各节点的重构信号，构建特征矩阵其中λ的值根据历史经验和实际情况结合确定，对特征矩阵T[W_Φ(E)]进行奇异值分解，获得该特征矩阵T[W_Φ(E)]的特征向量：

其中γ₁,γ₂,…,γ_v为由特征矩阵T[W_Φ(E)]分解的奇异值，v为由特征矩阵T[W_Φ(E)]分解的奇异值的个数；

(2)设表示特征向量中的最大奇异值，表示特征向量中的最小奇异值，定义W_Φ(E)对应的故障诊断特征向量为：

(3)对计算得到的故障诊断特征向量进行筛选，排除不合格的故障诊断特征向量，则该需检测设备处于状态W时在该固定时刻的故障诊断特征向量样本为：

式中，R′为排除的不合格的故障诊断特征向量的数量。

本优选实施例中，提取小波包奇异值特征作为故障诊断特征向量，能够有效降低数据噪音的影响，具有准确率高且计算时间短的优势，从而能够提高对需检测设备进行诊断的容错性。

优选地，采用下述方式对计算得到的故障诊断特征向量进行筛选：

将需检测设备处于状态W时在该时刻的所有计算得到的故障诊断特征向量作为该时刻的特征向量筛选样本集，计算该特征向量筛选样本集的标准差σ_W和期望值μ_W，若计算得到的故障诊断特征向量不满足下列公式，则剔除该故障诊断特征向量：

式中，为期望值μ_W的最大似然估计，为标准差σ_W的最大似然估计

本优选实施例对计算得到的故障诊断特征向量进行筛选，从而排除不合格的故障诊断特征向量，客观科学，提高了对医疗垃圾的环保处理系统中的各个需检测设备进行故障诊断的精确度。

优选地，所述特征提取单元13还将剔除的不合格的故障诊断特征向量储存到一个临时数据储存器中，当满足时，对特征提取单元13中的λ值进行进一步修正，具体如下：

(1)若满足下式，则λ的值在根据原有历史经验和实际情况结合确定的基础上修改为λ+1：

(2)若满足下式，则λ的值在根据原有历史经验和实际情况结合确定的基础上修改为λ+2：

其中，R为测点的个数，R′为不合格的故障诊断特征向量的数量，Δ为人为设定的整数阀值。

本优选实施例根据不合格的故障诊断特征向量占测点个数的比例，自动调节λ值，进一步降低了不合格的故障诊断特征向量对需检测设备进行故障诊断的影响，提高了故障诊断的精确度，从而能够及时精确地识别出医疗垃圾的环保系统中发生故障的设备，使得工作人员能够对医疗垃圾的环保系统中发生故障的设备进行及时维修。

优选地，故障诊断模型建立单元15采用下述方式建立基于改进的支持向量机的故障诊断模型：

(1)采用径向基函数作为核函数，利用该核函数将该故障诊断特征向量样本从原空间映射到高维空间，在高维空间构造最优决策函数实现故障诊断特征向量样本分类，构造最优决策函数为：

式中，x为输入的故障诊断特征向量样本，ρ(x)为输入的故障诊断特征向量样本对应的输出，J(x)表示径向基函数，Ω为权重向量，d为偏差；

此外，为引入的优化因子，其中R为测点的个数，R′为不合格的故障诊断特征向量的数量；

(2)定义支持向量机的目标函数为：

支持向量机的约束条件为：

y_i(Ωx_i+d)≥1-ε_i,ε_i≥0,i＝1,…,M

式中，minX(Ω,d,λ_i)为支持向量机的目标函数，为优化后的惩罚因子,ε_i为引入的误差变量；M为故障诊断特征向量样本的数量；x_i为输入的第i个故障诊断特征向量样本，y_i(Ωx_i+d)为输入的第i个故障诊断特征向量样本对应的输出，Ω为权重向量，d为偏差；

其中，惩罚因子和所述核函数的半径参数的值的优化方式为：将所有故障诊断特征向量样本平均分成互不包含的子集，设定惩罚因子和所述核函数的半径参数的值的取值范围，对每个粒子的位置向量进行二维编码，产生初始粒子群；对各粒子对应的参数选定训练集进行交叉验证，得到的预测模型分类准确率作为粒子对应的目标函数值，对粒子群中的粒子进行迭代；用目标函数值评价所有粒子，当某个粒子的当前评价值优于其历史评价值时，将其作为该粒子的最优历史评价，记录当前粒子最优位置向量；寻找全局最优解，如果其值优于当前历史最优解，则更新，达到设定的终止准则时，则停止搜索，输出最优的惩罚因子和所述核函数的半径参数的值，否则返回去重新搜索。

(3)求解该支持向量机的目标函数，计算出权重向量和偏差；

(4)将计算得到的权重向量和偏差代入最优决策函数即为所建立的故障诊断模型。

本优选实施例通过引入优化因子，减小了不合格的故障诊断特征向量对需检测设备进行故障诊断的影响，进一步提高了该最优决策函数的实际精确度，为故障诊断模型的建立提供良好的函数基础，从而构建更为精确的故障诊断模型，提高对需检测设备进行故障诊断的精度，此外，本实施例采用上述方式对惩罚因子和所述核函数的半径参数的值进行优化，优化时间相对较短，优化效果好，从而能够得到性能较好的支持向量机，进一步提高对需检测设备进行故障诊断的精度。

根据上述实施例，发明人进行了一系列测试，以下是进行测试得到的实验数据：

上述实验数据表明，本发明基本上能够对医疗垃圾中的重金属污泥进行快速处理，且能够对系统中的需检测设备进行实时故障检测，从而需检测设备发生故障时能够及时得到维修，保证系统对医疗垃圾处理的效率。因此，本发明在对医疗垃圾的处理方面产生了非常显著的有益效果。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。