本發(fā)明涉及垃圾處理領(lǐng)域，具體涉及醫(yī)療垃圾的環(huán)保處理系統(tǒng)。

背景技術(shù)：

相關(guān)技術(shù)中的重金屬垃圾多采用工程修復(fù)措施、化學(xué)修復(fù)措施或生物修復(fù)措施。其中化學(xué)修復(fù)措施為向垃圾燃燒后的灰渣中投放改性劑或活性劑，造成灰渣的pH值、氧化還原條件或離子構(gòu)成情況產(chǎn)生變化，進(jìn)而使得重金屬進(jìn)行吸附、還原或沉淀，實(shí)現(xiàn)降低灰渣中重金屬的含量。生物修復(fù)措施是利用特定的植物、動(dòng)物或微生物來(lái)降低重金屬的毒性。但是這兩種方法耗時(shí)較長(zhǎng)，不利于快速除去重金屬。工程修復(fù)措施是采用物理的方法，如將含有重金屬的垃圾或灰渣進(jìn)行深層翻埋，或?qū)ζ鋰娏芟♂專m然降低了重金屬的濃度，但是重金屬的總含量并沒(méi)有減少。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問(wèn)題，本發(fā)明提供醫(yī)療垃圾的環(huán)保處理系統(tǒng)。

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

醫(yī)療垃圾的環(huán)保處理系統(tǒng)，包括依次連接的篩選機(jī)、破碎機(jī)、研磨機(jī)、旋風(fēng)爐、冷淬池和沉渣池；所述篩選機(jī)用于對(duì)醫(yī)療垃圾進(jìn)行分揀，所述破碎機(jī)用于將分揀出的醫(yī)療垃圾進(jìn)行破碎，所述研磨機(jī)用于將破碎后的醫(yī)療垃圾與原煤按照1:2質(zhì)量比混合后進(jìn)行研磨，所述旋風(fēng)爐用于將研磨機(jī)研磨后形成的混合物料燃燒成熔融態(tài)，再通過(guò)管道輸送到冷淬池進(jìn)行冷淬，所述沉渣池用于供冷淬后的產(chǎn)物沉淀過(guò)濾。

本發(fā)明的有益效果為：能夠?qū)⒑秀t的醫(yī)療垃圾與煤粉進(jìn)行燃燒，使其中六價(jià)鉻等高價(jià)重金屬離子被C完全還原成無(wú)毒的三價(jià)鉻狀態(tài)，并在冷淬作用下形成玻璃體狀物，且使低價(jià)態(tài)的三價(jià)鉻等重金屬離子被封存在玻璃體狀物中，實(shí)現(xiàn)與自然界生物體絕緣的環(huán)保處理，從而能夠快速解決醫(yī)療垃圾中重金屬污泥對(duì)環(huán)境造成的污染。

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)明的結(jié)構(gòu)框圖；

圖2是故障檢測(cè)模塊的結(jié)構(gòu)框圖。

附圖標(biāo)記：

篩選機(jī)1、破碎機(jī)2、研磨機(jī)3、旋風(fēng)爐4、冷淬池5、沉渣池6、煙氣處理裝置7、故障檢測(cè)裝置8、歷史數(shù)據(jù)采集單元11、數(shù)據(jù)預(yù)處理單元12、特征提取單元13、實(shí)時(shí)故障診斷特征向量采集單元14、故障診斷模型建立單元15、故障診斷識(shí)別單元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。

參見(jiàn)圖1，本實(shí)施例提供了醫(yī)療垃圾的環(huán)保處理系統(tǒng)，包括依次連接的篩選機(jī)1、破碎機(jī)2、研磨機(jī)3、旋風(fēng)爐4、冷淬池5和沉渣池6；所述篩選機(jī)1用于對(duì)醫(yī)療垃圾進(jìn)行分揀，所述破碎機(jī)2用于將分揀出的醫(yī)療垃圾進(jìn)行破碎，所述研磨機(jī)3用于將破碎后的醫(yī)療垃圾與原煤按照1:2質(zhì)量比混合后進(jìn)行研磨，所述旋風(fēng)爐4用于將研磨機(jī)3研磨后形成的混合物料燃燒成熔融態(tài)，再通過(guò)管道輸送到冷淬池5進(jìn)行冷淬，所述沉渣池6用于供冷淬后的產(chǎn)物沉淀過(guò)濾。

其中，所述對(duì)醫(yī)療垃圾進(jìn)行分揀，具體為分揀出包括較大塊的金屬和玻璃在內(nèi)的無(wú)機(jī)物。

優(yōu)選地，所述醫(yī)療垃圾的環(huán)保處理系統(tǒng)還包括煙氣處理裝置7，該煙氣處理裝置7與旋風(fēng)爐4連接，用于將旋風(fēng)爐4中混合物料燃燒時(shí)產(chǎn)生的煙氣進(jìn)行脫硝和靜電除塵處理。

優(yōu)選地，還包括用于對(duì)需檢測(cè)設(shè)備進(jìn)行故障檢測(cè)的故障檢測(cè)裝置8。

本發(fā)明上述實(shí)施例能夠?qū)⒑秀t的醫(yī)療垃圾與煤粉進(jìn)行燃燒，使其中六價(jià)鉻等高價(jià)重金屬離子被C完全還原成無(wú)毒的三價(jià)鉻狀態(tài)，并在冷淬作用下形成玻璃體狀物，且使低價(jià)態(tài)的三價(jià)鉻等重金屬離子被封存在玻璃體狀物中，實(shí)現(xiàn)與自然界生物體絕緣的環(huán)保處理；同時(shí)設(shè)置煙氣處理裝置7，能夠?qū)μ幚頃r(shí)產(chǎn)生的煙氣進(jìn)行處理，避免有害煙氣的排放。

優(yōu)選地，所述故障檢測(cè)裝置8設(shè)置有4個(gè)故障檢測(cè)模塊，每個(gè)故障檢測(cè)模塊用于對(duì)篩選機(jī)1、破碎機(jī)2、研磨機(jī)3、旋風(fēng)爐4中的其中一個(gè)需檢測(cè)設(shè)備進(jìn)行故障檢測(cè)；

其中每個(gè)故障檢模塊包括依次連接的歷史數(shù)據(jù)采集單元11、數(shù)據(jù)預(yù)處理單元12、特征提取單元13、實(shí)時(shí)故障診斷特征向量采集單元14、故障診斷模型建立單元15和故障診斷識(shí)別單元16；所述歷史數(shù)據(jù)采集單元11用于通過(guò)傳感器采集需檢測(cè)設(shè)備在正常狀態(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)；所述數(shù)據(jù)預(yù)處理單元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；所述特征提取單元13用于從過(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，并將提取的小波包奇異值特征作為故障診斷特征向量樣本；所述實(shí)時(shí)故障診斷特征向量采集單元14用于獲取需檢測(cè)設(shè)備的實(shí)時(shí)故障診斷特征向量；所述故障診斷模型建立單元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；所述故障診斷識(shí)別單元16用于將該需檢測(cè)設(shè)備的實(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，完成需檢測(cè)設(shè)備故障的診斷識(shí)別。

優(yōu)選地，所述數(shù)據(jù)預(yù)處理單元12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)處理時(shí)利用數(shù)字濾波器按下式濾除采集到的原始?xì)v史振動(dòng)信號(hào)數(shù)據(jù)的帶外分量：

其中，E為濾波后得到的歷史振動(dòng)信號(hào)數(shù)據(jù)，E′為采集到的原始?xì)v史振動(dòng)信號(hào)數(shù)據(jù)，R為測(cè)點(diǎn)的個(gè)數(shù)，χ＝1，2，3…R-1；τ為由數(shù)字濾波器自身特性決定的常數(shù)，為所用傳感器的固有采集頻率。

本優(yōu)選實(shí)施例采用上述方式對(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，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，提高對(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)處理的精度，從而有益于提高對(duì)需檢測(cè)設(shè)備進(jìn)行故障識(shí)別的精度。

優(yōu)選地，所述特征提取單元13具體執(zhí)行：

(1)設(shè)需檢測(cè)設(shè)備處于狀態(tài)W時(shí)從測(cè)點(diǎn)Φ測(cè)量到的一個(gè)時(shí)刻的歷史振動(dòng)信號(hào)為W_Φ(E)，Φ＝1,…,R，R為測(cè)點(diǎn)的個(gè)數(shù)，對(duì)W_Φ(E)進(jìn)行λ層離散小波包分解，提取第λ層中的2^λ個(gè)分解系數(shù)，對(duì)所有的分解系數(shù)進(jìn)行重構(gòu)，以X_j(j＝0,1,…,2^λ-1)表示第λ層各節(jié)點(diǎn)的重構(gòu)信號(hào)，構(gòu)建特征矩陣其中λ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T[W_Φ(E)]進(jìn)行奇異值分解，獲得該特征矩陣T[W_Φ(E)]的特征向量：

其中γ₁,γ₂,…,γ_v為由特征矩陣T[W_Φ(E)]分解的奇異值，v為由特征矩陣T[W_Φ(E)]分解的奇異值的個(gè)數(shù)；

(2)設(shè)表示特征向量中的最大奇異值，表示特征向量中的最小奇異值，定義W_Φ(E)對(duì)應(yīng)的故障診斷特征向量為：

(3)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，則該需檢測(cè)設(shè)備處于狀態(tài)W時(shí)在該固定時(shí)刻的故障診斷特征向量樣本為：

式中，R′為排除的不合格的故障診斷特征向量的數(shù)量。

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，能夠有效降低數(shù)據(jù)噪音的影響，具有準(zhǔn)確率高且計(jì)算時(shí)間短的優(yōu)勢(shì)，從而能夠提高對(duì)需檢測(cè)設(shè)備進(jìn)行診斷的容錯(cuò)性。

優(yōu)選地，采用下述方式對(duì)計(jì)算得到的故障診斷特征向量進(jìn)行篩選：

將需檢測(cè)設(shè)備處于狀態(tài)W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_W和期望值μ_W，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：

式中，為期望值μ_W的最大似然估計(jì)，為標(biāo)準(zhǔn)差σ_W的最大似然估計(jì)

本優(yōu)選實(shí)施例對(duì)計(jì)算得到的故障診斷特征向量進(jìn)行篩選，從而排除不合格的故障診斷特征向量，客觀科學(xué)，提高了對(duì)醫(yī)療垃圾的環(huán)保處理系統(tǒng)中的各個(gè)需檢測(cè)設(shè)備進(jìn)行故障診斷的精確度。

優(yōu)選地，所述特征提取單元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)特征提取單元13中的λ值進(jìn)行進(jìn)一步修正，具體如下：

(1)若滿足下式，則λ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λ+1：

(2)若滿足下式，則λ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λ+2：

其中，R為測(cè)點(diǎn)的個(gè)數(shù)，R′為不合格的故障診斷特征向量的數(shù)量，Δ為人為設(shè)定的整數(shù)閥值。

本優(yōu)選實(shí)施例根據(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)λ值，進(jìn)一步降低了不合格的故障診斷特征向量對(duì)需檢測(cè)設(shè)備進(jìn)行故障診斷的影響，提高了故障診斷的精確度，從而能夠及時(shí)精確地識(shí)別出醫(yī)療垃圾的環(huán)保系統(tǒng)中發(fā)生故障的設(shè)備，使得工作人員能夠?qū)︶t(yī)療垃圾的環(huán)保系統(tǒng)中發(fā)生故障的設(shè)備進(jìn)行及時(shí)維修。

優(yōu)選地，故障診斷模型建立單元15采用下述方式建立基于改進(jìn)的支持向量機(jī)的故障診斷模型：

(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，ρ(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)，Ω為權(quán)重向量，d為偏差；

此外，為引入的優(yōu)化因子，其中R為測(cè)點(diǎn)的個(gè)數(shù)，R′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：

y_i(Ωx_i+d)≥1-ε_i,ε_i≥0,i＝1,…,M

式中，minX(Ω,d,λ_i)為支持向量機(jī)的目標(biāo)函數(shù)，為優(yōu)化后的懲罰因子,ε_i為引入的誤差變量；M為故障診斷特征向量樣本的數(shù)量；x_i為輸入的第i個(gè)故障診斷特征向量樣本，y_i(Ωx_i+d)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，Ω為權(quán)重向量，d為偏差；

其中，懲罰因子和所述核函數(shù)的半徑參數(shù)的值的優(yōu)化方式為：將所有故障診斷特征向量樣本平均分成互不包含的子集，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；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，對(duì)粒子群中的粒子進(jìn)行迭代；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；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。

(3)求解該支持向量機(jī)的目標(biāo)函數(shù)，計(jì)算出權(quán)重向量和偏差；

(4)將計(jì)算得到的權(quán)重向量和偏差代入最優(yōu)決策函數(shù)即為所建立的故障診斷模型。

本優(yōu)選實(shí)施例通過(guò)引入優(yōu)化因子，減小了不合格的故障診斷特征向量對(duì)需檢測(cè)設(shè)備進(jìn)行故障診斷的影響，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)需檢測(cè)設(shè)備進(jìn)行故障診斷的精度，此外，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)需檢測(cè)設(shè)備進(jìn)行故障診斷的精度。

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)：

上述實(shí)驗(yàn)數(shù)據(jù)表明，本發(fā)明基本上能夠?qū)︶t(yī)療垃圾中的重金屬污泥進(jìn)行快速處理，且能夠?qū)ο到y(tǒng)中的需檢測(cè)設(shè)備進(jìn)行實(shí)時(shí)故障檢測(cè)，從而需檢測(cè)設(shè)備發(fā)生故障時(shí)能夠及時(shí)得到維修，保證系統(tǒng)對(duì)醫(yī)療垃圾處理的效率。因此，本發(fā)明在對(duì)醫(yī)療垃圾的處理方面產(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。